Penerapan Principal Component Analysis untuk Mereduksi Dimensi Data Penerapan Teknologi Informasi dan Komunikasi untuk Pendidikan di Sekolah

Wulandari, Diah Ayu Retnani; Prahasto, Toni; Gunawan, Vincencius

doi:10.21456/vol6iss2pp91-96

Cited by 3 publications

(4 citation statements)

References 4 publications

(8 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dalam penelitian ini digunakan metode higuchi untuk mencari dimensi fraktal. Higuchi merupakan metode untuk menghitung dimensi fraktal dari suatu data deret waktu (Juniati dkk., 2018) dan dari data berbentuk gelombang (Wulandari dan Juniati, 2017). Misalkan diberikan suatu deret waktu X[k] dengan k = 1,2,3,…,n.…”

Section: E Metode Higuchiunclassified

See 1 more Smart Citation

Klasifikasi Jenis Anjing Laut Berdasarkan Suara Dengan Metode Higuchi Dan K-Nearest Neighbor

Damayanti,

Juniati

2023

View full text Add to dashboard Cite

Anjing laut merupakan famili dari Phocidae yang termasuk ke dalam mamalia laut. Anjing laut berkomunikasi menggunakan suara yang dikeluarkannya. Banyaknya jenis anjing laut dan habitat anjing laut yang mayoritas berada di dalam air menjadikan anjing laut sulit untuk diklasifikasikan. Namun, suara yang dikeluarkan anjing laut dapat dijadikan sebagai penanda keberadaan anjing laut dan setiap jenis anjing laut mempunyai range frequency sinyal suara yang berbeda-beda. Dengan adanya dimensi fraktal dapat digunakan untuk mengklasifikasikan jenis anjing laut berdasarkan suara. Penelitian ini dilakukan untuk mengklasifikasikan jenis anjing laut dengan metode Higuchi dan K-Nearest Neighbor (KNN). Data pada penelitian ini yaitu 100 data suara anjing laut yang diperoleh dari website Watkins Marine Mammals Sound Database yang terdiri atas 20 suara Weddel Seal, 20 suara Leopard Seal, 20 suara Bearded Seal, 20 suara Harp Seal, dan 20 suara Spotted Seal. Langkah pertama yaitu dengan melakukan pre-processing dilanjutkan dengan ekstraksi ciri sinyal suara menggunakan Discrete Wavelet Transform dengan mother wavelet Daubechies 4 dan dekomposisi 5 level. Kemudian, dihitung dimensi fraktal dengan metode Higuchi. Dilanjutkan dengan pembagian data menjadi data latih dan data uji. Kemudian diklasifikasikan menggunakan metode KNN. Dari penelitian yang telah dilakukan, diperoleh hasil bahwa klasifikasi jenis anjing laut berdasarkan suara menggunakan metode Higuchi dengan kmax adalah 60 dan K di KNN adalah 10 mendapat akurasi tertinggi 80%. Akurasi 80% termasuk ke dalam kategori akurasi yang baik. Kata Kunci: Anjing Laut, Suara Anjing Laut, Metode Higuchi, KNN

show abstract

Section: E Metode Higuchiunclassified

“…Pada klasifikasi K-Nearest Neighbor data akan dibagi menjadi dua bagian yaitu data latih dan data uji. Data latih digunakan untuk melatih model sedangkan data uji digunakan untuk memvalidasi model (Wulandari dan Juniati, 2017). Langkahlangkah algoritma K-Nearest Neighbor (KNN) adalah sebagai berikut:…”

Section: F K-nearest Neighbor (Knn)unclassified

Klasifikasi Jenis Anjing Laut Berdasarkan Suara Dengan Metode Higuchi Dan K-Nearest Neighbor

Damayanti,

Juniati

2023

View full text Add to dashboard Cite

show abstract

“…Proses Network adalah proses menganalisa dengan melakukan training dan validasi pada data-data yang telah di inputkan [9]. Input berjumlah n neuron yang diambil dari faktor-faktor yang berpengaruh pada penggunaaan listrik sosial yang terdiri dari jumlah penduduk, pertumbuhan PDRB, pertumbuhan industri, jumlah pelanggan listrik dan data demografi pengguna listrik pada suatu wilayah periode tahun tertentu.…”

Section: Hasil Dan Pembahasanunclassified

Simulasi Penggunaan Listrik Tarif Sosial Menggunakan Algoritma ERNN

Rahmawati

Sudarmana

Priyanto

2023

View full text Add to dashboard Cite

The use of electricity under the social tariff category has increased significantly each year, both purely social and commercial social use. The use of social tariff electricity is intended for public interest activities for both the lower and upper middle social strata which are oriented towards fulfilling growth and development facilities for the public interest, so that a simulation of social electricity usage is needed to map a picture of the condition of the amount of social electricity usage in the future. The research was conducted to determine the estimation of how much electricity is used by using the Elman Recurrent Neural Network (ERNN) algorithm by reducing the input dimensions. The ERNN algorithm is used to simulate network parameters formed from complex input-output relationships, so that data patterns can be found. The factors of the input dimensions of this study are demographic data, electricity usage, social customers, population, gross regional domestic product (GRDP) and industrial growth. The results showed that the ERNN algorithm is capable of simulating formed network parameters that can be used for training and validation so that the value of the network Mean Square Error (MSE) can be determined, with prediction accuracy using the Mean Absolute Percentage Error (MAPE) for forecast in sample in the forecast period of 5 years obtained an average of 0.77%, and able to know the dominant factors that influence the use of social tariff electricity.

show abstract

“…Principal Component Analysis (PCA) yaitu salah satu metode statistik yang berfungsi menganalisis data dan mengekstrak informasi penting yang tersembunyi pada sebuah data (Shlens, 2014). PCA menggunakan transformasi orthogonal untuk mereduksi data multi dimensi menjadi dimensi yang lebih rendah (Karamizadeh et al, 2013), dimana data dengan variabel yang saling berkaitan direduksi menjadi data baru dengan variabel yang tidak saling berkaitan yang disebut Principal Component (PC) atau faktor (Wulandari et al, 2016).…”

Section: Principal Component Analysis (Pca)unclassified

Analisis Faktor E-Learning Readiness dengan Menggunakan Principal Component Analysis

Waaidhoh

Sediyono

Hartomo

2020

J. Sistem Info. Bisnis

View full text Add to dashboard Cite

Technological innovation in the industrial revolution era of 4.0 has changed the concept of learning. For example, the e-learning enables students to learn any where and any time without the limitations of distance, space and time. E-learning brings transformation in the world of education by enabling students to access information, data and learning material in more effective and efficient ways. With some of the benefit soffered by e-learning, many organizations want to apply e-learning system. Implementation of e-learning started with assessing thee-learning readiness. There are many factors found by researchers in the process of assessing e-learning readiness. This study aims to reduce the number of e-learning readiness variabels and to identify the factors that most affect the level of e-learning readiness by using the PCA (Principal Component Analysis) method, so it can help organizations that will implement e-learning to prepare important things in the process of implementation e-learning system. The results obtained show that the three factors that most affect there a diness of implementation e-learning are organization, technology and human resources.

show abstract

Penerapan Principal Component Analysis untuk Mereduksi Dimensi Data Penerapan Teknologi Informasi dan Komunikasi untuk Pendidikan di Sekolah

Cited by 3 publications

References 4 publications

Klasifikasi Jenis Anjing Laut Berdasarkan Suara Dengan Metode Higuchi Dan K-Nearest Neighbor

Klasifikasi Jenis Anjing Laut Berdasarkan Suara Dengan Metode Higuchi Dan K-Nearest Neighbor

Simulasi Penggunaan Listrik Tarif Sosial Menggunakan Algoritma ERNN

Analisis Faktor E-Learning Readiness dengan Menggunakan Principal Component Analysis

Contact Info

Product

Resources

About