Performance Improvement for Optimum Positioning of PMUs using Binary Dragonfly Algorithm and Loss Minimization of Transmission Network

Behera, Sadasiva; Choudhury, Nalin B. Dev; Tripathy, Debasis; Panda, Rajendran; Bhagat, Sanjeev Kumar

doi:10.1109/icreisg49226.2020.9174442

Cited by 3 publications

(2 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Setiap perilaku tersebut dimodelkan secara matematis yang sesuai. Separation dihitung secara matematis pada persamaan berikut [16]:…”

Section: Gambar 1 Diagram Alir Penelitianunclassified

“…Tabel 3. merupakan tabel setelah dilakukan cleaning data, dalam dataset ini dilakukan konversi dari huruf menjadi angka pada atribut gender dan diabetes, pada atribut gender diubah menjadi angka 1 untuk male dan angka 2 untuk female, lalu atribut diabetes diubah menjadi angka 0 untuk no diabetes dan 1 untuk diabetes. Setelah itu dalam dataset ini terdapat atribut yang dihapus yaitu patient_number, pada dataset awal terdapat16 kolom kemudian setelah dilakukan cleaning data terdapat 15 kolom. Dalam tahap pada tabel 4. dilakukan normalisasi terhadap dataset diabetes menggunakan metode z-score normalization.…”

unclassified

See 1 more Smart Citation

Comparison of k-Nearest Neighbor and Support Vector Machine using Binary Dragonfly Algorithm Optimization

Nugroho,

Khomeini,

Heraldi

2024

SISTEMASI

View full text Add to dashboard Cite

BDA merupakan adaptasi dari Dragonfly Algorithm (DA) yang bertujuan untuk mengoptimalkan komputasi permasalahan single-objecivet, discrete, dan multi-objective. Penggabungan algoritma optimasi BDA dengan algoritma klasifikasi KNN dan SVM bertujuan untuk meningkatkan kinerja model prediksi. Penelitian ini bertujuan membandingkan dan menguji keakuratan akurasi dari algoritma KNN dan SVM terhadap dataset diabetes yang digunakan pada penelitian untuk mengetahui algoritma terbaik dalam memprediksi diabetes. Penelitian ini menggunakan algoritma optimasi BDA untuk menyeleksi fitur-fitur terbaik pada dataset, kemudian algoritma klasifikasi KNN dan SVM, dalam mengklasifikasikan data, memprediksi, dan membandingkan keakuratan akurasi dari kedua algoritma terhadap dataset diabetes. Data rekam medis dari pengidap diabetes diolah menggunakan algoritma KNN dan SVM, yang kemudian akan menghasilkan tingkat akurasi yang dapat digunakan dalam memprediksi diabetes. Penelitian terdahulu, telah melakukan perbandingan antara algoritma-algoritma klasifikasi dalam memprediksi penyakit diabetes. Pada penelitian terdahulu diatas belum ada yang menggabungkan BDA dengan algoritma klasifikasi, karena BDA sendiri merupakan suatu metode yang relatif baru dan belum banyak diteliti, sehingga peneliti menggunakan algoritma optimasi ini. Hasil dari penelitian yang dilakukan mendapatkan hasil akurasi tertinggi pada algoritma BDA + KNN dengan

show abstract

“…Setiap perilaku tersebut dimodelkan secara matematis yang sesuai. Separation dihitung secara matematis pada persamaan berikut [16]:…”

Section: Gambar 1 Diagram Alir Penelitianunclassified

unclassified