Claim Missing Document
Check
Articles

Found 15 Documents
Search

PERBANDINGAN K-NEAREST NEIGHBOR DAN BACKPROPAGATION NEURAL NETWORK DALAM PREDIKSI RESIKO DIABETES TAHAP AWAL Jaka Permadi; Herfia Rhomadhona; Winda Aprianti
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 3 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i3.419

Abstract

Diabetes is one of the most dangerous and deadly diseases in Indonesia, after stroke and coronary heart disease. Early prediction of diabetes risk is needed for early treatment. In this study, a comparison of classification methods was carried out in predicting the risk of early-stage diabetes. The dataset used is an open database collected from a questionnaire to a sample of patients at Sylhet Hospital, Bangladesh. The classification methods compared are K-Nearest Neighbor (KNN) and Backpropagation Neural Network (BPNN), because both are often used in research for the classification of human diseases. Based on the results of the study, BPNN is a classification method that is better than KNN in predicting the risk of early stage diabetes. BPNN with learning rate = 0.3, = 0.4 or = 0.5 and the number of hidden nodes = 5 units, has an accuracy rate of 90%, precision is 90% and recall is 90%. Meanwhile, KNN with K = 5, K = 7 or K = 9 has an accuracy rate of 83.75%, precision of 85.5497% and recall of 83.75%.Keywords: Backpropagation Neural Network, K-Nearest Neighbor, diabetes predictionDiabetes adalah salah satu penyakit berbahaya dan mematikan di Indonesia, setelah stroke dan jantung koroner. Prediksi resiko diabetes sejak awal diperlukan untuk penanganan penyakit ini sejak dini. Pada penelitian ini dilakukan perbandingan metode klasifikasi dalam prediksi resiko diabetes tahap awal. Dataset yang digunakan merupakan open database yang dikumpulkan dari kuesioner terhadap sample pasien di rumah sakit Sylhet, Bangladesh. Metode klasifikasi yang dibandingkan adalah K-Nearest Neighbor (KNN) dan Backpropagation Neural Network (BPNN), karena keduanya sering digunakan dalam penelitian untuk klasifikasi penyakit manusia. Berdasarkan hasil penelitian, BPNN merupakan metode klasifikasi yang lebih baik dibandingkan dengan KNN dalam memprediksi resiko diabetes tahap awal. BPNN dengan learning rate ? = 0.3, ? = 0.4 atau ? = 0.5 dan jumlah node hidden = 5 unit, memiliki tingkat akurasi sebesar 90%, presisi sebesar 90% dan recall sebesar 90%. Sementara KNN dengan K = 5, K = 7 atau K = 9 memiliki tingkat akurasi sebesar 83.75%, presisi sebesar 85.5497% dan recall sebesar 83.75%. Kata kunci: Backpropagation Neural Network, K-Nearest Neighbor, prediksi diabetes
K-Means Clustering untuk Data Kecelakaan Lalu Lintas Jalan Raya di Kecamatan Pelaihari Winda Aprianti; Jaka Permadi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5, No 5: Oktober 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (649.995 KB) | DOI: 10.25126/jtiik.2018551113

Abstract

Kecelakaan lalu lintas di jalan raya masih menjadi penyumbang tingginya angka kematian di Indonesia, sehingga menjadi perhatian khusus bagi kepolisian di negara ini. Termasuk Kepolisian Resor (Polres) Tanah Laut, yang telah membuktikan perhatian tersebut dengan membentuk komunitas korban kecelakaan lalu lintas dan Pelatihan Pertolongan Pertama Gawat Darurat (PPGD). Tahapan awal pencegahan kecelakaan lalu lintas adalah dengan mengetahui faktor-faktor penyebab kecelakaan lalu lintas yang diperoleh melalui analisa data kecelakaan. Analisa tersebut dapat dilakukan dengan data mining, yaitu K-Means Clustering. K-Means Clustering mengelompokkan data menjadi beberapa cluster sesuai karakteristik data tersebut. Data kecelakaan lalu lintas dibagi menjadi 2 dataset, yakni dataset 1 dan dataset 2. Hasil cluster penerapan K-means clustering terhadap dataset 1 dan dataset 2 kemudian dilakukan pengujian silhoutte coefficient untuk mencari hasil cluster dengan kualitas terbaik. Pengujian silhoutte coefficient secara berurutan menghasilkan distance measure paling optimal yakni clustering dengan 4 cluster untuk dataset 1 dan clustering dengan 2 cluster untuk dataset 2. Selain memperoleh cluster dengan kualitas terbaik, penganalisaan data juga menghasilkan beberapa informasi kecelakaan lalu lintas yang sering terjadi, yakni faktor penyebab dan korban kecelakaan adalah pengemudi, umur korban adalah 9 sampai 28 tahun, dan keadaan korban kecelakaan adalah luka ringan. AbstractTraffic accidents on the highway are still contribute to the high mortality rate in Indonesia, which are becoming a special concern for the police. Including the Police of Tanah Laut Resort where prove themselves by established The Community of Traffic Accident Victims and Emergency First Aid Training. The first prevention of traffic accidents is knowing the factors causing traffic accidents which is obtained through the analysis of traffic accident’s data. It can be done through data mining, i.e. K-Means Clustering, which is clustering data into clusters according to characteristics of the data. Traffic accident data is divided into two datasets, namely dataset 1 and dataset 2. After obtaining the cluster results, the next step is to calculate silhoutte coefficient which is used to find the best quality cluster result. The result of testing silhoutte coefficient are clustering with 4 clusters for dataset 1 and clustering with 2 clusters for dataset 2. Analyzing data in this research also produces some information on traffic accidents that often occur, namely the causes and victims of accidents are drivers, the age of the victims is between 9 and 28 years old, and the circumstance of the accidents victims are minor injuries.
Klasifikasi Berita Kriminal Menggunakan Naïve Bayes Classifier (NBC) dengan Pengujian K-Fold Cross Validation Herfia Rhomadhona; Jaka Permadi
Jurnal Sains dan Informatika Vol. 5 No. 2 (2019): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v5i2.177

Abstract

Berita kriminalitas merupakan berita yang selalu menjadi trending topik di setiap media massa, khususnya media massa online. Media massa online terlah menyediakan beberapa fasilitas untuk mempermudah masyarakan dalam mencari sebuah berita berdasarkan topik. Media massa online melabeli suatu berita berdasarkan kategorinya. Namun, media massa online tidak memberikan sub kategori pada berita tersebut. Sebagai contoh jika seorang pengguna membuka kategori kriminal, maka yang ditampilkan adalah semua jenis berita kriminal tanpa memberikan informasi yang spesifik dari jenis kriminalitasnya. Permasalahan tersebut dapat diatasi dengan mengklasifikasikan berita kriminalitas berdasarkan subkategori. Penelitian ini menggunakan metode Naïve Bayes Classifier (NBC) untuk mengklasifikasi berita berdasarkan sub kategorinya. Adapun subkategori terbagi kedalam 5 kategori yaitu korupsi, narkoba, pencurian, pemerkosaan dan pembunuhan. Penelitian ini bertujuan untuk mengetahui kemampuan NBC dalam mengklasifikasi berita dengan melakukan pengujian menggunakan teknik K-Fold Cross Validation dengan nilai K dari 3 sampai 10. Hasil pengujian menyatakan bahwa NBC memiliki kemampuan dalam klasifikasi berita kriminal dengan nilai precision sebesar 98,53 %, nilai recall sebesar 98,44 % dan nilai accuracy sebesar 99,38 %.
Perbandingan PNN dan LVQ dalam Identifikasi Jenis Bercak pada Daun Cabai Jaka Permadi
Jurnal Sains dan Informatika Vol. 2 No. 2 (2016): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Learning Vector Quantization (LVQ) dan Probabilistic Neural Network (PNN) adalah dua buah metode dari Jaringan Syaraf Tiruan. Untuk beberapa kasus, dapat dikatakan LVQ dan PNN memiliki kemampuan yang setara dalam kasus klasifikasi, seperti identifikasi atau deteksi. Pada penelitian ini, dilakukan perbandingan kemampuan LVQ dengan PNN untuk identifikasi jenis bercak pada daun dengan memanfaatkan metode cross validation k-fold CV. Hasil dari penelitian yang dilakukan LVQ memiliki estimasi test error sebesar 0.4227 dengan akurasi validasi tertinggi sebesar 62.89%. Hasil yang dimiliki LVQ ini lebih baik daripada PNN dengan nilai estimasi test error sebesar 0.4495 dengan akurasi validasi tertinggi sebesar 59.79%. Dengan kata lain LVQ lebih baik daripada PNN dalam kasus identifikasi jenis bercak pada daun cabai berdasarkan citra daun tersebut. Kata Kunci: Identifikasi, k-fold CV, LVQ, PNN, Test error.
PELATIHAN PENGGUNAAN GOOGLE DRIVE SEBAGAI MEDIA MANAJEMEN ARSIP BAGI PERANGKAT DESA DI DESA PANGGUNG KECAMATAN PELAIHARI Jaka Permadi; Hendrik Setyo Utomo; Eka Wahyu Sholeha
Jurnal Pengabdian Kepada Masyarakat (MEDITEG) Vol 6 No 1 (2021): Jurnal Pengabdian Kepada Masyarakat (MEDITEG)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat (P3M) Politeknik Negeri Tanah Laut (Politala)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/mediteg.v6i1.93

Abstract

The Panggung village officials in carrying out its performance has problems in archive management. Files stored in personal computers can be lost and corrupted due to a number of factors. Another problem is the difficulty of sharing files via social media such as WhatsApp, especially if the size is large. Finding files that have been shared for a long time is also difficult. Training on the use of Google Drive was carried out as a solution to the problem of archive management in Panggung Village. This training was wrapped in the form of community service and was held on June 2nd, 2021 at the Panggung Village Office which was attended by 20 Panggung village officials. The training is divided into four training materials: introduction to Google Drive, storing documents in Google Drive, sharing files and folders, and collaborating in managing documents on Google Drive. At the end of the training participants were asked to fill out a service partner satisfaction questionnaire. As a result, 93.5% of participants stated that they were very satisfied with the training. The remaining of them, about 6% of participants said that they were satisfied and 0.5% of participants said that they were not satisfied.
Sistem Pakar Diagnosa Penyakit Jagung Manis Menggunakan Runut Maju Jaka Permadi; Herfia Rhomadhona; Winda Aprianti
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol. 3 No. 2 (2019)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/eltikom.v3i2.119

Abstract

Budidaya jagung manis (Zea mays saccharata) masih rentan terkena penyakit tanaman dan serangan hama. Pengetahuan terbatas yang dimiliki oleh petani untuk mengatasi permasalahan ini berdampak pada hasil produktivitas jagung manis yang tidak maksimal, bahkan cenderung menghasilkan kerugian bagi para petani. Pembuatan sistem pakar diagnosa penyakit jagung manis menggunakan runut maju diperlukan sebagai bantuan untuk para petani mengetahui solusi yang harus dilakukan jika tanaman jagung manis terkena penyakit atau serangan hama. Sistem pakar dengan metode runut maju yang dibuat menggunakan 12 (dua belas) penyakit dan 44 (empat puluh empat) gejala. Berdasarkan hubungan gejala dan penyakit diperoleh 12 (dua) belas aturan. Diagnosa penyakit tanaman jagung dilakukan dengan memasukkan gejala penyakit jagung manis dan melakukan perhitungan persentase terhadap aturan yang bersesuaian. Kemudian dipilih nilai penyakit dengan persentase terbesar. Setelah memperoleh diagnosa penyakit, dilakukan pengujian menggunakan confusion matrix. Hasil pengujian dari 58 data uji menunjukkan tingkat presisi sebesar 94.27 %, tingkat recall sebesar 81.67 % dan tingkat akurasi sebesar 96.84 %.
Sistem Pendukung Keputusan Distribusi Bantuan Pertanian Menggunakan Simple Additive Weighting Herfia Rhomadhona; Winda Aprianti; Jaka Permadi; Muhammad Khoirul Anam
Journal of System and Computer Engineering (JSCE) Vol 2 No 2 (2021): JSCE: JULI 2021
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47650/jsce.v2i1.225

Abstract

Bantuan pertanian akan membantu petani secara khusus dan daerah secara umum dalam peningkatan jumlah produksi tanaman pertanian. Bantuan ini telah diberikan kepada petani oleh pemerintah daerah, namun pendistribusiannya perlu diperhatikan agar didistribusikan secara tepat. Guna mendukung pengambilan keputusan pendistribusian bantuan pertanian digunakan metode Simple Additive Weigthing (SAW). Kriteria yang digunakan pada sistem pendukung keputusan (SPK) ini adalah usia lahan, luas lahan, komoditas, produksi, dan bantuan sebelumnya yang diterima oleh petani. Metode SAW kemudian diterapkan dalam sistem yang dibangun menggunakan PHP dan MySQL. SPK distribusi bantuan pertanian dapat digunakan oleh tiga pengguna, yakni admin, pegawai dinas pertanian, dan masyarakat umum. Admin dapat mengelola data kriteria, data petani, data kriteria dan skor, serta hasil penerapan SAW. Sistem yang telah dibangun kemudian dilakukan pengujian. Hasil uji fungsionalitas sistem dan kesamaan perhitungan manual dengan hasil sistem menunjukkan bahwa sistem telah sesuai dengan tujuan yang diinginkan.
PENYULUHAN PENGGUNAAN AR SEBAGAI MEDIA PEMBELAJARAN UNTUK GURU-GURU SMP DI KECAMATAN BATU AMPAR Herfia Rhomadhona; Hendrik Setyo Utomo; Jaka Permadi; Winda Aprianti; Wiwik Kusrini
Jurnal Pengabdian Kepada Masyarakat (MEDITEG) Vol 3 No 1 (2018): Jurnal Pengabdian Kepada Masyarakat MEDITEG
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat (P3M) Politeknik Negeri Tanah Laut (Politala)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/mediteg.v3i1.23

Abstract

Augmented reality (AR) menggabungkan benda nyata dan virtual yang menghasilkan objek 3D yangditampilkan pada layar. Penggunaan teknologi Augmented reality (AR) pada smartphone masih tergolong minim.Sebenarnya teknologi ini memiliki potensi yang besar untuk memperkaya telekomunikasi untuk menjadi lebih efektif.Selain itu, penggunaan android yang dimiliki pelajar masih belum digunakan secara maksimal, kebanyakan hanya untukkomunikasi, media sosial dan bermain game. Seharusnya dengan smartphone tersebut bisa digunakan sebagai mediabelajar. Tujuan dari aplikasi Augmented reality (AR) sebagai media pembelajaran tentang siklus embrio manusia berbasisAndroid untuk menciptakan suatu lingkungan pembelajaran yang lebih interaktif. Aplikasi mampu menampilkan objekdan video secara virtual 3D dalam sebuah penanda (marker) sebagai alat peraga gambar yang terdapat pada buku ajarsiswa. Marker yang dideteksi oleh kamera dapat menampilkan model 3D di layar perangkat android secara real time danmengeluarkan suara. Peserta merupakan guru-guru Sekolah Tingkat Lanjut Pertama (SLTP) se-Kecamatan BatuAmpar. Hasil kegiatan penyuluhan yaitu peserta tertarik dan melakukan install aplikasi smartphone android masing-masingpeserta.Kata kunci: Augmented Reality, Objek, Media pembelajaran, Siklus Embrio
Normalization-Simple Additive Weighting to Determination of a Single Tuition Winda Aprianti; Herfia Rhomadhona; Jaka Permadi; Yuniska Fithriyyah
Jurnal Inotera Vol. 7 No. 1 (2022): January-June 2022
Publisher : LPPM Politeknik Aceh Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31572/inotera.Vol7.Iss1.2022.ID169

Abstract

Determination of a single tuition appropriately is important to ensure that every student gets a fair single tuition in accordance with their economic conditions. The single tuition team to determine a single tuition sometimes they have differences of opinion in determining a single tuition so that it requires a relatively long time. This problem can be solved by applying Simple Additive Weighting to student data. The collected data is formed into Data1 and Data 2. There is a value of 0 for the cost attribute so that it requires normalization which can solve the problem. The results of the application of Simple Additive Weighting facilitate the determination of a single tuition because by entering student data a preference value is generated as a reference for determining a single tuition. Application in Data 1 produces several similarities in preference values but is in different groups, but the application of Data 2 always results in different preference values. This difference shows that the application of Simple Additive Weighting to Data 2 is better than the application of Data 1.
Rancang Bangun Sistem Informasi Rawa BaTIK Berbasis Web Much Rifani; Jaka Permadi; Winda Aprianti
Jurnal Humaniora Teknologi Vol. 6 No. 1 (2020): Jurnal Humaniora Teknologi
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jht.v6i1.76

Abstract

Sistem pendaftaran Rawa BaTIK (Ruang Kegiatan Warga Belajar Aplikasi dan TIK) yang dikelola oleh Dinas Komunikasi dan Informatika Kabupaten Tanah Bumbu saat ini masih dilakukan dengan cara manual atau langsung ke kantor Dinas Kominikasi dan Informatika. Kantor Dinas Komunikasi dan Informatika yang jaraknya cukup jauh dari Pusat Kota Tanah Bumbu hal ini tentu saja memberatkan bagi Pelajar atau Masyarakat yang ingin mendaftar. Berdasarkan permasalahan tersebut, diperlukan suatu sistem yang dapat memfasilitasi para calon peserta untuk mendaftar secara online agar tidak perlu lagi datang ke kantor Dinas Komunikasi dan Informatika, maka dibuatlah Sistem Informasi Rawa BaTIK (Ruang Masyarakat Belajar Aplikasi dan TIK) Berbasis Web. Pembuatan sistem ini menggunakan metode waterfall dimana pembangunan sistem informasi menggunakan bahasa pemrograman PHP yang kemudian diuji menggunakan black box. Sistem informasi Rawa BaTIK telah berhasil dibangun dan hasil pengujian juga menunjukkan fungsionalitas sistem dapat berfungsi sesuai dengan hasil yang diharapkan.