Claim Missing Document
Check
Articles

Found 17 Documents
Search

Deteksi Kemiripan Dokumen Bahasa Indonesia Menggunakan Algoritma Smith-Waterman dan Algoritma Nazief & Andriani Bunga Sari; Yuliant Sibaroni
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 3 (2019): December, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.3.365

Abstract

Perkembangan teknologi semakin canggih dengan adanya internet. Internet yang dapat dengan mudah diakses untuk mencari informasi dan dokumen dapat memicu adanya tindak plagiarisme.  Setiap dokumen yang melakukan tindakan plagiarisme akan susah dikenali tanpa adanya sistem yang dapat mengenali kesamaan dokumen. Sistem yang dapat mendeteksi plagiarisme dengan mencari kemiripan pada dokumen dibutuhkan. Dalam penelitian ini digunakan algoritma Nazief & Andrianidalam proses penentuan kemiripan pada dokumen teks dan algoritma Smith-Watermanuntuk mengidentifikasi kesamaan yang paling signifikan (local alignment) dari dua buah rangkaian sekuens string. Hasil akhir yang didapatkan perbandingan dua sequence dengan bantuanpreprocessingmemiliki tingkat perhitungansimilarity yang lebih besar dalam mendeteksi kemiripan dokumen. Kata Kunci: Dokumen, Plagiarisme, Algoritma Smith-Waterman, Algoritma Nazief & Andriani
Prediksi Pola Penyebaran Penyakit Demam Berdarah Dengue Di Kabupaten Sukoharjo Menggunakan Metode Ordinary Block Kriging Ellisa Ratna Dewi; Sri Suryani; Yuliant Sibaroni
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Sistem prediksi pola penyebaran penyakit Demam Berdarah Dengue di kabupaten Sukoharjo ini dibentuk dengan meggunakan model semivariogram dan metode estimasi Ordinary Block Kriging. Model dan metode ini dipilih sebagai alat untuk memprediksi pola penyebaran penyakit di kabupaten Sukoharjo karena tidak membutuhkan informasi sebelumnya mengenai mean data, sehingga lebih mudah dalam penggunaanya. Validasi silang dipilih sebagai alat ukur validitas model agar model memiliki kriteria kelayakan untuk digunakan pada proses berikutnya. Model terbaik dihasilkan oleh Gaussian dengan validasi 0.3140, dengan variansi kriging sebesar 0.0251 pada grid 0.05. Dari grid tersebut dapat disimpulkan bahwa penyebaran terbesar berada di kecamatan Kartasura, Gatak, Baki, dan Grogol. Sedangkan error yang dihasilakan dari hasil pengujian sistem dengan membandingkan data asli populasi terjangkit dengan hasil estimasi adalah 0.158845523 atau sekitar 15%. Hasil prediksi ini mengindikasikan bahwa terdapat faktor X yang mempengaruhi penyebaran penyakit Demam Berdarah Dengue di kabupaten Sukoharjo.
Content Based Recommender System Berbasis Logika Fuzzy Dinamis Okky Brillian Hibrianto; Z K Abdurahman Baizal; Yuliant Sibaroni
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Perkembangan teknologi menyebabkan makin maraknya jual beli online serta cepat bergantinya fitur-fitur dari suatu produk elektronik. Akan tetapi banyak calon pembeli bingung jika hanya melihat deretan spesifikasi pada suatu produk berspesifikasi teknis,karena itu dibutuhkan suatu variabel-variabel yang menampung keinginan user secara lebih general dan bersifat fungsional untuk merekomendasikan produk elektronik serta mengeluarkan hasil rekomendasi yang tepat sesuai perkembangan teknologi yang terjadi . Content Based Recommender system dengan logika fuzzy dinamis merupakan salahsatu pendekatan yang bisa dilakukan untuk merekomendasikan produk elektronik untuk  seorang user sesuai dengan preferensi fungsional tertentu berdasarkan konten spesifikasi asli dari produk yang dapat memproses nilai-nilai batasan dalam fitur yang berbeda menjadi satu nilai derajat kepuasan untuk memenuhinya yang sesuai perkembangan zaman. Hasil dari percobaan dengan kasus rekomendasi smartphonepada penelitian ini menunjukkan bahwa sistem dapat merekomendasikan produk smartphone sesuai dengan preferensi yang dimasukkan oleh user dengan nilai rata-rata precision sebesar 0,993 dan dengan nilai error perangkingan rata-rata sebesar 0,482.
EFFECTIVENESS OF SVM METHOD BY NAïVE BAYES WEIGHTING IN MOVIE REVIEW CLASSIFICATION Zain, Fadli Fauzi; Sibaroni, Yuliant
Khazanah Informatika Vol. 5 No. 2 December 2019
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v5i2.7770

Abstract

Classification of movie review belongs to the realm of text classification, especially in the field of sentiment analysis. One familiar text classification method used is support vector maching (SVM) and Naïve Bayes. Both of these methods are known to have good performance in handling text classification separately. Combining these two methods is expected to improve the performance of classifier compared to working separately. This paper reports the effort to classify movie reviews using the combined method of Naïve Bayes and SVM with Naïve Bayes as weights. This combined method is commonly called NBSVM. The results showed the best accuracy is obtained if the classification is done by the NBSVM method, which is equal to 88.8% with the combined features of unigram and bigram and using pre-processing in the form of data cleansing only.
Simulasi Pengaturan Lampu Lalu Lintas Menggunakan Cellular Automata dan Fuzzy Inference System Septian Nugraha Kudrat; Yuliant Sibaroni; Erwin Budi Setiawan
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Permasalahan kemacetan tidak mudah diatasi karena pertumbuhan populasi kendaraan bertambah. Salah satu efek pertumbuhan populasi kendaraan adalah menjadi sensitifnya pengaturan traffic light pada suatu persimpangan. Sistem pengaturan traffic light yang tidak sesuai dengan keadaan jumlah kendaraan dapat memicu kemacetan. Pada umumnya, sistem pengaturan traffic light menggunakan pengaturan fixed time. Pengaturan fixed time tidak menyesuaikan dengan keadaan jumlah kendaraan sehingga tundaan yang dihasilkan berpotensi lama. Dikembangkan skema pengaturan adaptif menggunakan Fuzzy Inference System (FIS). FIS menghasilkan durasi lampu hijau. FIS tidak memiliki parameter performa untuk menguji kemampuannya sehingga sistem perlu diintegrasikan dengan model Cellular Automata (CA). Pergerakan kendaraan yang dihasilkan CA dapat memunculkan tundaan dan kecepatan rata-rata. Indikator keberhasilan didasarkan pada waktu tunggu rata-rata dan kecepatan rata-rata yang dialami oleh setiap kendaraan dalam waktu pengamatan per time step. Selain itu, pembagian durasi lampu lalu lintas dalam satu siklus menjadi faktor pertimbangan tambahan untuk menganalisis performa sistem. Metode FIS menghasilkan hingga 76,2 % tundaan rata-rata pada kelas E dan menghasilkan hingga 23,8 % tundaan rata-rata pada kelas F. Skema Fixed Time menghasilkan 0 % tundaan rata-rata pada kelas E dan 100 % tundaan rata-rata pada kelas F sehingga tundaan yang dihasilkan skema Fixed Time lebih lama daripada tundaan yang dihasilkan metode FIS.  
Kategorisasi Berita Menggunakan Metode Pembobotan TF.ABS dan TF.CHI Muhammad Arif Kurniawan; Yuliant Sibaroni; Kemas L Muslim
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 2 (2018): September, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.2.236

Abstract

Dengan kemajuan teknologi saat ini, berita dapat ditemukan dengan mudah dan berjumlah sangat banyak dalam bentuk digital yang menyebabkan diperlukannya suatu teknik untuk mengkategorikan berita-berita tersebut ke dalam topik tertentu agar mempermudah pembaca menemukan berita sesuai dengan topik yang diinginkan. Kategorisasi teks merupakan suatu teknik yang dapat mengkategorikan berita ke dalam topik yang telah ditentukan secara otomatis. Salah satu proses yang penting dalam kategorisasi adalah ekstraksi fitur yang mana unigram binary merupakan salah satu ekstraksi fitur yang dasar dibandingkan dengan term weighting yang dalam penelitian ini akan menggunakan metode pembobotan TF.ABS dan TF.CHI untuk memperoleh hasil kategorisasi berita yang optimal. Berdasarkan hasil pengujian, rata-rata akurasi yang didapatkan dari tiga sumber data pada ekstraksi fitur unigram binary sebesar 90.44%. Sedangkan pada metode pembobotan TF.ABS sebesar 95.74% dan TF.CHI sebesar 95.87%. Berdasarkan hasil akurasi tersebut, dapat disimpulkan bahwa term weighting lebih baik dibandingkan dengan unigram binary. Metode pembobotan TF.ABS dan TF.CHI sama-sama baik dalam kategorisasi karena tidak berbeda secara signifikan dalam performansinya. Pada hasil pengujian lainnya menunjukkan bahwa proses stemming tidak memberikan banyak pengaruh terhadap akurasi kategorisasi berita, namun proses ini dapat mengefisiensikan waktu hingga 45%.
Deteksi Kanker Berdasarkan Klasifikasi Data Microarray Menggunakan Least Absolute Shrinkage and Selection Operator dan Functional Link Neural Network Putri, Dinda Rahma; Adiwijaya, Adiwijaya; Sibaroni, Yuliant
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 4, No 4 (2020): Oktober 2020
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v4i4.2349

Abstract

Cancer is a dangerous disease that arises from the conversion of normal cells into tumor cells that develop into malignant tumors. According to WHO, cancer is the second deadliest disease in the world. About 70% of cancer deaths occur in low and middle income countries such as Indonesia. Cancer can be detected by recognizing patterns of expression of human genes. DNA Microarray is a technology that can find patterns of gene expression in a variety of different conditions by means of microarray data classification. Microarray data has very large dimensions and needs to be reduced in order to obtain informative genes to detect cancer optimally. In this study, the authors use the Least Absolute Shrinkage and Selection Operator (LASSO) as a feature selection method to reduce data dimensions and Functional Link Neural Network (FLNN) as a classification method with Legendre Polynomial base functions. With a series of processes that have been carried out, obtained an average accuracy of 86.41% and an average f1-score of 81.83%
Classification of Malaria Complication Using CART (Classification and Regression Tree) and Naïve Bayes Sri Suryani Prasetiyowati; Yuliant Sibaroni; Rachmadania Irmanita
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 1 (2021): Februari 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v5i1.2770

Abstract

Malaria is a disease caused by the Plasmodium parasite that transmitted by female Anopheles mosquitoes. Malaria can become a dangerous disease if late have the medical treatment. The late medical treatment happened because of misdiagnosis and lack of medical staff, especially in the countryside. This problem can cause severe malaria that has complications. This study creates a system prediction to classify the severe malaria disease using Classification and Regression Tree (CART) method and the probability of malaria complication using Naïve Bayes method. The first step of this study is classifying the patients that have symptom are infected severe malaria or not based on the model that has been built. The next step, if the patient classified severe malaria then the data predicted if there any probability of complication by the malaria. There are 8 possibilities of complication malaria which are convulsion, hypoglycemia, hyperpyrexia, and the combinations of these four. The first step will evaluate by using F-score, precision and recall while the second step will evaluate by using accuracy. The highest result F-score, precision and recall are 0.551, 0.471 and 0.717. The highest accuracy 81.2% which predicted the complication is Hypoglycemia.
Detection of Fraudulent Financial Statement based on Ratio Analysis in Indonesia Banking using Support Vector Machine Sibaroni, Yuliant; Ekaputra, Muhammad Novario; Prasetiyowati, Sri Suryani
JOIN (Jurnal Online Informatika) Vol 5, No 2 (2020)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v5i2.646

Abstract

This study proposes the use of ratio analysis-based features combined with the SVM classifier to identify fraudulent financial statements. The detection method used in this study applies a data mining classification approach. This method is expected to replace the expert in forensic accounting in identifying fraudulent financial statements that are usually done manually. The experimental results show that the proposed classifier model and ratio analysis-based features provide more than 90% accuracy results where the optimal number of features based on ratio analysis is 5 features, namely Capital Adequacy Ratio (CAR), (ANPB) to total earning assets and non-earning assets (ANP), Impairment provision on earning assets (CKPN) to earning assets, Return on Asset (ROA), and Return on Equity (ROE). The contribution of the study is to complement the research of fraudulent financial statements detection where the classifier method used here is different compare to other research. The selection of banking cases in Indonesia is also unique in this research which distinguishes it from other research because the financial reporting standards in each country can be different. 
Classification of Malaria Complication Using CART (Classification and Regression Tree) and Naïve Bayes Sri Suryani Prasetiyowati; Yuliant Sibaroni; Rachmadania Irmanita
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 1 (2021): Februari 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v5i1.2770

Abstract

Malaria is a disease caused by the Plasmodium parasite that transmitted by female Anopheles mosquitoes. Malaria can become a dangerous disease if late have the medical treatment. The late medical treatment happened because of misdiagnosis and lack of medical staff, especially in the countryside. This problem can cause severe malaria that has complications. This study creates a system prediction to classify the severe malaria disease using Classification and Regression Tree (CART) method and the probability of malaria complication using Naïve Bayes method. The first step of this study is classifying the patients that have symptom are infected severe malaria or not based on the model that has been built. The next step, if the patient classified severe malaria then the data predicted if there any probability of complication by the malaria. There are 8 possibilities of complication malaria which are convulsion, hypoglycemia, hyperpyrexia, and the combinations of these four. The first step will evaluate by using F-score, precision and recall while the second step will evaluate by using accuracy. The highest result F-score, precision and recall are 0.551, 0.471 and 0.717. The highest accuracy 81.2% which predicted the complication is Hypoglycemia.