Daneswara Jauhari
Universitas Brawijaya

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

Prediksi Nilai Tukar Rupiah Terhadap US Dollar Menggunakan Metode Genetic Programming Daneswara Jauhari; Anang Hanafi; M Fahrul Alam Yuniarsa; Arrofi Reza Satria; Luqman Hakim H; Imam Cholissodin
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3, No 4: Desember 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (952.013 KB) | DOI: 10.25126/jtiik.201634235

Abstract

AbstrakNilai tukar mata uang mempunyai pengaruh yang sangat luas dalam perekonomian suatu negara, baik dalam negeri ataupun internasional. Pentingnya mengetahui pola nilai tukar IDR terhadap USD bisa membantu pertumbuhan ekonomi dikarenakan perdagangan luar negeri menggunakan mata uang negara yang berbeda. Maka dari itu, diperlukan suatu aplikasi yang dapat memprediksi nilai tukar Rupiah terhadap US Dollar di masa yang akan datang. Pada penelitian ini penulis menggunakan metode genetic programming(GP), yang dapat menghasilkan solusi (chromosome) optimum, yang didapat dari evaluasi nilai tukar yang lalu, sehingga solusi ini digunakan sebagai pendekatan atau prediksi terhadap kurs nilai tukar mata uang Rupiah di masa yang akan datang. Solusi ini dibentuk dari kombinasi dari himpunan terminal (set of terminals) dan himpunan fungsi (set of function) yang dibangkitkan secara random. Setelah dilakukan pengujian dengan jumlah popsize dan iterasi yang berbeda, didapatkan bahwa Algoritma GP dapat melakukan prediksi nilai tukar Rupiah terhadap mata uang US Dollar dengan sangat baik, dilihat dari nilai Mean Absolute Percentage Error (MAPE) yang dihasilkan sebesar 0,08%. Penelitian ini bisa dikembangkan lebih baik dengan menambahkan parameter terminal dan parameter operasi sehingga bisa menambah variasi hasil perhitungannya.Kata kunci: prediksi, nilai tukar mata uang, genetic programming, MAPE.  AbstractExchange currency rate has a wide influence in the economy of a country, both domestically or internationally. The importance of knowing the pattern of exchange rate against the IDR to USD could help the economic growth due to foreign trade involves the use of currencies of different countries. Therefore, we need an application that can predict the value of IDR against the USD in the future. In this research, the authors use genetic programming (GP) method which produces solutions (chromosome) that obtained from the evaluation of exchange rate and then this solution used as an approximation or prediction of currency exchange rate in the future. These solutions formed from the combination of the set terminal and the set of function that generated randomly. After testing by the number popsize and different iterations, it was found that the GP algorithm can predict the value of the rupiah against the US Dollar with a very good, judging from the value of Mean Absolute Percentage Error (MAPE) generated by 0.08%. This research can be developed even better by adding terminal parameters and operating parameters so they can add variation calculation results.Keywords:  prediction, exchange currency rate, genetic programming, MAPE.
Prediksi Distribusi Air PDAM Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Di PDAM Kota Malang Daneswara Jauhari; Alfian Himawan; Candra Dewi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3, No 2: Juni 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1406.017 KB) | DOI: 10.25126/jtiik.201632155

Abstract

AbstrakDistribusi air PDAM merupakan nilai volume air yang disalurkan ke pelanggan PDAM. Faktor yang mempengaruhi distribusi air PDAM diantanya adalah jumlah kehilangan air dan jumlah air yang terjual. Paper ini mengimplementasikan jaringan syaraf tiruan backpropagation untuk memprediksi jumlah dari distribusi air perbulan berdasarkan jumlah kehilangan air dan jumlah air yang terjual. Pada tahap pelatihan dilakukan pengujian untuk mendapatkan iterasi, learning rate, data latih dan data uji, jumlah node pada lapisan tersembunyi, dan minimum error yang optimal. Hasil pelatihan didapatkan iterasi optimal sebanyak 2000, learning rate yang optimal 0.1, data latih dan data uji yang optimal sebanyak 80 untuk data latih dan 11 untuk data uji, jumlah node pada lapisan tersembunyi sebanyak 5, sedangkan minimum error adalah 0.00001. Dari hasil pengujian menggunakan parameter optimal tersebut didapatkan akurasi terbaik sebesar 97,99%.Kata kunci: prediksi, distribusi air, PDAM, backpropagation, jumlah kehilangan air, jumlah air terjualAbstractPDAM water distribution is the value of the volume of water delivered to the customer taps. Factors affecting the distribution of water are amount of water loss and amount of water sold. This paper implements of the use of backpropagation neural network to predict the amount of water distribution per month based on mentioned factors above. The learning  phase is done to get the optimum number of iterations, learning rate, training data and test data, hidden node, and minimum error. The testing result shows the optimum number of iteration is 2,000, the optimum value of learning rate is 0.1, the optimum training data and test data as much as 80 for training data and 11 for the test data, the number of hidden node is 5, whereas the minimum error obtained is 0.00001. The results of testing by using these optimum parameter give the best accuracy of 97.99%.Keywords: prediction, water distribution, PDAM, backpropagation, water loss, water sold
Optimasi Penjadwalan Pengerjaan Software Pada Software House Dengan Flow-Shop Problem Menggunakan Artificial Bee Colony Muhammad Fhadli; Daneswara Jauhari; Dhimas Anjar Prabowo; Anang Hanafi; Aryeswara Sunaryo; Imam Cholissodin
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3, No 4: Desember 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (695.695 KB) | DOI: 10.25126/jtiik.201634226

Abstract

AbstrakPenelitian ini mengusulkan sebuah implementasi terkait optimasi penjadwalan pengerjaan software pada software house dengan Flow-Shop Problem (FSP) menggunakan algoritma Artificial Bee Colony (ABC). Dimana dalam FSP dibutuhkan suatu solusi untuk menyelesaikan suatu job/task dengan meminimalkan total cost yang dikeluarkan. Terdapat constraint yang perlu diperhatikan dalam objek permasalahan penelitian ini, yaitu lama waktu penyelesaian keseluruhan projek software yang tidak pasti. Dalam penelitian ini akan disusun sebuah representasi solusi yaitu berupa urutan pengerjaan projek dengan total waktu pengerjaan yang minimum. Pengujian akan dilakukan dengan tiga kali percobaan untuk setiap kondisi uji coba, yaitu uji coba batas parameter iterasi dan uji coba batas parameter limit. Dari hasil pengujian didapatkan bahwa penggunaan algoritma yang dibahas dalam penelitian ini bisa mengurangi waktu pengerjaan jika jumlah iterasi dan jumlah colony diperbesar.Kata kunci: optimasi, flow-shop problem, artificial bee colony, swarm intelligence, meta-heuristik.AbstractThis research proposed an implementation related to software execution scheduling process at a software house with Flow-Shop Problem (FSP) using Artificial Bee Colony (ABC) algorithm. Which in FSP required a solution to complete some job/task along with its overall cost at a minimum. There is a constraint that should be kept to note in this research, that is the uncertainty completion time of its jobs. In this research, we will present a solution that is a sequence order of project execution with its overall completion time at a minimum. An experiment will be performed with 3 attempts on each experiment conditions, that is an experiment of iteration parameter and experiment of limit parameter. From this experiment, we concluded that the use of this algorithm explained in this paper can reduce project execution time if we increase the value of total iteration and total colony.Keywords: optimization, flow-shop problem, artificial bee colony, swarm intelligence, meta-heuristic.
Aplikasi Mobile (Lide) Untuk Diagnosis Tingkat Resiko Penyakit Stroke Menggunakan PTVPSO-SVM Muhammad Syafiq; Achmad Jafar Al Kadafi; Rizka Husnun Zakiyyah; Daneswara Jauhari; Wanda Athira Luqyana; Imam Cholissodin; Lailil Muflikhah
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3, No 2: Juni 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1375.215 KB) | DOI: 10.25126/jtiik.201632190

Abstract

AbstrakPenyakit Stroke merupakan penyakit yang umum dan menduduki peringkat kedua dalam kematian di Indonesia dengan angka 11,13%. Penyakit yang mernyerang fungsi saraf otak dengan tingkat resiko bertahap. Dengan tidak hanya menyerang pada manusia usia lanjut, kini penyakit stroke dapat menyerang siapa saja. Indikator yang dapat digunakan dalam mewaspadai tingkat stroke adalah memeriksa kolestrol tubuh, HLD, LDL, dan Trigliserida. Namun faktor umum juga menjadi masalah utama namun umum. Dengan bertambahnya umum 10 tahun dimulai dari umur 55 tahun, maka tingkat resiko penyakit stroke menjadi dua kali lipat. Tingkat kewaspadaan perlu diperhatikan, sehingga dalam sewaktu-waktu untuk memeriksakan kondisi tubuh diperlukan. Lide adalah sebuah aplikasi pada smarthphone yang berbasis Android yang mengimplementasikan perhitungan algoirtma dalam menentukan tingkat resiko penyakit stroke. Lide merupakan salah satu solusi yang dibangun dalam mengontrol tingkat resiko stroke, hanya dengan memasukkan tingkat kolestrol, LDL, HDL, dan triglieserida. Dilengkapi dengan treatment bagi para pengguna, sehingga dapat melakukan penanganan awal pada tingkat-tingkat tertentu. Dalam aplikasi bergerak ini mengimplementasikan metode Particle Swarm Optimization dan Support Vector Machine untuk klasifikasi dengan menggunakan 4 fitur (kolesterol, HDL, LDL, dan Trigliserida).  Dengan menggunakan metode ini, nilai akurasi yang dihasilkan mencapai 87%.Kata kunci: Stroke, PTVPSO-SVM, Aplikasi Perangkat Bergerak, LideAbstractStroke is a common disease and was ranked second in the number of death in Indonesia with 11, 13%. This disease attacks the nerve function of brain with the level of risk. Not only attacks on old age, this disease can attacks everyone. Indicators that can be used in reasonably level stroke is cholesterol, HDL, LDL, and Triglycerides. But the common factor is also becoming a major problem, however. Increasing public 10 years starting at age 55 years, then the risk level of stroke become twice. The level of alertness to note, so in any time to check the condition of the body is required. Lide is an application on an android-based smartphone which implement algorithm calculation to determining the risk level of stroke. Lide is one of solution that is built to control the risk level of stroke, by simply entering the level of LDL, HDL, Cholesterol, and Triglycerides. It is equipped with treatment for users, so that it can perform the initial handling at certain levels. This mobile application implements the method of Particle Swarm Optimization and Supprot Vector Machine for classification by using 4 features (cholesterol, LDL, HDL, and Triglycerides). By using this method, the value of the resulting accuracy is reached 87%.Keywords: Stroke, PTVPSO-SVM, Mobile Apps, Lide