Articles

Found 22 Documents
Search

METODE EKSTRAKSI FITUR PADA PENGKLASIFIKASIAN DATA MICROARRAY BERBASIS INFORMASI PASANGAN GEN Soelaiman, Rully; Agustianty, Sheila; Purwananto, Yudhi; Purnama, I.K. Eddy
Jurnal Ilmu Komputer dan Informasi Vol 2, No 1 (2009): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (405.758 KB) | DOI: 10.21609/jiki.v2i1.123

Abstract

Pengenalan teknologi DNA microarray membuat perolehan data microarray menjadi lebih mudah. Hal ini semakin memicu persoalan tentang bagaimana cara terbaik dalam mengekstraksi dan memilih fitur dari data yang berdimensi besar tersebut. Metode-metode terdahulu mengabaikan adanya hubungan antargen sehingga memungkinkan hilangnya informasi penting yang tersimpan dalam suatu gen pada saat ekstraksi fitur. Meskipun berbagai macam metode telah digunakan, pengembangan metode ekstraksi dan seleksi fitur dari data microarray yang lebih powerful dan efisien masih diperlukan untuk meningkatkan performa klasifikasi kanker. Dalam penelitian ini diimplementasikan sebuah metode dalam melakukan ekstraksi fitur dari data microarray yang memanfaatkan model klasifikasi berbasis informasi pasangan gen, yaitu pasangan gen yang memiliki perbedaan signifikan pada dua jenis sampel tissue. Hasil uji coba terhadap dua data microarray menunjukkan bahwa fitur hasil ekstraksi menggunakan metode ini dapat meningkatkan performa klasifikasi. Bahkan akurasi 100% dapat diperoleh pada uji coba terhadap data lymphoma.
IMPLEMENTASI ALGORITMA PARTICLE SWARM UNTUK MENYELESAIKAN SISTEM PERSAMAAN NONLINEAR Rosita, Ardiana; Purwananto, Yudhi; Soelaiman, Rully
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 | DOI: 10.12962/j23373539.v1i1.636

Abstract

Penyelesaian sistem persamaan nonlinear merupakan salah satu permasalahan yang sulit pada komputasi numerik dan berbagai aplikasi teknik. Beberapa metode telah dikembangkan untuk menyelesaikan sistem persamaan ini dan metode Newton merupakan metode yang paling sering digunakan. Namun metode ini memerlukan perkiraan solusi awal dan memilih perkiraan solusi awal yang baik untuk sebagian besar sistem persamaan nonlinear tidaklah mudah. Pada makalah ini, algoritma Particle Swarm yang diusulkan oleh Jaberipour dan kawan-kawan[1] diimplementasikan. Algoritma ini merupakan pengembangan dari algoritma Particle Swarm Optimization (PSO). Algoritma ini meyelesaikan sistem persamaan nonlinear yang sebelumnya telah diubah menjadi permasalahan optimasi. Uji coba dilakukan terhadap beberapa fungsi dan sistem persamaan nonlinear untuk menguji kinerja dan efisiensi algoritma. Berdasarkan hasil uji coba, beberapa fungsi dan sistem persamaan nonlinear telah konvergen pada iterasi ke 10 sampai 20 dan terdapat fungsi yang konvergen pada iterasi ke 200. Selain itu, solusi yang dihasilkan algoritma Particle Swarm mendekati solusi eksak.
OPTIMASI KINERJA ALGORITMA KLASTERISASI K-MEANS UNTUK KUANTISASI WARNA CITRA Irwanto, Irwanto; Purwananto, Yudhi; Soelaiman, Rully
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 | DOI: 10.12962/j23373539.v1i1.631

Abstract

Kuantisasi warna citra merupakan operasi penting pada banyak aplikasi grafik dan pengolahan citra.  Metode kuantisasi warna banyak dilakukan dengan menggunakan algoritma klasterisasi data. Kepopuleran k-means sebagai algoritma klasterisasi data yang telah umum, ternyata belum mendapat cukup perhatian pada literatur kuantisasi warna. Hal ini disebabkan karena mahalnya biaya komputasi dan sensitivitasnya terhadap pengaruh pemilihan pusat klaster. Penelitian ini memberikan metode percepatan algoritma k-means untuk kuantisasi warna. Metode yang diajukan melibatkan beberapa modifikasi pada k-means konvensional, seperti pengurangan data, pembobotan data, dan penggunaan prinsip  pertidaksamaan segitiga untuk mempercepat pencarian ketetanggaan terdekat. Ujicoba dilakukan dengan beragam citra dan menunjukkan bahwa modifikasi yang telah dilakukan mampu memperlihatkan bahwa k-means juga sangat kompetitif sebagai algoritma  kuantisasi warna citra, baik dalam segi efektivitas maupun efisiensinya.
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%
VIDEO STREAMING TERKOMPRESI BERBASIS UPNP MENGGUNAKAN METODE KUANTISASI VEKTOR DENGAN ALGORITMA FAIR SHARE AMOUNT Shiddiqi, Ary Mazharuddin; Purwananto, Yudhi; Yanto, Dedy
Proceedings of KNASTIK 2009
Publisher : Duta Wacana Christian University

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

Abstract

Salah satu contoh keunggulan teknologi yang ada saat ini yaitu streaming file. Definisi dari streaming file adalahteknik untuk mengirim file dari satu device ke device lain yang berjalan secara terus menurus sehingga user di device tujuanbisa menjalankan file yang dikirim dengan tidak menunggu semua file dari tempat asal selesai dikirimkan.Proses streaming membutuhkan bandwith yang besar, karena data audio dan video biasanya memiliki ukuran yangbesar. Dengan kondisi bandwidth yang terbatas, proses streaming sulit diimplementasikan. Oleh karena itu dibutuhkan solusiyang bisa melakukan streaming pada bandwidth yang terbatas. Salah satu solusi yang memungkinkan yaitu denganmenggunakan metode kompresi ke dalam data yang akan distreaming. Kompresi dilakukan menggunakan metode kuantisasivektor dengan menggunakan algoritma Fair Share Amount (FSA). Streaming juga mengimplementasikan teknologi UPnP(Universal Plug And Play) sehingga proses streaming bisa diautomatisasi tanpa perlu mengetahui address pada device -device yang terhubung. Source streaming disebut dengan device sedangkan tujuan streaming disebut dengan control point.Berdasarkan hasil uji coba menunjukan bahwa dengan menggunakan arsitektur UPnP, aplikasi video streamingterkompresi menggunakan metode quantisasi vektor dengan algoritma FSA bisa diterapkan dengan baik serta prosentasekompresi yang dihasilkan dengan metode ini mencapai 75,8 % sampai 85 % dari file aslinya.
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.
QUERY BUILDER PADA RDBMS ORACLE MENGGUNAKAN XML DAN ACTIVEX BERBASIS WEB Murti, Darlis Heru; Purwananto, Yudhi; Febrianto, M. Rifqi
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 3, No 1 Januari 2004
Publisher : Jurusan Teknik Informatika ITS, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh N

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

Abstract

Dalam penelitian ini akan dibahas mengenai pembuatan aplikasi pembangkit query berbasis web pada RDBMS Oracle 9i yang memiliki kemampuan untuk melakukan pembuatan query baik secara forward(diagram ke teks query) maupun reverse(teks query ke diagram) dengan menggunakan teknologi IIS, ISAPI Ekstension, activex dan XML sebagai data interchange. Penelitian ini bertujuan untuk membuat sebuah arsitektur dimana instalasi Oracle hanya dilakukan sekali, yaitu pada komputer server. Sedangkan komputer client tidak perlu diinstall, namun tetap harus terkoneksi pada server melalui jaringan LAN. Dengan teknologi maka semua perintah (syntax SQL) yang dibentuk pada server akan dikirm pada server untuk dieksekusi pada level database Dan record hasil dari eksekusi tersebut akan dikembalikan nilainya pada komputer client.. Uji coba dan evaluasi dilakukan dengan menggunakan 2 cara, yaitu uji coba kebenaran dalam membentuk syntax query dan uji coba kecepatan aplikasi yang sudah dikembangkan. Untuk uji coba kebenaran, aplikasi sudah bisa melakukan pembentukan syntax SQL baik secara forward maupun reverse namun hanya terbatas pada fungsi-fungsi standart pada ANSI SQL. Untuk uji coba kecepatan, menunjukkan bahwa kinerja perangkat lunak dipengaruhi 3 parameter yaitu jumlah tabel, jumlah kolom pada masing-masing tabel, dan jumlah record hasil eksekusi syntax SQL. Dimana peningkatan waktu yang dibutuhkan bersifat eksponensial. Kata kunci :Pembangkit Query, IIS, ISAPI Extension, ActiveX, XML, Oracle 9i.
ANALISIS KINERJA SOLVER PERSAMAAN DIFERENSIAL BIASA PADA MATLAB UNTUK PERSOALAN NILAI AWAL NONSTIFF DAN STIFF Purwananto, Yudhi; Soelaiman, Rully
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 1, No 1 Juli 2002
Publisher : Jurusan Teknik Informatika ITS, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh N

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

Abstract

Makalah ini membahas analisis kinerja dari solver persamaan diferensial biasa pada perangkat lunak MATLAB. Persoalan persamaan diferensial biasa yang akan diselesaikan oleh solver MATLAB dan selanjutnya dianalisis kinerjanya tersebut akan meliputi persoalan nilai awal (Initial Value Problem) dengan karakteristik nonstiff dan stiff.Penyelesaian persoalan nilai awal nonstiff yang akan dianalisis kinerjanya akan menggunakan metode Runge-Kutta eksplisit, yang diimplementasikan dengan fungsi ode23 dan ode45. Sedangkan untuk persoalan nilai awal stiif akan menggunakan metode implisit yang disebut Numerical Differentiation Formulas (NDF) dan metode one-step implisit Modified Rosenbrock. Kedua metode untuk persoalan stiff tersebut diimplementasikan dalam fungsi ode15s dan ode23s. Analisis kinerja pada solver PDB MATLAB untuk persoalan nilai awal yang dilakukan terhadap setiap fungsi tersebut akan meliputi kinerja terhadap tolerasi galat (error) dan biaya komputasi yang dibutuhkan yang dinyatakan dengan komponen succesful step, failed attempts dan function evaluation.Kata kunci: Initial Value Problem, Nonstiff, Ordinary Differential Equation, Stiff
IMPLEMENTASI DELAY DIFFERENTIAL EQUATION PADA SOLVER ORDINARY DIFFERENTIAL EQUATION MATLAB Soelaiman, Rully; Purwananto, Yudhi
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 1, No 1 Juli 2002
Publisher : Jurusan Teknik Informatika ITS, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh N

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

Abstract

Ordinary Differential Equation (ODE) dan Delay Differential Equation (DDE) banyak digunakan untuk menerangkan kejadian-kejadian pada dunia nyata. ODE melibatkan derivatif yang dipengaruhi oleh penyelesaian waktu sekarang dari variabel-variabel yang tidak bergantung pada waktu. Sementara, DDE memiliki tambahan derivatif yang juga dipengaruhi oleh penyelesaian pada waktu sebelumnya.Penyelesaian persoalan DDE dengan nilai tunda konstan difokuskan pada metode eksplisit Runge Kutta triple BS(2,3) yang digunakan juga oleh solver Matlab nonstiff pada ode23.Untuk mengimplementasikan permasalahan DDE dengan waktu tunda konstan dengan menggunakan metode Runge-Kutta eksplisit dibutuhkan tiga rumusan yaitu rumusan untuk menghitung nilai pada setiap tahapan integrasi, rumusan untuk menghitung besarnya step size serta rumusan untuk menghitung continuous extension. Pada penelitian ini, diaplikasikan metode Runge Kutta eksplisit dengan rumusan embedded dari Bogacki-Shampine yang mempunyai order 3 serta rumusan continuous extension dengan interpolasi Hermite kubik.Kata kunci : Delay Differential Equation, Ordinary Differential Equation, Runge Kutta.
PERANCANGAN FUNGSI RANGKAIAN LOGIKA MELALUI FINITE STATE MACHINE DENGAN MEKANISME BELAJAR DARI CONTOH Purwananto, Yudhi; Fatichah, Chastine; Junaidi, Junaidi
JUTI: Scientific Journal of Information Technology Vol 2, No 1 Januari 2003
Publisher : Teknik Informatika, ITS Surabaya

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

Abstract

Perancangan rangkaian logika secara umum dapat dilakukan dengan metode sebagai berikut : mendefinisikan permasalahan, membentuk diagram keadaan atau tabel keadaan, membentuk tabel kebenaran, membentuk fungsi logika dan menuangkannya dalam rangkaian logika. Penerapan metode tersebut membutuhkan ketelitian dan waktu yang sebanding dengan kompleksitas rangkaian yang dirancang. Karena itu, perlu dibuat sebuah perangkat lunak untuk membantu proses perancangan rangkaian logika, agar proses perancangan dapat dilakukan dengan mudah, cepat, dan dengan ketelitian yang tinggi. Untuk merancang rangkaian logika,dalam penelitian ini diterapkan mekanisme belajar dari contoh, yang memanfaatkan teori-teori otomata dan switching. Penelitian ini mencoba membangun model untuk rangkaian logika yang diinginkan berdasarkan atas contoh input/output dari rangkaian logika yang diinginkan, dengan langkah-langkah : membangun model dari contoh yang diberikan, melakukan modifikasi model (jika diperlukan) berdasarkan atas contoh tambahan yang diberikan, memilih salah satu model sebagai solusi akhir jika diperoleh lebih dari satu model, dan menerjemahkan model ke dalam rangkaian logika. Penelitian ini menghasilkan model untuk rangkaian logika dalam bentuk finite state machine, yang kemudian diterjemahkan menjadi fungsi logika dalam bentuk sum of product. Dari hasil uji coba yang telah dilakukan, untuk setiap contoh yang diberikan, perangkat lunak yang dikembangkan terbukti mampu membentuk minimal sebuah model dan menerjemahkannya menjadi fungsi logika. Namun demikian, tingkat kesesuaian antara model yang dihasilkan dengan yang diharapkan masih tergantung pada kelengkapan contoh yang diberikan. Selain itu, perangkat lunak ini juga mampu membedakan jenis rangkaian logika yang dihasilkan, mampu melakukan modifikasi pada model yang dihasilkan serta mampu menangani contoh-contoh yang inkonsisten.