Articles

Found 13 Documents
Search

Pengembangan Perangkat Lunak Prediktor Kanker Payudara Menggunakan Metode Elastic SCAD SVM dan Data DNA Microarray Firmansyah, Risky Dwi Listyo; Tjandrasa, Handayani; Arieshanti, Isye
Jurnal Teknik ITS Vol 1, No 1 (2012)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (391.171 KB) | DOI: 10.12962/j23373539.v1i1.637

Abstract

Kanker payudara (Carcinoma Mammae) merupakan salah satu penyakit kanker dengan angka kematian terbesar di dunia. Prediksi kanker payudara tentunya dapat membantu para penderitanya untuk menghindari berbagai akibat negatif yang dapat ditimbulkannya. Di sisi lain, data DNA Microarray ternyata dapat digunakan untuk diagnosa dini penyakit kanker payudara. Data DNA Microarray mengandung informasi dari DNA yang kemudian direpresentasikan dalam data vektor berdimensi tinggi. Untuk menangani permasalahan prediksi data berdimensi tinggi, Support Vector Machine (SVM) adalah salah satu metode yang cukup handal. Namun, sayangnya SVM tidak dapat mendukung proses seleksi fitur. Padahal, dengan adanya seleksi fitur, proses prediksi data dapat berjalan lebih cepat. Informasi tentang fitur-fitur penting dari suatu data juga dapat diperoleh dengan adanya seleksi fitur. Oleh karena itu, ada sebuah studi lain yang menggabungkan SVM dengan elastic SCAD (penalization method). Pada studi ini dikembangkan perangkat lunak untuk memprediksi kanker payudara berdasarkan model elastic SCAD SVM yang telah diusulkan oleh studi lain tersebut. Berdasarkan uji coba, perangkat lunak yang dikembangkan mampu melakukan prediksi kanker payudara. Hal ini ditunjukkan dengan nilai akurasi sebesar 95,4%. Fitur yang terpakai pun berkurang dari 1213 atribut menjadi 1193 atribut.
Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier Yusuf, Ahmad; Ginardi, Hari; Arieshanti, Isye
Jurnal Teknik ITS Vol 1, No 1 (2012)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (148.052 KB) | DOI: 10.12962/j23373539.v1i1.645

Abstract

Prediksi nilai ujian akhir dapat membantu pendidik atau mahasiswa dalam melakukan tindakan ke depan yang sesuai dengan kondisi pada saat itu. Salah satu metode yang dapat digunakan dalam memprediksi nilai adalah dengan Regresi Linier. Tetapi, persamaan regresi terkadang dipengaruhi oleh keragaman persebaran data, sehingga keakuratan persamaan prediksi yang dihasilkan kurang baik.  Oleh karena itu, ada studi lain yang mengusulkan model Bootstrap Aggregating Regresi Linear yaitu metode regresi linier yang didahului dengan mengelompokkan data. Dalam pengelompokan data digunakan Spectral Clustering. Dengan adanya pengelompokan tersebut, maka diharapkan distribusi data dalam membentuk persamaan regresi dapat lebih seragam. Selanjutnya, setiap kelompok data akan menghasilkan suatu persamaan regresi. Hasil prediksi merupakan rata-rata dari hasil persamaan regresi dari masing-masing kelompok data. Dalam studi ini, dikembangkan sebuah perangkat lunak prediktor nilai mahasiswa menggunakan model yang diusulkan oleh studi lain yang telah disebutkan sebelumnya. Berdasar pada uji coba yang dilakukan, perangkat lunakn yang dikembangkan dengan menggunakan Spectral Clustering dan Bootstrap Aggregating Regresi Linier mampu memprediksi nilai akhir mahasiswa dengan parameter jumlah cluster yang tepat. Hal ini dapat disimpulkan berdasarkan nilai kesalahan dengan Root Mean Square Error dari hasil prediksi sekitar 0.05 – 0.08 dari dataset
Comparative Study of Bancruptcy Prediction Models Arieshanti, Isye; Purwananto, Yudhi; Ramadhani, Ariestia; Nuha, Mohamat Ulin; Ulinnuha, Nurissaidah
TELKOMNIKA Telecommunication, Computing, Electronics and Control Vol 11, No 3: September 2013
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (51.295 KB)

Abstract

Early indication of bancruptcy is important for a company. If companies aware of  potency of their bancruptcy, they can take a preventive action to anticipate the bancruptcy. In order to detect the potency of a bancruptcy, a company can utilize a a model of bancruptcy prediction. The prediction model can be built using a machine learning methods. However, the choice of machine learning methods should be performed carefully. Because the suitability of a model depends on the problem specifically. Therefore, in this paper we perform a comparative study of several machine leaning methods for bancruptcy prediction. According to the comparative study, the performance of several models that based on machine learning methods (k-NN, fuzzy k-NN, SVM, Bagging Nearest Neighbour SVM, Multilayer Perceptron(MLP), Hybrid of MLP + Multiple Linear Regression), it can be showed that fuzzy k-NN method achieve the best performance with accuracy 77.5%
Ovarian Cancer Identification using One-Pass Clustering and k-Nearest Neighbors Arieshanti, Isye; Purwananto, Yudhi; Tjandrasa, Handayani
TELKOMNIKA Telecommunication, Computing, Electronics and Control Vol 11, No 4: December 2013
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (51.295 KB)

Abstract

The identification of ovarian cancer using protein expression profile (SELDI-TOF-MS) is important to assists early detection of ovarian cancer. The chance to save patient’s life is greater when ovarian cancer is detected at an early stage. However, the analysis of protein expression profile is challenging because it has very high dimensional features and noisy characteristic. In order to tackle those difficulties, a novel ovarian cancer identification model is proposed in this study. The model comprises of One-Pass Clustering and k-Nearest Neighbors Classifier.  With simple and efficient computation, the performance of the model achieves Accuracy about 97%. This result shows that the model is promising for Ovarian Cancer identification.
MODEL PREDIKSI KEBANGKRUTAN BERBASIS NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION Arieshanti, Isye; Purwananto, Yudhi
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 9, No 1, Januari 2011
Publisher : Informatics, ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (509.497 KB) | DOI: 10.12962/j24068535.v9i1.a65

Abstract

Kebangkrutan suatu perusahaan dan bank dapat mempengaruhi sistem perekonomian. Karena itulah, pihak-pihak seperti: kreditor, auditor, pemegang saham dan pihak manajemen perusahaan itu sendiri memiliki kepentingan untuk mengetahui kondisi suatu perusahaan yang berhubungan dengan kebangkrutan. Dalam penelitian ini dikembangkan beberapa model klasifikasi untuk memprediksi kebangkrutan suatu perusahaan. Model dikembangkan berdasarkan metode yang berbasis ANN (Voted Perceptron, Stochastic Gradient Descent dan Multilayer Perceptron) dengan metode PSO. Metode-metode yang berbasis ANN bertugas sebagai klasifier dan PSO bertugas sebagai pemilih fitur dan penentu parameter-parameter (learning rate dan epoch) optimal model. Dari hasil ujicoba dapat disimpulkan bahwa model yang menggabungkan ANN dengan PSO terbukti memiliki performa yang cukup baik, yaitu sekitar 72-75%. Performa terbaik dicapai oleh model Stochastic Gradient Descent+PSO, yaitu sebesar 75% dengan jumlah fitur sebanyak 7 fitur. Dengan adanya model prediksi dengan performa yang baik, diharapkan pihak memiliki gambaran yang lebih baik tentang perusahaan yang sedang ditangani. Gambaran tersebut akan membantu pihak-pihak yang berkepentingan dalam mengambil keputusan.
PEMBUATAN PROTOTIPE APLIKASI WEB SERVICES BERBASIS XML MENGGUNAKAN TEKNOLOGI J2EE DENGAN STUDI KASUS RESERVASI HOTEL Arieshanti, Isye; Buliali, Joko Lianto; Wibisino, Waskitho
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 4, No 1 Januari 2005
Publisher : Informatics, ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (306.656 KB) | DOI: 10.12962/j24068535.v4i1.a239

Abstract

Dalam era globalisasi, para pelaku bisnis secara intensif melakukan usaha-usaha untuk memasuki pasar global. Suatu perusahaan semakin membutuhkan transaksi  bisnis yang bersifat fleksibel, yang bisa dilakukan dengan siapa saja, kapan saja dan dimana saja. Tentunya sistem informasi yang dimiliki perusahaan tersebut harus bisa berkomunikasi dengan sistem yang dimiliki oleh patner bisnis, tanpa harus terlalu banyak perjanjian dan persetujuan. Hal ini berarti diperlukan standard infrastruktur sederhana untuk pertukaran data bisnis.Kebutuhan ini dapat dipenuhi oleh teknologi web service sebagai teknologi yang menyediakan infrastruktur sederhana bagi pelaku bisnis untuk berkomunikasi melalui pertukaran pesan XML. Pada Penelitian ini dikembangkan sebuah prototipe aplikasi web service dengan studi kasus reservasi hotel melalui perantara broker. Studi kasus ini dipilih karena dapat merepresentasikan sistem yang terdistribusi. Dimana broker berperan sebagai penghubung antara customer dan beberapa sistem yang terdistribusi.Pada pembuatan aplikasi ini dipilih teknologi J2EE karena framework J2EE yang telah ada mendukung penerapan web service. Dan selain itu, J2EE bersifat netral terhadap berbagai macam platform (tidak tergantung pada platform tertentu).  Dan pada akhirnya prototipe ini diharapkan menjadi solusi alternatif dalam masalah komunikasi transaksi bisnis  antara perusahaan dengan perusahaan lain.   Kata kunci : web service
KLASIFIKASI CITRA BATIK MENGGUNAKAN METODE EKSTRAKSI CIRI YANG INVARIANT TERHADAP ROTASI Kurniawardhani, Arrie; Suciati, Nanik; Arieshanti, Isye
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 12, No 2, Juli 2014
Publisher : Informatics, ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3771.41 KB) | DOI: 10.12962/j24068535.v12i2.a322

Abstract

Untuk membantu proses pendokumentasian citra Batik, dibutuhkan sistem klasifikasi yang cukup handal dalam mengklasifikasi dan mengidentifikasi citra Batik. Salah satu kehandalan sistem klasifikasi yang dibutuhkan adalah invariant terhadap rotasi. Kehandalan tersebut dibutuhkan agar sistem dapat diaplikasikan untuk mengenali citra dari berbagai macam sumber, seperti internet. Kehandalan sistem klasifikasi tidak lepas dari kehandalan metode ekstraksi cirinya. Salah satu metode ekstraksi ciri yang invariant terhadap rotasi adalah LBPROT. Namun, LBPROT memiliki kekurangan yaitu mengabaikan karakteristik lokal dari kekontrasan atau nilai varian. Di lain pihak, Completed Local Binary Pattern (CLBP) dan Completed Robust Local Binary Pattern (CRLBP) memiliki ciri yang dapat merepresentasikan nilai varian lokal tanpa mengabaikan struktur spasial lokal, yaitu ciri magnitude-nya, CLBP_M dan CRLBP_M. Oleh karena itu, pada penelitian kali ini diusulkan metode klasifikasi yang invariant terhadap rotasi, dengan menggunakan metode ekstraksi ciri yang menggabungkan kelebihan metode LBPROT dan CLBP_M (rotCLBP_M), atau LBPROT dan CRLBP_M (rotCRLBP_M). Hasil ekstraksi ciri akan menjadi data masukan untuk sistem klasifikasi Probabilistic Neural Network (PNN). Kinerja sistem diukur menggunakan akurasi. Hasil uji coba menunjukkan bahwa sistem klasifikasi dengan metode ekstraksi ciri rotCRLBP_M, lebih unggul dibandingkan dengan metode rotCLBP_M. Sistem klasifikasi dapat mencapai akurasi maksimal sebesar 90.34% untuk dataset Batik. Sedangkan pada dataset Brodatz, sistem klasifikasi dapat mencapai akurasi sebesar 87,92%.
Comparative Study of Bankruptcy Prediction Models Arieshanti, Isye; Purwananto, Yudhi; Ramadhani, Ariestia; Nuha, Mohamat Ulin; Ulinnuha, Nurissaidah
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 11, No 3: September 2013
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (157.958 KB) | DOI: 10.12928/telkomnika.v11i3.1143

Abstract

 Early indication of Bankruptcy is important for a company. If companies aware of potency of their Bankruptcy, they can take a preventive action to anticipate the Bankruptcy. In order to detect the potency of a Bankruptcy, a company can utilize a model of Bankruptcy prediction. The prediction model can be built using a machine learning methods. However, the choice of machine learning methods should be performed carefully because the suitability of a model depends on the problem specifically. Therefore, in this paper we perform a comparative study of several machine leaning methods for Bankruptcy prediction. It is expected that the comparison result will provide insight about the robust method for further research. According to the comparative study, the performance of several models that based on machine learning methods (k-NN, fuzzy k-NN, SVM, Bagging Nearest Neighbour SVM, Multilayer Perceptron(MLP), Hybrid of MLP + Multiple Linear Regression), it can be concluded that fuzzy k-NN method achieve the best performance with accuracy 77.5%. The result suggests that the enhanced development of bankruptcy prediction model could use the improvement or modification of fuzzy k-NN.
DOTTED-BOARD MODEL DAN EXTENDED LOCAL SEARCH UNTUK OPTIMALISASI TATA LETAK POLA BUSANA PADA BAHAN BERMOTIF DENGAN MEMPERTIMBANGKAN ATURAN KESERASIAN MOTIF Bimantoro, Fitri; Suciati, Nanik; Arieshanti, Isye
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015
Publisher : Informatics, ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v13i1.a390

Abstract

Permasalahan peletakkan pola busana penting dilakukan untuk memperoleh efisiensi dalam penggunaan bahan kain.Tidak hanya itu, waktu pemrosesan dengan memperhatikan keserasian motif juga masih menjadi masalah yang belum terselesaikan. Permasalahan ini dikenal dengan irregular strip packing problem (SPP). Penelitian irregular SPP menggunakan bahan bermotif pernah dilakukan sebelumnya, namun tidak memperhatikan keserasian isi motif. Penelitian ini diusulkan untuk menyelesaikan irregular SPP pada bahan bermotif dengan mempertimbangkan keserasian isi motif. Metode yang diusulkan adalah Dotted Board Model (DBM) yang dikombinasikan dengan Extended Local Search (ELS). Pada tahap awal pola busana dibagi menjadi dua kelompok. Kelompok pola busana yang memiliki aturan keserasian mo-tif, dan kelompok pola busana yang tidak memiliki aturan keserasian motif. Selanjutnya, inisialisasi tata letak awal dil-akukan pada kelompok pola busana yang memiliki aturan keserasian motif menggunakan DBM. Selebihnya, pola busana tanpa aturan keserasian motif akan dioptimalisasi dengan menggunakan ELS. Setiap aturan keserasian memiliki poin yang digunakan sebagai tolak ukur keserasian motif. Berdasarkan ujicoba, kombinasi terbaik ELS+DBM terdapat pada resolusi 3 piksel dengan iterasi local search ke 5. Nilai efisiensi dan waktu ELS+DBM adalah 57% dan 381 detik. Waktu komputasi ELS+DBM lebih cepat dengan selisih waktu komputasi 392,7detik dibandingkan tanpa DBM. Hal ini menun-jukkan bahwa metode ELS+DBM lebih unggul dibandingkan ELS tanpa DBM, karena metode ELS+DBM memiliki waktu yang lebih singkat untuk mencapai nilai efisiensi yang hampir sama.
PREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION Yuli Kurniawati, Lisa; Tjandrasa, Handayani; Arieshanti, Isye
Jurnal Simantec Vol 4, No 1 (2014)
Publisher : Universitas Trunojoyo Madura

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

Abstract

ABSTRAKDalam pasar saham, harga suatu saham dapat berubah secara cepat dari waktu ke waktu. Para pemilik saham diharapkan dapat segera memutuskan kapan saham sebaiknya dijual atau tetap dipertahankan. Karenanya prediksi pergerakan harga saham sampai saat ini masih menjadi topik hangat untuk diperbincangkan dalam dunia jual beli saham. Model prediksi pergerakan harga saham yang akurat dapat membantu para investor dalam pertimbangan pengambilan keputusan transaksi saham. Di dalam praktiknya, harga suatu saham dapat diprediksi dengan menggunakankonsep analisa teknikal.Analisa teknikal didasarkan pada prinsip penggunaan data histori harga saham untuk memprediksi pergerakan saham dimasa mendatang.Tujuan penelitian ini adalah mengimplementasikan metode Support Vector Regression dalam analisa teknikal untuk memprediksi pergerakan harga saham di masa mendatang. Support Vector Regression (SVR) merupakan pengembangan dari metode support vector machine untuk kasus regresi. Metode ini mampu mengatasi overfitting serta mampu menunjukkan performa yang bagus.Dari serangkaian uji coba yang dilakukan, dapat disimpulkan bahwa metode SVR dapat memprediksi pergerakan harga saham dengan cukup baik. Hal ini terlihat dari nilai NRMSE terbaik yang didapatkan sebesar 0.14.Kata kunci: Analisa Teknikal,Prediksi harga saham, Regresi, SVR.ABSTRACTInstockmarkets, the priceof a stockcanchangerapidlyover time. The investor may decide when the stock should be sold or retained.For this reason, thestockprice movementpredictionis stilla hot topicto be discussedin the world ofbuying and sellingstocks. The modelwhich was accurate forstockprice movement prediction may help investors inconsideration of the decision-making of stock transactions. In practice, stock price may be predicted with the technical analysis approach. Technical analysisis based on the principle of using historical datat o predict stock price movement in the future. The purpose of this study is to implement Support Vector Regression in technical analysis to predict the movement of stock prices. Support Vector Regression(SVR) was the development of support vector machine for regression case. This method was able to overcome the over fitting and be able to show good performance. From a series of experiments, it can be concluded that the SVR method may predict the movement of stock prices pretty well. It can be seen from the best values of NRMSE is 0,14.Keywords: Technical Analysis, Stock price forecasting, Regression, SVR.