Garuda - Garba Rujukan Digital

Implementasi Support Vektor Machine Pada Klasifikasi Penduduk Miskin Wilayah Desa Taraju Kabupaten Tasikmalaya Chalifa Chazar; Hendra Gunawan; Sumpena
INFORMASI (Jurnal Informatika dan Sistem Informasi) Vol 14 No 1 (2022): INFORMASI (Jurnal Informatika dan Sistem Informasi)
Publisher : LPPM STMIK Indonesia Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37424/informasi.v14i1.150

Kemiskinan adalah kondisi sebuah penduduk atau sebuah keluarga di masyarakat yang ditinjau dari segi ekonomi, pendapatan, pekerjaan, tingkat pendidikan, kepemilikan barang dan tempat tinggal. Penduduk miskin memiliki rata-rata pengeluaran per kapita per bulan di bawah Garis Kemiskinan. Garis Kemiskinan merupakan suatu representasi dari jumlah rupiah minimum yang dibutuhkan untuk memenuhi kebutuhan pokok minimum makanan dan kebutuhan pokok bukan makanan. Berbagai bentuk upaya kebijakan dan program pemerintah dilakukan untuk menurunkan persentase penduduk miskin. Upaya yang dilakukan untuk memperhatikan pemerataan kesejahteraan penduduknya adalah dengan menyediakan data penduduk miskin yang terbaru, akurat dan obyektif, sehingga segala bentuk bantuan dari pemerintah, baik dari pemerintah daerah maupun pusat dapat sampai kepada penerimanya. Pendataan secara konvensional dirasakan kurang cepat dan efektif, dibuktikan dengan banyaknya kesalahan pendataan penduduk miskin. Hal ini dapat menyebabkan proses penyebaran bantuan pemerintah menjadi tidak tepat saasaran. Penelitian ini bertujuan mengimplementasikan Metode Support Vektor Machine untuk klasifikasi penduduk miskin berdasarkan variable-variabel yang telah ditentukan berdasarkan sample data penduduk dan hasil observasi dengan pihak-pihak terkait. Hasil penelitian ini berupa implementasi dalam bentuk aplikasi Machine Learning dengan menggunakan Metode Support Vektor Machineuntuk mengklasifikasikan penduduk miskin sehingga dapat membantu aparatur Perangkat Desa Taraju Kabupaten Tasikmalaya dalam pengadaan data penduduk miskin, sebagai sumber data untuk penyebaran bantuan pemerintah. Berdasarkan hasil pengujian dengan membandingkan data set penelitian dengan keluaran aplikasi, menghasilkan tingkat akurasi yang rendah. Hal ini dapat disebabkan oleh tidak seimbangnya sumber data sebagai bahan utama proses training dan adanya perbedaan nilai indikator setiap variable data.

REMOTE CONTROLLED LIGHT BERBASIS ARDUINO MENGGUNAKAN METODE FUZZY LOGIC Nisa Hanum Harani; Chalifa Chazar; Herlin Restusari
INFORMASI (Jurnal Informatika dan Sistem Informasi) Vol 11 No 1 (2019): INFORMASI (Jurnal Informatika dan Sistem Informasi)
Publisher : LPPM STMIK Indonesia Mandiri

Tujuan dari berkembangnya teknologi adalah untuk membantu manusia. Dengan teknologi pekerjaan yang sulit akan terasa lebih mudah dalam implementasinya. Saat ini berbagai teknologi telah dikembangkan, salah satunya adalah konsep objek untuk mengirim data tanpa melalui interaksi antara manusia, hal ini sangat berguna untuk membantu kaum disabilitas dalam melakukan aktifitas seperti menyalakan lampu dan aktifitas lainnya yang sulit dilakukan bagi kaum disabilitas. Penelitian yang dilakukan ini adalah menciptakan sebuah aplikasi pengendalian jarak jauh untuk pengontrolan lampu dengan menggunakan remote control. Remote dikendalikan dengan aplikasi arduino dan inframerah. Alat ini yang dibangun menggunakan metode kecerdasan buatan yaitu logika fuzzy dengan mengunakan dua parameter yaitu suhu dan keadaan tingkat cahaya sekitar untuk mengatur intensitas lampu. Hasil penelitian ini akan memberikan solusi tepat guna bagi berbagai pihak yang akan menimplementasikan sistem kendali jarak jauh.

SISTEM PAKAR DIAGNOSA PENYAKIT KANKER SERVIKS MENGGUNAKAN METODE FORWARD CHAINING Chalifa Chazar; Virendra Septyanto
INFORMASI (Jurnal Informatika dan Sistem Informasi) Vol 10 No 1 (2018): INFORMASI (Jurnal Informatika dan Sistem Informasi)
Publisher : LPPM STMIK Indonesia Mandiri

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

Kanker serviks merupakan jenis kanker yang banyak menyerang wanita dan merupakan penyebab kematian tertinggi di Indonesia. Indonesia tercatat menempati urutan kedua di dunia dalam jumlah penderita kanker serviks. Berdasarkan penelitian, lebih dari 92.000 wanita Indonesia meninggal akibat kanker, 10,3% diantaranya adalah kanker serviks. Salah satu pendorong tingginya angka kematian akibat kanker serviks disebabkan oleh kurangnya pengetahuan mengenai kanker serviks dan kurangnya proses pemantauan sejak dini. Sistem pakar menggunakan pengetahuan, fakta dan teknik berfikir dalam memberikan keputusan selayaknya seorang pakar dalam menyelesaikan suatu permasalahan. Sistem pakar mampu mengakuisisi kepakaran seoarang pakar ke dalam suatu aplikasi sehingga dapat memberikan manfaat yang lebih luas terhadap penggunanya. Metode Forward Chaining digunakan untuk menyusun mekanisme inferensi berbasis aturan. Aplikasi ini dibangun dengan tujuan untuk mambantu masyarakat Indonesia dalam memberikan gambaran diagnosa awal penyakit kanker serviks.

Machine Learning Diagnosis Kanker Payudara Menggunakan Algoritma Support Vector Machine Chalifa Chazar; Bagus Erawan
INFORMASI (Jurnal Informatika dan Sistem Informasi) Vol 12 No 1 (2020): INFORMASI (Jurnal Informatika dan Sistem Informasi)
Publisher : LPPM STMIK Indonesia Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37424/informasi.v12i1.48

Kanker payudara merupakan penyebab kematian nomor dua pada wanita. Penyakit ini sulit dideteksi pada fase awal. Akan tetapi, kebanyakan penderita baru mengetahui kondisinya setelah memasuki fase tertentu dalam kondisi yang parah dan sulit disembuhkan. Salah satu bentuk pemeriksaan untuk mendiagnosis penyakit kanker payudara adalah dengan melakukan biopsi. Biopsi adalah teknik pemeriksaan yang dilakukan dengan mengambil cairan di payudara menggunakan Fine Needle Aspiration (FNA), selanjutnya hasil biopsi FNA akan diperiksa lagi di laboratorium untuk mendapatkan hasil diagnosis. Untuk mendapatkan hasil yang akurat dari proses biopsi dibutuhkan waktu yang lama. Machine Learning (ML) dapat digunakan untuk mencari dan menemukan pola yang unik dari sekumpulan data. Algoritma Support Vector Machine (SVM) dipilih karena algoritma ini mampu mengklasifikasikan nilai ke dalam kelas-kelas tertentu. Algoritma SVM juga memiliki tingkat akurasi yang lebih tinggi dibandingkan dengan algoritma lainnya. Penelitian ini bertujuan untuk membangun aplikasi ML yang dapat mendiagnosis penyakit kanker payudara dengan menggunakan Algoritma SVM untuk mencari pola data dari sekumpulan data masa lalu untuk menghasilkan hasil diagnosis yang akurat. Hasil dari penelitian ini menunjukan bahwa Algoritma SVM pada ML dapat digunkan untuk mencari suatu pola data dari sekumpulan data masa lalu yang dapat menghasilkan prediksi untuk menentukan sel hidup kanker payudara bersifat ganas atau jinak.

Diagnosis Kanker Payudara Menggunakan Machine Learning Dengan Algoritma K-Nearest Neighbor Chalifa Chazar; Indra Nursyamsi; Patah Herwanto
Prosiding Seminar Nasional Inovasi dan Adopsi Teknologi (INOTEK) Vol. 1 No. 1 (2021): Prosiding Seminar Nasional Inovasi dan Adopsi Teknologi (INOTEK)
Publisher : LPPM STMIK Rosma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (423.707 KB)

Banyak anggapan bahwa kanker payudara sama seperti tumor, pada kenyataanya tumor yang muncul tidak berarti kanker payudara. Penyakit ini sulit didiagnosis pada tahap awal, hal ini menyebabkan banyak penderita baru mengetahui kondisinya setelah memasuki tahapan yang sulit disembuhkan. Biopsi adalah teknik pemeriksaan dengan mengambil cairan di payudara dengan menggunakan Fine Needle Aspiration (FNA), selanjutnya akan dilakukan diagnosis untuk mengetahui jenis kanker apakah termasuk pada kelompok jinak atau ganas. Diagnosis ini membutuhkan waktu yang relative lama. Machine Learning (ML) memiliki kemampuan untuk dapat meniru kecerdasan manusia dan terus melakukan pembelajaran berdasarkan data atau pengalaman di masa lalu. Semakin sering digunakan Machine Learning (ML) akan menghasilkan tingkat akurasi yang lebih tinggi. Untuk meningkatkan hasil akurasi dari predisksi yang dihasilkan digunakan algoritma K-Nearest Neighbor (K-NN). Penelitian ini bertujuan untuk membangun aplikasi Machine Learning (ML) untuk mendiagnosis jenis kanker payudara dengan menggunkan algoritma K-Nearest Neighbor. Hasil dari penelitian ini menunjukan bahwa algoritma K-Nearest Neighbor (K-NN) dapat menentukan jenis kanker payudara dengan menggunkan sedikit data atau pengalaman dengan hasil akhir yang mudah dipahami.

Penerapan Teachable Machine Pada Klasifikasi Machine Learning Untuk Identifikasi Bibit Tanaman Chalifa Chazar; Muhammad Helmi Rafsanjani
Prosiding Seminar Nasional Inovasi dan Adopsi Teknologi (INOTEK) Vol. 2 No. 1 (2022): Prosiding Seminar Nasional Inovasi dan Adopsi Teknologi (INOTEK)
Publisher : LPPM STMIK Rosma

Pengenalan objek merupakan bagian penting pada manusia yang dapat digunakan untuk proses pengambilan informasi. Perkembangan teknologi kecerdasan buatan yang cepat, menyebabkan teknologi semakin mendekati atau bahkan melebihi kemampuan indera manusia. Sistem intelegensi visual merupakan bidang yang memperdalam cara pandang teknologi dalam memberikan informasi dan kalkulasi secara diskrit dengan dukungan kecerdasan buatan. Pertanian urban saat ini banyak digemari dikalangan masyarakat perkotaan. Pertanian urban adalah praktik budidaya, pemrosesan, dan distribusi bahan pangan di atau sekitar kota. Pertanian urban umumnya dilakukan untuk memenuhi kebutuhan pangan untuk dikonsumsi sebuah keluarga, juga untuk meningkatkan pendapatan dan sebagai bahan untuk relaksasi. Pengenalan objek dapat dimanfaatkan untuk mengetahui jenis bibit tanaman dan informasi tanaman untuk membantu masyarakat yang akan memulai pertanian urban. Teachable Machine merupakan alat yang dapat digunakan untuk membuat sebuah model klasifikasi yang mudah digunakan untuk mengembangkan aplikasi machine learning. Teachable Machine dapat memudahkan proses training data yang umumnya membutuhkan banyak sumberdaya pada machine leaning. Penelitian ini bertujuan untuk menggunakan pengenalan objek dengan machine learning sehingga dapat membantu masyarakat untuk dapat mengenali bibit tanaman dan memberikan informasi tanaman yang dapat berguna untuk mengelola pertanian urban.

Aplikasi Diagnosa Penyakit Kulit Menggunakan dengan Menggunakan Metode Convolutional Neural Networks Yudhi Widya Arthana Rustam; Chalifa Chazar; Moch. Ali Ramdhani
INFORMASI (Jurnal Informatika dan Sistem Informasi) Vol 15 No 2 (2023): INFORMASI (Jurnal Informatika dan Sistem Informasi)
Publisher : LPPM STMIK Indonesia Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37424/informasi.v15i2.265

Salah satu penyakit yang paling umum di negara-negara beriklim tropis seperti Indonesia adalah penyakit kulit. Karena sifatnya yang cenderung tidak berbahaya dan tidak menyebabkan kematian, penyakit ini sering dianggap remeh. Masyarakat enggan untuk memeriksakan kesehatan kulitnya karena kurangnya pengetahuan dan biaya berobat yang dianggap tidak murah. Fatalnya, penyakit kulit dapat menyebar dan sulit diobati jika tidak diobati segera. Seorang pasien biasanya mengunjungi dokter kulit untuk mendiagnosa gejala dan memeriksa kulit mereka secara langsung. Namun, melalui sistem pakar, masyarakat akan lebih mudah dan lebih murah untuk mendapatkan hasil diagnosa penyakit kulit tersebut. Convolutional Neural Networks merupakan salah satu metode kecerdasan buatan yang dapat digunakan. Metode ini mampu mengklasifikasikan gambar menjadi data dengan akurasi yang tinggi. Tujuan dari penelitian ini adalah sebuah aplikasi berbasis mobile untuk mendeteksi penyakit kulit. Diharapkan, dengan adanya aplikasi diagnosa penyakit kulit ini dapat membantu masyarakat mengetahui penyakit kulit secara dini serta dapat mengurangi resiko penyakit yang jauh lebih berbahaya

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search