Optimization of Traveling Salesman Problem on Scheduling Tour Packages using Genetic Algorithms

Nurdiawan, Odi; Pratama, Fidya Arie; Kurnia, Dian Ade; Kaslani,; Rahaningsih, Nining

doi:10.1088/1742-6596/1477/5/052037

Cited by 14 publications

(16 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Berita hoax sengaja diciptakan oleh segelintir orang untuk memperoleh keuntungan pribadi demi tujuannya tercapai. [1] Pada masa ini banyak berita hoax tersebar melalui internet. Perkembangan teknologi informasi begitu sangat cepat, berdampak penyebaran informasi melalu internet yang kurang terkontrol, salah satu di dalamnya terdapat informasi dokumen yang mengandung hoax.…”

Section: Pendahuluanunclassified

“…Nilai rata-rata berdasarkan dokumen berita hoax dan dokumen berita benar didapat nilai precision 0,896, recall 0.853 dan FMeasure 0.865. [4] Hoax dapat berarti berita bohong atau berita yang tidak mempunyai sumber. Dari data temuan yang berasal dari databoks.katadata.co.id jumlah sebaran berita hoax masih tinggi di bulan Januari 2019 sampai bulan Desember 2019 walaupun diagram batang naik turun ditiap pergantian bulan tetapi data masih menunjukkan jumlah berita hoax tinggi.…”

Section: Pendahuluanunclassified

See 1 more Smart Citation

Klasifikasi Berita Hoax Menggunakan Algoritma Naïve Bayes Berbasis PSO

Muhabatin

Prabowo

Ali

et al. 2021

Journal of Informatics

View full text Add to dashboard Cite

Perkembangan teknologi informasi yang begitu cepat memicu penyebaran informasi hoax melalui internet menjadi tidak terkontrol. Sehingga diperlukan suatu sistem cerdas yang dapat melakukan klasifikasi konten berita hoax yang tersebar melalu media internet. Naïve Bayes merupakan salah satu algoritma klasifikasi yang sederhana namun memiliki akurasi yang tinggi, akan tetapi Naïve Bayes memiliki kekurangan yaitu sangat sensitive dalam pemilihan fitur maka dari itu dibutuhkan metode Particle Swarm Optimization (PSO) untuk meningkatkan hasil akurasi. Proses klasifikasi hoax dapat dilakukan melalui tahap preprocessing kemudian pembobotan kata dan dilakukan klasifikasi menggunakan Naïve Bayes. Setelah dilakukan penelitian dengan metode Naïve Bayes dan metode Naïve Bayes berbasis PSO maka hasil yang didapat adalah Naïve Bayes menghasilkan akurasi sebesar 73.64% sedangkan Naïve Bayes berbasis PSO nilai akurasinya sebesar 91,82%. Tujuan dari penelitian ini adalah untuk melihat seberapa besar pengaruh PSO untuk meningkatkan akurasi pada klasifikasi berita hoax pada media sosial menggunakan pengklasifikasi Naïve Bayes. Setelah menggunakan PSO meningkat sebesar 18,18%.

show abstract

Section: Pendahuluanunclassified

Klasifikasi Berita Hoax Menggunakan Algoritma Naïve Bayes Berbasis PSO

Muhabatin

Prabowo

Ali

et al. 2021

Journal of Informatics

View full text Add to dashboard Cite

show abstract

“…Keluaran dari data mining ini bisa dipakai untuk memperbaiki pengambilan keputusan di masa depan. [1] Contoh penelitian yang dilakukan dengan model algoritma klasifikasi C4.5 dan Particle Swarm Optimization adalah penelitian untuk membantu pendidik memprediksi siswa bermasalah dengan akurat. Metode penelitian yang digunakan metode eksperimen, dengan mengambil data dari SMAN 2 Banjarbaru.…”

Section: Pendahuluanunclassified

“…siswa yang putus sekolah di Sekolah Menengah Kejuruan (SMK) setiap tahun ada perubahan, berikut datanya : Ada beberapa faktor penyebab seorang anak putus sekolah, diantaranya faktor ekonomi, faktor orang tua disebabkan oleh‫ح‬ latar belakang pendidikan orang tua yang sedangrendah, broken home, kemudian orang tua meninggal, hingga keputusan orang tua yang salah, faktor internal siswa disebabkan kurangnya minat terhadap sekolah dan kurangnya motivasi bersekolah, faktor lingkungan baik itu lingkungan tempat tinggal maupun lingkungan di sekolah. [4] Akar masalah dari penelitian ini adalah perlu dilakukan penganalisaan terhadap data siswa sehingga dapat diklasifikasikan siswa yang berpotensi putus sekolah. Adapun data yang klasifikasikan diantaranya Nama Siswa, No Induk Siswa, jenis kelamin, pekerjaan dan penghasilan Orang tua, berkebutuhan Khusus atau tidak, penerima KIP atau bukan, jarak dari rumah ke sekolah dan kehadiran siswa yang meliputi jumlah alpa, jumlah izin dan jumlah sakit.…”

Section: Pendahuluanunclassified

“…Metode penelitian adalah langkah yang dimiliki dan dilakukan oleh peneliti dalam rangka untuk mengumpulkan informasi atau data serta melakukan investigasi pada data yang telah didapatkan tersebut. Metode penelitian kuantitatif merupakan suatu penelitian yang menggunakan data berupa angka-angka yang terkumpul sebagai hasil penelitian, dan dianalisis dengan menggunakan metode statistika [4].…”

Section: Metode Penelitianunclassified

See 1 more Smart Citation

Penerapan Machine Learning menggunakan algoritma C4.5 berbasis PSO dalam Menganalisa Data Siswa Putus Sekolah

Surip

Pratama

Ali

et al. 2021

Journal of Informatics

View full text Add to dashboard Cite

Pendidikan sangat memegang peranan penting dalam meningkatkan kualitas Sumber daya manusia yang ada di Indonesia. Untuk itu Pemerintah menggalakkan program wajib belajar 12 tahun. SMK As Salam, adalah salah satu Sekolah Menengah Kejuruan (SMK) swasta yang ada di Kecamatan Gegesik yang memiliki angka putus sekolah yang berubah setiap tahunnya. Ada beberapa penyebab seorang anak putus sekolah, diantaranya faktor ekonomi dimana orang tua tidak sanggup membiayai anaknya untuk sekolah, bisa juga faktor membantu usaha orang tua, faktor siswanya sendiri, atau faktor lingkungan dan teman – teman siswa tersebut. Perlu dilakukan penganalisaan terhadap data siswa agar dapat diklasifikasikan siswa yang berpotensi putus sekolah. Sehingga kepala sekolah dan bagian kesiswaan di SMK As Salam dapat mengambil keputusan agar siswa yang putus sekolah bisa diantisipasi setiap tahunnya. fokus maka penelitian ini adalah penggunaan model decision tree dalam mengkasifikasikan data putus sekolah yang dioptimasi menggunakan PSO di SMK As Salam Gegesik. Dari hasil klasifikasi tersebut diketahui nilai akurasi dari model decision tree tersebut adalah 90.86 %. Artinya keakuratan dalam klasifikasi tersebut sudah cukup baik. Sedangkan hasil klasifikasi model decision tree yang menggunakan PSO diketahui memiliki nilai akurasi 92.95 %. Artinya keakuratan dalam klasifikasi tersebut menjadi lebih baik dari decision tree yang tanpa optimasi PSO

show abstract

Data mining techniques with machine learning algorithm to predict patients of heart disease

Mulyawan

Bahtiar

Dwilestari

et al. 2021

IOP Conf. Ser.: Mater. Sci. Eng.

View full text Add to dashboard Cite

Data mining is a way of searching for information from large amounts of data for the purposes of various applications. Several techniques in data mining can be used for association, classification, clustering, prediction, and sequential modeling. Machine learning is used in medical science to help medical teams find out the condition of patients with heart disease. A lot of machine learning still has limited predictive capabilities, and is incompatible. This study uses different machine learning techniques, namely PSO-based SVM, Neural Network, Decision Tree, Naïve Bayes and SVM to assist in building, understanding and interpreting different models of heart disease diagnosis. The use of the pso-based svm algorithm in the prediction of heart disease shows a 100% greatest accuracy than the Decision Tree, only 88.68% and Naïve Bayes of 82.15%, Neural Network with an accuracy of. 95.71%, SVM with an accuracy of 99.71%. The results of this study are expected to be beneficial for the world of health and for researchers who use machine learning techniques.

show abstract

Optimization of Traveling Salesman Problem on Scheduling Tour Packages using Genetic Algorithms

Cited by 14 publications

References 7 publications

Klasifikasi Berita Hoax Menggunakan Algoritma Naïve Bayes Berbasis PSO

Klasifikasi Berita Hoax Menggunakan Algoritma Naïve Bayes Berbasis PSO

Penerapan Machine Learning menggunakan algoritma C4.5 berbasis PSO dalam Menganalisa Data Siswa Putus Sekolah

Data mining techniques with machine learning algorithm to predict patients of heart disease

Contact Info

Product

Resources

About