Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Globalisasi dan era industri 4.0 telah membawa perkembangan luar biasa di berbagai bidang, termasuk di bidang ekonomi dan keuangan. Pertumbuhan ekonomi di abad ke-21 bergantung pada partisipasi masyarakat dalam kegiatan ekonomi (misalnya trading, commerce, dan investasi). Di Indonesia, salah satu kegiatan ekonomi yang umum dilakukan adalah berinvestasi di pasar saham karena banyaknya perusahaan yang dapat dipilih oleh investor untuk berinvestasi. Banyak orang yang ingin menanamkan modalnya di pasar saham karena tingkat pengembaliannya yang tinggi, meskipun demikian banyak hal kompleks (noisy time series yang terus bergerak dan sifatnya yang sulit untuk diprediksi karena cepat bergerak). Oleh karena itu, tulisan ini akan membahas tentang prediksi harga saham dengan menggunakan Gauss-Newton Representation Based Algorithm (GNRBA). Metode yang diusulkan menawarkan algoritma yang lebih efektif, implementasi yang lebih sederhana, dan kerumitan yang lebih sedikit dibandingkan dengan metode perhitungan tradisional lainnya. Selain itu, penelitian ini menggabungkan GNRBA dengan Stratified Shuffle Split sebagai metode validasi datanya (data splitting method). Dengan hasil akurasi di atas 86%, investor dan calon investor diharapkan dapat menggunakan metode yang dibahas dalam penelitian ini untuk membuat keputusan yang tepat dalam berinvestasi. ......Globalization and industry 4.0 has brought tremendous development in various fields, including in economics and finance. Economic growth in the 21st century relies on the participation of the people in economic activities (e.g. trade and commerce, investing). In Indonesia, one particularly common economic activity is to invest in the stock market due to the wide array of companies that investors could choose to invest in. Many people want to invest their capital in the stock market due to its high return rate, despite its complex movement (noisy time series which is constantly moving and its unpredictable nature). Therefore, this paper will discuss about the prediction of stock prices using the Gauss-Newton Representation Based Algorithm (GNRBA). The proposed method provides users with a more effective algorithm, simpler implementation, and less complexity compared to the 11 traditional representation. Additionally, this paper combines the GNRBA with the Stratified Shuffle Split as its data splitting method. With accuracy above 86%, investors and potential investors could use the methods discussed in this paper to make an informed decision in investing.

Abstrak :
ABSTRACT
Kanker serviks adalah salah satu penyebab kematian wanita terbanyak di Indonesia. Kanker serviks memiliki progresi yang lambat, sehingga pada beberapa kasus kanker serviks masih dapat disembuhkan. Maka dari itu, pendeteksian dini sangat diperlukan untuk dapat mengetahui pengobatan yang tepat. Berbagai metode machine learning telah digunakan untuk mengklasifikasi kanker serviks karena kemampuannya untuk mendiagnosis secara efektif. Pada penelitian ini digunakan metode klasifikasi Gauss-Newton Representation Based Algorithm (GNRBA). Pengukuran jarak Euclidean digunakan dalam pemilihan data training. Data yang digunakan adalah data faktor risiko Hospital Universitario de Caracas yang diambil dari Kaggle dataset. Kami menggunakan 4 label tes kanker serviks sebagai variabel target klasifikasi. Berdasarkan hasil uji coba, klasifikasi kanker serviks dengan metode GNRBA mencapai akurasi tertinggi 95,35%, sehingga metode GNRBA dapat menjadi salah satu alternatif untuk membantu praktisi medis dalam mendeteksi kanker serviks.

---

ABSTRACT
Cervical cancer is one of woman leading cause of death disease in Indonesia. Cervical cancer has slow progression, in some cases it can be prevented by effective treatment. So, timely detection is important to know the effective treatment. Machine learning techniques are being largely use to classify cervical cancer because of its precision and its capability to diagnose effectively. In this research, to identify the classification of cervical cancer, we have proposed a Gauss-Newton Representation Based Algorithm (GNRBA) methods. Euclidean distance measure is used in the subset selection for training samples. This GNBA method is examined on the Hospital Universitario de Caracas cervical cancer database from Kaggle dataset. We have used 4 cervical cancer test labels as the target variables of cervical cancer classification. The experimental results show that the proposed GNRBA method give the 93% accuracy. So, GNRBA method could be an alternative for helping the clinical experts to classify cervical cancer.