Articles

Found 21 Documents
Search

FUZZY ID3 DALAM PEMBENTUKAN ATURAN KLASIFIKASI PADA MODEL KEPUTUSAN KREDIT USAHA RAKYAT (KUR)

METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Vol 2, No 2 (2016): Methodika
Publisher : METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi

Show Abstract | Original Source | Check in Google Scholar | Full PDF (990.591 KB)

Abstract

Kementerian Koordinator Bidang Perekonomian Republik Indonesia mencanangkan kredit usaha rakyat (KUR) kepadamasyarakat Indonesia sebagai pembiayaan modal kerja dan investasi kepada debitur usaha yang produktif dan layak, namunbelum memiliki agunan tambahan. Sebelum menyalurkan dana melalui pembiayaan pada debitur, pihak Bank terlebihdahulu melakukan penilaian debitur (analisis kredit) dengan variabel 5C untuk mengetahui layak atau tidaknya debiturtersebut menerima kredit. Proses penilaian kredit tersebut pada prinsipnya dimaksudkan untuk menganalisis dan menilaiprospek calon debitur guna memperoleh indikasi kemungkinan terjadinya default oleh calon debitur. Tujuan pada penelitianini adalah membangun model dengan menggunakan metode fuzzy decision tree yaitu algoritme Fuzzy ID3 dalam membentukaturan klasifikasi yang kemudian digunakan untuk proses pengambilan keputusan dengan menggunakan Fuzzy InferenceSystem Mamdani. Pada penelitian ini juga melakukan pengukuran tingkat akurasi dari hasil model yang terbentuk. Penelitianini telah berhasil membangun model berdasarkan data 5C dengan menggunakan metode fuzzy decision tree dalammembentuk aturan keputusan kredit usaha rakyat. Jumlah aturan klasifikasi yang dihasilkan adalah sebanyak 11 aturan (rule)dengan nilai akurasi data uji sebesar 80 %. Berdasarkan aturan klasifikasi yang terbentuk dan berdasarkan dari hasil ujikolerasi 5C, maka faktor yang paling menetukan sesorang dapat diterima adalah character dan capacity.Kata Kunci : fuzzy decison tree, algoritme Fuzzy, ID3

Filsafat Ilmu Komputer Dan Cloud Computing Secara Etimologis

Jurnal Mantik Penusa Vol 2, No 2 (2018): Computer Science
Publisher : Pelita Nusantara Medan

Show Abstract | Original Source | Check in Google Scholar | Full PDF (289.509 KB)

Abstract

Filsafat ilmu merupakan salah satu cabang ilmu dari Ilmu filsafat yang secara khusus meletakkan ilmu sebagai objek material. Filsafat dan Ilmu adalah dua kata yang saling berkaitan baik secara substansial maupun historis. Kelahiran suatu ilmu tidak dapat dipisahkan dari peranan filsafat, sedangkan perkembangan ilmu memperkuat keberadaan filsafat. Hal ini berlaku bagi semua ilmu keduniaan, termasuk studi informatika. Ilmu computer sendiri sangat berkembang sehingga di dalamnya terdapat beberapa bidang ilmu yang secara spesifik dapat di dalami dan di fahami seperti misalnya Data Mining, Cloud Computing dan lain-lain. Penelitian ini mengupas tentang pemikiran dan pendapat dari beberapa literature antaran kaitan filsafat ilmu komputer dan Cloud Computing. Pembahasan di mulai dari kaitan ilmuk computer dengan sub ilmu Cloud Computing hubungan filosofis dan sejarahnya, perkembangan hingga menjadi penggunaan sebagai teknologi masa depan.Keywords: Filsafat Ilmu,Ilmu Komputer, Cloud Computing

Analisis perbandingan akurasi dalam identifikasi autism dengan svm dan naive bayes

Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016
Publisher : Pusat Penelitian & Pengabdian pada Masyarakat (P3M) Mikroskil

Show Abstract | Original Source | Check in Google Scholar | Full PDF (521.361 KB)

Abstract

Gangguan autisme banyak ditemukan pada anak yang berumur 3 tahun ke bawah. Pendiagnosaan gangguan penyakit ini telah dilakukan dengan menggunakan berbagai metode, terutama metode dalam dunia psikologis. Peneliti menggunakan metode Support Vector Machine (SVM) dan metode Naive Bayes untuk menyelesaikan kasus gangguan autisme yang mengalami kesalahan diagnosa. Dalam hasil penelitian ini dilakukan perbandingan metode Support Vector Machine (SVM) dengan metode Naive Bayes. Metode Support Vector Machine (SVM) menghasilkan rata – rata klasifikasi 93,12%, sedangkan metode Naive Bayes menghasilkan rata – rata klasifikasi 73,34%.

Integrasi Density Based Feature Selection dan Adaptive Boosting (Adaboost) dalam Menangani Ketidakseimbangan Kelas

Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016
Publisher : Pusat Penelitian & Pengabdian pada Masyarakat (P3M) Mikroskil

Show Abstract | Original Source | Check in Google Scholar | Full PDF (683.127 KB)

Abstract

Ketidakseimbangan kelas (Class Imbalance) dari dataset antara dua kelas yang berbeda yaitu kelas mayoritas dan kelas minoritas, berpengaruh pada algoritma C4.5 yang cenderung menghasilkan akurasi prediksi yang baik pada kelas mayoritas tetapi  menjadi tidak konduktif dalam memprediksi contoh kelas minoritas, sehingga nilai hasil akurasi pengklasifikasian (classifier) C4.5 menjadi tidak optimal. Untuk mengurangi pengaruh ketidakseimbangan kelas pada pengklasifikasi C4.5, maka perlu dilakukan dengan menerapkan  kombinasi dari metode seleksi fitur  yaitu algoritma Adaptive Boosting (Adaboost) dan metode Density Based Feature Selection (DBFS). Penerapan algoritma adaboost dalam seleksi fitur dilakukan untuk memberi bobot pada setiap fitur yang direkomendasikan, sehingga ditemukan fitur yang merupakan classifier yang kuat, sedangkan DBFS berfokus dalam mengidentifikasi kelas minoritas dan mengevaluasi dampak dari sebuah fitur yang bermanfaat berdasarkan rangking fitur agar dapat direkomendasikan pada classifier C4.5 dalam proses pengklasifikasian. Hasil penelitian menunjukkan bahwa, kinerja akurasi pengklasifikasi C4.5 pada dataset mahasiswa lulusan dengan mengkombinasikan DBFS sebelum proses adaboost, dengan pengaturan nilai confidence level 0,50  dan 30 fold cross-validation, menunjukkan tingkat akurasi klasifikasi yang relatif lebih baik dalam penanganan ketidakseimbangan kelas.    

Test Appraisal System Application Based on YII Framework as Media Input Student Value Final Project and Thesis Session at Higher Education

Aptisi Transactions On Technopreneurship (ATT) Vol 1 No 1 (2019): ATT (Aptisi Transactions On Technopreneurship)
Publisher : Aptisi Transactions On Technopreneurship (ATT)

Show Abstract | Original Source | Check in Google Scholar | Full PDF (248.955 KB)

Abstract

System development is a form of effort to improve the quality of the system to be more innovative. Raharja College is a college of computer science that has many systems to support its academic activities. At Raharja College there is a Thesis Session Assessment and Final Assignment system which makes it easy for lecturers as a media to provide a thesis trial or final assignment assessment. The Testing Assessment System is very important in the process of running a thesis trial or final assignment, because it makes it easier for lecturers to provide an assessment of the results of student thesis research. However, in the current assessment system, the testers have problems, which are still using local networks, which of course still use UTP cables as their connector. by online. In the development of the scoring system these testers use the method of swot analysis and elicitation. And use one of the PHP Framework, Yii Framework.

ANALISIS FUNGSI AKTIVASI SIGMOID BINER DAN SIGMOID BIPOLAR DALAM ALGORITMA BACKPROPAGATION PADA PREDIKSI KEMAMPUAN SISWA

Jurnal Teknovasi : Jurnal Teknik dan Inovasi Vol 2, No 1 (2015): Teknovasi April 2015
Publisher : LPPM Politeknik LP3I Medan

Show Abstract | Original Source | Check in Google Scholar | Full PDF (689.436 KB)

Abstract

Metode backpropagation merupakan metode yang sangat baik dalam menangani masalah pengenalan pola-pola kompleks. Di dalam jaringan backpropagation, setiap unit yang berada di lapisan input terhubung dengan setiap unit yang ada di lapisan tersembunyi. Hal serupa berlaku pula pada lapisan tersembunyi. Setiap unit yang ada pada lapisan tersembunyi terhubung dengan setiap unit yang ada di lapisan output. Fungsi aktivasi yang digunakan di dalam metode backpropagation adalah fungsi sigmoid biner (binary sigmoid function), sigmoid bipolar (bipolar sigmoid function). Karakteristik yang harus dimiliki fungsi aktivasi tersebut adalah kontinyu dan tidak menurun secara monoton. Dari hasil penelitian maka didapatkan bahwa penggunaan fungsi aktivasi sigmoid biner memiliki tingkat rata-rata akurasi yang lebih baik dari sigmoid bipolar. Akan kecepatan perhitungannya lebih lambat dibandingkan dengan sigmoid bipolar. Fungsi aktivasi sigmoid bipolar dipilih berdasarkan asumsi heuristik bahwa nilai rentang [0, 1] yang dihasilkan oleh fungsi sigmoid biner (unipolar) kurang bagus dibandingkan dengan rentang [-1, 1] yang dihasilkan fungsi yang sigmoid bipolar. Hasil ini disebabkan karena nilai ekstrim 0 yang dihasilkan fungsi sigmoid biner kurang memberikan pengaruh pada penghitungan nilai pada neuron, dibandingkan dengan nilai ekstrim -1 yang dihasilkan oleh fungsi sigmoid bipolar.

PERBANDINGAN PENCARIAN DATA MENGGUNAKAN QUERY HASH JOIN DAN QUERY NESTED JOIN

Jurnal Teknovasi : Jurnal Teknik dan Inovasi Vol 1, No 2 (2014): Teknovasi Oktober 2014
Publisher : LPPM Politeknik LP3I Medan

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1185.634 KB)

Abstract

Pengaksesan data atau pencarian data dengan menggunakan Query atau Join pada aplikasi yang terhubung dengan sebuah database perlu memperhatikan ketepatgunaan implementasi dari data itu sendiri serta waktu prosesnya. Ada banyak cara yang dapat dilakukan oleh database manajemen sistem dalam memproses dan menghasilkan jawaban sebuah query. Semua cara pada akhirnya akan menghasilkan jawaban (output) yang sama tetapi pasti mempunyai harga yang berbeda-beda, seperti kecepatan waktu untuk merespon data. Beberapa query yang sering digunakan untuk pemrosesan data yaitu Query Hash Join dan Query Nested Join, kedua query memiliki algoritma yang berbeda tapi menghasilkan output yang sama. Dengan menggunakan aplikasi yang dirancang menggunakan Microsoft Visual Studi 2010 dan Microsoft SQL Server 2008 berbasis jaringan untuk melakukan pengujian kedua algoritma atau query dengan parameter running time atau kecepatan waktu merespon data. Pengujian dilakukan dengan jumlah tabel yang dihubungkan dan jumlah baris/record. Hasil dari penelitian adalah kecepatan waktu query dalam merespon data untuk jumlah data yang kecil query hash join lebih baik dibandingkan dengan jumlah data yang besar query nested join.

KOMBINASI ALGORITMA JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ) DAN SELF ORGANIZING KOHONEN PADA KECEPATAN PENGENALAN POLA TANDA TANGAN

TECHSI - Jurnal Teknik Informatika Vol 6, No 1 (2014)
Publisher : Teknik Informatika Universitas Malikussaleh

Show Abstract | Original Source | Check in Google Scholar | Full PDF (285.579 KB)

Abstract

Signature is a special form of handwriting that contain special characters and additional forms are often used as proof of a persons identity verification. Partially legible signature, but many signatures that can not be read. However, a signature can be handled as an image so that it can be recognized using pattern recognition applications in image processing. Because the signature is the primary mechanism for authentication and authorization in legal transactions,the need for research on the development of recognition applications and automatic signature verification and efficiently increases from year to year. The method is widely used in signature recognition is a method of artificial neural network. On artificial neural networks are learning and recognition. One neural network algorithm is Learning Vector Quantization ( LVQ ) and Self Organizing Kohonen. Processes that occur in the neural network method requires a relatively long time. It is influenced by the number of data samples are used as a means of weight training update. The more and the large size of the pattern being trained, the longer the time it takes the network. LVQ is a method of training the unsupervised competitive layer will automatically learn to classify input vectors into certain classes. The classes are generated depends on the distance between the input vectors. If there are 2 input vectors are nearly as competitive layer will then classify both the input vectors into the same class. Kohonen Self Organizing Network is one of the neural network model which uses learning methods or unguided unsupervised neural network model that resembles humans. To speed up the computing process in the training and recognition is then developed an algorithm and a combination of LVQ and Self Organizing Kohonen by modifying the weight given to obtain a shorter time in the process of training and recognition.

SISTEM PENDETEKSIAN POLA TAJWID PADA CITRA AL-QUR’AN MENGGUNAKAN ALGORITMA BIDIRECTIONAL ASSOCIATIVE MEMORY

TECHSI - Jurnal Teknik Informatika Vol 8, No 2 (2016)
Publisher : Teknik Informatika Universitas Malikussaleh

Show Abstract | Original Source | Check in Google Scholar | Full PDF (394.951 KB)

Abstract

Pada umumnya didalam dunia pengolahan citra untuk mengenali sebuah pola dapat diberikan beberapa pelatihan terlebih dahulu. Didalam penelitian ini pendeteksian pola tajwid pada citra Al-Qur’an menggunakan empat pola tajwid iqlab, dengan algoritma Bidirectional Associative Memory yang kemudian akan diukur unjuk kerjanya berdasarkan delapan nilai sensitif yang berbeda. Berdasarkan hasil komplesitas algoritma, sistem pendeteksian pola tajwid pada citra Al-Qur’an menggunakan algoritma Bidirectional Associative Memory memiliki kompleksitas sebesar T(n) =  (n). Hasil penelitian menunjukkan bahwa sistem pendeteksian pola tajwid pada citra Al-Qur’an menggunakan algoritma Bidirectional Associative Memory memiliki kisaran true detection sebesar 72 % hingga 84 %. 

ANALISIS MAPPING PADA PARTIALLY MAPPED CROSSOVER DALAM ALGORITMA GENETIKA PADA TRAVELLING SALESMAN PROBLEM

TECHSI - Jurnal Teknik Informatika Vol 6, No 1 (2014)
Publisher : Teknik Informatika Universitas Malikussaleh

Show Abstract | Original Source | Check in Google Scholar | Full PDF (865.208 KB)

Abstract

Traveling salesman problem is the problem how salesman can set tour to visit a number of cities which known distance of the city with other cities so that the distance is the minimum distance where the salesman can only visit the city exactly once. To resolve TSP problem, there are many optimization methods that can be used one of them which is a genetic algorithm. Genetic algorithm is an algorithm which have same search method as a mechanism of biological evolution. Crossover is a genetic operator which the process of exchanging some genes on chromosome first parent with the majority of genes in the two parent chromosomes to form a new chromosome .One of the crossover method used in solving traveling salesman problem is partially mapped crossover ( PMX ),where the process mapping of PMX are determines the variation exchange of genes on chromosomes that affect the achievement of best fitness on 2 chromosome. In this study the first variation (PMX variation I) is designed using random point position while in the second variation (PMX variation II) is designed by using the change in the mapping area. Testing in this study using data from the Travelling Salesman Problem Library (TSPLIB). The result obtained that PMX which designed by using randomly cut position have best fittness better than PMX is designed by changing the position of the mapping area and if it compared with the general form of PMX with the same position cut point.