Articles

Found 6 Documents
Search

Perbandingan Simple Logistic Classifier dengan Support Vector Machine dalam Memprediksi Kemenangan Atlet Rainarli, Ednawati; Romadhan, Arif
Journal of Information Systems Engineering and Business Intelligence Vol 3, No 2 (2017): October
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (178.812 KB) | DOI: 10.20473/jisebi.3.2.87-91

Abstract

Abstrak— Prediksi kemenangan atlet adalah hal yang harus dilakukan oleh pelatih ketika memutuskan pemain  yang akan diturunkan dalam suatu pertandingan. Banyaknya faktor-faktor yang mempengaruhi kemenangan atlet membuat keputusan tersebut tidak mudah untuk ditentukan. Dalam penelitian ini akan dilakukan perbandingan dari penggunaan metode Simple Logistic Classifier (SLC) dengan Support Vector Machine (SVM)  dalam memprediksi kemenangan atlet berdasarkan data kesehatan dan data latihan fisik. Data yang digunakan diambil dari 28 cabang olahraga perorangan. Rata-rata akurasi SLC dan SVM masing-masing diperoleh sebesar 80% dan 88%, sedangkan rata-rata kecepatan pemrosesan metode SLC dan SVM adalah 1,6 detik dan 0,2 detik.  Hal ini menunjukkan bahwa penggunaan metode SVM lebih unggul daripada SLC, baik dari segi kecepatan maupun dari nilai akurasi yang dihasilkan. Selain pengujian akurasi, dilakukan pula pengujian terhadap 24 fitur yang digunakan dalam proses klasifikasi.  Hasilnya diketahui bahwa pengurangan fitur melalui tahap seleksi mengakibatkan penurunan nilai akurasi. Berdasarkan hal tersebut disimpulkan bahwa semua fitur yang digunakan dalam penelitian ini adalah fitur yang berpengaruh dalam penentuan prediksi kemenangan atlet. Kata Kunci— Prediksi, Simple Logistic Classifier, Sports Data Mining, Support Vector MachineAbstract— A coach must be able to select which athlete has a good prospect of winning a game.  There are a lot of aspects which influence the athlete in winning a game, so its not easy by coach to decide it.This research would compare Simple Logistic Classifier (SLC) and Support Vector Machine (SVM) usage applied to predict winning game of athlete based on health and physical condition record.  The data get from 28 sports. The accuracy of SLC and SVM are 80% and 88% meanwhile processing times of SLC and SVM method are 1.6 seconds dan 0.2 seconds.The result shows the SVM usage superior to the SLC both of speed process and the value of accuracy.  There were also testing of 24 features used in the classifications process. Based on the test,  features selection process can cause decreasing the accuracy value. This result concludes that all features used in this research influence the determination of a victory athletes prediction. Keywords— Prediction, Simple Logistic Classifier, Sports Data Mining, Support Vector Machine
MODEL DINAMIK INTERAKSI LARVA NYAMUK CULEX DENGAN LARVA NYAMUK TOXORHYNCHITE DALAM UPAYA PENCEGAHAN PENYEBARAN FILARIASIS Dewi, Kania Evita; RAINARLI, EDNAWATI; WIDIASTUTI, NELLY INDRIANI
Majalah Ilmiah UNIKOM Vol 14 No 1 (2016): Majalah Ilmiah Unikom
Publisher : Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/miu.v14i1.173

Abstract

Indonesia merupakan daerah endemis untuk penyakit filariasis. Filariasis menyebabkan pembengkakan dibeberapa bagian badan sehingga orang yang mengidapnya akan sulit bergerak. Dari tahun ketahun pertumbuhan penyakit ini semakin meningkat, walaupun pemerintah sudah melakukan pemberian obat secara massal di daerah endemis dan mencegah atau membasmi kecacatan karena filariasis. Vektor filariasis yang paling banyak ditemukan didaerah endemis, Jawa Timur, adalah Culex quinquefasciatus. Nyamuk Cx. quinquefasciatus memiliki kebiasaan yang sama dengan Nyamuk Toxorhynchites yaitu menyimpan telur di lubang pohon. Sedangkan larva nyamuk Toxorhynchites membutuhkan larva spesies lain atau larva dari spesiesnya sendiri untuk pangan. Untuk melihat apakah pemangsaan larva Cx. Quinquefasciatus oleh larva Toxorhynchites dapat mencegah pertumbuhan populasi Cx. Quinquefasciatus, maka dibuatlah model dinamikanya.Hasil penelitiannya adalah pemangsaan larva Cx. Quinquefasciatus oleh larva Toxorhynchites dapat mencegah pertumbuhan populasi Cx. Quinquefasciatus, yang secara tidak langsung dapat mencegah penyebaran penyakit filariasis.Keywords : Model Matematika, filariasis, Culex, Toxorhynchites
SIMULASI PERANCANGAN BEJANA TEKAN DENGAN MENGGUNAKAN METODE BEDA HINGGA Rainarli, Ednawati
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 1 No 2 (2012): Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33867/komputa.v1i2.58

Abstract

Salah satu metode numerik yang digunakanuntuk menyelesaikan persamaan diferensial biasaadalah metode beda hingga, dalam paper inidiberikan simulasi penerapan metode tersebut untukmenyelesaikan masalah nilai batas kususnya untukmengukur besar defleksi dari bejana tekan.Diberikan pula perbandingan galat dari dua caraperhitungan metode beda hingga yaitu fowarddifference dan center difference. Hasilnyamenunjukkan bahwa perhitungan dengan cara centerdifference lebih baik dibandingkan dengan fowarddifference.
Implementasi Q-Learning dan Backpropagation pada Agen yang Memainkan Permainan Flappy Bird Ardiansyah, Ardiansyah; Rainarli, Ednawati
Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI) Vol 6, No 1 (2017)
Publisher : Jurusan Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1479.852 KB) | DOI: 10.22146/jnteti.v6i1.287

Abstract

This paper shows how to implement a combination of Q-learning and backpropagation on the case of agent learning to play Flappy Bird game. Q-learning and backpropagation are combined to predict the value-function of each action, or called value-function approximation. The value-function approximation is used to reduce learning time and to reduce weights stored in memory. Previous studies using only regular reinforcement learning took longer time and more amount of weights stored in memory. The artificial neural network architecture (ANN) used in this study is an ANN for each action. The results show that combining Q-learning and backpropagation can reduce agent’s learning time to play Flappy Bird up to 92% and reduce the weights stored in memory up to 94%, compared to regular Q-learning only. Although the learning time and the weights stored are reduced, Q-learning combined with backpropagation have the same ability as regular Q-learning to play Flappy Bird game.
Penerapan metode penugasan dalam perkuliahan aljabar linier dan matriks Dewi, Kania Evita; Rainarli, Ednawati
Majalah Ilmiah UNIKOM Vol 12 No 2 (2014): Majalah Ilmiah Unikom
Publisher : Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/miu.v12i2.29

Abstract

Penelitian ini bertujuan untuk mengetahui pengaruh penerapan perkuliahan Aljabar Linier dan Matriks dengan metode penugasan terhadap peningkatan kemampuan berpikir nalar mahasiswa. Penelitian ini merupakan penelitian eksperimen pretes-postes dengan kelas kontrol. Sampel penelitian yang digunakan adalah dua kelas tingkat 2 di Prodi IF UNIKOM. Instrumen yang digunakan dalam penelitian ini, yaitu: tes kemampuan berpikir nalar.Hasil penelitian menunjukkan peningkatan kemampuan berpikir nalar mahasiswa yang mendapat perkuliahan aljabar linier dan matriks dengan metode penugasan lebih baik dibandingkan dengan mahasiswa yang mendapat perkuliahan aljabar linier dan matriks biasa. Hal-hal yang mendukung dalam perkuliahan ini adalah potensi nalar mahasiswa, mahasiswa terlibat aktif dalam perkuliahan. Sedangkan hambatan dalam perkuliahan ini adalah waktu yang kurang memadai dan lemahnya pemahaman konsep dan materi prasyarat mahasiswa.Berdasarkan hasil penelitian maka diajukan beberapa saran, yaitu: Membuat diktat aljabar linear dimana didalam diktat tersebut tidak hanya berisi materi yang akan disampaikan namun juga berisi langkah-langkah kegiatan perkuliahan dengan menggunakan metode penugasan (bisa dalam bentuk lembar kerja); Mengkaji kecocokan metode penugasan untuk materi yang berbeda di Aljabar Linear dan Matrik; Melakukan eksperimen dengan menggunakan metode perkuliahan lainnya seperti metode peer teaching yang dapat digunakan pada kelas
Convolutional Neural Network untuk Pengenalan Citra Notasi Musik Hakim, Dzikry Maulana; Rainarli, Ednawati
Techno.Com Vol 18, No 3 (2019): Agustus 2019
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v18i3.2387

Abstract

Optical Music Recognition (OMR) adalah suatu cara untuk melakukan pengenalan pada notasi musik secara otomatis. Masalah utama dalam pendeteksian notasi musik adalah bagaimana sistem dapat mendeteksi sebuah notasi musik dan kemudian mengenali notasi musik tersebut. Notasi musik yang telah dikenali oleh mesin dapat dimanfaatkan untuk diproses kembali menjadi suara. Pada penelitian ini, proses segmentasi dilakukan untuk memotong setiap notasi. Untuk pengenalan notasi musik digunakan Convolutional Neural Network (CNN). Arsitektur CNN yang dipakai adalah kernel 3x3, jumlah layer pada feature learning sebanyak 3 convolutional layer dan 3 pooling layer, filter pada convolutional layer 64,128, 256 dan jumlah neuron pada hidden layer sebanyak 7168. Pengujian dilakukan dengan dua cara, yang pertama menguji performasi CNN menggunakan data notasi musik yang telah dipotong dan yang kedua adalah melakukan pengujian menggunakan sebaris notasi musik. Nilai akurasi yang didapatkan untuk pengenalan sebaris notasi musik tidak terlalu besar, yaitu 26,19%. Walaupun untuk proses segmentasi masih belum maksimal dalam memotong setiap notasi, namun metode CNN bekerja sangat baik untuk mengenali setiap notasi musik yang telah dipotong dengan benar. Hal ini ditunjukkan dari nilai akurasi yang mencapai 95,56%.