Garuda - Garba Rujukan Digital

PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Muzakkir, Irvan; Syukur, Abdul; Dewi, Ika Novita
PSEUDOCODE Vol 1, No 1 (2014): Jurnal Pseudocode
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (158.564 KB)

Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh karena itu, manajemen di sebuah perusahaan telekomunikasi ingin kehilangan pelanggan model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagation memiliki kelemahan pada kebutuhan untuk data pelatihan besar dan optimasi yang digunakan kurang efisien. Particle Swarm Optimization (PSO) adalah suatu algoritma optimasi yang dapat memecahkan yang efektif masalah pada algoritma neural network umumnya menggunakan algoritma backpropagation. Pengujian model dengan berbasis menggunakan Backpropagation Particle Swarm Optimization menggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masing-masing algoritma untuk mendapatkan tes menggunakan nilai yang diperoleh akurasi Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementara pengujian dengan menggunakan Backpropagation berbasis Particle Swarm Optimization dipilih atribut dan penyesuaian nilai parameter yang diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji hilang dalam telekomunikasi menggunakan aplikasi Particle Swarm Optimization Backpropagation dan dalam pemilihan atribut diperoleh bahwa metode ini lebih akurat dalam prediksi pelanggan hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup.Kata Kunci: Telekomunikasi, Neural Network, Backpropagation, Particle Swarm Optimization.

PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Muzakkir, Irvan; Syukur, Abdul; Dewi, Ika Novita
PSEUDOCODE Vol 1, No 1 (2014): Jurnal Pseudocode
Publisher : Universitas Bengkulu

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

Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh karena itu, manajemen di sebuah perusahaan telekomunikasi ingin kehilangan pelanggan model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagation memiliki kelemahan pada kebutuhan untuk data pelatihan besar dan optimasi yang digunakan kurang efisien. Particle Swarm Optimization (PSO) adalah suatu algoritma optimasi yang dapat memecahkan yang efektif masalah pada algoritma neural network umumnya menggunakan algoritma backpropagation. Pengujian model dengan berbasis menggunakan Backpropagation Particle Swarm Optimization menggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masing-masing algoritma untuk mendapatkan tes menggunakan nilai yang diperoleh akurasi Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementara pengujian dengan menggunakan Backpropagation berbasis Particle Swarm Optimization dipilih atribut dan penyesuaian nilai parameter yang diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji hilang dalam telekomunikasi menggunakan aplikasi Particle Swarm Optimization Backpropagation dan dalam pemilihan atribut diperoleh bahwa metode ini lebih akurat dalam prediksi pelanggan hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup.Kata Kunci: Telekomunikasi, Neural Network, Backpropagation, Particle Swarm Optimization.

Utilization of mixed cellulolytic microbes from termite extract, elephant faecal solution and buffalo ruminal fluid to increase in vitro digestibility of King Grass Prabowo, Agung; Padmowijoto, Soemitro; Bachruddin, Zaenal; Syukur, Abdul
Indonesian Journal of Animal and Veterinary Sciences Vol 12, No 2 (2007)
Publisher : Indonesian Animal Sciences Society

Cellulose is a compound of plant cell walls which is difficult to be degraded because it composed of glucose monomers linked by Î²-(1.4)-bound. It will be hydrolysed by cellulase enzyme secreted by cellulolytic microbes. The effective digestion of cellulose needs high activity of cellulase enzyme. This research aims to increase in vitro king grass digestibility utilizing mixed cellulolytic microbes of termite extract, elephant faecal solution, and buffalo ruminal fluid. Twelve syringes contained gas test media were randomly divided into four treatments based on sources of microbe (SM), namely: S (SM: cattle ruminal fluid [S]), RGK (SM: mixed cellulolytic microbes of termite extract, elephant faecal solution, and buffalo ruminal fluid [RGK], with composition 1 : 1 : 1), S-RGK (SM: S + RGK, with composition 1:1), and TM (without given treatment microbe). Digestibility was measured using gas test method. Average of gas production treatment of S-RGK (70.2 + 0.6 ml) was higher and significantly different (P<0.01) compared to treatment of S (60.3 + 0.8 ml), RGK (40.8 + 2.3 ml), and TM (13.3 + 2.0 ml). Utilization of mixed cellulolytic microbes of termite extract, elephant faecal solution, and buffalo ruminal fluid (RGK) that combined with microbes of cattle ruminal fluid (S) could increase in vitro digestibility of king grass. Key Words: Cellulolytic Microbe, Termite Extract, Elephant Faecal, Buffalo Ruminal Fluid

MEMBERDAYAKAN UMAT ISLAM MENTRADISIKAN BACA YASIN DAN MENJAGA KEASLIANNYA: Studi kasus masyarakat Islam kota Bandarlampung Syukur, Abdul
Jurnal Ijtimaiyya Vol 6, No 1 (2013): Dakwah dan Pemberdayaan Umat
Publisher : Jurnal Ijtimaiyya

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

AbstrakThe social realities in the religious ritual and Islamic practices or events, such asÂ tahlilÂ for deceased and ceremony to attain Allahâs blessing, celebration, congratulations, and such events are often encountered in the midst of the Islamic community. Surah Yasin has been probably the most frequently readÂ chaptersÂ of the Quran, in our country. Numerous benefits are associated with its reading, especially in the mornings or whenever there is any difficult situation; or if someone is critically ill; or just for barakah. You get invited for reading it in gatherings; like khatam-e-Quran, khatam-e-Yasin is a familiar and popular ritual, believed to be the remedy for all sorts of problems. Surah Yasin books that printed by various publishers; some with Arabic-Latin writing and translation, Arabic-Latin, and only the Arabic script. From that various publishers, found many mistakes in writing which circulated and read by the Muslim community in the ritual-religious. The central issue which this article will answer: What errors are in the Surah Yasin Books that circulated in the Muslim society? and how to limit the circulation of Surah Yasin Books is not examined in Muslim society?Kata Kunci: Otentisitas, Al-Qurâan, Tashih, Buku Yasin, umat Islam

Dinamika Dakwah Dalam Komunikasi dan Penyiaran Islam; Pendekatan Historisasi, Formulasi dan Aplikasi Syukur, Abdul
BINA AL UMMAH Vol 9, No 2 (2014): Bina al-ummah
Publisher : Fakultas Dakwah dan Ilmu Komunikasi IAIN Raden Intan

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

Islamic Propagation activities and Movements has reached out the dynamics due to the development of human thought and technology, and it continues since the days of the prophet Muhammad SAW and aftermath and in the contemporary period or in era of information technolog as well. Islamic Propagation activities and experiences along the Islamic history have produced theories of knowledge and science especially in the field of Islamic Propagation. However that the dynamics of Islamic preaching have not been fully able to respond to technological development, Moslems preachers have not been fully able to take advantage of technological advances for the benefit of the Islamic preaching. It is assumed that by using communication approach Islamic propagation theories can be developed both historical and normative. Development of Communication Sciences propaganda can be a multidisciplinary approach, thus to face the increasingly complex chalengers of Islamic preaching, moslems multi skills propagation schoolers could be produced by Islamic hight education centers.

Integrasi Kromosom Buatan Dinamis Untuk Memecahkan Masalah Konvergensi Prematur Pada Algoritma Genetika Untuk Traveling Salesman Problem Kamal, Muhammad Rikzam; Wahono, Romi Satria; Syukur, Abdul
Journal of Intelligent Systems Vol 1, No 2 (2015)
Publisher : IlmuKomputer.Com

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (693.322 KB)

Genetic Algorithm (GA) adalah metode adaptif yang digunakan untuk memecahkan masalah pencarian dan optimasi, diantaranya adalah Travelling Salesman Problem (TSP) yang merupakan persoalan optimasi, dimana rute terpendek merupakan solusi yang paling optimal. GA juga salah satu metode optimisasi global yang bekerja dengan baik dan efisien pada fungsi tujuan yang kompleks dalam hal nonlinear, tetapi GA mempunyai masalah yaitu konvergensi prematur. Untuk mengatasi masalah konvergensi prematur, maka pada penelitian ini diusulkan Dynamic Artificial Chromosomes (DAC) yang digunakan untuk mengkontrol keragaman populasi dan juga seleksi kromosom terbaik untuk memilih individu atau kromosom terbaik yang tujuannya untuk membuat keragaman pada populasi menjadi beragam dan keluar dari konvergensi prematur. Beberapa eksperimen dilakukan dengan menggunakan Genetic Algorithm Dynamic Artificial Chromosomes (GA-DAC), dimana threshold terbaik adalah 0.5, kemudian juga mendapatkan hasil perbaikan pada jarak terpendek yang dibandingkan dengan GA standar dengan dataset KroA100 sebesar 12.60%, KroA150 sebesar 13.92% dan KroA200 sebesar 12.92%. Untuk keragaman populasi mendapatkan hasil pada KroA100 sebesar 24.97%, KroA150 sebesar 50.84% dan KroA200 sebesar 49.08% dibandingkan dengan GA standar. Maka dapat disimpulkan bahwa GA-DAC bisa mendapatkan hasil lebih baik dibandingkan dengan GA standar, sehingga ini akan membuat GA bisa keluar dari konvergensi prematur.Â Keywords: algoritma genetika, konvergensi prematur, dynamic artificial chromosomes, seleksi kromosom terbaik, travelling salesman problem.

Penerapan Bootstrapping untuk Ketidakseimbangan Kelas dan Weighted Information Gain untuk Feature Selection pada Algoritma Support Vector Machine untuk Prediksi Loyalitas Pelanggan Naufal, Abdul Razak; Wahono, Romi Satria; Syukur, Abdul
Journal of Intelligent Systems Vol 1, No 2 (2015)
Publisher : IlmuKomputer.Com

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (776.065 KB)

Prediksi loyalitas pelanggan merupakan sebuah strategi bisnis yang penting bagi industri telekomunikasi modern untuk memenangkan persaingan global, karena untuk mendapatkan pelanggan baru biayanya lebih mahal lima sampai enam kali lipat daripada mempertahankan pelanggan yang sudah ada. Klasifikasi loyalitas pelanggan bertujuan untuk mengidentifikasi pelanggan yang cenderung beralih ke perusahaan kompetitor yang sering disebut customer churn. Algoritma Support Vector Machine (SVM) adalah algoritma klasifikasi yang juga berfungsi untuk memprediksi loyalitas pelanggan. Penerapan algoritma SVM dalam memprediksi loyalitas pelanggan mempunyai kelemahan yang mempengaruhi keakuratan dalam memprediksi loyalitas pelanggan yaitu sulitnya pemilihan fungsi kernel dan penentuan nilai parameternya. Dataset yang besar pada umumnya mengandung ketidakseimbangan kelas (class imbalance), yaitu adanya perbedaan yang signifikan antar jumlah kelas, yang mana kelas negatif lebih besar daripada kelas positif. Dalam penelitian ini diusulkan metode resampling bootstrapping untuk mengatasi ketidakseimbangan kelas. Selain itu dataset juga mengandung fitur yang tidak relevan sehingga dalam pemilihan fitur dalam penelitian ini digunakan metode dua fitur seleksi yaitu Forward Selection (FS) dan Weighted Information Gain (WIG). FS berfungsi untuk menghilangkan fitur yang paling tidak relevan serta membutuhkan waktu komputasi yang relatif pendek dibandingkan dengan backward elimination dan stepwise selection. WIG digunakan untuk memberi nilai bobot pada setiap atribut, karena WIG lebih cocok digunakan dalam memilih fitur terbaik daripada Principal Component Analysis (PCA) yang biasa digunakan untuk mereduksi data yang berdimensi tinggi. Tujuan pembobotan ini untuk merangking atribut yang memenuhi kriteria (threshold) yang ditentukan dipertahankan untuk digunakan oleh algoritma SVM.Â Sedangkan untuk pemilihan parameter algoritma SVM dengan menggunakan metode grid search. Metode grid search dapat mencari nilai parameter terbaik dengan memberi range nilai parameter. Grid search juga sangat handal jika diaplikasikan pada dataset yang mempunyai atribut sedikit daripada menggunakan random search. Hasil eksperimen dari beberapa kombinasi parameter dapat disimpulkan bahwa prediksi loyalitas pelanggan dengan menggunakan sampel bootstrapping, FS-WIG serta grid search lebih akurat dibanding dengan metode individual SVM.

Integrasi Metode Sample Bootstrapping dan Weighted Principal Component Analysis untuk Meningkatkan Performa k Nearest Neighbor pada Dataset Besar Setiawan, Tri Agus; Wahono, Romi Satria; Syukur, Abdul
Journal of Intelligent Systems Vol 1, No 2 (2015)
Publisher : IlmuKomputer.Com

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (684.42 KB)

Abstract: Algoritma k Nearest Neighbor (kNN) merupakan metode untuk melakukan klasifikasi terhadap objek baru berdasarkan k tetangga terdekatnya. Algoritma kNN memiliki kelebihan karena sederhana, efektif dan telah banyak digunakan pada banyak masalah klasifikasi. Namun algoritma kNN memiliki kelemahan jika digunakan pada dataset yang besar karena membutuhkan waktu komputasi cukup tinggi. Pada penelitian ini integrasi metode Sample Bootstrapping dan Weighted Principal Component Analysis (PCA) diusulkan untuk meningkatkan akurasi dan waktu komputasi yang optimal pada algoritma kNN. Metode Sample Bootstrapping digunakan untuk mengurangi jumlah data training yang akan diproses. Metode Weighted PCA digunakan dalam mengurangi atribut. Dalam penelitian ini menggunakan dataset yang memiliki dataset training yang besar yaitu Landsat Satellite sebesar 4435 data dan Tyroid sebesar 3772 data. Dari hasil penelitian, integrasi algoritma kNN dengan Sample Bootstrapping dan Weighted PCA pada dataset Landsat Satellite akurasinya meningkat 0.77% (91.40%-90.63%) dengan selisih waktu 9 (1-10) detik dibandingkan algoritma kNN standar. Integrasi algoritma kNN dengan Sample Bootstrapping dan Weighted PCA pada dataset Thyroid akurasinya meningkat 3.10% (89.31%-86.21%) dengan selisih waktu 11 (1-12) detik dibandingkan algoritma kNN standar. Dari hasil penelitian yang dilakukan, dapat disimpulkan bahwa integrasi algoritma kNN dengan Sample Bootstrapping dan Weighted PCA menghasilkan akurasi dan waktu komputasi yang lebih baik daripada algoritma kNN standar.Â Keywords: algoritma kNN, Sample Bootstrapping, Weighted PCA

Absolute Correlation Weighted NaÃ¯ve Bayes for Software Defect Prediction Asmono, Rizky Tri; Wahono, Romi Satria; Syukur, Abdul
Journal of Software Engineering Vol 1, No 1 (2015)
Publisher : IlmuKomputer.Com

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (652.927 KB)

The maintenance phase of the software project can be very expensive for the developer team and harmful to the users because some flawed software modules. It can be avoided by detecting defects as early as possible. Software defect prediction will provide an opportunity for the developer team to test modules or files that have a high probability defect. NaÃ¯ve Bayes has been used to predict software defects. However, Naive Bayes assumes all attributes are equally important and are not related each other while, in fact, this assumption is not true in many cases. Absolute value of correlation coefficient has been proposed as weighting method to overcome NaÃ¯ve Bayes assumptions. In this study, Absolute Correlation Weighted NaÃ¯ve Bayes have been proposed. The results of parametric test on experiment results show that the proposed method improve the performance of NaÃ¯ve Bayes for classifying defect-prone on software defect prediction.

Traditional Ritual, Water Conservation, and Islamic Thought Royyani, Mohammad Fathi; Syukur, Abdul
Heritage of Nusantara: International Journal of Religious Literature and Heritage Vol 2, No 2 (2013)
Publisher : Center for Research and Development of Religious Literature and Heritage

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

Traditional ritual is a kind of expression of art and culture as well as a form of human appreciation of nature, gained through long term and perpetual processes. Traditional ritual thus can thus be regarded as traditional wisdom. Kawin Cai is one of the traditional rituals in Kuningan society derived from inter religious views. Through this ritual we could tell that the people respect their natural environment for sustainable living. Nonetheless, most of the symbolic practices in the ritual are no longer understood by the people, so that anthropological approach is needed to interpret them.

Title

Found 31 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 31 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 31 Documents
Search