Claim Missing Document
Check
Articles

AN EXPERIMENTAL STUDY ON BANK PERFORMANCE PREDICTION BASE ON FINANCIAL REPORT Fatichah, Chastine; Kemalasari, Nurina Indah
CCIT Journal Vol 5 No 1 (2011): CCIT JOURNAL
Publisher : Universitas Raharja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/ccit.v5i1.490

Abstract

This paper presents an experimental study on bank performance prediction base on financial report. This research use Support Vector Machine (SVM), Probabilistic Neural Network (PNN) and Radial Basis Function Neural Network (RBFN) methods to experiment the bank performance prediction. To improve accuracy prediction of both neural network methods, this research use Principal Component Analysis (PCA) to get best feature. This research work based on the bank’s financial report and financial variables predictions of several banks that registered in Bank Indonesia. The experimental results show that the accuracy rate of bank performance prediction of PCA-PNN or PCA-RBFN methods are higher than SVM method for Bank Persero, Bank Non Devisa and Bank Asing categories. But, the accuracy rate of SVM method is higher than PCA-PNN or PCA-RBFN methods for Bank Pembangunan Daerah and Bank Devisa categories. The accuracy rate of PCA-PNN method for all bank categories is comparable to that PCA-RBFN method.
Alat Bantu Dengar Berbasis Smartphone untuk Membantu Penderita Gangguan Pendengaran Wibowo, Arianto; Soelaiman, Rully; Fatichah, Chastine
Jurnal Teknik ITS Vol 6, No 2 (2017)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (360.784 KB) | DOI: 10.12962/j23373539.v6i2.23502

Abstract

Gangguan pendengaran adalah salah satu gangguan kesehatan yang umumnya disebabkan oleh faktor usia atau sering terpapar suara keras. Gagalnya sinyal suara untuk mencapai otak merupakan penyebab utama gangguan pendengaran. Salah satu cara untuk mengatasi masalah tersebut dengan menggunakan alat bantu dengar yang dipasang pada telinga penderita. Sayangnya, alat tersebut masih mahal dan belum terjangkau oleh sebagian masyarakat. Sistem memanfaatkan smartphone sebagai alat bantu dengar. Penderita gangguan pendengaran dapat mengunduh aplikasi ini pada smartphone mereka, dan dapat segera digunakan menggantikan alat bantu dengar. Publikasi ini bertujuan untuk membuat sebuah aplikasi alat bantu dengar dengan menggunakan algoritma yang didesain untuk menirukan cara kerja pendengaran manusia. Aplikasi akan menerima masukan suara dari microphone dan mengeluarkan suara dengan kualitas yang telah diperbaiki ke earphone penderita yang tertancap pada smartphone. Setelah diuji coba terhadap penderita, aplikasi dapat membantu penderita untuk dapat mendengarkan suara yang diberikan dengan akurasi rata-rata sebesar 79.3%. Hasil pengujian ini memuaskan karena penderita dapat mendengarkan suara layaknya pendengaran normal.
Pembentukan Tesaurus pada Cross-Lingual Text dengan Pendekatan Constraint Satisfaction Problem Rizqi, Umy; Fatichah, Chastine; Purwitasari, Diana
Jurnal Teknik ITS Vol 6, No 2 (2017)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (634.967 KB) | DOI: 10.12962/j23373539.v6i2.23686

Abstract

Dokumen tugas akhir dan tesis sering kali disediakan dalam dua bahasa, yaitu bahasa Indonesia dan Inggris. Dalam pencarian, setiap mahasiswa memiliki kecenderungan mencari dokumen dengan menggunakan kata kunci dengan bahasa tertentu. Tujuan dari penelitian ini adalah untuk membangun cross-lingual tesaurus bahasa Indonesia dan bahasa Inggris dengan pendekatan Constraint Satisfaction Problem. Dalam penelitian ini digunakan data Tugas Akhir serta Tesis mahasiswa Institut Teknologi Sepuluh Nopember. Pada pengolahan dokumen dilakukan beberapa langkah yaitu pembentukan pararell corpus, ekstraksi kata, pembobotan kata, dan pembentukan informasi co-occurrence, yang selanjutnya dilakukan Constraint Satisfaction Problem dengan backtracking sebagai solusi pencarian. Pembobotan menggunakan TF-IDF (term frequency–inverse document frequency) Hasil dari proses pembangunan tesaurus, tesaurus yang dibentuk dengan menggunakan CSP menghasilkan precision 91,38% sedangkan tesaurus yang dibentuk tanpa menggunakan CSP menghasilkan precision 45,23%. Pencarian dokumen menggunakan tesaurus menghasilkan recall 86,67%,  precision 100% dan akurasi 86,67%.
Visualisasi Similaritas Topik Penelitian dengan Pendekatan Kartografi Menggunakan Self-Organizing Maps (SOM) Pangestu, Budi; Purwitasari, Diana; Fatichah, Chastine
Jurnal Teknik ITS Vol 6, No 2 (2017)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (588.087 KB) | DOI: 10.12962/j23373539.v6i2.23706

Abstract

Penelitian merupakan salah satu hal yang penting dalam pengembangan bidang keilmuan sehingga dinilai perlu diciptakan sebuah visualisasi Peta Keterkaitan Antar Topik Riset Penelitian, agar mampu memberikan ide dan gambaran bagi calon peneliti dari Indonesia tentang potensi Topik Penelitian yang dapat dikembangkan.Pada penelitian kali ini, akan digunakan Data Penelitian studi dari Resits.its.ac.id sebagai data input. Pemrosesan Data Mining pada data teks seringkali memiliki kendala dalam kata-kata yang terdapat pada corpus terlalu kotor atau biasa disebut stopwords, dan besarnya dimensi fitur yang didapat dari data teks sangat besar. Berdasarkan hasil uji coba, dapat disimpulkan bahwa ekstraksi fitur dan Teknik cluster yang digunakan sudah tepat divalidasi dengan Silhouette Score sebesar 0.5215, dan Cophenet Correlation Coefficient sebsar 0.977. Uji coba diatas menunjukkan bahwa K-means Clustering yang digunakan menghasilkan Cluster yang Cohesive dan Separable ditandai dengan hasil Silhouette Score dan Cophenet Correlation Coefficient yang besar.
Deteksi Gempa Berdasarkan Data Twitter Menggunakan Decision Tree, Random Forest, dan SVM Dwi Lingga P., Rendra; Fatichah, Chastine; Purwitasari, Diana
Jurnal Teknik ITS Vol 6, No 1 (2017)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (98.486 KB) | DOI: 10.12962/j23373539.v6i1.22037

Abstract

Twitter merupakan salah satu media sosial yang cukup populer saat ini. Pengguna aktif Twitter mencapai kurang lebih 400 juta orang. Fitur utama yang paling penting dari Twitter yaitu layanan yang bersifat real-time dimana pengguna dapat menuliskan catatan singkat tentang apa yang terjadi secara langsung. Sebagai contoh, ketika terjadi bencana alam(gempa bumi) di suatu tempat, banyak pengguna aktif twitter menulis informasi berupa (tweet) tentang gempa bumi yang sedang berlangsung melalui Twitter. Hal ini memungkinkan dibuatnya sebuah metode yang mendeteksi terjadinya gempa atau tidak dengan melakukan observasi melalui tweet yang ada. Dalam tugas akhir ini dibuat sebuah metode klasifikasi untuk membedakan antara tweet yang mengandung informasi gempa  yang sesungguhnya (gempa positif) dan tweet yang mengandung informasi gempa namun memiliki arti lain (gempa negatif). Setelah dilakukan klasifikasi menggunakan Decision Tree, Random Forest dan Support Vector Machine (SVM). Hasil yang didapat memberikan nilai akurasi Support Vector Machine (SVM) secara keseluruhan lebih baik daripada Decision Tree dan Random Forest dengan persentase gempa yang dideteksi oleh sistem (Recall) didapatkan nilai 86.3%.dengan precision sebesar 88.7%. Namun jika dilihat dari terdeteksinya gempa oleh sistem tanpa dirata-rata, Random Forest memiliki persentase recall sebesar 96.7% lebih baik daripada Decision Tree dan Random Forest. 
Implementasi Ekstraksi Fitur untuk Pengelompokan Berkas Musik Berdasarkan Kemiripan Karakteristik Suara Perdana, Ramadhan Rosihadi; Soelaiman, Rully; Fatichah, Chastine
Jurnal Teknik ITS Vol 6, No 1 (2017)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (53.131 KB) | DOI: 10.12962/j23373539.v6i1.22138

Abstract

Pengelompokkan musik berdasarkan karakteristik suara merupakan hal penting bagi penikmat musik.. Penikmat musik tidaklah mencari musik berdasarkan artis tetapi juga mencari musik berdasarkan genre yang diinginkannya. Karena itu dibutuhkan metode ekstraksi fitur yang tepat untuk dapat merepresentasikan berkas musik berdasarkan genre dengan baik. Studi ini melakukan ekstraksi fitur berkas musik. Dengan mengekstraksi fitur spectral centroid, spectral flux, spectral rolloff, dan short time energy pada tiap berkas musik yang diolah dan kemudian dihitung nilai mean, median, skewness, dan kurtosisnya. Dan selanjutnya dikelompokkan menggunakan metode klasifikasi Random Forest dengan alat bantu Weka untuk menguji kelayakan fitur yang dihasilkan. Uji coba dilakukan dengan menggunakan kombinasi nilai atribut komponen ekstraksi fitur dan berkas musik yang berbeda-beda sesuai genre. Hasil uji coba klasifikasi pada Studi ini menghasilkan nilai akurasi terbaik  sebesar 80.4%. 
Penggabungan Fitur Tekstur yang Invariant terhadap Iluminasi dan Fitur Bentuk untuk Deteksi Acute Lymphoblastic Leukemia Saputra, Rizal A; Fatichah, Chastine; Suciati, Nanik
Jurnal Buana Informatika Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (628.19 KB) | DOI: 10.24002/jbi.v7i1.481

Abstract

Abstract. Detection with microscopic blood image can help early detection of Accute Lymphoblastic Leukemia (ALL). Therefore, image acquisition process under lighting variation cause varying illumination image, so it’s needed to find texture feature extraction method that is invariant towards illumination. Shape feature also needed in this study because can represent characteristics of microscopic blood image.This study proposes combination of texture feature that is illumination invariant and shape feature for ALL detection. Texture feature will be extracted using Complete Robust Local Binary Pattern (CRLBP) method and will be tested on microscopic blood image dataset named ALL_IDB1. Testing will be conducted by using various combination of different texture feature and shape feature. Combination of shape feature and CRLBP is perform better than others. In indvidual cell test, highest result using SVM Linear with accuracy 90.89%, sensitivity 94.24% and specificity 64.82%. Classification using ALL image reach accuracy 88.00 %, sensitivity 82.35% and specificity 100%.Keywords: Acute Lymphoblastic Leukemia detection, Complete Robust Local Bianry Pattern, Local Binary Pattern, shape feature, texture feature. Abstrak. Deteksi dengan citra mikroskopik sel darah dapat membantu untuk deteksi dini Accute Lymphoblastic Leukemia (ALL). Namun, proses akuisisi citra mikroskopik dengan variasi pencahayaan yang berbeda menyebabkan iluminasi citra menjadi beragam sehingga dibutuhkan metode yang dapat mengekstraksi fitur tekstur yang invariant terhadap iluminasi. Fitur bentuk juga dibutuhkan dalam penelitian ini karena dapat merepresentasikan perbedaan pada citra mikroskopik sel darah. Penelitian ini mengusulkan penggabungan fitur tekstur yang invariant terhadap iluminasi dan fitur bentuk untuk deteksi dini ALL. Fitur tekstur akan diekstraksi dengan menggunakan metode Complete Robust Local Binary Pattern (CRLBP) dan diuji coba pada dataset ALL_IDB1. Uji coba dilakukan dengan variasi penggabungan fitur bentuk dan fitur tekstur. Penggabungan fitur bentuk dan CRLBP merupakan kombinasi fitur dengan performansi paling baik. Pada pengujian sel tunggal memberikan hasil tertinggi pada klasifikasi SVM Linear dengan akurasi 90,89%, sensitifitas 94,24% dan sepesifisitas 64,82%. Pada klasifikasi citra ALL akurasi mencapai 88,00%, dengan sensitifitas 82,35% dan spesifisitas 100%.Kata Kunci: Complete Robust Local Binary Pattern, deteksi Acute Lymphoblastic Leukemia, Local Binary Pattern, fitur bentuk, fitur tekstur
IMPLEMENTASI METODE MULTIPLE KERNEL SUPPORT VECTOR MACHINE UNTUK SELEKSI FITUR DARI DATA EKSPRESI GEN DENGAN STUDI KASUS LEUKIMIA DAN TUMOR USUS BESAR Yunita, Ariana; Fatichah, Chastine; Yuhana, Umi Laily
MATICS MATICS (Vol. 4 No. 2
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (527.898 KB) | DOI: 10.18860/mat.v0i0.1563

Abstract

Pada penelitian ini mengimplementasikan metode multiple kernel support vector machine untuk seleksi fitur. Multiple kernel merupakan metode modifikasi fungsi kernel yang mengalikan tiap elemen dari data. Metode ini melakukan seleksi fitur terhadap fitur yang kurang penting dengan tingkat akurasi lebih baik daripada metode dasar support vector machine. Uji coba dilakukan dengan menggunakan dataset ekspresi gen leukimia dan tumor usus besar. Hasil uji coba dibandingkan dengan tingkat akurasi metode support vector machine tanpa seleksi fitur. Tingkat akurasi metode multiple kernel support vector machine yang dihasilkan untuk data ekspresi gen leukimia yaitu 85% dan untuk data tumor usus besar sebesar 69%. Sedangkan tingkat akurasi dengan metode dasar support vector machine yaiu sebesar 82% untuk data leukimia dan 59% untuk data tumor usus besar. Seleksi fitur dapat mempersingkat waktu komputasi sehingga dapat dikembangkan untuk banyak aplikasi pengenalan pola. Kata Kunci: Multiple kernel, support vector  machine, seleksi fitur, data ekspresi gen
Reduksi Data Latih pada K-Support Vector Nearest Neighbor Menggunakan Entropy Prasetyo, Eko; Adityo, R. Dimas; Suciati, Nanik; Fatichah, Chastine
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Pemilihan sebagian data latih atau reduksi data latih yang mempunyai pengaruh pada garis keputusan klasifikasi penting dilakukan. Tujuannya untuk mengurangi beban sistem pada tahap pelatihan. Sebagai metode reduksi data, K-Support Vector Nearest Neighbour (K-SVNN) mendapatkan hasil berdasarkan ketinggian nilai Significant Degree (SD) masing- masing data. Nilai SD dihitung menggunakan variabel LVRV (Left Value dan Right Value). Sayangnya, LVRV hanya dapat digunakan pada kasus klasifikasi biner. Penelitian ini melakukan uji coba penggunaan Entropy untuk menghitung SD. Secara konseptual, Entropy memberikan nilai kemurnian distribusi kelas data sehingga dimungkinkan penggunaan Entropy untuk menghitung SD pada kasus multi kelas. Pada makalah ini, disajikan analisis perbandingan perilaku nilai SD antara menggunakan LVRV dan Entropy. Hasil reduksi data menggunakan threshold (T) > 0, didapatkan akurasi yang sama pada kedua metode, sedangkan klasifikasi dengan reduksi data latih memberikan nilai akurasi lebih tinggi daripada tanpa reduksi. Hal ini membuktikan bahwa entropy dapat digunakan untuk menggantikan LVRV untuk menghitung SD.
SELEKSI FITUR MENGGUNAKAN EKSTRAKSI FITUR BENTUK, WARNA, DAN TEKSTUR DALAM SISTEM TEMU KEMBALI CITRA DAUN Sari, Yuita Arum; Dewi, Ratih Kartika; Fatichah, Chastine
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 12, No 1, Januari 2014
Publisher : Informatics, ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1003.264 KB) | DOI: 10.12962/j24068535.v12i1.a39

Abstract

Fitur yang digunakan untuk mengenali jenis daun meliputi bentuk, warna, dan tekstur. Tidak semua jenis fitur perlu digunakan untuk melakukan komputasi hasil ektra ksi, namun perlu diseleksi beberapa fitur yang paling berpengarauh dalam sistem temu kembali citra daun. Teknik seleksi fitur Correlation based Featured Selection (CFS) digunakan untuk melakukan pemilihan fitur berdasarkan korelasi antar fitur, sehingga dapat meningkatkan performa dari sistem temu kembali citra daun. Jenis seleksi fitur yang digunakan diantaranya menggunaka CFS, CFS dengan Genetic Search (GS), dan chi square. Analisis keterkaitan korelasi antar fitur melalui seleksi fitur juga dikombinasikan dengan penggunaan kedekatan dalam menghitung similaritas pada sistem temu kembali. Penggunaan kedekatan dengan Lp norm, ma nhattan, euclidean, cosine, dan mahalanobis. Hasil penelitian ini menunjukkan nilai temu kembali paling tinggi ketika menggunakan seleksi fitur CFS dengan pengukuran kedekatan mahalanobis.
Co-Authors Abdullah, Moch. Zawaruddin Aditya, Christian Sri Kusuma Adityo, R. Dimas Adityo, R. Dimas Adityo, R. Dimas Afandi, Benny Agung Prasetya Ahmad Hayam Brilian, Ahmad Hayam Aini, Nuru Akbar, Afrizal Laksita Amaliah, Bilqis Anny Yuniarti Ariana Yunita, Ariana Arisa, Nursanti Novi Bagusmulya, Aditya Basyarah, Amalia Nurani Bilqis Amaliah Bintana, Rizqa Raaiqa Daniel Oranova Siahaan Daniel Swanjaya Deni Sutaji, Deni Dewi Rosida Dewi, Sylvi Novita Diana Purwitasari Diema Hernyka Satyareni, Diema Hernyka Dini Adni Navastara, Dini Adni Dwi Lingga P., Rendra Eka Prakarsa Mandyartha Eko Prasetyo Evy Kamilah Ratnasari Fahrur Rozi Faida Royani Fajrin, Ahmad Miftah Faried Effendy, Faried Farosanti, Lafnidita Fatonah, Nenden Siti Febri Liantoni, Febri Fika Hastarita Rachman, Fika Hastarita Ginardi, R.V. Hari Hakim, Lukman Handayani Tjandrasa Hani’ah, Mamluatul Harto, Aryo hidayat, dwi taufik Husain, Nursuci Putri Ilmi, Akhmad Bakhrul Imam Artha Kusuma Isanta, Septiyan Andika Isye Arieshanti Jayanti Yusmah Sari, Jayanti Yusmah Johan Varian Alfa Junaidi Junaidi Kemalasari, Nurina Indah Kholilah, Anna Khusnuliawati, Hardika Khusnuliawati, Hardika Koutaki, Gou Kristianto, Dwi Kriyo Sambodho Kurniawan, Mirza Galih Kusuma, Selvia Ferdiana Limantoro, Welly Setiawan Lukman Hakim M Rahmat Widyanto M. Rahmat Widyanto Machfud, M. Mughniy Mahendra, Yunan Helmi Maulana, Avin Mauridhi Hery Purnomo Mesra, Hendra Mu'alif, Ainul Muhamad, Fachrul Pralienka Bani Muhamad, Fachrul Pralienka Bani Murti, Darlis Heru Mustika Mentari Mustika Sari, Syah Dia Putri Mutmainnah Muchtar, Mutmainnah Nafi’iyah, Nur Nanik Suciati Nooriansyah, Subhan Nugroho, Ario Bagus Nur Hayatin Nurilham, Adhi Pandapotan, Ivan Agung Pangestu, Budi Perdana, Ramadhan Rosihadi Pradany, Latifa Nurrachma Prasetyo, Eko Purwitasari, Diana Purwitasari, Diana Purwitasari, Diana Purwitasari, Diana Purwitasari, Diana Purwitasari, Diana Purwitasari, Diana Putra, Fatra Nonggala Putri, Tesa Eranti Rahayu, Putri Nur Ratih Kartika Dewi Riduwan, Muhammad Riyanarto Sarno Rizal A Saputra, Rizal A Rizal Setya Perdana Rizqi, Umy Rochimah, Siti Rochimah, Siti Rully Soelaiman Sabilla, Irzal Ahmad Sabilla, Wilda Imama Sahmanbanta Sinulingga Saikhu, Ahmad Sambodho, Kriyo Sarimuddin, Sarimuddin Satrio Hadi Wijoyo Setyawan, Dimas Ari Shofiya Syidada Sholik, Mohammad Siahaan, Daniel O. Siti Mutrofin Siti Rochimah Soelaiman, Rully Soelaiman, Rully Soelaiman, Rully Soelaiman, Rully Subali, Made Agus Putra Suciati, Nanik Suciati, Nanik Suciati, Nanik Suciati, Nanik Surya Sumpeno Susanti, Martini Dwi Endah Tanuwijaya, Evan Tjandrasa, Handayani Tjandrasa, Handayani Tuwohingide, Desmin Uchimura, Keiichi Umi Laili Yuhana Umi Laily Yuhana, Umi Laily Wattiheluw, Fadli Husein Wibowo, Arianto Wicaksono, Ardian Yusuf Yudhi Purwananto Yuita Arum Sari Yuniarti, Anny Yuwanda Purnamasari Pasrun, Yuwanda Purnamasari Zuraida, Vit