Articles

Found 17 Documents
Search

Perbandingan Performa antara Imputasi Metode Konvensional dan Imputasi dengan Algoritma Mutual Nearest Neighbor

Jurnal Teknik ITS Vol 2, No 1 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar | Full PDF (89.504 KB)

Abstract

Missing value adalah sebuah permasalahan yang sering terjadi pada dataset riil. Kekurangan ini biasanya mempengaruhi akurasi saat dilakukan klasifikasi dengan menggunakan dataset tersebut. Salah satu cara menyelesaikan masalah missing value tersebut adalah mengisi nilai baru atau dikenal dengan metode imputasi. Algoritma mutual nearest neighbor (MNN) adalah sebuah algoritma pengenalan pola yang menggunakan tetangga mutual terdekat suatu instance. Dalam studi ini, algoritma MNN digunakan sebagai metode imputasi. Performanya akan dibandingkan dengan metode imputasi konvensional yaitu mengisikan nilai mean atau modus data atribut ke missing value. Berdasarkan hasil uji coba, performa klasifikasi setelah dilakukan imputasi dengan algoritma MNN mengungguli performa klasifikasi dengan metode imputasi konvensional.

Pengembangan Perangkat Lunak Prediktor Kanker Payudara Menggunakan Metode Elastic SCAD SVM dan Data DNA Microarray

Jurnal Teknik ITS Vol 1, No 1 (2012): Jurnal Teknik ITS (ISSN 2301-9271)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar | Full PDF (391.171 KB)

Abstract

Kanker payudara (Carcinoma Mammae) merupakan salah satu penyakit kanker dengan angka kematian terbesar di dunia. Prediksi kanker payudara tentunya dapat membantu para penderitanya untuk menghindari berbagai akibat negatif yang dapat ditimbulkannya. Di sisi lain, data DNA Microarray ternyata dapat digunakan untuk diagnosa dini penyakit kanker payudara. Data DNA Microarray mengandung informasi dari DNA yang kemudian direpresentasikan dalam data vektor berdimensi tinggi. Untuk menangani permasalahan prediksi data berdimensi tinggi, Support Vector Machine (SVM) adalah salah satu metode yang cukup handal. Namun, sayangnya SVM tidak dapat mendukung proses seleksi fitur. Padahal, dengan adanya seleksi fitur, proses prediksi data dapat berjalan lebih cepat. Informasi tentang fitur-fitur penting dari suatu data juga dapat diperoleh dengan adanya seleksi fitur. Oleh karena itu, ada sebuah studi lain yang menggabungkan SVM dengan elastic SCAD (penalization method). Pada studi ini dikembangkan perangkat lunak untuk memprediksi kanker payudara berdasarkan model elastic SCAD SVM yang telah diusulkan oleh studi lain tersebut. Berdasarkan uji coba, perangkat lunak yang dikembangkan mampu melakukan prediksi kanker payudara. Hal ini ditunjukkan dengan nilai akurasi sebesar 95,4%. Fitur yang terpakai pun berkurang dari 1213 atribut menjadi 1193 atribut.

Implementasi KD-Tree K-Means Clustering untuk Klasterisasi Dokumen

Jurnal Teknik ITS Vol 2, No 2 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar | Full PDF (322.524 KB)

Abstract

Klasterisasi dokumen adalah suatu proses pengelompokan dokumen secara otomatis dan unsupervised. Klasterisasi dokumen merupakan permasalahan yang sering ditemui dalam berbagai bidang seperti text mining dan sistem temu kembali informasi. Metode klasterisasi dokumen yang memiliki akurasi dan efisiensi waktu yang tinggi sangat diperlukan untuk meningkatkan hasil pada mesin pencari web,  dan untuk proses filtering. Salah satu metode klasterisasi yang telah dikenal dan diaplikasikan dalam klasterisasi dokumen adalah K-Means Clustering. Tetapi K-Means Clustering sensitif terhadap pemilihan posisi awal dari titik tengah klaster sehingga pemilihan posisi awal dari titik tengah klaster yang buruk akan mengakibatkan K-Means Clustering terjebak dalam local optimum. KD-Tree K-Means Clustering merupakan perbaikan dari K-Means Clustering. KD-Tree K-Means Clustering menggunakan struktur data K-Dimensional Tree dan nilai kerapatan pada proses inisialisasi titik tengah klaster. Pada makalah ini diimplementasikan algoritma KD-Tree K-Means Clustering untuk permasalahan klasterisasi dokumen. Performa klasterisasi dokumen yang dihasilkan oleh metode KD-Tree K-Means Clustering pada data set 20 newsgroup memiliki nilai distorsi 3×105 lebih rendah dibandingkan dengan nilai rerata distorsi K-Means Clustering dan nilai NIG 0,09 lebih baik dibandingkan dengan nilai NIG K-Means Clustering.

Rancang Bangun Aplikasi Buku “Dongeng” - Kumpulan Cerita Rakyat Interaktif Berbasis iOS

Jurnal Teknik ITS Vol 2, No 2 (2013)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar | Full PDF (205.09 KB)

Abstract

Kesukaan anak muda pada saat ini terhadap cerita rakyat lokal semakin pudar. Cerita rakyat dari luar negri lebih disukai misalnya saja putri salju atau Cinderella. Lemahnya pamor cerita rakyat lokal ini mungkin dikarenakan publikasi tentang cerita rakyat lokal yang yang kalah dengan cerita yang berasal dari luar negri. Selain dikarenakan cerita luar negri yang lebih digandrungi anak-anak muda saat ini, dikarenakan permainan digital yang perkembangannya yang sangat pesat. Salah satu media permainan yang dianggap menarik banyak anak di dunia ini adalah iPad. Melihat dari permasalahan akan kurangnya minat anak-anak terhadap cerita rakyat lokal dan meningkatnya popularitas iPad sebagai toys of the year versi majalah PCWorld, maka munculah gagasan artikel untuk membuat aplikasi berbasis iPad berjudul “Dongeng” yang merupakan kumpulan cerita rakyat Indonesia interaktif. Interaktif di sini dikarenakan pengguna bisa berinteraksi dengan karakter maupun lingkungan dalam cerita rakyat yang dipilih. Selain itu, interaksi dari pengguna bisa menentukan alur cerita dari cerita itu sendiri. Pengguna akan diajak berpikir dalam menentukan alur cerita agar tidak salah dalam memilih alur ceritanya. Pemilihan alur cerita bisa berdasarkan event berupa mini-game maupun pertanyaan. Aplikasi ini nantinya diharapkan dapat lebih mengenalkan cerita rakyat lokal kepada anak-anak baik dari dalam maupun luar negeri.

Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier

Jurnal Teknik ITS Vol 1, No 1 (2012): Jurnal Teknik ITS (ISSN 2301-9271)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar | Full PDF (148.052 KB)

Abstract

Prediksi nilai ujian akhir dapat membantu pendidik atau mahasiswa dalam melakukan tindakan ke depan yang sesuai dengan kondisi pada saat itu. Salah satu metode yang dapat digunakan dalam memprediksi nilai adalah dengan Regresi Linier. Tetapi, persamaan regresi terkadang dipengaruhi oleh keragaman persebaran data, sehingga keakuratan persamaan prediksi yang dihasilkan kurang baik.  Oleh karena itu, ada studi lain yang mengusulkan model Bootstrap Aggregating Regresi Linear yaitu metode regresi linier yang didahului dengan mengelompokkan data. Dalam pengelompokan data digunakan Spectral Clustering. Dengan adanya pengelompokan tersebut, maka diharapkan distribusi data dalam membentuk persamaan regresi dapat lebih seragam. Selanjutnya, setiap kelompok data akan menghasilkan suatu persamaan regresi. Hasil prediksi merupakan rata-rata dari hasil persamaan regresi dari masing-masing kelompok data. Dalam studi ini, dikembangkan sebuah perangkat lunak prediktor nilai mahasiswa menggunakan model yang diusulkan oleh studi lain yang telah disebutkan sebelumnya. Berdasar pada uji coba yang dilakukan, perangkat lunakn yang dikembangkan dengan menggunakan Spectral Clustering dan Bootstrap Aggregating Regresi Linier mampu memprediksi nilai akhir mahasiswa dengan parameter jumlah cluster yang tepat. Hal ini dapat disimpulkan berdasarkan nilai kesalahan dengan Root Mean Square Error dari hasil prediksi sekitar 0.05 – 0.08 dari dataset

Comparative Study of Bancruptcy Prediction Models

TELKOMNIKA Telecommunication, Computing, Electronics and Control Vol 11, No 3: September 2013
Publisher : Universitas Ahmad Dahlan

Show Abstract | Original Source | Check in Google Scholar

Abstract

Early indication of bancruptcy is important for a company. If companies aware of  potency of their bancruptcy, they can take a preventive action to anticipate the bancruptcy. In order to detect the potency of a bancruptcy, a company can utilize a a model of bancruptcy prediction. The prediction model can be built using a machine learning methods. However, the choice of machine learning methods should be performed carefully. Because the suitability of a model depends on the problem specifically. Therefore, in this paper we perform a comparative study of several machine leaning methods for bancruptcy prediction. According to the comparative study, the performance of several models that based on machine learning methods (k-NN, fuzzy k-NN, SVM, Bagging Nearest Neighbour SVM, Multilayer Perceptron(MLP), Hybrid of MLP + Multiple Linear Regression), it can be showed that fuzzy k-NN method achieve the best performance with accuracy 77.5%

Ovarian Cancer Identification using One-Pass Clustering and k-Nearest Neighbors

TELKOMNIKA Telecommunication, Computing, Electronics and Control Vol 11, No 4: December 2013
Publisher : Universitas Ahmad Dahlan

Show Abstract | Original Source | Check in Google Scholar

Abstract

The identification of ovarian cancer using protein expression profile (SELDI-TOF-MS) is important to assists early detection of ovarian cancer. The chance to save patient’s life is greater when ovarian cancer is detected at an early stage. However, the analysis of protein expression profile is challenging because it has very high dimensional features and noisy characteristic. In order to tackle those difficulties, a novel ovarian cancer identification model is proposed in this study. The model comprises of One-Pass Clustering and k-Nearest Neighbors Classifier.  With simple and efficient computation, the performance of the model achieves Accuracy about 97%. This result shows that the model is promising for Ovarian Cancer identification.

Deteksi Penyakit Epilepsi dengan Menggunakan Entropi Permutasi, K-means Clustering, dan Multilayer Perceptron

Jurnal Teknik ITS Vol 3, No 1 (2014)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar | Full PDF (277.104 KB)

Abstract

Epilepsi didefinisikan sebagai kumpulan gejala dan tanda-tanda klinis yang muncul disebabkan gangguan fungsi otak secara intermiten, yang terjadi akibat lepas muatan listrik abnormal atau berlebihan dari neuron-neuron secara paroksimal dengan berbagai macam etiologi. Banyak pasien yang tidak menyadari adanya gejala epilesi dalam dirinya. Oleh karena itu diperlukan sistem yang bisa memprediksi apakah seseorang menderita epilepsi bebas kejang, atau epilepsi kejang. Dalam artikel ini diimplementasikan perangkat lunak pendeteksi penyakit epilepsi dengan menggunakan entropi permutasi, K-means clustering, dan multilayer perceptron. Hasil model dari algoritma multilayer perceptron akan digunakan dalam proses prediksi. Dataset yang digunakan dalam proses uji coba berisi lima himpunan (A-E) EEG dari manusia sehat dan yang menderita epilepsi yang tersedia online (Klinik für Epileptologie, Universität Bonn). Performa terbaik yang dihasilkan oleh model adalah akurasi sebesar 96,5%, specificity sebesar 95,45%, dan sensitivity sebesar 97,97%.

MODEL PREDIKSI KEBANGKRUTAN BERBASIS NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION

JUTI: Jurnal Ilmiah Teknologi Informasi Vol 9, No 1, Januari 2011
Publisher : Teknik Informatika, ITS Surabaya

Show Abstract | Original Source | Check in Google Scholar

Abstract

Kebangkrutan suatu perusahaan dan bank dapat mempengaruhi sistem perekonomian. Karena itulah, pihak-pihak seperti: kreditor, auditor, pemegang saham dan pihak manajemen perusahaan itu sendiri memiliki kepentingan untuk mengetahui kondisi suatu perusahaan yang berhubungan dengan kebangkrutan. Dalam penelitian ini dikembangkan beberapa model klasifikasi untuk memprediksi kebangkrutan suatu perusahaan. Model dikembangkan berdasarkan metode yang berbasis ANN (Voted Perceptron, Stochastic Gradient Descent dan Multilayer Perceptron) dengan metode PSO. Metode-metode yang berbasis ANN bertugas sebagai klasifier dan PSO bertugas sebagai pemilih fitur dan penentu parameter-parameter (learning rate dan epoch) optimal model. Dari hasil ujicoba dapat disimpulkan bahwa model yang menggabungkan ANN dengan PSO terbukti memiliki performa yang cukup baik, yaitu sekitar 72-75%. Performa terbaik dicapai oleh model Stochastic Gradient Descent+PSO, yaitu sebesar 75% dengan jumlah fitur sebanyak 7 fitur. Dengan adanya model prediksi dengan performa yang baik, diharapkan pihak memiliki gambaran yang lebih baik tentang perusahaan yang sedang ditangani. Gambaran tersebut akan membantu pihak-pihak yang berkepentingan dalam mengambil keputusan.

PEMBUATAN PROTOTIPE APLIKASI WEB SERVICES BERBASIS XML MENGGUNAKAN TEKNOLOGI J2EE DENGAN STUDI KASUS RESERVASI HOTEL

JUTI: Jurnal Ilmiah Teknologi Informasi Vol 4, No 1 Januari 2005
Publisher : Teknik Informatika, ITS Surabaya

Show Abstract | Original Source | Check in Google Scholar

Abstract

Dalam era globalisasi, para pelaku bisnis secara intensif melakukan usaha-usaha untuk memasuki pasar global. Suatu perusahaan semakin membutuhkan transaksi  bisnis yang bersifat fleksibel, yang bisa dilakukan dengan siapa saja, kapan saja dan dimana saja. Tentunya sistem informasi yang dimiliki perusahaan tersebut harus bisa berkomunikasi dengan sistem yang dimiliki oleh patner bisnis, tanpa harus terlalu banyak perjanjian dan persetujuan. Hal ini berarti diperlukan standard infrastruktur sederhana untuk pertukaran data bisnis.Kebutuhan ini dapat dipenuhi oleh teknologi web service sebagai teknologi yang menyediakan infrastruktur sederhana bagi pelaku bisnis untuk berkomunikasi melalui pertukaran pesan XML. Pada Penelitian ini dikembangkan sebuah prototipe aplikasi web service dengan studi kasus reservasi hotel melalui perantara broker. Studi kasus ini dipilih karena dapat merepresentasikan sistem yang terdistribusi. Dimana broker berperan sebagai penghubung antara customer dan beberapa sistem yang terdistribusi.Pada pembuatan aplikasi ini dipilih teknologi J2EE karena framework J2EE yang telah ada mendukung penerapan web service. Dan selain itu, J2EE bersifat netral terhadap berbagai macam platform (tidak tergantung pada platform tertentu).  Dan pada akhirnya prototipe ini diharapkan menjadi solusi alternatif dalam masalah komunikasi transaksi bisnis  antara perusahaan dengan perusahaan lain.   Kata kunci : web service