Yuwanda Purnamasari Pasrun, Yuwanda Purnamasari
Unknown Affiliation

Published : 6 Documents
Articles

Found 6 Documents
Search

PERAMALAN JUMLAH PRODUKSI PADI DI SULAWESI TENGGARA MENGGUNAKAN METODE FUZZY TIME SERIES

semanTIK Vol 3, No 2 (2017): semanTIK
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Original Source | Check in Google Scholar | Full PDF (257.734 KB)

Abstract

Padi merupakan tanaman pangan yang sangat penting di dunia setelah gandum dan jagung. Padi merupakan tanaman pangan yang sangat penting karena beras masih digunakan sebagai makanan pokok serta merupakan komoditas strategis di Indonesia. Terkhusus untuk Sulawesi tenggra, produksi padi terus mengalami peningkatan dari tahun ke tahun, namun tidak diketahui perkiraan peningkatan produksi padi pada tahun berikutnya sehingga tidak terdapat gambaran mengenai peningkatan produksi padi tersebut. Perkiraan ini dapat dilakukan menggunakan Metode peramalan Fuzzy Time Series. Sistem peramalan dengan Fuzzy Time Series menggunakan prinsip-prinsip fuzzy sebagai dasarnya dan menangkap pola dari data yang telah lalu kemudian digunakan untuk memproyeksikan data yang akan datang. Prosesnya juga tidak membutuhkan suatu sistem pembelajaran yang rumit.Metode Fuzzy Time Series  yang digunakan untuk meramalkan jumlah produksi padi di Sulawesi Tenggara. Data yang digunakan pada peramalan ini yaitu data tahun 1974 sampai dengan 2014 dan menghasilkan peramalan produksi padi pada tahun 2015 sebesar 657768.25191 Ton dengan MAPE sebesar 5.51%.Toleransi kesalahan peramalan yaitu sebesar 10% sehingga prediksi jumlah produksi padi di Sulawesi Tenggara berada di bawah batas toleransi kesalahan.Kata kunci—Padi, Fuzzy Time Series, Produksi

Penggabungan Fitur Bentuk dan Fitur Tekstur yang Invariant terhadap Rotasi untuk Klasifikasi Citra Pap Smear

Jurnal Buana Informatika Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Original Source | Check in Google Scholar

Abstract

Abstract. Pap test is a cervical cancer screening manually and requires a long time that it needs an exact cell classification system based computers. Features determination by observation in characteristic differences between the datasets visually betweenclass will help a cell classification results which has relevant characteristics between classes. In addition, the change in orientation of the cells at the time of the acquisition will affect the value of the generated feature so extraction method that is rotation invariant is needed to overcome that problem. This research proposes the combination of simple shapes feature and the texture feature from extraction Local Binary Pattern Histogram Fourier (LBP-HF) that invariant to rotation as additional features to classify pap smear images. The result show that the proposed feature combination yield good performance with accuracy 92.44% for two category cell and 70.06% for seven class cell.Keywords: classification, lbp-hf,  pap smear image, shape feature. Abstrak. Pap test adalah pemeriksaan kanker serviks secara manual yang membutuhkan waktu yang lama sehingga dibutuhkan sistem klasifikasi sel berbasis komputer yang tepat. Penentuan fitur melalui observasi pada perbedaan ciri antarkelas secara visual pada dataset akan membantu hasil klasifikasi sel untuk mendapatkan ciri yang relevan antarkelas. Selain itu, adanya perubahan orientasi sel pada saat akuisisi akan mempengaruhi nilai fitur yang dihasilkan sehingga dibutuhkan metode ekstraksi fitur yang invariant terhadap rotasi. Penelitian ini mengusulkan penggabungan fitur bentuk sederhana dan fitur tekstur dengan ekstraksi fitur Local Binary Pattern –Histogram Fourier yang invariant terhadap rotasi sebagai ciri tambahan dalam mengklasifikasikan citra pap smear. Hasilnya menunjukkan bahwa kombinasi fitur menghasilkan performa yang baik dengan akurai 92,44% untuk dua kategori sel dan 70,06% untuk tujuh kelas sel.Kata Kunci: klasifikasi, lbp-hf, citra pap smear, fitur bentuk.

PENERAPAN METODE CBA (CLASSIFICATION BASED ON ASSOSIATION RULE ) MENGGUNAKAN ALGORITMA APRIORI UNTUK KLASIFIKASI PENYAKIT ISPA (INFEKSI SALURAN PERNAPASAN AKUT)

semanTIK Vol 3, No 2 (2017): semanTIK
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Original Source | Check in Google Scholar | Full PDF (898.664 KB)

Abstract

Infeksi pada saluran pernapasan merupakan penyakit yang umum terjadi pada masyarakat. Dari hasil rekapitulasi dan laporan medis UPT Puskesmas Lepo-Lepo, ISPA (Infeksi Saluran Pernapasan Akut) adalah salah satu penyakit yang sering diderita. Hasil diagnosis yang yang diberikan hanya berupa keterangan positif atau negatif, belum ada keterangan kategori ISPA. Dalam menemukan pola penyakit ISPA diperlukan analisis terhadap pola data. Pencarian pola atau hubungan asosiatif dari data yang berskala besar sangat erat kaitannya dengan data mining. Metode yang digunakan adalah metode CBA (Classification Based on Assosiation ) dengan algoritma apriori untuk klasifikasi pola penyakit ISPA. Metode CBA mengintegrasikan teknik klasifikasi dengan teknik asosiasi data mining untuk menemukan rule. Banyak rule yang ditemukan tergantung pada minimum support dan minimum confidence. Informasi yang dihasilkan untuk selanjutnya bisa digunakan oleh dokter sebagai dasar untuk melakukan tindakan – tindakan yang diperlukan dalam menangani penyakit ISPA.Kata kunci— ISPA (Infeksi Saluran Pernapasan Akut), Data Mining, CBA (Classification Based on Assosiation ), Algoritma Apriori

IMPLEMENTASI METODE ENKRIPSI ADVANCE VIGENERE CIPHER DALAM PENGAMANAN SISTEM TRANSAKSI PAYMENT POINT ONLINE BANK

semanTIK Vol 3, No 2 (2017): semanTIK
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Original Source | Check in Google Scholar | Full PDF (232.381 KB)

Abstract

Advance vigenere cipher merupakan suatu modifikasi vigenere cipher yang memungkinkan metode enkripsi vigenere untuk tidak hanya mampu menyandikan karakter abjad, namun juga mampu menyandikan seluruh karakter yang ada termasuk angka dan simbol-simbol. Tujuan dari penelitian ini adalah membangun sistem transaksi Payment Point Online Bank (PPOB) yang aman dengan mengimplementasikan metode Advance Vigenere Cipher dalam pengamanan sistemnya.Dalam penelitian ini, sistem pengamanan transaksi PPOB dibagi menjadi dua tahapan utama yaitu tahapan enkripsi dan tahapan dekripsi. Data yang dienkripsi menggunakan metode Advance Vigenere Cipher merupakan detail data tagihan dari transaksi yang akan dilakukan. Hasil dari enkripsi menghasilkan ciphertext yang akan dikirimkan dan didekripsi oleh pihak penyedia layanan PPOB.Hasil dari penelitian ini menunjukkan karakteristik dari ciphertext yang dihasilkan sangat rumit, sehingga akan sulit bagi pihak luar untuk melakukan intervensi dan mengelola informasi yang dikirimkan dari pihak penyedia layanan PPOB kepada pengguna layanan PPOB.Kata Kunci—Enkripsi advance vigenere cipher, sistem transaksi Payment Point Online Bank  (PPOB)

MACULAR EDEMA CLASSIFICATION USING SELF-ORGANIZING MAP AND GENERALIZED LEARNING VECTOR QUANTIZATION

Jurnal Ilmu Komputer dan Informasi Vol 7, No 2 (2014): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Original Source | Check in Google Scholar | Full PDF (294.548 KB)

Abstract

Abstract Macular edema is a kind of human sight disease as a result of advanced stage of diabetic retinopathy. It affects the central vision of patients and in severe cases lead to blindness. However, it is still difficult to diagnose the grade of macular edema quickly and accurately even by the medical doctors skill. This paper proposes a new method to classify fundus images of diabetics by combining Self-Organizing Maps (SOM) and Generalized Vector Quantization (GLVQ) that will produce optimal weight in grading macular edema disease class. The proposed method consists of two learning phases. In the first phase, SOM is used to obtain the optimal weight based on dataset and random weight input. The second phase, GLVQ is used as main method to train data based on optimal weight gained from SOM. Final weights from GLVQ are used in fundus image classification. Experimental result shows that the proposed method is good for classification, with accuracy, sensitivity, and specificity at 80%, 100%, and 60%, respectively.

APLIKASI DATA MINING UNTUK PENILAIAN KREDIT MENGGUNAKAN DECISION TREE ALGORITMA ID3 STUDI KASUS PT. MANDALA MULTI FINANCE CABANG KENDARI

semanTIK Vol 4, No 1 (2018): semanTIK
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Original Source | Check in Google Scholar | Full PDF (2928.389 KB)

Abstract

Credit is one of the most common payment mechanisms in the community. Data mining can search the pattern and new knowledge of these data so that it can facilitate in determination of debtor candidate. For that required a data mining applications that can process and provide the decision of the prospective debtor's eligibility status automatically. One method of data mining used for the classification of prospective borrowers is the decision tree using Iterative Algorithm Dichotomiser 3 (ID3).ID3 is one of the most popular types of Decision trees that attempt to build a decision tree top-down, starting with the first attribute to be checked and placed as root. The ID3 or Iterative Dichotomiser 3 algorithm is a method used to produce decision trees that are able to classify an object. Attributes used are file, job, character, address, pay slip, and motor price.Based on the test results, ID3 method can be implemented in credit appraisal application for the determination of eligibility with 100% accuracy value for 10 data testing from 100 training data and 30 data testing from 60 training data.Keywords—Credit, Data Mining, Decision Tree, ID3 DOI : 10.5281/zenodo.1402830