JournalTOCs

Jurnal Ilmu Komputer
Number of Followers: 0

This is an Open Access Journal

Open Access journal
ISSN (Print) 1979-5661 - ISSN (Online) 2622-321X
Published by Universitas Udayana

[62 journals]

c April 2022
- Authors: I Gede Santi Astawa
  Abstract: a
  PubDate: 2022-04-29
  Issue No: Vol. 15, No. 1 (2022)
Feature Selection dengan Decision Tree untuk Prediksi Telemarketing Bank
- Authors: Fari Katul Fikriah
  Pages: 1 - 7
  Abstract: Persaingan dalam dunia perbankan membuat pemicu terbentuknya suatu strategi yang dapat menarik nasabah sebanyak-banyaknya. Selain pemasaran dilakukan secara tatap muka kepada calon nasabah, bank dapat menggunakan atau memanfaatkan teknologi untuk melakukan pemasaran dalam jarak jauh seperti menggunakan fax, telepon maupun alat media lain seperti pemasaran lewat telepon (Telemarketing). Oleh karena itu, penting bagi perusahaan untuk memprediksi seberapa tinggi probabilitas para pelanggan agar dapat menerima penjualan atau penawaran berdasarkan jenis karakteristik maupun perilaku calon nasabah selama bertransaksi. Penelitian ini bertujuan untuk meningkatkan akurasi profil nasabah pada suatu perusahaan perbankan melalui klasifikasi serta mengidentifikasi kelompok nasabah yang memiliki probabilitas tinggi untuk berlangganan deposito berjangka panjang dengan menggunakan algoritma Naïve Bayes, Logistic Function dan Decision Tree. Sejumlah 45.211 data dari Bank Marketing Data Set diperoleh dari UCI Machine Learning Repository memiliki atribut sebanyak 17 dan bersifat multivariate diimplementasikan pada metode Feature Selection dengan algoritma Decision Tree. Hasil menunjukkan bahwa algoritma tersebut mampu dengan optimal untuk memprediksi keputusan klien telemarketing bank dengan hasil akurasi sebesar 91,14% dan dapat diterapkan pada atribut klien bank.
  PubDate: 2022-04-29
  Issue No: Vol. 15, No. 1 (2022)
PERBANDINGAN KLASIFIKASI INDEKS PEMBANGUNAN MANUSIA (IPM) DENGAN METODE
K-NEAREST NEIGHBOR (K-NN) DAN SUPPORT VECTOR MACHINE (SVM) KABUPATEN/KOTA
DI PULAU JAWA TAHUN 2019
- Authors: Dayu Sita
  Pages: 8 - 21
  Abstract: Pembangunan merupakan suatu upaya yang dilakukan oleh pemerintah untuk mewujudkan kesejahteraan dan kemakmuran masyarakat. Salah satu indikator yang dapat digunakan untuk mengukur hasil pembangunan adalah Indeks Pembangunan Manusia (IPM). Komponen-komponen IPM terdiri dari tiga bidang, yaitu bidang pendidikan, kependudukan, dan kesehatan. Pulau Jawa merupakan salah satu wilayah yang berada di Kawasan Barat Indonesia yang didominasi adanya pembangunan infrastruktur. Dengan adanya pembangunan tersebut diharapkan taraf hidup masyarakat menjadi lebih sejahtera sehingga kualitas sumber daya manusia menjadi lebih baik. Akan tetapi, antarwilayah di Pulau Jawa memiliki kualitas sumber daya manusia yang bervariasi. Hal tersebut dikarenakan terdapat tidak meratanya pembangunan. Pada penelitian ini metode yang digunakan adalah K-Nearest Neighbor dan Support Vector Machine yang bertujuan untuk membandingkan akurasi klasifikasi Indeks Pembangunan Manusia (IPM) kabupaten/kota di Pulau Jawa tahun 2019. Hasil penelitian menunjukkan metode yang lebih baik adalah Support Vector Machine dengan parameter terbaik yang digunakan yaitu kernel-linear, gamma sebesar 1, dan cost sebesar 5. Akurasi yang dihasilkan adalah sebesar 88,89 persen dengan nilai AUC sebesar 0,870.
  PubDate: 2022-04-29
  Issue No: Vol. 15, No. 1 (2022)
Perancangan Sistem Informasi E-Raport dengan Metode Waterfall Pada Pondok
Pesantren Al-Khoirat Cikupa
- Authors: Muhammad Suryanto, Andi Taufik, Fitra Septia Nugraha
  Pages: 21 - 30
  Abstract: Sistem pengolahan nilai akademik santri di Pondok Pesantren Al-Khoirat saat ini masih manual dengan cara pengajar memberikan data nilai tiap santri ke admin sehingga memakan waktu, dan rentan terhadap kesalahan dalam pengerjaannya. untuk meminimalisir permasalahan yang ada, diperlukan suatu sistem informasi pengolahan nilai yang lebih baik. Penulis melakukan penelitian untuk membuat sistem informasi tersebut dengan metode pengumpulan data dengan cara observasi atau mengamati langsung kegiatan dan proses yang berkaitan dengan permasalahan diatas, wawancara dengan orang-orang yang terlibat didalamnya dan studi pustaka buku dan jurnal yang berkaitan dengan permasalahan diatas dan menggunakan model pengembangan sistem waterfall dan diimplementasikan kedalam sistem berbasis web. Hasil dari penelitian ini adalah sistem informasi E-Raport berbasis web yang diharapkan sistem tersebut dapat membuat pengolahan nilai akademik santri di Pondok Pesantren Al-Khoirat lebih mudah dan meminimalisir kesalahan dalam pengerjaannya dan sistem yang terintegrasi sehingga mengelola nilai akademik santri di pondok pesantren Al-Khoirat lebih cepat, efektif dan efisien.
  PubDate: 2022-04-29
  Issue No: Vol. 15, No. 1 (2022)
Deep Learning Pengembangan Aplikasi Deep Learning untuk Identifikasi Kain
Endek Bali
- Authors: I Gusti Agung Gede Arya Kadyanan
  Pages: 32 - 39
  Abstract: Endek fabric is one of the woven fabric crafts from Province of Bali, Indonesia. In its development, nowadays endek fabric is widely used as a traditional clothing or it can be used as a school or office uniforms. Most of people still don’t know if endek fabric has a variety of motifs or designs, so in this research will be explained the classification of Endek Bali fabric types based on its motifs using one of the deep learning methods. In this research, the classification of Endek Bali fabric types consist of preprocessing, training and testing which using the Convolutional Neural Network (CNN) algorithm. For the CNN architecture that will be used is the LeNet-5 architecture. In the CNN algorithm, the feature extraction process is carried out at the convolution layer, then the classification process is carried out in fully connected layer. Based on the research which conducted, it using 4 pieces of Endek Bali fabric class, where 75% (75 data) of each endek fabric class will be used as training data, whereas 25% (25 data) of each endek fabric class will be used as testing data, with the overall data for each class amounting to 100 data. In the best training scenario that using 0.00001 as the learning rate and 0.0001 as the minimum error change value, the highest accuracy value is obtained with an average accuracy by 80%.
  PubDate: 2022-04-29
  Issue No: Vol. 15, No. 1 (2022)
XGBOOST DENGAN RANDOM SEARCH HYPER-PARAMETER TUNING UNTUK KLASIFIKASI
SITUS PHISING
- Authors: Muhammad Ryan Afrizal
  Pages: 40 - 47
  Abstract: Phishing is a form of cyber crime that harms other people and includes acts that are against the law. There are several approaches to combating phishing crimes, one of which is by classifying phishing websites using machine learning methods. The dataset used is a phishing websites dataset from the UCI Repository with 11055 data and 30 categorical features. The classifier method used is XGBoost. XGBoost is good for classifying data with categorical features, but the performance of this algorithm can still be improved. To overcome these problems, researchers used a hyper-parameter tuning solution. XGBoost has several hyper-parameters that can be configured to improve the performance of the model. The problem of identifying good values for hyper-parameters is called hyper-parameter tuning. The hyper-parameter tuning method used is Random Search which is then validated using 5-Fold Cross Validation for 30 iterations. The configured XGBoost hyper-parameters include n_estimators, max_depth, subsample and learning_rate. Testing on XGBoost without hyperparameter tuning obtained an accuracy of 95.34%. Testing on XGBoost with hyperparameter tuning obtained an accuracy of 97.69%. Hyper-parameter tuning with Random Search on XGBoost for phishing websites classification provides improved model performance at an accuracy of about 2.35%.
  PubDate: 2022-04-29
  Issue No: Vol. 15, No. 1 (2022)
Implementasi IQR-SMOTE Untuk Mengatasi Ketidakseimbangan Kelas Pada
Klasifikasi Diabetes menggunakan K-Nearest Neighbors
- Authors: Muhammad Syaoki Faradisa
  Pages: 48 - 60
  Abstract: Salah satu penyakit paling berbahaya adalah diabetes yang berada urutan ketiga paling mematikan di Indonesia setelah stroke dan jantung. Banyak cara untuk mendeteksi penyakit ini lebih dini, salah satunya adalah dengan melakukan klasifikasi menggunakan machine learning. Pada penelitian ini akan menggunakan teknik Interquartile Range untuk melakukan deteksi data outlier pada suatu dataset kemudian teknik SMOTE untuk melakukan oversampling data. Data diabetes memiliki jumlah 268 kelas diabetes dan sebanyak 500 kelas negatif. Penelitian dilakukan dengan membandingkan model K-Nearest Neighbors dengan dan tanpa oversampling pada data outlier berserta penerapan oversampling pada keseluruhan data untuk melihat model yang lebih baik dalam mengklasifikasikan diabetes. Dari perbandingan tersebut, diperoleh hasil bahwa model menggunakan oversampling pada data outlier dan keseluruhan data training (KNN + IQR-SMOTE) merupakan model yang terbaik dari semua model berdasarkan dengan performa f1- score sebesar 68,04%.
  PubDate: 2022-04-29
  Issue No: Vol. 15, No. 1 (2022)
Klasifikasi kebakaran hutan menggunakan algoritma C4.5 dan Rough Set
- Authors: Arif budiman
  Pages: 61 - 68
  Abstract: In recent years there have been large-scale forest fires in forested areas of the world. Forest fires are a major environmental problem that has big impact on wildlife, human health, economic. One solution can be taken is using classification algorithm to predict forest fires based on historical forest fire data. In this research using C4.5 Algorithm combined with Rough Set as feature selection to classify forests fire. Evaluate performance based on created model using confusion matrix to calculate accuracy value. The results show the C4.5 algorithm with Rough Set as feature selection was found accuracy 98.36%. The use of Rough Set as feature selection can reduce irrelevant attributes effectively.
  PubDate: 2022-04-29
  Issue No: Vol. 15, No. 1 (2022)