Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains Dan Teknologi (SAINTEKBU) Jurnal Informatika Polinema (JIP)
Wiratmoko Yuwono
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
DESIGN OF ARTIFICIAL NEURAL NETWORK SOFTWARE FOR PREDICTING THE HEALTH GRADE IN A TELEPHONE EXCHANGE Wiratmoko Yuwono; Yodik Iwan Herlambang; Mauridhi Hery Purnomo; Prima Kristalina
SAINTEKBU Vol 1 No 1 (2008)
Publisher : KH. A. Wahab Hasbullah University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (209.235 KB) | DOI: 10.32764/saintekbu.v1i1.32

Abstract

Application of artificial neural network software ( ANN ) has been implemented forpredicting many thing and replace the conventional ways of predicting method using linearregression. Back Propagation algorithm can be used to reach the result of the program thatcan predict the telephone exchange health grade according to the data that has beenrecorded before. By predicting each parameter that has correlation to the telephoneexchange health grade, we can predict the telephone exchange health grade in the nextperiod.Kata kunci : jaringan syaraf tiruan, propagasi balik, nilai kesehatan sentral.
Model Klasifikasi Pada Seleksi Mahasiswa Baru Penerima KIP Kuliah Menggunakan Regresi Logistik Biner Ronny Susetyoko; Wiratmoko Yuwono; Elly Purwantini
Jurnal Informatika Polinema Vol. 8 No. 4 (2022): Vol 8 No 4 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v8i4.914

Abstract

Seleksi mahasiswa baru penerima Kartu Indonesia Pintar Kuliah (KIP Kuliah) dilakukan oleh setiap institusi untuk memilih mahasiswa yang benar-benar memiliki potensi akademik yang baik dan keterbatasan ekonomi. Pada penelitian ini menggunakan regresi logistik biner sebagai model klasifikasi. Data hasil preprocessing dibagi menjadi data training dan data testing. Beberapa model regresi logistik dibandingkan kinerjanya, baik yang menggunakan data asli, data hasil normalisasi, data undersampling, data oversampling, serta data hasil kombinasi oversampling dan undersampling. Evaluasi model berdasarkan signifikansi parameter di dalam model dan kinerja klasifikasi dari matriks konfusi. Dari perbandingkan tujuh model regresi logistik, model yang terbaik adalah model yang menggunakan data asli dengan rerata F1 Score 92,40%, rerata recall sebesar 87,93%, accuracy sebesar 88,01%, precision sebesar 97,92%, dan AUC sebesar 84,6%.
Co-Authors Elly Purwanti Mauridhi Hery Purnomo Prima Kristalina Ronny Susetyoko Yodik Iwan Herlambang