Articles

Found 18 Documents
Search

PENERAPAN NAÏVE BAYES BERBASIS GENETIC ALGORITHM UNTUK PENENTUAN KLASIFIKASI DONOR DARAH Amalia, Hilda
JURNAL TEKNIK KOMPUTER Vol 2, No 2 (2016): Jurnal Teknik Komputer AMIK BSI
Publisher : AMIK BSI Jakarta

Show Abstract | Original Source | Check in Google Scholar | Full PDF (589.274 KB)

Abstract

Donor Darah merupakan suatu kegiatan yang penting dilakukan oleh setiap manusia. Donor darah kegiatan yang  mulia dan dapat berdampak baik bagi sipendonor itu sendiri dan orang lain. Banyak hal yang dapat mengakibatkan seseorang memerlukan pertolongan orang lain dalam hal ini adalah darah seperti kecelakaan, operasi dan lain-lain. Pemenuhan kebutuhan darah harus dikelola dengan baik, hal ini bertujuan untuk mempermudah masyarakat yang memerlukan darah. Pengolahan data pendonor dan melakukan pengelolaan  yang baik terhadap data-data donor darah menjadi penting. Menemukan pola perilaku para pendonor sehingga dapat diperoleh stok darah yang memenuhi. Untuk itu penting dilakukan penilaian mengenai kemungkinan seseorang mendonorkan darahnya kembali sehingga menghasilkan klasifikasi donor darah. Dalam penelitian ini akan dilakukan peningkatan akurasi naïve bayes dengan menggunakan genetic algorithm. Dari penelitian ini diperoleh bahwa nilai akurasi yang dihasilkan oleh metode naïve bayes yaitu 74,07%, dan akurasi yang dihasilkan oleh metode peningkatan akurasi yaitu genetic algoritm dengan  naïve bayes yaitu sebanyak 76,48%
SISTEM PENUNJANG KEPUTUSAN KESEHATAN UNTUK HIPERTENSI MENGGUNAKAN ALGORITMA C4.5 Amalia, Hilda; Evicienna, Evicienna
Jurnal Pilar Nusa Mandiri Vol 9 No 1 (2013): PILAR Periode Maret 2012 - Agustus 2013
Publisher : PPPM Nusa Mandiri

Show Abstract | Original Source | Check in Google Scholar | Full PDF (529.629 KB)

Abstract

Hypertension is a cardiovascular disease that causes 4.5% of the global disease burden. Hypertension is a major risk factor for heart problems and can be said as the "silent killer" because there are no specific signs and can cause serious illness if left untreated for a long time. Decision support system for hypertension can be used to obtain the results of the decision of the cases, one of them using the decision tree method. Hypertension data will be processed using the method of decision tree algorithm C4.5 through software RapidMiner and will result in a decision support rules, the value of accuracy, and AUC than the rule. After testing the accuracy of the values obtained on the C4.5 algorithm by 76.6%, AUC values for 0862 with a good level of diagnostic classification.
PENERAPAN METODE NEURAL NETWORK BERBASIS PARTICLE SWAM OPTIMIZIED UNTUK PREDIKSI KESUBURAN PADA PRIA AMALIA, HILDA
Paradigma - Jurnal Komputer dan Informatika Vol 17, No 1 (2015): Periode Maret
Publisher : AMIK BSI Jakarta

Show Abstract | Original Source | Check in Google Scholar | Full PDF (313.377 KB)

Abstract

The fertility rate is to be considered, especially for adult men is because infertility is a global problem that occurs in couples. Infertility can result in couples unable to conceive. Infertility in one partner may terminate especially male lineage. Its high level of infertility in todays society can be caused by several things between environmental factors and lifestyle of todays society. Previous research on fertility has been done is by using artificial neural network and produce 82% accuracy. In this paper will be improving the accuracy of neural network method for predicting male fertility through semen using particle swam optimazed (PSO). The survey results revealed that the use of the optimization method can improve the accuracy of the method used in this study was obtained accuracy of new methods for neural network improved its performance using PSO to 92%.
KOMPARASI METODE DATA MINING UNTUK PENENTUAN PROSES PERSALINAN IBU MELAHIRKAN amalia, Hilda; Evicienna, Evicienna
Jurnal Sistem Informasi Vol 13 No 2 (2017): Jurnal Sistem Informasi (Journal of Information System)
Publisher : Faculty of Computer Science Universitas Indonesia

Show Abstract | Original Source | Check in Google Scholar | Full PDF (348.552 KB)

Abstract

Proses Persalinan merupakan hal yang dinanti oleh setiap ibu yang sedang melahirkan. Dalam proses persalinan terdapat dua jenis proses persalinan yaitu secara normal atau sesar. Dalam proses per-salinan terdapat resiko persalinan yang dihadapi yaitu komplikasi ibu melahirkan yang dapat mem-perburuk kondisi ibu melahirkan. Resiko terburuk yang dapat saja terjadi adalah kematian ibu dan/ atau bayi yang baru dilahirkan. Data mining merupakan metode yang populer digunakan untuk menggali pola atau ilmu pengetahuan dari tumpukan data yang besar. Dalam penelitian ini dilakukan komparasi metode data mining untuk pengolahan data ibu melahirkan dengan menggunakan algo-ritma C4.5, naive bayes dan neural network. Dari penelitian diketahui nilai akurasi untuk pengolahan data ibu melahirkan untuk penentuan proses persalinan dengan metode naive bayes yaitu 94%, neural network 936%, dan algoritma C4.5 yaitu 90%.
PENENTUAN PROSES PERSALINAN IBU MELAHIRKAN MENGGUNAKAN ALGORITMA C4.5 Amalia, Hilda; Evicienna, Evicienna
PROSIDING SEMINAR NASIONAL CENDEKIAWAN Prosiding Seminar Nasional Cendekiawan 2017 Buku II
Publisher : Lembaga Penelitian Universitas Trisakti

Show Abstract | Original Source | Check in Google Scholar | Full PDF (148.143 KB)

Abstract

Melahirkan merupakan sebuah kejadian luar biasa yang akan dialami oleh setiapibu. Dalam proses persalinan ibu melahirkan terdapat dua metode persalinan yaknimelahirkan secara normal dan melahirkan secara sesar. Secara alaminya prosespersalinan yang diinginkan adalah secara normal namun karena alasan medis seorangibu harus melahirkan secara sesar. Tak jarang juga hasil akhir dari proses persalinanberujung kepada kematian, baik kematian bayi ataupun kematian ibu pada prosespersalinan. Banyak faktor yang mengakibatkan poses persalinan berujung kepadakematian. Keselamatan ibu dan anak merupakan tujuan utama dari proses persalinanyang dilakukan dan dipilih yakni baik normal ataupun sesar. Untuk itu perlu dilakukanpenggalian data dengan menggunakan teknik data mining, sehingga dapat menghasilkanprediksi proses persalinan ibu melahirkan. Algoritma C4.5 merupakan salah satu teknikdata mining yang mampu menghasilkan pohon keputusan. Dengan adanya prediksiproses persalinan ini dapat dipilih proses melahirkan yang tepat sehingga dapat terhindardari resiko persalinan. Dalam penelitian ini akan dilakukan pengolahan data-datakesehatan ibu melahirkan dengan algoritma c4.5 diperoleh hasil akurasi sebesar 90%
PERBANDINGAN METODE DATA MINING SVM DAN NN UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS Amalia, Hilda
Jurnal Pilar Nusa Mandiri Vol 14 No 1 (2018): PILAR Periode Maret 2018
Publisher : PPPM Nusa Mandiri

Show Abstract | Original Source | Check in Google Scholar | Full PDF (805.238 KB)

Abstract

Data mining merupakan suatu metode yang telah banyak digunakan untuk melakukan penemuan ilmu pengetahuan dari kumpulan dataset yang selama ini hanya disimpan tanpa dikelola lebih lanjut. Dalam dunia kesehatan penggunaan metode data mining telah banyak membantu dunia kesehatan dalam membuat prediksi mengenai masalah kesehatan yang dihadapi. Salah satu penyakit yang sangat mematikan yaitu penyakit ginjal kronik. Penyakit ginjal kronik dapat menyebabkan banyak penyakit mematikan lainnya.  Tingkat perkembangan penyakit ginjal kronik ini juga terus meningkat dari tahun ke tahunnya.  Dalam penelitian data penyakit ginjal kronis akan diolah dengan metode data mining yaitu Supper vector Machine dan Neural network. Keduanya merupakan metode data mining yang diketahui  memiliki kinerja yang baik untuk data dengan atribut dan parameter yang banyak dan beragam. Dari Hasil penelitian diperoleh hasilnya yaitu metode neural network menghasilkan nilai akurasi 93.36% dan SVM dengan nilai 95.16%.
SISTEM INFORMASI PENGOLAHAN DANA DONASI Amalia, Hilda
Perspektif Vol 15, No 1 (2017): Maret 2017
Publisher : www.bsi.ac.id

Show Abstract | Original Source | Check in Google Scholar | Full PDF (244.022 KB)

Abstract

– Donasi merupakan kegiatan kemanusiaan yang bertujuan untuk keperluan kegiatan sosial. Pesantren Az-Zikra adalah suatu lembaga yang melakukan kegiatan ini. Dana dihimpun dari masyarakat yang akan digunakan untuk kegiatan sosial.  Pengumpulan dana ini akan menimbulkan banyak masalah jika tidak dilakukan secara transparan dan hati-hati karena ini berkaitan dengan kepercayaan publik terhadap pesantren. Oleh karena itu, perlu dibuatkan suatu aplikasi yang mampu melakukan pencatatan dan pelaporan kepada masyarakat secara cepat, tepat dan akurat. Internet  merupakan teknologi yang banyak digunakan dan mudah diakses oleh masyarakat.Dalam penelitian ini, akan dibuatkan sebuah aplikasi mengenai pengelolaan dana donasi berbasis web pada Pesantren Az-Zikra, sehingga masyarakat dapat melihat data pemasukan dan pengeluaran pesantren. Pelaporan disampaikan secara transparan sehingga dapat meningkatkan kepercayaan masyarakat. Selain itu, masyarakat juga dapat mengakses informasi seputar pesantren. Website ini juga menyertakan halaman donatur dimana donatur dapat melakukan donasi online dan mendapatkan layanan agar dapat mengakses  fitur khusus.
Sistem Pakar Pendeteksian Dini Jenis dan Perawatan Kulit Wajah dengan Menggunakan Metode Forward Chaining Puspita, Ari; Lestari, Ade Fitria; Amalia, Hilda
Jurnal Teknik Informatika STMIK Antar Bangsa Vol 3, No 2 (2017): Vol 3 No.2 Agustus 2017
Publisher : Jurnal Teknik Informatika STMIK Antar Bangsa

Show Abstract | Original Source | Check in Google Scholar

Abstract

Abstract— Every human being, especially women, want to have healthy skin. That is a very important way to treat our skin. Consider the many aspects that can cause skin problems, therefore we need to choose the right products and treatments.This application is based on expert system, it is the way experts think, analyze and make conclusions or decisions. In this application program, will analyze your skin type and problem yangdihadapi to determine the right products and treatments. Care provided comprising face care, body care, eye care, hair care, hand care and foot. Intisari – Setiap manusia khususnya perempuan, ingin memiliki kulit yang sehat. Itu adalah cara yang sangat penting untuk merawat kulit kita. Pertimbangkan banyak aspek yang dapat menyebabkan masalah kulit, karena itu kita perlu memilih produk kosmetik yang cocok dengan kulit wajah Aplikasi ini didasarkan pada sistem pakar, itu adalah cara ahli berpikir, menganalisa dan membuat kesimpulan atau keputusan. Pada program aplikasi ini, akan menganalisis jenis kulit dan masalah yangdihadapi untuk menentukan produk yang tepat dan pengobatan.Pengembangan sistem pakar menggunakan metode inferensi maju chaining, yang merupakan data-driven proses inferensi untuk menemukan kesimpulan.Berdasarkan kuesioner, kita dapat meyimpulkan bahwa sistem pakar ini sangat cocok untuk membantu para wanita dan pria untuk menentukan perawatan kulit nya Kata Kunci: Sistem Pakar, Forward Chaining, Kulit
PENERAPAN FEATURE WEIGHTING OPTIMIZED PADA NAÏVE BAYES UNTUK PREDIKSI PROSES PERSALINAN Amalia, Hilda; Pohan, Achmad Baroqah; Masripah, Siti
Jurnal Pilar Nusa Mandiri Vol 15 No 1 (2019): PILAR Periode Maret 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Original Source | Check in Google Scholar | Full PDF (918.778 KB)

Abstract

Birth of a baby is something that is very desirable for every married couple. All parties expect safety for mothers and babies who have just been born. Medical personnel make various efforts to help the delivery process run smoothly and the mother and baby survive. But in the labor process not all the baby's birth process runs smoothly. Problems often occur during labor. There are several obstacles so that there is a risk of labor, namely maternal and infant mortality. Every mother wants to be able to give birth to a baby normally, but due to medical reasons the delivery process is done by cesarean. The act of choosing a type of delivery faster can affect the safety of the mother and baby. The selection of the cesarean method is carried out late so it will increase the risk of maternal and infant mortality. For this reason, it is necessary to conduct research by using labor delivery data so that they can choose the right type of labor. In this study the classification of maternity labor will be carried out with data mining methods, namely Naive Bayes, which are improved by using the Optimize Weight (PSO) method. Naive Bayes was able to produce a high accuracy value for processing labor data for mothers, namely 94%. The final results of this study obtained the value of naïve bayes performance that can be improved by the Optimize Weights (PSO) method to be better at 98%
PENERAPAN METODE SVM BERBASIS PSO UNTUK PENENTUAN KEBANGKRUTAN PERUSAHAAN Amalia, Hilda; Lestar, Ade Fitria; Puspita, Ari
Jurnal Techno Nusa Mandiri Vol 14 No 2 (2017): TECHNO Periode September 2017
Publisher : PPPM Nusa Mandiri

Show Abstract | Original Source | Check in Google Scholar | Full PDF (881.52 KB)

Abstract

Kebangkutan merupakan sebuah kondisi dari ketidakmampuan suatu perusahan melakukan pengelolaan perusahaan.  Kebangkrutan berakibat sangat buruk bagi karyawan, perusahaan dan ekonomi nasional. Untuk itu diperlukan suatu prediksi model akurasi yang tepat. Dalam melakukan prediksi model akurasi terdapat beberapa motode yang bisa digunakan dari metode pendekatan ilmu akuntansi dan metode pendekatan ilmu komputer. Dalam ilmu komputer telah diketahui bahwa data mining merupakan metode yang biasa digunakan dalam segala bidang untuk melakukan penilaian nilai akurasi. Data mining memiliki banyak tugas dan fungsi salah satunya mampu menghasilkan prediksi dan clustering sehingga dapat diperoleh prediksi mengenai data keuangan dan dapat mencegah suatu perusahan dari kondisi kebangkrutan. Salah satu metode yang diketahui mampu menghasilkan nilai akurasi yang tinggi yaitu Support Vector Machine. Dalam penelitian ini akan dilakukan pengolahan data keuangan dengan menggunakan metode Support Vector Machine kemudian ditingkatan nilai akurasi dengan menggunakan metode optimasi yaitu PSO. Sehingga diperoleh nilai akurasi 99,6%