Article Per Year (5 Year)
p-Index From 2019 - 2024
1.383
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmu Komputer dan Informasi Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Kursor Jurnal Teknologi Informasi dan Ilmu Komputer Register: Jurnal Ilmiah Teknologi Sistem Informasi WIDYA LAKSANA Jurnal Techno Bahari Jurnal Informatika: Jurnal Pengembangan IT
Randy Cahya Wihandika
Brawijaya University
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Mechanical Engineering Transportation Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Prediksi Tinggi Muka Air (TMA) Untuk Deteksi Dini Bencana Banjir Menggunakan SVR-TVIWPSO Soebroto, Arief Andy; Cholissodin, Imam; Wihandika, Randy Cahya; Frestantiya, Maria Tenika; Arief, Ziya El
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2, No 2 (2015)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1302.981 KB)

Abstract

Abstrak Banjir merupakan salah satu jenis bencana alam yang tidak dapat diprediksi kedatangannya, salah satu penyebabnya adalah adanya hujan yang terus – menerus(dari peristiwa alam). Faktor penyebab banjir dari segi meteorologi yaitu curah hujan yang tinggi dan air laut yang sedang pasang sehingga mengakibatkan tinggi permukaan air meningkat. Analisis terhadap data curah hujan serta tinggi permukaan air setiap periodenya dirasa masih belum dapat menyelesaikan permasalahan yang ada. Oleh karena itu, pada penelitian ini diusulkan teknik integrasi metode Time Variant Inertia Weight Particle Swarm Optimization(TVIWPSO) dan Support Vector Regression(SVR). Implementasi memadukan metode Regresi yaitu SVR untuk forecasting TMA, sedangkan TVIWPSO digunakan untuk mengoptimalisasi parameter – parameter yang digunakan di dalam SVR untuk memperoleh kinerja yang maksimal dan hasil yang akurat. Harapannya sistem ini akan dapat membantu mengatasi permasalahan untuk pendeteksian dini bencana banjir karena faktor cuaca yang tidak menentu. Hasil pengujian yang didapat dari 10 data bulanan yang berbeda menunjukkan bahwa didapatkan nilai error terkecil sebesar 0.00755 dengan menggunakan Mean Absolute Error untuk data Juni 2007 dengan menggunakan integrasi metode SVR-TVIWPSO. Kata Kunci : Support Vector Regression, Tinggi Muka Air, Time Variant Inertia Weight Particle Swarm Optimization. Abstract Flood is one type of natural disaster that can not be predicted its arrival, one reason is the rain that constantly occurs (from natural events). Factors that cause flooding in terms of meteorology are high rainfall and sea water was high, resulting in high water level increases. Analysis of rainfall data and water level in each period it is still not able to solve existing problems. Therefore, in this study the method proposed integration techniques Time Variant Inertia Weight Particle Swarm Optimization (TVIWPSO) and Support Vector Regression (SVR). Implementation combines regression method for forecasting TMA is SVR, while TVIWPSO used to optimize parameters that used in the SVR to obtain maximum performance and accurate results. Hope this system will be able to help solve the problems for the early detection of floods due to erratic weather. The result of forecasting experiment in water level forecasting from 10 monthly different data show that the smallest error rate is amount to 0.00755 using Mean Absolute Error for June 2007 with the integration method SVR-TVIWPSO. Keywords: Support Vector Regression, water level, Time Variant Inertia Weight Particle Swarm Optimization.
Regresi linier berbasis clustering untuk deteksi dan estimasi halangan pada smart wheelchair Adikara, Putra Pandu; Wihandika, Randy Cahya; Utaminingrum, Fitri; Sari, Yuita Arum; Fauzi, M Ali; Syauqy, Dahnial; Maulana, Rizal
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 3, No 1 (2017): Januari-Juni (3/7)
Publisher : Prodi Sistem Informasi - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1160.804 KB) | DOI: 10.26594/register.v3i1.587

Abstract

 Penelitian ini bertujuan untuk mengusulkan sebuah pendekatan dalam mendeteksi halangan dan memperkirakan jarak halangan untuk diterapkan pada kursi roda pintar (smart wheelchair) yang dilengkapi kamera dan line laser. Kamera menangkap sinar line laser yang jatuh di depan kursi roda untuk mengenali adanya halangan pada lintasan berdasarkan bentuk citra line laser tersebut. Estimasi jarak halangan dihitung dari hasil Regresi Linier. Metode Regresi Linier yang digunakan dalam penelitian ini adalah model bertingkat dengan k-Means clustering. Metode Regresi Linier model bertingkat digunakan untuk merepresentasikan korelasi antara jarak line laser pada citra dan jarak halangan secara aktual. Hasil metode Regresi Linier model bertingkat dengan k-Means clustering yang diujicobakan memberikan hasil yang lebih baik dengan RMSE sebesar 3.541 cm dibanding dengan Regresi Liner sederhana dengan RMSE sebesar 5.367 cm.   This research aim to propose a new approach to detect obstacles and to estimate the distance of the obstacle which is in this case applied to smart wheelchair equipped with camera and line laser. The camera capture the image of line laser reflected in front of the wheelchair to detect any existing obstacle on the wheelchair’s pathway based on the line shape of reflected line laser. Obstacle’s distance is estimated using Linier Regression. Linier Regression method used in this research is stepwise model using k-Means clustering. Linear Regression method with stepwise model will be used to represent the correlation between the distance of the line laser in the image and the actual distance of the obstacle in real world. The result of Linear Regression with stepwise model using k-Means clustering gave better result with RMSE of 3.541 cm than simple Linear Regression with RMSE of 5.367 cm.
TRANSFER TEKNOLOGI MULTI EFFECT EVAPORATOR (MME) PADA UKM GULA MERAH DI DESA SUMBER AGUNG KEDIRI Argo, Bambang Dwi; Oktavian, Rama; Putranto, Angky Wahyu; Lestari, Anggi; Ramadhan, Faisal; Wihandika, Randy Cahya
JURNAL WIDYA LAKSANA Vol 9, No 2 (2020)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (564.835 KB) | DOI: 10.23887/jwl.v9i2.22277

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk memoderenisasi alat mesin yang digunakan memproduksi gula merah agar dapat mempermudah dan mempercepat proses produksi serta untuk dapat menekan total biaya operasional. Selain itu kegiatan ini ditujukan untuk membantu meningkatkan produksi dan kualitas produk gula merah bagi UKM Gula Merah di Kabupaten Kediri. Namun demikian fokus kegiatan yang dilakukan pada kegiatan pengabdian ini yaitu proses pembuatan beberapa komponen evaporator, penyuluhan alat dan pendampingan kepada anggota UKM Gula Manis. Hasil dari kegiatan pengabdian kepada masyarakat ini yaitu berupa bantuan alat yang meliputi mainholeevaporator, system perpipaan dan pompa kepada mitra agar dapat menjalankan produksi gula merah dengan teknologi yang sudah dirancang. Hasil pengujian dan perhitungan dari performansi alat juga telah dilakukan untuk mendukung proses operasi menggunakan evaporator. Selain itu kegiatan sosialisasi proses pembuatan gula merah kapasitas industri juga telah dilaksanakan dengan baik.
Identifikasi Osteoporosis Berdasarkan Jumlah Percabangan Trabecular Bone Menggunakan Cosfire Filter Randy Cahya Wihandika, Agus Zainal Arifin, Anny Yuniarti
Techno Bahari Vol 5 No 1 (2018)
Publisher : Politeknik Negeri Madura

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

Abstract

Mandibular bone is one of the bones that are affected by the reduction of bone mineral density caused by osteoporosis. Therefore, dental panoramic radiographs have been widely used for the identification of osteoporosis. Previous study has shown that the number of branching differs between normal and low bone-mineral-density patients. However, the low contrast level and the presence of noise in the panoramic radiograph images make the extraction of the structure of the trabecular bone to be difficult. Therefore, an enhancement method is required to enhance the structure of the trabecular bone. In this study, a method to detect the trabecular bone branchings with enhancement on the trabecular bone structure using the line operator method is built. From the structure, the location of the branchings is detected using COSFIRE method. The number of the branching is used to ditinguish between the normal radiographs and the radiographs affected by osteoporosis. Evaluation on the classification is performed on 98 images consisting of 41 images in the osteporosis class and 57 images in the normal class. The evaluation results provide sensitivity, specificity, and accuracy of 0,90244, 0,23214, and 0,51546, respectively. The results show that the proposed method gives better performance than the previous method.
Regresi linier berbasis clustering untuk deteksi dan estimasi halangan pada smart wheelchair Adikara, Putra Pandu; Wihandika, Randy Cahya; Utaminingrum, Fitri; Sari, Yuita Arum; Fauzi, M Ali; Syauqy, Dahnial; Maulana, Rizal
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 3, No 1 (2017): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v3i1.587

Abstract

 Penelitian ini bertujuan untuk mengusulkan sebuah pendekatan dalam mendeteksi halangan dan memperkirakan jarak halangan untuk diterapkan pada kursi roda pintar (smart wheelchair) yang dilengkapi kamera dan line laser. Kamera menangkap sinar line laser yang jatuh di depan kursi roda untuk mengenali adanya halangan pada lintasan berdasarkan bentuk citra line laser tersebut. Estimasi jarak halangan dihitung dari hasil Regresi Linier. Metode Regresi Linier yang digunakan dalam penelitian ini adalah model bertingkat dengan k-Means clustering. Metode Regresi Linier model bertingkat digunakan untuk merepresentasikan korelasi antara jarak line laser pada citra dan jarak halangan secara aktual. Hasil metode Regresi Linier model bertingkat dengan k-Means clustering yang diujicobakan memberikan hasil yang lebih baik dengan RMSE sebesar 3.541 cm dibanding dengan Regresi Liner sederhana dengan RMSE sebesar 5.367 cm.   This research aim to propose a new approach to detect obstacles and to estimate the distance of the obstacle which is in this case applied to smart wheelchair equipped with camera and line laser. The camera capture the image of line laser reflected in front of the wheelchair to detect any existing obstacle on the wheelchair’s pathway based on the line shape of reflected line laser. Obstacle’s distance is estimated using Linier Regression. Linier Regression method used in this research is stepwise model using k-Means clustering. Linear Regression method with stepwise model will be used to represent the correlation between the distance of the line laser in the image and the actual distance of the obstacle in real world. The result of Linear Regression with stepwise model using k-Means clustering gave better result with RMSE of 3.541 cm than simple Linear Regression with RMSE of 5.367 cm.
Fast Obstacle Distance Estimation using Laser Line Imaging Technique for Smart Wheelchair Fitri Utaminingrum; Hurriyatul Fitriyah; Randy Cahya Wihandika; M Ali Fauzi; Dahnial Syauqy; Rizal Maulana
International Journal of Electrical and Computer Engineering (IJECE) Vol 6, No 4: August 2016
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (497.611 KB) | DOI: 10.11591/ijece.v6i4.pp1602-1609

Abstract

This paper presents an approach of obstacle distance estimation for smart wheelchair. A smart wheelchair was equipped with a camera and a laser line. The camera was used to capture an image from the environment in order to sense the pathway condition. The laser line was used in combination with camera to recognize an obstacle in the pathway based on the shape of laser line image in certain angle. A blob method detection was then applied on the laser line image to separate and recognize the pattern of the detected obstacles. The laser line projector and camera which was mounted in fixed-certain position ensured a fixed relation between blobs-gap and obstacle-to-wheelchair distance. A simple linear regression from 16 obtained data was used to respresent this relation as the estimated obstacle distance. As a result, the average error between the estimation and the actual distance was 1.25 cm from 7 data testing experiments. Therefore, the experiment results show that the proposed method was able to estimate the distance between wheelchair and the obstacle.
LOCAL BINARIZATION FOR DOCUMENT IMAGES CAPTURED BY CAMERAS WITH DECISION TREE Naser Jawas; Randy Cahya Wihandika; Agus Zainal Arifin
Jurnal Ilmu Komputer dan Informasi Vol 5, No 1 (2012): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1763.518 KB) | DOI: 10.21609/jiki.v5i1.183

Abstract

Character recognition in a document image captured by a digital camera requires a good binary image as the input for the separation the text from the background. Global binarization method does not provide such good separation because of the problem of uneven levels of lighting in images captured by cameras. Local binarization method overcomes the problem but requires a method to partition the large image into local windows properly. In this paper, we propose a local binariation method with dynamic image partitioning using integral image and decision tree for the binarization decision. The integral image is used to estimate the number of line in the document image. The number of line in the document image is used to devide the document into local windows. The decision tree makes a decision for threshold in every local window. The result shows that the proposed method can separate the text from the background better than using global thresholding with the best OCR result of the binarized image is 99.4%. Pengenalan karakter pada sebuah dokumen citra yang diambil menggunakan kamera digital membutuhkan citra yang terbinerisasi dengan baik untuk memisahkan antara teks dengan background. Metode binarisasi global tidak memberikan hasil pemisahan yang bagus karena permasalahan tingkat pencahayaan yang tidak seimbang pada citra hasil kamera digital. Metode binarisasi lokal dapat mengatasi permasalahan tersebut namun metode tersebut membutuhkan metode untuk membagi citra ke dalam bagian-bagian window lokal. Pada paper ini diusulkan sebuah metode binarisasi lokal dengan pembagian citra secara dinamis menggunakan integral image dan decision tree untuk keputusan binarisasi lokalnya. Integral image digunakan untuk mengestimasi jumlah baris teks dalam dokumen citra. Jumlah baris tersebut kemudian digunakan untuk membagi citra dokumen ke dalam window lokal. Keputusan nilai threshold untuk setiap window lokal ditentukan dengan decisiontree. Hasilnya menunjukkan metode yang diusulkan dapat memisahkan teks dari dokumen citra lebih baik dari binarisasi global dengan tingkat pengenalan OCR hingga 99.4%.
Prediksi Tinggi Muka Air (TMA) Untuk Deteksi Dini Bencana Banjir Menggunakan SVR-TVIWPSO Arief Andy Soebroto; Imam Cholissodin; Randy Cahya Wihandika; Maria Tenika Frestantiya; Ziya El Arief
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2, No 2: Oktober 2015
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1302.981 KB) | DOI: 10.25126/jtiik.201522126

Abstract

Abstrak Banjir merupakan salah satu jenis bencana alam yang tidak dapat diprediksi kedatangannya, salah satu penyebabnya adalah adanya hujan yang terus – menerus(dari peristiwa alam). Faktor penyebab banjir dari segi meteorologi yaitu curah hujan yang tinggi dan air laut yang sedang pasang sehingga mengakibatkan tinggi permukaan air meningkat. Analisis terhadap data curah hujan serta tinggi permukaan air setiap periodenya dirasa masih belum dapat menyelesaikan permasalahan yang ada. Oleh karena itu, pada penelitian ini diusulkan teknik integrasi metode Time Variant Inertia Weight Particle Swarm Optimization(TVIWPSO) dan Support Vector Regression(SVR). Implementasi memadukan metode Regresi yaitu SVR untuk forecasting TMA, sedangkan TVIWPSO digunakan untuk mengoptimalisasi parameter – parameter yang digunakan di dalam SVR untuk memperoleh kinerja yang maksimal dan hasil yang akurat. Harapannya sistem ini akan dapat membantu mengatasi permasalahan untuk pendeteksian dini bencana banjir karena faktor cuaca yang tidak menentu. Hasil pengujian yang didapat dari 10 data bulanan yang berbeda menunjukkan bahwa didapatkan nilai error terkecil sebesar 0.00755 dengan menggunakan Mean Absolute Error untuk data Juni 2007 dengan menggunakan integrasi metode SVR-TVIWPSO. Kata Kunci : Support Vector Regression, Tinggi Muka Air, Time Variant Inertia Weight Particle Swarm Optimization. Abstract Flood is one type of natural disaster that can not be predicted its arrival, one reason is the rain that constantly occurs (from natural events). Factors that cause flooding in terms of meteorology are high rainfall and sea water was high, resulting in high water level increases. Analysis of rainfall data and water level in each period it is still not able to solve existing problems. Therefore, in this study the method proposed integration techniques Time Variant Inertia Weight Particle Swarm Optimization (TVIWPSO) and Support Vector Regression (SVR). Implementation combines regression method for forecasting TMA is SVR, while TVIWPSO used to optimize parameters that used in the SVR to obtain maximum performance and accurate results. Hope this system will be able to help solve the problems for the early detection of floods due to erratic weather. The result of forecasting experiment in water level forecasting from 10 monthly different data show that the smallest error rate is amount to 0.00755 using Mean Absolute Error for June 2007 with the integration method SVR-TVIWPSO. Keywords: Support Vector Regression, water level, Time Variant Inertia Weight Particle Swarm Optimization.
Peringkasan Artikel Berbahasa Indonesia Menggunakan TextRank dengan Pembobotan BM25 Yurdha Fadhila Hernawan; Putra Pandu Adikara; Randy Cahya Wihandika
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9, No 1: Februari 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022913765

Abstract

Penggunaan internet sebagai sumber informasi telah membawa manusia pada era one click away. Apa pun bisa diakses di mana pun kapan pun, baik secara visual maupun tidak. Namun, tidak semua informasi yang diakses selalu sesuai dengan konteks yang diinginkan. Untuk memudahkan pengguna internet dalam mendapatkan informasi yang ringkas dengan tidak merusak atau menghilangkan informasi penting, maka dibutuhkan suatu peringkasan otomatis. Salah satu cara untuk mendapatkan ringkasan pada sebuah dokumen adalah dengan mencari kumpulan kalimat penting pada dokumen yang dapat merepresentasikan dokumen asli secara keseluruhan. Metode peringkasan tersebut disebut juga dengan peringkasan ekstraktif. Pada penelitian ini, peringkasan ekstraktif dilakukan dengan memeringkatkan setiap kalimat pada sebuah dokumen dan mengambil kalimat dengan peringkat teratas sebagai ringkasan. Metode TextRank yang digunakan pada penelitian ini merepresentasikan dokumen sebagai graf, setiap kalimat dianggap sebagai node dan hubungan antara kalimat (node) merupakan nilai similarity antar kalimat. Fungsi similarity yang digunakan adalah BM25 dengan metode pemeringkatan PageRank. Panjang ringkasan yang dihasilkan sistem disesuaikan dengan besar nilai compression rate yang digunakan. Setelah membandingkan hasil ringkasan yang didapatkan sistem peringkasan otomatis dengan hasil ringkasan yang didapatkan dari expert (pakar) sebanyak 10 dokumen, penelitian ini berhasil dilakukan dengan kualitas ringkasan terbaik didapatkan pada saat penggunaan compression rate sebesar 30% dengan nilai rata-rata precision, recall, dan f-measure secara berturut-turut adalah 0,552; 0,552; dan 0,552. AbstractThe use of the internet as a source of information has brought humans to a oneclick era. Anything can be accessed anywhere, visually or not. However, every information accessed is not always match with the context itself. An automatic summarization is needed to help people to get the concise informations without ruin the context and missing the point. One way to get a summarize of the document is to find a collection of important sentences in the document that can represent the original document as a whole. That automatic text summarization method is also called extractive summarize. In this study, extractive summarization is done by checking each sentence in a document and ranking the important sentences. The TextRank method used in this study will represent the document as a graph, each sentence will be considered as a node and the relationship between sentences (nodes) is the value of similarity between sentences. The similarity function used is BM25 with the PageRank as ranking method. The resulting length of the system will be adjusted to the value of the level of compression used. After comparing the summarization result between the automatic system and an expert of 10 documents, this research is successfully carried out with the best quality is obtained when using a compression rate of 30% with an average value of precision, recall, and f-measure is 0.552; 0.552; and 0.552.  
Implementasi Metode K-Nearest Neighbour Dengan Pembobotan TF.IDF.ICF Untuk Kategorisasi Ide Kreatif Pada Perusahaan Rekyan Regasari Mardi Putri; Romario Yudo Herlambang; Randy Cahya Wihandika
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4, No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (736.763 KB) | DOI: 10.25126/jtiik.201742296

Abstract

AbstrakIde kreatif/inovasi merupakan hal yang dibutuhkan perusahaan dalam pengembangan sebuah individu, kelompok ataupun perusahaan pada teknologi seperti pada masa ini. Pengembangan ide kreatif berpengaruh pada peningkatan kinerja perusahaan. Pada kebanyakan kasus, pengelompokan ide tersebut harus dikelompokkan dengan kecocokan tema yang diusung untuk mempermudah proses pencarian. Oleh sebab itu dibutuhkan suatu sistem yang mampu bekerja secara otomatis untuk mengelompokkan ide tersebut. Kemunginan salah satu teknik pembobotan yang digunakan adalah dengan meggunakan TF.IDF.ICF, yang telah mengalami pengembangan dari metode sebelumnya. TF.IDF.ICF tidak dapat digunakan sendiri melainkan harus ada metode perhitungan jarak seperti Cosine Similarity dan metode klasifikasi lain seperti KNN dapat dipakai ke semua atribut. Aplikasi ini nantinya akan diterapkan pada perusahaan PJB Paiton sebagai studi kasus dan ide kreatif yang dikategorikan, dituliskan dalam Bahasa Indonesia. Aplikasi ini akan melakukan beberapa tahap pemrosesan seperti tokenizing yaitu pemisahan kalimat menjadi tiap kata, filtering yang merupakan penghapusan stopwords, stemming, cosine similarity dan  KNN yang masing-masing metode digunakan untuk perhitungan jarak dan proses perhitungan klasifikasi Dari hasil pengujian yang telah dilakukan, sistem mampu menghasilkan akurasi terbaik sebesar 93% menggunakan dengan nilai k sebesar 1 menggunakan presentase data uji sebanyak 50 akan menghasilkan klasifikasi ideal.Kata kunci: ide, kelas, cosine, knn.AbstractCreative ide is one thing that needed by the company for group development or even the company itself. The development of creative ideas has a big influence on improving corporate performance. On most cases, the clasification of the idea must be grouped based on the similarity of the theme that submitted to simplify the searching process. Therefore we need a system that could work automatically to classify the idea. Probably, one weighting techniques that used is TF.IDF.ICF that already been developed from the method before. TF.IDF.ICF cant be used alone. there must be another method that used before, such as cosine similarity for distance calculation method and KNN for classification method in order TF.IDF.ICF can be used by all atributes. This application will be focused on the PJB company's creative idea and these ideas will be in indonesian language. This application will do a few processing steps such as, tokenizing for breaking sentence into words, filtering which is elimination of stopwords, stemming, cosine similarity, and KNN. each method used for distance calculation and classification calculation process. From the testing result that has been done,the system could produce the best accuracy as big as 93% by using the value of K as big as 1 using the precentage of test data as big 50 produce the ideal classification.Keywords: idea, class, cosine, knn
Co-Authors Adinugroho, Sigit Agus Zainal Arifin Anggi Lestari Angky Wahyu Putranto Arief Andy Soebroto Bambang Dwi Argo Dahnial Syauqy Dewi Novita Sari Faisal Ramadhan Fitra A Bachtiar Hurriyatul Fitriyah Imam Cholissodin Imam Cholissodin Laksono Trisnantoro Lestari, Anggi M. Ali Fauzi Maria Tenika Frestantiya Maria Tenika Frestantiya, Maria Tenika Muh. Arif Rahman Naser Jawas Putra Pandu Adikara Rama Oktavian Rama Oktavian, Rama Ramadhan, Faisal Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Rizal Maulana Rizal Maulana, Rizal Romario Yudo Herlambang Satyawan Agung Nugroho Utaminingrum, Fitri Yuita Arum Sari Yuita Arum Sari Yurdha Fadhila Hernawan Ziya El Arief Ziya El Arief, Ziya El