Abstract:Abstract: In its implementation, fiber optic is a cable that has fiber material that uses light as a transmission medium in sending data. The speed in data management becomes faster; there is the easy maintenance of tools.…
s. Handling this fiber optic disturbance, the company has complex data in big data wherein its management good processing is needed so that data redundancy does not occur. Still, accuracy and speed in data management are very important in big data management. Quality improvement for the company is the most important thing; even to achieve good quality, the company will do things that can support that quality; with the quality of the company being able to have long sustainability, a six sigma approach is carried out so that it can support quality improvements that the company can make.
Keywords: Big Data; Fiber Optic; Six Sigma
Abstrak : implementasinya fiber optic merupakan kabel yang memiliki bahan serat yang menggunakan cahaya sebagai media transmisi dalam mengikirimkan data sehingga kecepatan dalam pengelolaan data menjadi lebih cepat, terdapat kemudahan perawatan tools. Penanganan terhadap gangguan fiber optic ini perusahaan memiliki data yang kompleks dalam suatu bigdata dimana dalam pengelolaannya dibutuhkan suatu pengolahan yang baik agar tidak terjadi redudansi data, akan tetapi ketepatan dan kecepatan dalam pengelolaan data menjadi hal yang sangat penting dalam pengelolaan big data. Peningkatan kualitas bagi perusahaan menjadi hal yang paling penting, bahkan untuk mencapai kualitas yang baik perusahaan akan melakukan hal yang dapat menunjang kepada kualitas tersebut, dengan kualitas perusahaan dapat memiliki sustainable yang lama maka dilakukan pendekatan six sigma sehingga dapat mengdukung perbaikan kualitas yang dapat dilakukan oleh perusahaan.
Kata kunci : Big data; Fiber Optik; six Sigma
Abstract:Abstract: Non-performing loan (NPL) is a risk that credit unions must face and to avoid that, prospective debtors need to be surveyed. With previous loan data, support vector machine and naïve bayes can be used as classification…
ssification methods to give a decision about NPL. We use a data set with 61 data and process the data with orange 3.30 application to see the difference between SVM using linear (SVM-L), polynomial (SVM-P), RBF (SVM-R) and sigmoid (SVM-S) kernel with naïve bayes. We use a cross validation technique with various folds to measure the classification results and a convusion matrix to measure the data training classification results. Naïve bayes scores the highest in terms of accuracy and SVM-R scores the highest in terms of F1, precision and recall. SVM-P scores the lowest in terms of accuracy, F1, precision and recall. Naïve bayes scores the highest in terms of proportion of predicted for true negative class and proportion of actual for true positive class. SVM-S scores the highest in terms of proportion of predicted for true positive class and proportion of actual for true negative class. SVM-P scores the lowest in both proportion of predicted and proportion of actual.
Keywords: classification; naïve bayes; non-performing loan; support vector machine
Abstrak: Kredit macet merupakan resiko yang sering dialami koperasi simpan pinjam, sehingga perlu dilakukan survei terhadap calon debitur agar kredit menjadi sehat. Dengan menggunakan data pemberian kredit sebelumnya, support vector machine dan naïve bayes digunakan sebagai metode klasifikasi untuk memberikan keputusan macet atau tidaknya kredit anggota koperasi Mutiara Sejahtera. Data set yang berjumlah 61 data diolah menggunakan aplikasi Orange 3.30 dan dilihat perbandingan antara metode SVM dengan kernel linear, polynomial, RBF dan sigomoid dengan metode naïve bayes. Cross validation dengan jumlah fold bervariasi digunakan sebagai nilai ukur klasifikasi dan convusion matrix digunakan sebagai nilai ukur klasifikasi data training. Hasil yang diperoleh adalah naïve bayes memiliki nilai accuracy tertinggi dan SVM kernel RBF memiliki nilai F1, precision dan recall tertinggi. SVM kernel polynomial memiliki nilai terendah untuk accuracy, F1, precision dan recall. Naïve bayes memiliki nilai tertinggi untuk proportion of predicted (PoP) kelas true negative dan proportion of actual (PoA) kelas true positive. SVM kernel sigmoid memiliki nilai tertinggi untuk PoP kelas true positive dan PoA kelas true negative. SVM kernel polynomial memiliki nilai terendah baik untuk PoP maupun PoA true negative dan kelas true positive.
Kata kunci: klasifikasi; kredit macet; naive bayes; SVM
Abstract:Abstract: Patient’s symptoms could be used as features in Covid-19 classification. Using multi layer perceptron, the classification uses data set that contains patient’s diagnosis which has Covid-19 symptoms dan processes…
s dan processes the data set to see if the patient is Covid-19 positive or not. This paper compare four activation function such as identity, logistic, ReLu and tanh and combined them with optimizer such as L-BFGS-B, SGD and Adam. Using 5-fold and 10-fold cross validation technique to get the accuracy, F1, precision and recall values, the result that we get is that logistic function with L-BFGS-B optimizer and ReLu function with L-BFGS-B optimizer are the best combinations. The logistic function with SGD optimizer, ReLu function with Adam optimizer and tanh function with Adam optimizer are the worst combinations according to their accuration values. The logistic function with SGD optimizer is the worst combination according to its F1 value. The logistic function with SGD optimizer and tanh function with L-BFGS-B optimizer are the worst combinations according to their precision values. The logistic function with SGD optimizer, ReLu function with Adam optimizer and tanh function with Adam optimizer are the worst combinations according to their recall values.
Keywords: activation function, covid-19; multi layer perceptron; optimizer algorithm
Abstrak: Diagnosa gejala yang dialami pasien dapat digunakan sebagai fitur dalam klasifikasi penderita Covid-19. Dengan multi layer perceptron, klasifikasi dilakukan menggunakan data set yang berisi hasil diagnosa pasien yang memiliki gejala Covid-19 dan selanjutnya diolah untuk melihat apakah memang pasien tersebut menderita Covid-19 atau tidak. Penelitian ini membandingkan fungsi aktivasi identity, logistic, ReLu dan tanh yang dikombinasikan dengan algoritma optimasi L-BFGS-B, SGD dan Adam. Hasil evaluasi cross validation menggunakan 5-fold dan 10-fold digunakan sebagai dasar menentukan kombinasi yang terbaik dan terburuk, dengan hasil yang menunjukkan bahwa kombinasi fungsi logistic dengan optimasi L-BFGS-B dan fungsi ReLu dengan optimasi L-BFGS-B merupakan kombinasi terbaik. Kombinasi fungsi logisctic dengan optimasi SGD, fungsi ReLu dengan optimasi Adam dan fungsi tanh dengan optimasi Adam merupakan yang terburuk dari nilai accuracy. Kombinasi fungsi logistic dan optimasi SGD merupakan kombinasi terburuk dari nilai F1. Kombinasi fungsi logistic dengan optimasi SGD dan fungsi tanh dan optimasi L-BFGS-B merupakan yang terburuk dari nilai precision. Kombinasi fungsi logisctic dengan optimasi SGD, fungsi ReLu dengan optimasi Adam dan fungsi tanh dengan optimasi Adam merupakan kombinasi terburuk dari nilai recall.
Kata kunci: algoritma optimasi; covid-19; fungsi optimasi; multi layer perceptron
Abstract:Abstract: The technique of multiclass classification based on SVMs has been widely used. SVM optimization will be accomplished by examining the extraction features of Principal Component Analysis (PCA), Box-Cox Transformation,…
ation, and Recursive Feature Elimination (RFE). The dataset contains 13,611 rows and 17 variables, generated from the UCI repository's multiclass dry bean data. Barbunya, Bombay, Cal, Dermas, Horoz, Seker, and Sira are just a few of the dry bean kinds available. The dataset was tested using SVM Linear kernel and SVM Radial Basis.According to the results, the combination of scale-center-BoxCox-SVM Radial extraction achieves the maximum accuracy of 93.16 percent and the shortest processing time of 6.10 minutes. 96.00 percent, 100 percent, 96.71 percent, 95.16 percent, 97.60 percent, 97.74 percent, and 91.95 percent, according to bean class.RFE-SVM Radial has a 91.18 percent accuracy and a processing time of 6.55 minutes. BoxCox outperforms conventional techniques in terms of prediction accuracy while requiring less training time.
Keywords: Bean, PCA, BoxCox, SVM, RFE
Abstrak: Klasifikasi Multikelas menggunakan SVM telah banyak digunakan. Pada penelitian ini akan diuji fitur ekstraksi Principal Component Analysis, Box Cox Transformation dan fitur eliminisi Recursive Feature Elimination untuk mendapatkan optimasi SVM. Dataset berasal dari data multikelas kacang kering UCI repository dengan jumlah 13.611 baris dan 17 variabel. Kelas kacang kering yakni : Barbunya, Bombay, Cal, Dermas, Horoz, Seker dan Sira. Dataset diuji menggunakan kernel SVM Linier dan SVM Radial Basis. Didapatkan hasil, bahwa kombinasi fitur ekstraksi : scale-center-BoxCox-SVM Radial memiliki akurasi terbaik yakni 93,16% dan waktu proses 6,10 menit. Klasifikasi berdasarkan kelas kacang berturut-turut 96,00%,100%, 96,71%, 95,16%, 97,60%, 97,74% dan 91,95%. RFE- SVM Radial hanya memberikan akurasi sebesar 91,18 % dengan waktu proses sebesar 6.55 menit. Penggunaan BoxCox dibandingkan dengan lainnya, memberikan hasil prediksi lebih baik dan namun tidak mempercepat waktu pelatihan.
Kata kunci: BoxCox; Kacang; PCA; RFE; SVM
Abstract:Abstract: This study uses the C4.5 classification algorithm to determine creditworthness, clasification aims to divide the assigned object intoin a number of categories called classes. In this study, the authorusing data…
mining and C4.5 algorithm as the selection method. The criteria used are loan installments, prospective customer income, termloan time, status of prospective customers. This study resulted in a classification modeldecision tree using the C4.5 algorithm is included in the Excellent category Classification with an accuracy value of 98.33% and a classification error of 1.67%,so that this study uses 70% training data and 30% test data. From resultthe calculation obtained shows that the C4.5 algorithm can be usedto determine the feasibility of granting credit to Koperasi Jaya customers Together (KORJABE).
Keywords: Analysis, Credit Eligibility, C4 Algorithm, Data Mining, Method
Abstrak: Penelitian ini menggunakan metode Algoritma C4.5 klasifikasi untuk menentukan kelayakan kredit, klasifikasi bertujuan untuk membagi objek yang ditetapkan ke dalam satu nomor kategori yang disebut kelas. Dalam penelitian ini, penulis menggunankan data mining dan algoritma C4.5 sebagai metode pemilihannya. Kriteria yang digunakan yaitu , angsuran pinjaman,penghasilan calon nasabah,jangka waktu pinjaman ,status calon nasabah. Penelitian ini menghasillkan model klasifikasi pohon keputusan menggunakan algoritma C4.5 termasuk dalam kategori Excellent Classification dengan nilai akurasi sebesar 98,33% dan klasifikasi eror 1,67%, sehingga penelitian ini kan menggunakan data latih 70% dan data uji 30%. Dari hasil perhitungan yang diperoleh menunjukan bahwa algoritma C4.5 dapat digunakan untuk menen tukan kelayakan pemberian kredit kepada nasabah Koperasi Jaya Bersama (KORJABE).
Kata kunci: Algoritma C4.5, Analisis, Data Mining, Kelayakan Kredit, Metode
Abstract:Abstrak: Tujuan praktis dari kecerdasan buatan adalah membuat komputer lebih bermanfaat bagi manusia. Kecerdasan buatan dapat membantu manusia membuat keputusan, menemukan informasi yang lebih akurat atau membuat komputer…
r lebih mudah digunakan dengan tampilan alami untuk membuatnya mudah dimengerti. Pada kenyataannya, sistem permohonan kredit bertujuan untuk memberikan kemudahan serta layanan yang tepat sesuai kebutuhan nasabah, dan juga memberikan suatu pedoman serta syarat-syarat dalam permohonan kredit dengan jelas agar nasabah mengerti bagaimana prosedur dalam mengajukan permohonan kredit. Adapun resiko yang dihadapi dari Bank SUMUT seperti tunggakan kredit atau kredit macet. Oleh karena itu, dibutuhkanlah kecermatan pihak internal bank dalam melakukan analisa. Ini bertujuan untuk mempelajari Sistem Pakar dengan metode Forward Chaining dan masalah untuk mengetahui apakah tindakan yang akan diambil oleh pihak internal dalam memproses pemberian kredit rumah sesuai aturannya.
Kata kunci: kredit; runut maju; sistem pakar
Abstract: The practical goal of artificial intelligence is to make computers more useful to humans. Artificial intelligence can help humans make decisions, find more accurate information or make computers easier to use with natural displays to make them easy to understand. The credit application system aims to provide convenience and appropriate services according to customer needs, and also provides clear guidelines and conditions for credit applications so that customers understand the procedure for applying for credit. The risks faced by Bank SUMUT such as credit arrears or bad loans. Therefore, it takes the accuracy of the bank's internal parties in conducting the analysis. This aims to study the Expert System with the Forward Chaining method and the problem to find out whether the actions that will be taken by internal parties in processing home loans are following the rules.
Keywords: credit; expert system; forward chaining
Abstract:Abstract: In the current digital era, almost all health care sectors require fast, precise, detailed, and valid services. The results of observations show that during lectures, students still have difficulty understanding…
g the flow of input, process, and output of a good application, and do not know and have an idea about Application Software in Health Care Facilities that are already running in health facilities because some students do Field Work Practices. placed in health care facilities institutions still use manual systems with paper and recording in ledgers, during the current pandemic. In this study, an electronic medical record information system was designed and built as a student learning application regarding health service applications, system accuracy test using ISO 9126, where ISO 9126 looks at Functionability, Reliability, usability, efficiency, maintainability, and portability of a good system and provides recommendations if there are findings that the system does not meet the needs. The results of this study obtained the value of the Information System that was built only 75,92593 % which is the result of quality measurement so that this application does not fall into the category of the ISO 9126 standard because there are Portability Characteristics, namely Adaptability and Installability elements are not met, for these finding recommendations for improvements are given so that the system can run perfectly. according to the need for use.
Keywords: Covid-19, Electronic Medical Records, Learning Media, ISO 9126
Abstrak: Pada era digital sekarang, hampir semua sektor pelayanan kesehatan membutuhkan pelayanan yang cepat, tepat, detail, dan valid. Hasil observasi menunjukkan bahwa selama perkuliahan mahasiswa masih kesulitan memahami alur input, proses, dan output dari suatu aplikasi yang baik, serta belum mengetahui dan mempunyai gambaran tentang Software Aplikasi di Fasilitas Pelayanan Kesehatan yang sudah berjalan di fasilitas kesehatan dikarenakan beberapa mahasiswa yang melakukan Praktek Kerja Lapangan ditempatkan di institusi fasilitas pelayanan kesehatan masih menggunakan sistem manual dengan kertas dan pencatatan di buku. Pada penelitian ini dirancang dan dibangun sebuah sistem informasi rekam medis elektronik sebagai aplikasi pembelajaran mahasiswa mengenai aplikasi pelayanan kesehatan, uji akurasi sistem menggunakan ISO 9126, dimana ISO 9126 menilik Functionability, Reliability, usability, efesiency, maintainability dan portability sistem yang baik serta memberi rekomendasi apabila ada temuan sistem yang belum sesuai kebutuhan. Hasil dari penelitian ini diperoleh nilai Sistem Informasi yang dibangun hanya 75,92593 % yang merupakan hasil pengukuran kualitas sehingga aplikasi ini tidak masuk kategori standar ISO 9126 karena ada Karakteristik Portability yaitu unsur Adaptability, dan Installability tidak terpenuhi, untuk temuan ini diberikan rekomendasi perbaikan agar sistem dapat berjalan sempurna sesuai kebutuhan penggunaannya.
Kata kunci: Covid-19, Media Pembelajaran, Rekam Medis Elektronik, ISO 9126
Abstract:Abstract: The population growth in Indonesia is increasing rapidly every year, so to help the government control the population growth through family planning programs, especially in the city of Batam. This study explains…
s and describes one of the Artificial Terms Network methods, namely Backpropagation, where this method can predict what will happen in the future using data and information in the past. This study aims to predict the birth rate in the city of Batam to help the government with the family planning program. The data used is the annual data on the number of births in the city of Batam in 2016-2020 at The Civil Registry Office. To facilitate the analysis of research data, the data were tested using Matlab R2015b. In this study, the training process was carried out using 3 network architectures, namely 4-10-1, 5-18-1, and 4-43-1. Of these 3 architectures, the best is the 4-43-1 architecture with an accuracy rate of 91% and an MSE value of 0.0012205. The Backpropagation method can predict the amount of population growth in the city of Batam based on existing data in the past.
Keywords: artificial neural network; backpropagation; prediction
Abstrak: Pertumbuhan jumlah penduduk diindonesia yang setiap tahun meningkat dengan pesat, maka untuk membantu pemerintah mengendalikan jumlah pertumbuhan penduduk melalui program keluarga berencana khususnya dikota Batam. Penelitian ini menjelaskan dan memaparkan tentang salah satu metode Jaringan Syarat Tiruan yaitu Backpropagation, dimana metode ini dapat memprediksi apa yang akan terjadi masa yang akan datang dengan menggunakan data dan informasi dimasa lalu. Penelitian ini bertujuan untuk memprediksi tingkat kelahiran di kota Batam sehingga membatu pemerintah untuk perencanaan keluarga berencana. Data yang digunakan yaitu data tahunan jumlah kelahiran di kota Batam pada tahun 2016-2020 pada Dinas Kependudukan dan Catatan Sipil. Untuk mempermudah analisis data penelitian maka, data diuji menggunakan Matlab R2015b. Pada penelitian ini dilakukan proses pelatihan menggunakan 3 arsitektur jaringan yaitu 4-10-1, 5-18-1, dan 4-43-1. Dari ke-3 arsitektur ini yang terbaik adalah arsitektur 4-43-1 dengan tingkat akurasi sebesar 91% dan nilai MSE 0,0012205. Metode backpropagation mampu memprediksi jumlah pertumbuhan penduduk di kota Batam berdasarkan data yang ada dimasa lalu.
Kata kunci: backpropagation; jaringan syaraf tiruan; prediksi
Abstract:Abstract: Question classification is a computer science system, which aims to analyze questions and can label each question based on existing categories. Questions can be collected from several materials or topics that are…
re many and different. Therefore, the researcher intends to create a classification system for quiz questions Data Warehouse and Business Intelligence which can be grouped into topics Data Warehouse, Business Intelligence, Data Analytics, and Performance Measurement. One way to solve this problem is by approach machine learning. In this study, researchers used a comparison of machine learning algorithms, namely the algorithm NaïveBayes and SupportVectorMachine using SMOTE and methods Cross-Validation The results of this study show the best accuracy results and are very helpful. The results obtained in the method cross-validation before SMOTE resulted in an accuracy rate of 82.02% for the results after going through the SMOTE stage of 94.79% on the algorithm Naïve Bayes, while the algorithm SupportVectorMachine get accuracy of 81.39% in the process before SMOTE for the results after going through SMOTE of 96.52%.
Keywords: Cross-Validation; Machine Learning; Naive Bayes; Support Vector Machine; Question Classification
Abstrak: Klasifikasi pertanyaan merupakan sebuah sistem ilmu komputer, yang bertujuan untuk menganalisis pertanyaan serta dapat memberi label pada setiap pertanyaan berdasarkan kategori yang ada. Pertanyaan soal dapat dikumpulkan dari beberapa materi atau topik yang banyak dan berbeda. Oleh karena itu, bermaksud untuk membuat sistem klasifikasi pertanyaan soal kuis Data Warehouse dan Business Intelligence yang dapat dikelompokkan menjadi topik Data Warehouse, Business Intelligence, Data Analitik, dan Pengukuran Kinerja. Cara yang dapat dilakukan untuk permasalahan ini dengan menggunakan pendekatan MachineLearning. Pada penelitian kali ini menggunakan perbandingan algoritma MachineLearning yaitu algoritma NaïveBayes dan SupportVectorMachine menggunakan metode SMOTE dan Cross-Validation. Hasil penelitian ini menunjukkan hasil akurasi yang terbaik dan sangat membantu. Hasil yang diperoleh pada metode cross-validation sebelum SMOTE menghasilkan tingkat akurasi sebesar 82.02% untuk hasil sesudah melalui tahap SMOTE sebesar 94.79 % pada algoritma Naïve Bayes, sedangkan pada algoritma Support Vector Machine menghasilkan akurasi sebesar pada proses sebelum SMOTE 81.39% untuk hasil sesudah melalui SMOTE sebesar 96.52%.
Kata kunci: Klasifikasi Pertanyaan; Pembelajaran Mesin; Naive Bayes; Support Vector Machine; Cross-Validation
Abstract:Abstract: Cryptography is an important subject to study because it contains data security. In this course, there are algorithms where each algorithm has a different level of calculation process from one another. Testing…
has been done several times in the form of training on students and some of them still make mistakes in getting the results of the encryption and decryption process. These errors are caused by a lack of understanding of algorithms and calculations in cryptography. In cryptography, the accuracy of the calculation results is a top priority, because if one does the calculation which is called the encryption and decryption process it will result in an incorrect message/information. To anticipate these errors, this cryptography learning is assisted by a tool called crypTool. This tool is a companion in carrying out the encryption and decryption process to avoid errors in the calculation process.
Keywords: Cryptography; E-Learning
Abstrak: Kriptografi merupakan salah satu matakuliah yang penting untuk dipelajari, karena didalamnya memuat materi pengamanan data. Dalam matakuliah tersebut terdapat algoritma- algoritma dimana setiap algortima memiliki tingkat proses perhitungan yang berbeda satu dengan yang lainnya. Telah dilakukan beberapa kali pengujian dalam bentuk latihan terhadap mahasiswa dan dari sebagian dari mereka masih melakukan kesalahan dalam mendapatkan hasil proses enkripsi dan dekripsi. Kesalahan tersebut diakibatkan oleh kuranganya memahami algoritma dan perhitungan dalam kriptografi. Dalam kriptografi keakuratan hasil perhitungan menjadi prioritas utama, karena apabila salah dalam melakukan perhitungan yang disebut dengan proses enkripsi dan dekripsi maka akan menghasilkan sebuah pesan/informasi yang salah. Guna mengantisipasi kesalahan tersebut maka pembelajaran kriptografi ini dibantu dengan sebuah tools yang bernama cryptool. Tool ini bersifat pendamping dalam melakukan proses enkripsi dan dekripsi dengan maksud menghindari kesalahan didalam melakukan proses perhitungannya.
Kata kunci: E-Learning; Kriptografi