cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota adm. jakarta pusat,
Dki jakarta
INDONESIA
Jurnal Pilar Nusa Mandiri
Published by PPPM Nusa Mandiri
ISSN : 19781946     EISSN : 25276514     DOI : -
Core Subject : Science,
Jurnal Pilar merupakan jurnal ilmiah yang diterbitkan oleh program studi sistem informasi STMIK Nusa Mandiri. Jurnal ini berisi tentang karya ilmiah yang bertemakan: Rekayasa Perangkat Lunak, Sistem Pakar, Sistem Penunjang, Keputusan, Perancangan Sistem Informasi, Data Mining, Pengolahan Citra.
Arjuna Subject : -
Articles 20 Documents
Search results for , issue "Vol 15 No 2 (2019): PILAR Periode September 2019" : 20 Documents clear
ANALISIS TINGKAT KEBERHASILAN CRYOTERAPY MENGGUNAKAN NEURAL NETWORK Rahayu, Sri; Nugraha, Fitra Septia; Shidiq, Muhammad Ja?far
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): PILAR Periode September 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1052.218 KB) | DOI: 10.33480/pilar.v15i2.599

Abstract

Human health is very important to always pay attention especially after someone has been declared suffering from an illness that can inhibit positive activities. One of the most feared diseases of the 20th century is cancer. This disease requires treatment that is quite expensive. Alternative treatments are cryotherapy or ice therapy. But cryotherapy also has side effects, it is necessary to do research on its success by taking into account certain conditions of the parameters. So the purpose of this study is to analyze the success of cryotherapy so that the dataset can be used as one of the benchmarks for the success of the cryotherapy tratment method. The method used in this study is the machine learning method of Neural Network with 500 training cycles, learning rate of 0,003 and momentum 0,9 which results in a good classification of obtaining quite high accuracy of 87,78% and AUC value of 0,955.
ANALISIS ALGORITMA KLASIFIKASI NEURAL NETWORK UNTUK DIAGNOSIS PENYAKIT KANKER PAYUDARA Nugraha, Fitra Septia; Shidiq, Muhammad Ja?far; Rahayu, Sri
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): PILAR Periode September 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1163.432 KB) | DOI: 10.33480/pilar.v15i2.601

Abstract

Salahsatu penyebab kematian utama adalah kanker. Kanker yang paling umum pada wanita adalah kanker payudara. Penyakit ini jika dapat diketahui sejak dini dapat ditanggulangi bahkan dicegah. Teknik datamining klasifikasi dapat digunakan untuk memprediksi pasien mana yang terkena kanker payudara dan tidak dengan beberapa parameter yang ada. Dengan menggunakan metode Neural Network dan tools Rapid Miner 9.0 bertujuan untuk memprediksi diagnosis kanker payudara dan kemudian  menghasilkan nilai accuracy 71,83%, precision 81,08% dan recall 69,17% dengan AUC sebesar 0,806 yang artinya klasifikasi dinyatakan cukup sehingga pasien dengan parameter yang ada dapat diprediksi mana saja yang merupakan pasien kanker payudara dan mana yang bukan, sehingga pola ini dapat digunakan sebagai tolak ukur diagnosis sehingga dapat dideteksi lebih dini dan diharapkan dapat menekan angka kematian akibat kanker payudara.
KLASIFIKASI DIAGNOSIS MELAHIRKAN DENGAN METODE SESAR MENGGUNAKAN NEURAL NETWORK Shidiq, Muhammad Ja'far; Rahayu, Sri; Nugraha, Fitra Septia
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): PILAR Periode September 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (345.297 KB) | DOI: 10.33480/pilar.v15i2.602

Abstract

Memiliki keturunan yang sehat, normal dan tidak beresiko bukan hal mudah didapatkan, pada kondisi tertentu melahirkan secara normal bukan solusi terbaik, operasi sesar bisa menjadi salah satu opsi yang dianggap relatif aman sejauh ini. Namun, karena sesar merupakan operasi besar, besar pula risikonya. Maka perlu pertimbangan yang matang mengenai metode melahirkan dengan normal atau operasi sesar. Penelitian ini bertujuan untuk mengklasifikasi harus menggunakan metode sesar atau tidak dengan memperhitungkan parameter yang ada yaitu diantaranya Age, Delivery Time, Delivery, Blood, Heart sehingga dapat memprediksi keselamatan ibu dan bayi dalam proses lahiran dengan menggunakan metode Neural Network dengan 80 dataset caesarian, training cycles 200, learning rate 0.01 dan momentum 0.9 dan menghasilkan akurasi sebesar 71,25% dan dengan nilai AUC (Area Under Curve) sebesar 0,721 yang artinya mendapat status fair classification.
KERANGKA PENGAMBILAN KEPUTUSAN UNTUK PEMASARAN PRESISI MENGGUNAKAN METODE RFM, ALGORITMA K-MEANS DAN DECISION TREE Jupriyanto, Jupriyanto; Nurlela, Siti
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): PILAR Periode September 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1516.957 KB) | DOI: 10.33480/pilar.v15i2.618

Abstract

Pemasaran presisi memberikan kemampuan pada perusahaan untuk menawarkan produk-produk yang dibuat secara khusus kepada pelanggan dan memberikan kemampuan kepada perusahaan untuk menarik minat pelanggan dengan pesan-pesan pemasaran yang dibuat secara khusus. Penelitian ini menyajikan kerangka kerja pengambilan keputusan baru menggunakan teknik data mining. Pertama, penelitian ini menyajikan model tren untuk memprediksi secara akurat kuantitas pasokan bulanan; kedua, menggunakan model RFM (Recency,Frequency, Monetary) untuk memilih atribut untuk mengelompokkan pelanggan ke dalam kelompok sesuai history transaksi belanjanya; ketiga, menggunakan Algoritma K-Means untuk membuat clustering pelanggan berdasarkan data RFM masing-masing pelanggan, keempat, menggunakan Decision Tree untuk mengidentifikasi nilai atribut penting untuk membedakan kelompok pelanggan yang berbeda; dan akhirnya, dari proses data mining yang peneliti lakukan menciptakan berbagai strategi penawaran yang menargetkan setiap cluster pelanggan. Data penjualan dari Syifamart di Subang Jawa Barat, dikumpulkan dan digunakan dalam studi kasus untuk menggambarkan bagaimana mengimplementasikan kerangka yang diusulkan. Dari penelitian yang telah dilakukan menunjukan bahwa proses data mining dari history transaksi penjualan 351,158 rows, dengan agregasi berdasarkan pelanggan menggunakan metode RFM dan diekstraksi dengan menggunakan algoritma clustering k-means membentuk 4 (empat) cluster optimal. Keempat (empat) cluster tersebut diklasifikasikan dengan menggunakan algoritma decision tree sehingga Syifamart dapat mengetahui mana pelanggan potensial dan mana pelanggan yang tidak potensial. Untuk ketersediaan pasokan stok, manajemen memprediksi kebutuhan persediaan produk dengan menggunakan metode tren dimana stok di bulan selanjutnya di prediksi dengan menggunkana history penjualan di bulan sebelumnya.
PENERAPAN SUPPORT VECTOR MACHINE (SVM) PADA SMALL DATASET UNTUK DETEKSI DINI GANGGUAN AUTISME Sugara, Bayu; Subekti, Agus
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): PILAR Periode September 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1186.162 KB) | DOI: 10.33480/pilar.v15i2.649

Abstract

Seiring dengan perkembangan ilmu pengetahuan dan teknologi informasi, kehadiran machine learning dibidang komputer telah menjadi salah satu tren dan menarik banyak perhatian. Penggunaan machine learning tidak terlepas dari  penggunaan data dalam pembelajarannya. Data yang besar merupakan data yang sering digunakan dalam proses pembelajaran machine learning. Perkembangan machine learning yang sangat pesat dapat memungkinkan data yang besar cepat pula terakumulasi. Namun, jarang ditemukan machine learning menggunakan data yang kecil (small dataset) dalam proses pembelajarannya. Small dataset ini biasanya bersifat private yang diambil dari sebuah organisasi yang akan dijadikan objek penelitian seperti data bank, rumah sakit, pabrik dan perusahaan jasa. Dalam penelitian ini peneliti menggunakan  algoritma Support Vector Machine dan k-fold corss validation untuk menguji nilai keakuratan small dataset serta menggunakan teknik ensemble untuk mengetahui seberapa pengaruhnya teknik ensemble terhadap algoritma Support Vector Machine. Hasil dari penelitian ini menunjukkan bahwan teknik ensemble dapat meningkatkan performa akurasi pada Support Vector Machine. Model algoritma SVM dan teknik ensemble dengan poly kernel menunjukkan nilai akurasi terbaik yaitu sebesar 91%.
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK MENGETAHUI MINAT CUSTOMER DI TOKO HIJAB Yulianti, Yulianti; Utami, Dwi Yuni; Hikmah, Noer; Hasan, Fuad Nur
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): PILAR Periode September 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (597.939 KB) | DOI: 10.33480/pilar.v15i2.650

Abstract

Hijab is not a foreign thing for the population in Indonesia, because most of the population of Indonesia is Muslim. Today, many business people, especially hijab sellers, provide a variety of brands and models in the hijab they sell. Therefore sellers are required to be able to think intelligently in making a sales strategy that will certainly be useful to know clearly which products are most in demand by customers, and also to increase sales in their stores. Then there needs to be an alternative that can realize the recording of sales transaction data more quickly and structured. In this study the authors applied the k-means algorithm to determine customer interest in the products they sell. In the calculation that has been done by using two parameters, namely the transaction and the number of sales and passing three iterations with the results of iterations one gets a ratio of 0.374324132, the iteration two gets the ratio 0.543018325, and the iteration three gets the same ratio value as second iteration. So it can be concluded that the hijab that is most desirable by the customers is the hijab with the brand Rabbani, Elzatta, and Zoya, the low-interest hijab branded by Dian Pelangi, Kami Idea, and Meccanism. And the hijab with those who are not high and also not low is the hijab under the brand Ria Miranda, Jenahara, Shasmira, and Shafira.
KLASIFIKASI PEMINJAMAN NASABAH BANK MENGGUNAKAN METODE NEURAL NETWORK Hadianto, Nur; Novitasari, Hafifah Bella; Rahmawati, Ami
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): PILAR Periode September 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1509.803 KB) | DOI: 10.33480/pilar.v15i2.658

Abstract

Payment of loans that experience difficulties in repayment or often called bad credit is a very detrimental thing for the bank, with the occurrence of bad credit the bank does not have the maximum ability to make money for investment. Choosing the right customer must go through the right analysis because the decision to approve or disagree with the loan is the main point that determines the possibility of bad credit. This study aims to classify eligible customers to obtain loans by taking into account existing parameters such as age, total income, number of families, monthly expenditure average, education level and others. This study uses a data mining classification method with a neural network model, to assess the accuracy of data processing using rapid miners then proceed with measurements using confusion matrix, ROC curve. The results of the neural network algorithm after going through confusion matrix testing, the ROC curve shows a very high accuracy value, and the dominant value of AUC and algorithm. The accuracy value is 98.24% with AUC of 0.979
PREDIKSI TINGKAT KELULUSAN NILAI MAHASISWA TERHADAP MATAKULIAH WEB PROGRAMMING MENGGUNKAN METODE NEURAL NETWORK Azis, Mochammad Abdul; Fazriansyah, Agung
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): PILAR Periode September 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1057.015 KB) | DOI: 10.33480/pilar.v15i2.660

Abstract

Penerapan teknologi informas dalan dunia pendidikan juga dapat menghasilkan data yang berlimpah mengenai data mahasiswa dan nilai pembelajaran yang dihasilkan. Seperti nilai matakuliah unggulan tersebut yang sangat mempengaruhi jumlah ipk dan kelulusan karna jika salah satu matakuliah unggulan seperti Web Programing tersebut mendapatkan nilai D maka mahasiswa tersebut tidak dapat melakukan pendaftaran Tugas akhir atau Skripsi. Salah satunya caranya adalah dengan melakukan klasifikasi daa nilai mahasiswa untuk mengetahui nilai matakuliah unggulan apa saja yang paling krusial dari semester pertama. Neural Network lebih flesksibel yaitu tidak ada batasan apriori yang dikenakan bila dibandingkan dengan pemodelan statistic klasik, sehingga Neural Network cenderung memberikan prediksi yang akurat.
ESTIMASI MEDIA ONLINE DALAM PROSES BISNIS PEMASARAN DAN JASA DI KOTA TASIKMALAYA MENGGUNAKAN METODE DISCRETE Iskandar, Iqbal Dzulfiqar
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): PILAR Periode September 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (810.911 KB) | DOI: 10.33480/pilar.v15i2.664

Abstract

Online media is used by many organizations as a helping tool to reach the goal in the business process especially marketing or introducing a product that is marketed. Therefore, this research is trying to explain how massive the role of online media is, in the business process in the town of Tasikmalaya based on a statistic number scale from the data that refer to quantitative methodology, Discrete Data, and Correlational analyses method. Meanwhile. The result of this research reveals Online media is, towards business process marketing and service in the town of the Tasikmalaya area positively affected business process marketing and service. These results are supported by the results of data processing. From 78 organizations, the positive rate of online media on marketing and services is 95% greater than the positive level, which is only 5%. sig. (2-sided) of 0,000, meaning that ?=0.05 is greater than the value of Sig. (2-sided) or [0.05> 0,000]. This shows that the variable X has an influence on variable Y. The results of the analysis of bivariate people, obtained the final value r =1, for the estimated value. This number defines the variable X which has a very strong attachment relationship to a variable.
KOMPARASI ALGORITMA NEURAL NETWORK DAN NAÏVE BAYES UNTUK MEMPREDIKSI PENYAKIT JANTUNG Nawawi, Hendri Mahmud; Purnama, Jajang Jaya; Hikmah, Agung Baitul
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): PILAR Periode September 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (934.982 KB) | DOI: 10.33480/pilar.v15i2.669

Abstract

Heart disease is one of the types of deadly diseases whose treatment must be dealt with as soon as possible because it can occur suddenly to the sufferer.  Factors of heart disease that are recognized based on the condition of the body of a sufferer need to be known from an early age so that the risk of possible instant attacks can be minimized or can be overcome in various ways such as a healthy lifestyle and regular exercise that can regulate heart health in the body.  By looking at the condition of a person's body based on sex, blood pressure, age, whether or not a smoker and some indicators that become a person's characteristics of heart disease are described in a study using the Neural Network and Naïve Bayes algorithm with the aim of comparing the level of accuracy to attributes influential to predict heart disease, so the results of this study can be used as a reference to predict whether a person has heart disease or not.

Page 1 of 2 | Total Record : 20