Articles

Found 2 Documents
Search
Journal : Bina Insani ICT Journal

Optimasi Neural Network Dengan Algoritma Genetika Untuk Prediksi Hasil Pemilukada Badrul, Mohammad
Bina Insani ICT Journal Vol 3 No 1 (2016): Bina Insani ICT Journal
Publisher : Bina Insani ICT Journal

Show Abstract | Original Source | Check in Google Scholar | Full PDF (256.862 KB)

Abstract

Abstrak : Indonesia merupakan salah satu negara demokratis di dunia ini. Negara Indonesia yang terdiri dari beberapa kepulauan melahirkan berbagai macam suku dan budaya. Negara Indonesia yang terdiri dari beberapa kepulauan dibagi menjadi 33 provinsi. Negara Indonesia merupakan Negara demokratis. Pemilu yang diselenggarakan di Indonesia adalah untuk memilih pimpinan baik Presiden dan wakil presiden, anggota DPR, DPRD, dan DPD. Penelitian yang berhubungan dengan pemilu sudah pernah dilakukan oleh peneliti yaitu dengan menggunakan metode decision tree atau dengan menggunakan neural network Dalam penelitian ini dibuatkan model algoritma neural network dan model algoritma neural network berbasis algoritma genetika. Setelah dilakukan pengujian dengan dua model yaitu algoritma neural network dan algoritma genetika maka hasil yang didapat adalah algoritma neural network menghasilkan nilai akurasi sebesar 98,50 % dan nilai AUC sebesar 0,982, namun setelah dilakukan penambahan yaitu algoritma neural network berbasis algoritma genetika nilai akurasi sebesar 93.03 % dan nilai AUC sebesar 0,971. Kata kunci : algoritma genetika, akurasi, pemilu, neural network Abstract : Indonesia is one of the democratic countries in the world. State of Indonesia which consists of several islands spawned various tribes and cultures. State of Indonesia which consists of several islands divided into 33 provinces. Indonesia is a democratic country. Elections were held in Indonesia is to choose the heads of both the president and vice president, members of Parliament, Parliament and Council. Research relating to the election had been conducted by researchers is using decision tree method or by using a neural network In this study created a model neural network algorithms and neural network algorithm model based on genetic algorithms. After testing the two models of neural network algorithms and genetic algorithms then the results obtained is a neural network algorithm produces a value of 98.50% accuracy and AUC value of 0.982, but after the addition of a neural network algorithm that is based on a genetic algorithm accuracy value of 93.03 % and AUC value of 0.971. Keyword: accuracy, elections, genetic algoritm, neural network algorithm
Comparison Ranking Aplikasi Animasi Berbasis Pembelajaran dengan Metode Promethee Akmaludin, Akmaludin; Badrul, Mohammad
Bina Insani ICT Journal (OLD) Vol 5 No 1 (2018): Bina Insani ICT Journal
Publisher : Penelitian dan Pengabdian Masyarakat STMIK Bina Insani

Show Abstract | Original Source | Check in Google Scholar | Full PDF (426.081 KB)

Abstract

Abstrak: Seleksi aplikasi animasi memberikan gambaran yang baik sekali untuk dilakukan pengukuran, walaupun memberikan kesulitan dalam proses pengukurannya seperti halnya analisis cyclomatic complexcity, Region set, dan Matrix method. Dengan adanya metode Preference Ranking Organization for Enrichment Evaluation (Promethee) dapat dilakukan barometer penilaian untuk dilakukan seleksi terhadap  beberapa aplikasi animasi yang terbaik, tentunya memiliki aturan yang sama yaitu untuk dipergunakan dikalangan user yang berumur kisaran sembilan hingga belasan tahun. Promethee merupakan turunan dari Multi-criteria Decision Making (MCDM), tetapi teknik yang digunakan untuk proses seleksi sangat berbeda. Promethee menggunakan teknik dasar yang mirip dengan Multi-criteria Decision Making (MCDM), tetapi untuk proses kelanjutannya jelas berbeda, Promethee lebih menekankan teknik seleksi dengan konsep outranking berdasarkan parameter tertentu yang bersifat parsial pada tahap Leaving Flow dan Entering Flow, sedangkan penggabungannya pada tahap Net Flow yang disebut Promethee-II. Hasil yang didapat melalui metode Promethee diunggulkan melalui perangkingan, metode outranking dengan bobot tertinggi didapat oleh animasi-1 dengan  hasil 0,3; disusul dengan peringkat kedua outranking animasi-3 dengan hasil -0,1; dan peringkat terakhir dengan outranking animasi-2 dengan hasil -0,2.   Kata kunci: MCDM, Outranking, Promethee, Seleksi.   Abstract: The selection of animation applications provides an excellent overview of measurements, although it provides difficulty in the measurement process as well as cyclomatic complexity analysis, Region set, and Matrix method. With the method of Preference Ranking Organization for Enrichment Evaluation (promethee) can be done to determine the selection of some of the best animation applications, of course, have the same rules that are to be used by all of the users who ranged from nine to a twelve years old. Promethee is a derivative of Multi-criteria Decision Making, but the techniques used for the selection process are very different. Promethee uses basic techniques similar to Multi-criteria Decision Making, but for the technique of continuation is clearly different, Promethee emphasizes selection techniques with the concept of outranging based on certain parameters that are partial in the phase of Leaving Flow and Entering Flow while merging at the Net Flow stage called Promethee -II. The results obtained through the Promethee method are featured through the ranking of an outranking method with the highest weights obtained by animation-1 the result is 0.3; followed by second rating of outranking animation-3 the result is -0.1; and the latest of outranking with animation-2 the result is -0,2.   Keyword: MCDM, Outranking, Promethee, Selection.