Garuda - Garba Rujukan Digital

Elvia Budianita

UIN Suska Riau

Author-ID : 243912

Computer Science & IT

Published : 3 Documents Claim Missing Document

Claim Missing Document

Articles

Toddler Nutritional Status Classification Using C4.5 and Particle Swarm Optimization Nazir, Alwis; Akhyar, Amany; Yusra, Yusra; Budianita, Elvia
Scientific Journal of Informatics Vol 9, No 1 (2022): May 2022
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v9i1.33158

Abstract. Purpose: This research was conducted to create a classification model in the form of the most optimal decision tree. Optimal in this case is the combination of parameters used that will produce the highest accuracy compared to other parameter combinations. From this best model, it will be used to predict the nutritional status class for the new data.Methods/Study design/approach: The dataset used is from Nutritional Status Monitoring in 2017 in Riau Province, Indonesia. From the dataset, the Knowledge Discovery in Database (KDD) stages were carried out to build several classification models in the form of decision trees. The decision tree that has the highest accuracy will then be selected to predict the class for the new data. Predictions for new data (unclassified data) will be made in a web-based system.Result/Findings: Particle Swarm Optimization is used to find optimal parameters. Before PSO is used, there are 213 parameters in the dataset that can be used to do classification. However, using many such parameters is time-consuming. After PSO is used, the optimal parameters found are the combination of 4 parameters, which can produce the most optimal decision tree. The 4 chosen parameters are gender, age (in months), height, and the way to measure the height (either stand up or lie down). The most optimal decision tree has an accuracy of 94.49%. From the most optimal decision tree, a web-based system was built to predict the class for new data (unclassified data).Novelty/Originality/Value: Particle Swarm Optimization (PSO) is a method that can help to select the most optimal parameters, or in other words produce the highest classification accuracy. The combination of parameters selected has also been confirmed by the nutritionist. The prediction system has been declared feasible to be used by nutritionists through the User Acceptance Test (UAT).

Sistem Pendukung Keputusan Penerimaan Beasiswa Gubernur Riau Menggunakan Fuzzy dengan Metode Profile Matching Budianita, Elvia; Syahputra, Armadani
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 2, No 1 (2016): Juni 2016
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Beasiswa Gubernur Riau bertujuan meningkatkan kualitas pendidikan yang ada di Provinsi Riau. Penelitian ini ditujukan kepada beasiswa program D3 dan S1, dengan kriteria penilaian seperti status keluarga, penghasilan wali perbulan, jumlah anak dari wali, jumlah saudara menikah, jumlah saudara kandung kuliah dan belum menikah, biaya semester, semester dan IPK. Sistem ini merupakan Sistem Pendukung Keputusan (SPK) menggunakan fuzzy dengan metode profile matching. Fuzzy sebagai nilai kriterianya menutupi kekurangan profile matching menangani data yang bervariatif menjadi kesuatu nilai antara 0 sampai 1, nilai diproses dengan metode profile matching, menghasilkan sebuah perangkingan penerima beasiswa. Berdasarkan hasil pengujian SPK dari 15 data pemohon tahun sebelumnya, bahwa data 5 terbawah merupakan data yang memang tidak lulus seleksi, artinya hasil perangkingan SPK sesuai dengan yang diharapkan oleh tim penyeleksi Beasiswa Gubernur Riau dan mampu mengurangi subyektifitas penilaian.

Penerapan Learning Vector Quantization Penentuan Bidang Konsentrasi Tugas Akhir (Studi Kasus: Mahasiswa Teknik Informatika UIN Suska Riau) Budianita, Elvia; Arni, Ulti Desi
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 1, No 2 (2015): Desember 2015
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Penentuan bidang konsentrasi studi tugas akhir diharapkan dapat mempermudah mahasiswa dalam menentukan bidang tugas akhirnya sesuai dengan pola nilai mata kuliah yang diambilnya. Banyaknya bidang tugas akhir membuat mahasiswa merasa bingung menentukan tema tugas akhirnya. Sehingga banyak mahasiswa menentukan bidang konsentrasi studi tugas akhirnya diluar mata kuliah yang mereka ambil. Jika mahasiswa memilih bidang konsentrasi tugas akhir sesuai mata kuliah yang mereka ambil, maka mahasiswa tersebut dapat dengan cepat menyelesaikan tugas akhirnya tanpa harus mempelajari metode terlebih dahulu. Oleh karena itu dibutuhkan sebuah media yang dapat membantu mahasiswa dalam menentukan bidang tugas akhirnya yang sesuai dengan pola nilai mata kuliah yang diambil. Metode yang digunakan yaitu Metode Learning Vector Quantization (LVQ). LVQ adalah metode jaringan syaraf tiruan yang mempelajari pola nilai dan secara otomatis belajar untuk mengklasifikasikan vektorvektor input. Kelas-kelas yang didapatkan sebagai hasil dari lapisan kompetitif ini tergantung pada jarak antara vector input. Jika dua vektor input mendekati sama, maka lapisan kompetitif akan meletakkan kedua vektor input tersebut kedalam kelas yang sama.

Title

Found 3 Documents
Search

Abstract

Abstract

Abstract

Title Search

Found 3 Documents Search

Abstract

Abstract

Abstract

Title

Found 3 Documents
Search