Name: Weni Ariska
Type: User
Bio: Software Engineer with experience in developing various projects ranging from responsive websites, REST API, desktop & mobile app, db systems, AI products, etc.
Location: Jakarta, Indonesia
Weni Ariska's Projects
Pada project ini, dilakukan klasifikasi untuk mengelompokan kinerja siswa. Akan dibandingkan hasil klasifikasi algoritma ANN dan SVM.
Website CRUD sederhana untuk menyimpan data contact, menggunakan Node JS, Express JS dan MongoDB
Gighit adalah sebuah aplikasi 2in1 kasir + pelanggan dengan inovasi hemat kertas. Aplikasi ini dibuat dengan menerapkan konsep Object Oriented Programming (OOP) menggunakan bahasa pemrograman Java
Gighit Web adalah sebuah aplikasi berbasis website 2in1 kasir + pelanggan dengan inovasi hemat kertas. Gighit Web ini adalah versi website dari aplikasi gighit yang dibuat dengan bahasa pemrograman Java sebelumnya. Framework utama yang digunakan untuk mengembangkan website ini adalah Laravel dan
Program sederhana dengan menggunakan Bahasa Pemrograman Python dan library Open-CV untuk membantu tenaga medis dalam mendeteksi seseorang terkena penyakit covid-19 atau tidak. Program sibuat untuk meningkatkan kualitas citra input menjadi lebih baik dengan meningkatkan kontras dan mengurangi noise, serta tenaga medis juga dapat fokus pada bagian citra yang ingin ditelitinya, yaitu fokus hanya pada paru-parunya saja.
Project ini bertujuan untuk membandingkan algoritma SVM sebelum dan sesudah dilakukan forward selection sebagai seleksi fitur untuk memprediksi kualitas air. Dataset yang digunakan berasal dari kaggle, Pada dataset tersebut terdapat 10 atribut yang terdiri dari 9 atribut ciri dan 1 atribut label, 9 atribut bebas diantaranya ph, hardness, solids, chloramines, sulfate, conductivity, organic_carbon, trihalomethanes, dan turbidity. Sedangkan pada atribut label terdapat potability terdiri dari 1=kualitas air bagus dan 0=kualitas air tidak bagus. Berikut link dataset yang digunakan : https://kaggle.com/datasets/adityakadiwal/water-potability
Linear regression bertujuan untuk menemukan suatu fungsi yang memodelkan data dengan meminimalkan galat/error/ selisih antara nilai prediksi dengan nilai sebenarnya. Umumnya dipakai untuk prediksi dan peramalan (forecasting)
Preprocessing dan penerapan algoritma KNN pada dataset hepatitis.
Project ini menerapkan algoritma Multiclass SVM pada dataset iris. Konsep Klasifikasi dengan Support Vector Machine (SVM) adalah mencari hyperplane terbaik yang berfungsi sebagai pemisah dua kelas data. Ide sederhana dari SVM adalah memaksimalkan margin, yang merupakan jarak pemisah antara kelas data.
Project ini menerapkan algoritma multi layer perceptron. Multilayer perceptron sendiri adalah feed forward neural network dengan satu atau lebih hidden layer. Network/jaringan terdiri dari sebuah input layer, sedikitnya satu hidden layer, dan sebuah output layer. Sinyal input dikirimkan maju dari layer ke layer.
Pada project berikut, akan dilakukan preprcessing dataset automobile. Preprocessing sendiri merupakan tahapan yang sangat penting dan salah satu faktor yang menentukan keberhasilan dari pemodelan machine learning karena pada umumnya data memiliki banya noise, serta merupakan campuran dari berbagai sumber
Pada project ini, citra input akan diberi noise kemudian akan restorasi terhadap citra tersebut.
Pada project ini, akan dilakukan identifikasi nilai mata uang rupiah dengan menggabungkan metode ekstrasi ciri Local Binary Pattern dan metode klasifikasi NaΓ―ve Bayes. Serta untuk pengukuran akurasi identifikasi dilakukan dengan metode evaluasi K-Fold Cross Validation. Dataset yang digunakan berupa citra dengan rincian terdapat 120 citra yang terdiri dari 15 citra uang kertas Rp1.000, 15 citra uang kertas Rp2.000, 15 citra uang kertas Rp5.000, 15 citra uang kertas Rp10.000, 15 citra uang kertas Rp20.000, 15 citra uang kertas Rp50.000, 15 citra uang kertas Rp75.000, dan 15 citra uang kertas Rp100.000
Config files for my GitHub profile.