Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial
Ami Rahmawati
Universitas Bina Sarana Informatika
Computer Science & IT Economics, Econometrics & Finance Engineering Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Optimasi Akurasi Algoritma C4.5 Berbasis Particle Swarm Optimization dengan Teknik Bagging pada Prediksi Penyakit Ginjal Kronis Ita Yulianti; Rizal Amegia Saputra; Muhammad Sukrisno Mardiyanto; Ami Rahmawati
Techno.Com Vol 19, No 4 (2020): November 2020
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v19i4.3579

Abstract

Penyakit Ginjal Kronis merupakan penyakit dengan tingkat pengeluaran biaya terbesar di dunia. Penyakit tersebut sering kali tidak menunjukkan adanya gejala yang terjadi seperti penyakit pada umumnya. Oleh karena itu, penelitian ini dilakukan dengan tujuan agar dapat mendeteksi dini penyakit tersebut sebelum didiagnosis ke tahap yang lebih serius. Penerapan model algoritma C4.5 individual dan algoritma C4.5 berbasis PSO dengan teknik bagging dilakukan guna mengetahui model mana yang memberikan hasil terbaik dalam mendeteksi penyakit ginjal kronis. Pemilihan kedua model tersebut dipertimbangkan karena algoritma C4.5 merupakan salah satu algoritma terbaik data mining, namun cenderung memiliki kelemahan pada data yang overlap, kelas dan atribut yang banyak. Maka dari itu, teknik optimasi Particle Swarm Optimization (PSO) dan teknik bagging juga dipilih sebagai alternatif dalam mengatasi kelemahan yang ada dalam algoritma C4.5. Dari hasil penelitian diperoleh bahwa model algoritma C4.5 berbasis PSO dengan teknik bagging mampu menyeleksi atribut sehingga dapat meningkatkan nilai akurasi yang lebih baik dengan hasil sebesar 99,70% dibandingkan dengan model individual algoritma C4.5 yang menghasilkan nilai akurasi sebesar 91,72% saja.
KLASIFIKASI PENENTUAN PENERIMA MANFAAT PROGRAM KELUARGA HARAPAN (PKH) MENGGUNAKAN ALGORITMA C5.0 (Studi kasus: Desa Sukamaju, Kec.Kadudampit) Dede Wintana; Hikmatulloh Hikmatulloh; Nurul Ichsan; Jajang Jaya Purnama; Ami Rahmawati
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 6, No 3 (2019)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v6i3.206

Abstract

Poverty is the main focus of the central government and local governments. Because it is one of the causes of backwardness and an obstacle in the development of a nation. With the existence of a family program, it is expected that it can improve the socio-economic conditions of the Very Poor Family, increase the level of Very Poor Family education and improve the health and nutrition status of pregnant women and toddlers in Indonesia. Very Poor Family. The Family Hope Program is expected to reduce poverty and improve human resources, especially in the group of very poor people. The main problem in channeling the Hope Family Program was that the eligibility determination system was still manual and used data several years ago. This is feared to cause confusion and inaccuracy of beneficiaries of the Family Hope Program, so a decision support system is needed to determine the qualifications of recipients of the Hope Family Program. The results of the study using C5.0 Algorithm from this study, can know that the main root in determining recipients of family planning programs is the ownership of school children with acquisition of 0.512716784 Keywords: C5.0, Decision tree, Poverty, Classification, Hope family program.Kemiskinan adalah fokus utama pemerintah pusat dan pemerintah daerah. Karena itu merupakan salah satu faktor penyebab keterbukaan dan penghambatan dalam pembangunan suatu bangsa. Dengan adanya program keluarga, diharapkan meningkatkan status sosial ekonomi Keluarga Sangat Miskin, meningkatkan tingkat pendidikan Keluarga Sangat Miskin dan meningkatkan status kesehatan dan gizi ibu hamil dan balita di Indonesia. Keluarga yang Sangat Miskin. Program Keluarga Harapan dapat mengurangi kemiskinan dan meningkatkan sumber daya manusia, terutama pada kelompok orang yang sangat miskin. Masalah utama dalam menyalurkan Program Program Keluarga Harapan adalah sistem pemilihan menentukan apakah masih manual dan menggunakan data beberapa tahun yang lalu.Hal ini menimbulkan keraguan dan ketidaktepatan penerima Program Keluarga Harapan, sehingga diperlukan sistem pendukung keputusan untuk menentukan kualifikasi penerima Program Keluarga Harapan. Hasil penelitian dengan menggunakan Algoritma C5.0 dari penelitian ini, dapat membantu penelitian tentang akar dalam menentukan penerima program Keluarga harapan adalah kepemilikan anak sekolah dengan persetujuan 0,512716784Kata Kunci: C5.0, Decision tree, Kemiskinan, Klasifikasi, Program keluarga Harapan.
Analisis Algoritma KNN Berbasis Feature Selection untuk Memprediksi Nasabah Pengguna Deposito Melalui Pemasaran Langsung Ami Rahmawati; Ita Yulianti; Yuri Yuliani; Nurhadianto Nurhadianto; Hafifah Bella Novitasari
Swabumi Vol 8, No 1 (2020): Volume 8 Nomor 1 Tahun 2020
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v8i1.7581

Abstract

Sebuah bank menggunakan teknik pemasaran langsung dalam menargetkan segmen nasabah dengan cara menghubungi nasabah tersebut untuk memenuhi tujuan tertentu. Setelah menghubungi nasabah, bank mendapatkan informasi apakah nasabah tersebut sudah berlangganan produk yang ditawarkan oleh bank atau belum. Salah satu produk yang ditawarkan oleh bank antara lain yaitu deposito. Dari banyaknya informasi nasabah yang dikumpulkan, bank mampu menawarkan produk dan layanan kepada nasabah. Kemampuan tersebut dapat menggunakan teknologi data mining, seperti tujuan dibuatnya penelitian ini yaitu memprediksi nasabah yang berlangganan deposito dengan algoritma K-Nearest Neighbor (KNN) dan feature selection yang diproses menggunakan tools Anaconda dan bahasa pemrograman python. Dari hasil penelitian yang diperoleh, akurasi dari penggunaan algoritma K-Nearest Neighbor (KNN) sebesar 74,37% dengan nilai K=9, sedangkan akurasi algoritma klasifikasi K-Nearest Neighbor dengan menggunakan feature selection sebesar 89,72% dengan nilai K=3, sehingga didapat selisih peningkatan akurasi sebesar 15,35%.Kata Kunci : Anaconda, Bank Marketing, KNN, Python
Co-Authors Dede Wintana Hafifah Bella Novitasari Hikmatulloh Hikmatulloh Ita Yulianti Jajang Jaya Purnama Muhammad Sukrisno Mardiyanto Nurhadianto Nurhadianto Nurul Ichsan Rizal Amegia Saputra Yuliani, Yuri