JENIS METODE ALHORITMA (DIJAMIN AUTO LULUS SKRIPSI INFORMATIKA)

1. Algoritma K-means

K-means merupakan salah satu algoritma clustering [1]. Tujuan algoritma ini yaitu untuk membagi
data menjadi beberapa kelompok. Algoritma ini menerima masukan berupa data tanpa label kelas.
Hal ini berbeda dengan supervised learning yang menerima masukan berupa vektor (x1  , y1) , (x2  , y2) ,
…, (xi  , yi), di mana xi  merupakan data dari suatu data pelatihan dan yi merupakan label kelas
untuk xi  [2].
Pada algoritma pembelajaran ini, komputer mengelompokkan sendiri data-data yang menjadi
masukannya tanpa mengetahui terlebih dulu target kelasnya[1]. Pembelajaran ini termasuk
dalam unsupervised learning. Masukan yang diterima adalah data atau objek dan k  buah kelompok
(cluster) yang diinginkan.  Algoritma ini akan mengelompokkan data atau objek ke dalam k buah
kelompok tersebut. Pada setiap cluster terdapat titik pusat (centroid) yang
merepresentasikan cluster tersebut.
Sumber : https://id.wikipedia.org/wiki/K-means#Algoritma_K-Means

2. Learning Vector Quantization 3 (LVQ 3)

Salah satu bidang teknologi informasi yang dapat diterapkan adalah jaringan syaraf tiruan.
Jaringan syaraf tiruan yang bisa diterapkan untuk klasifikasi adalah Learning Vector Quantization
(LVQ). LVQ adalah suatu metode klasifikasi pola yang masin-masing unit output mewakili
kategori atau kelas tertentu. Beberapa unit output harus digunakan untuk setiap kelas. Vector
bobot dari sebuah unit output sering digunakan sebagai vector referansi untuk kelas yang
mewakili unit. Selama pembelajaran, unit output diposisikan dengan mengatur bobot melalui
pembelajaran yang terawasi untuk memperkirakan keputusan klasifikasi (Fitri, 2016)

Sumber : http://ejournal.uin-suska.ac.id/index.php/SNTIKI/article/viewFile/5895/3567

3. Analytical Hierarchy Process (AHP)

Analitycal Hierarchy Process (AHP) Adalah metode untuk memecahkan suatu situasi yang
komplek tidak terstruktur kedalam beberapa komponen dalam susunan yang hirarki, dengan
memberi nilai subjektif tentang pentingnya setiap variabel secara relatif, dan menetapkan
variabel mana yang memiliki prioritas paling tinggi guna mempengaruhi hasil pada situasi
tersebut.

Sumber : https://idtesis.com/pembahasan-lengkap-teori-analytical-hierarchy-process-ahp-
menurut-para-ahli-dan-contoh-tesis-analytical-hierarchy-process-ahp/

4. Convolutional Neural Network (CNN)

Convolutional Neural Network adalah salah satu metode machine learning dari pengembangan
Multi Layer Perceptron (MLP) yang didesain untuk mengolah data dua dimensi. CNN termasuk
dalam jenis Deep Neural Network karena dalamnya tingkat jaringan dan banyak
diimplementasikan dalam data citra. CNN memiliki dua metode; yakni klasifikasi menggunakan
feedforward dan tahap pembelajaran menggunakan backpropagation. Cara kerja CNN memiliki
 kesamaan pada MLP, namun dalam CNN setiap neuron dipresentasikan dalam bentuk dua
dimensi, tidak seperti MLP yang setiap neuron hanya berukuran satu dimensi.

Sumber :
I. https://medium.com/@nadhifasofia/1-convolutional-neural-network-convolutional-
neural-network-merupakan-salah-satu-metode-machine-28189e17335b
II. https://medium.com/@samuelsena/pengenalan-deep-learning-part-7-convolutional-
neural-network-cnn-b003b477dc94

5. Deep Learning
Deep Learning adalah bagian dari kecerdasan buatan dan machine learning, yang merupakan
pengembangan dari neural network multiple layer untuk memberikan ketepatan tugas seperti
deteksi objek, pengenalan suara, terjemahan bahasa dan lain – lain. Deep Learning berbeda dari
teknik machine learning yang tradisional, karena deep learning secara otomatis melakukan
representasi dari data seperti gambar, video atau text tanpa memperkenalkan aturan kode atau
pengetahuan domain manusia.

Sumber : http://machinelearning.mipa.ugm.ac.id/2018/06/10/pengenalan-deep-learning/

Dibawah ini adalah series Pengenalan Deep Learning yang bisa kamu ikuti :
 Part 1 : Artificial Neural Network
 Part 2 : Multilayer Perceptron
 Part 3 : BackPropagation Algorithm
 Part 4 : Deep Learning Framework Introduction (TensorFlow & Keras)
 Part 5 : Dota 2 Heroes Classification (Multiclass Classification)
 Part 6 : Deep Autoencoder
 Part 7 : Convolutional Neural Network (CNN)
 Part 8 : Gender Classification using Pre-Trained Network (Transfer Learning)

6. Algoritma SAW (Simple Additive Weighting)

Algoritma SAW(Simple Additive Weighting) adalah salah satu algoritma yang digunakan untuk
pengambilan keputusan. Algoritma SAW juga dikenal dengan algoritma dengan metode
penjumlahan berbobot. Metode ini membutuhkan proses normalisasi matrix keputusan (x) ke
suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada. Pada artikel kali
ini saya akan memberikan contoh penerapan algoritma saw untuk pemilihan handphone.

Sumber : https://medium.com/skyshidigital/sistem-pengambilan-keputusan-dengan-algoritma-
saw-simple-additive-weighting-524a43ef316

7. Metode PIECES
Menurut Wukil Ragil (2010:17), metode PIECES adalah metode analisis sebagai dasar untuk
memperoleh pokok-pokok permasalahan yang lebih spesifik. Dalam menganalisis sebuah sistem,
biasanya akan dilakukan terhadap beberapa aspek antara lain adalah kinerja, informasi,
 ekonomi, keamanan aplikasi, efisiensi dan pelayanan pelanggan. Analisis ini disebut dengan
PIECES Analysis (Performance, Information, Economy, Control, Eficiency and Service).

Sumber : https://pelajarindo.com/pengertian-analisis-pieces-contoh/

8. Vigenere Chiper
Menurut Sadikin (2012, h. 48) sandi vigenere merupakan sistem sandi poli-alfabetik yang
sederhana, sistem sandi poli-alfabetik mengenkripsikan sekaligus sebuah teks yang terdiri
dari beberapa huruf. Sandi vigenere menggunakan subtitusi dengan fungsi shift.

Sumber :
https://www.researchgate.net/publication/320232040_ALGORITMA_VIGENERE_CIPHER_DAN_
HILL_CIPHER_DALAM_APLIKASI_KEAMANAN_DATA_PADA_FILE_DOKUMEN

9. Algoritma Fisher Yates-Shuffle

Algoritma Fisher Yates Shuffle diambil dari nama penemunya, yaitu Ronald Fisher dan Frank
Yates. Algoritma ini ditemukan pada tahun 1938 pada bukunya Statistical Tables for Biological,
Agricultural, and Medical Research. Algoritma ini digunakan untuk mengubah urutan masukan
yang diberikan secara acak. Permutasi yang dihasilkan oleh algoritma ini muncul dengan
probabilitas yang sama.

10. Algoritma Naive Shuffle

Naive Shuffle merupakan metode pengacakan yang umum dilakukan dan juga bertujuan untuk
menghasilkan permutasi yang seimbang

11.