SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JURUSAN PADA SISWA SMA MENGGUNAKAN METODE KNN DAN SMART
|
|
- Sugiarto Gunawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JURUSAN PADA SISWA SMA MENGGUNAKAN METODE KNN DAN SMART Yen Kustyahnngsh, Nkmatus Syafa ah Jurusan Teknk Informatka, Fakutas Teknk, Unverstas Trunojoyo Jl. Raya Telang PO. BOX 2 Kamal, Bangkalan, Madura, ykustyahnngsh@yahoo.com Abstract The development of technology has great nfluences n a scence one of the example s a process decson support stpulaton of degree for Senor Hgh School student. Ths stpulaton of degree s mportant problem because t can be nfluenced n choosng of academy. Hence, ths process decson support s workng outstandngly manually by the regent s class or BP s teacher that s less accurate because of subjectvty. Because of that to stpulate the degree to senor hgh school student, t s used KNN and SMART method. KNN (K-Nearest Neghbor) s classfcaton method wth to look for the nearest data to data whch wll be evaluated wth K nearest neghbor n tranng of data. Meanwhle SMART (Smple Mult Attrbute Ratng Technque) s a decson support that s mult attrbute. Data or nput that s used n calculaton KNN method s offcal school report whch t wll be produce a degree caused by offcal report. The result of degree caused by the offcal report wll be proceed by usng SMART method wth the result of psychology test, student s proclvty and parent s suggeston. By usng KNN and SMART method, that can be resulted a degree more optmal from the ndcator or crtera that s enterng by objectve wth the result that has more nearng the accurately for the data of 62.5 %. Keywords: DSS (Decson Support System), KNN (K-Nearest Neghbor), SMART (Smple Mult Attrbute Ratng Technque) 1. PENDAHULUAN Saat n mash banyak sswa SMA yang bngung dan ragu untuk menentukan jurusan apa yang sesua dengan kemampuan mereka masng-masng. Padahal penentuan jurusan adalah masalah yang sangat pentng karena berpengaruh pada pemlhan perguruan tngg. Basanya untuk mengatas masalah tersebut sswa hanya berkonsultas secara langsung kepada guru wal kelas, BP atau dengan orangtua masng-masng yang dlakukan secara manual sehngga memakan waktu yang cukup lama. Selan tu pengamblan keputusan yang dlakukan secara manual oleh wal kelas atau guru BP danggap kurang akurat karena bersfat subyektf. Tetap serng dengan perkembangan teknolog hal tu bukan menjad masalah lag karena sudah banyak aplkas yang dbuat untuk menyelesakan masalah tersebut. Pada peneltan n dbuat suatu aplkas sstem pengamblan keputusan untuk menentukan jurusan pada sswa SMA. Penjurusan yang ada pada sswa SMA terbag menjad 3 jurusan yatu IPA, IPS, dan BAHASA. Dalam menentukan jurusan pada sswa SMA dbutuhkan nla ratarata raport sswa kelas X semester 1 dan 2, hasl tes pskolog, mnat sswa, dan saran orang tua. Untuk menghtung nla raport sswa dgunakan metode KNN (K-Nearest Neghbor). KNN adalah metode klasfkas dengan mencar jarak terdekat antara data yang akan devaluas dengan K tetangga (neghbor) terdekatnya dalam data pelathan. Setelah tu semua krtera termasuk nla raport sswa yang telah dhtung menggunakan metode KNN akan dproses menggunakan metode pembobotan SMART. Pemlhan metode SMART dkarenakan metode n dapat melakukan pengamblan keputusan yang multatrbut. Sehngga dharapkan akan Receved June 1 st,2012; Revsed June 25 th, 2012; Accepted July 10 th, 2012
2 20 ISSN: tercpta suatu sstem pengamblan keputusan yang akurat dan dapat menyelesakan permasalahan dalam menentukan jurusan pada sswa SMA. Tujuan peneltan n adalah membuat suatu aplkas sstem pendukung keputusan untuk membantu Guru maupun Sswa SMA dalam menentukan jurusan menggunakan metode KNN (K-Nearest Neghbor) dan SMART (Smple Mult Attrbute Ratng Technque). Metode KNN Prnsp kerja K-Nearest Neghbor (KNN) adalah mencar jarak terdekat antara data yang akan devaluas dengan K tetangga (neghbor) terdekatnya dalam data pelathan [1]. Teknk n termasuk dalam kelompok klasfkas nonparametrc. D sn kta tdak memperhatkan dstrbus dar data yang ngn kta kelompokkan. Teknk n sangat sederhana dan mudah dmplementaskan. Mrp dengan teknk klasterng, kta mengelompokkan suatu data baru berdasarkan jarak data baru tu ke beberapa data/tetangga (neghbor) terdekat [4]. Tujuan algortma KNN adalah mengklasfkaskan obyek baru berdasarkan atrbut dan tranng sample. Clasfer tdak menggunakan model apapun untuk dcocokkan dan hanya berdasarkan pada memor. Dberkan ttk query, akan dtemukan sejumlah k obyek atau (ttk tranng) yang palng dekat dengan ttk query. Klasfkas menggunakan votng terbanyak dantara klasfkas dar k obyek. Algortma KNN menggunakan klasfkas ketetanggaan sebaga nla predks dar query nstance yang baru. Algortma metode KNN sangatlah sederhana, bekerja berdasarkan jarak terpendek dar query nstance ke tranng sample untuk menentukan KNN-nya. Nla k yang terbak untuk algortma n tergantung pada data. Secara umum, nla k yang tngg akan mengurang efek nose pada klsfkas, tetap membuat batasan antara setap klasfkas menjad semakn kabur. Nla k yang bagus dapat dplh dengan optmas parameter, msalnya dengan menggunakan cross-valdaton. Kasus khusus dmana klasfkas dprekdskan berdasarkan tranng data yang palng dekat (dengan kata lan, k=1) dsebut algortma Nearest Neghbor [5]. Kelebhan KNN (K-Nearest Neghbor) [5]: 1. Tangguh terhadap tranng data yang memlk banyak nose. 2. Efektf apabla tranng datanya besar. Kelemahan KNN (K-Nearest Neghbor) [5]: 1. KNN perlu menentukan nla dar parameter k (jumlah dar tetangga terdekat). 2. Tranng berdasarkan jarak tdak jelas mengena jens jarak apa yang harus dgunakan. 3. Atrbut mana yang harus dgunakan untuk mendapatkan hasl terbak. 4. Baya komputas cukup tngg karena dperlukan perhtungan jarak dar tap query nstance pada keseluruhan tranng sample. Metode SMART (Smple Mult Attrbute Ratng Technque) SMART merupakan metode pengamblan keputusan yang multatrbut. Teknk pembuatan keputusan multatrbut n dgunakan untuk membantu stakeholder dalam memlh antara beberapa alternatf. Setap alternatf terdr dar sekumpulan atrbut dan setap atrbut mempunya nla-nla, nla n drata-rata dengan skala tertentu. Setap atrbut mempunya bobot yang menggambarkan seberapa pentng a dbandngkan dengan atrbut lan [5]. Dengan SMART pembobotan atrbut dlakukan dengan dua langkah yatu: 1. Mengurutkan kepentngan suatu atrbut dar level terburuk ke level terbak. 2. Membuat perbandngan raso kepentngan setap atrbut dengan atrbut lan dbawahnya. SMART lebh banyak dgunakan karena kesederhanaanya dalam merespon kebutuhan pembuat keputusan dan caranya menganalsa respon. Analsa yang terlbat adalah transparan sehngga metode n memberkan pemahaman masalah yang tngg dan dapat dterma oleh pembuat keputusan. Pembobotan pada SMART menggunakan skala antara 0 sampa 1, sehngga mempermudah perhtungan dan perbandngan nla pada masng-masng alternatf. Model yang dgunakan dalam SMART: IJCCS Vol. x, No. x, July 201x : frst_page end_page
3 IJCCS ISSN: m u ( a ) w ju( a ), 1,2,... m J 1 (2) Keterangan: w j = nla pembobotan krtera ke-j dan k krtera u(a ) = nla utlty krtera ke- untuk krtera ke- Pemlhan keputusan adalah mengdentfkas mana dar n alternatf yang mempunya nla fungs terbesar. 2. METODE PENELITIAN Untuk memperoleh gambaran yang jelas mengena peneltan n, maka penuls membuat metodolog peneltan sebaga berkut : 1. Pengumpulan Data (Data Collectng) Data yang dkumpulkan yatu data mater pembelajaran dan data pelathan. Data mater pembelajaran dperoleh dengan cara pencaran artkel lewat nternet dan pembelajaran buku referens. Sedangkan data pelathan melput nla-nla sswa SMA, hasl tes pskolog, angket mnat sswa dan saran orang tua serta data denttas pemlk nla tersebut. 2. Stud Lteratur Stud lteratur dlaksanakan dengan cara mengumpulkan dan mempelajar segala macam nformas yang berhubungan dengan Penjurusan Sswa SMA, Sstem Pengamblan Keputusan, Metode KNN (K-Nearest Neghbor), metode SMART (Smple Mult Attrbute Ratng Technque) dan segala hal yang berhubungan dengan model pemrogramannya. D bawah n merupakan flowchart dar metode KNN: Start KNN Input data testng Tetapkan nla K = 5 Data Sampel Htung Jarak Eucldan d p 2 x2 x1 1 Urutkan hasl perhtungan jarak Plh alternatf terbanyak Hasl keputusan penentuan jurusan berdasarkan nla raport End Gambar 1 Flowchart algortma KNN Algortma KNN 1. Tentukan parameter K 2. Htung jarak antara data yang akan devaluas dengan semua pelathan Ttle of manuscrpt s short and clear, mples research results (Frst Author)
4 22 ISSN: Urutkan jarak yang terbentuk (urut nak) 4. Tentukan jarak terdekat sampa urutan K 5. Pasangkan kelas yang bersesuaan 6. Car jumlah kelas dar tetangga yang terdekat dan tetapkan kelas tersebut sebaga kelas data yang akan devaluas Rumus KNN: d p x x1 1 Keterangan: x 1 = Sampel Data x 2 = Data Uj / Testng = Varabel Data d = Jarak p = Dmens Data D bawah n merupakan flowchart dar metode SMART 2 2 (1) Start SMART Input jumlah krtera dan bobotnya Normalsas bobot Input nla krtera untuk setap alternatf Htung nla utlty untuk setap krtera ( Cmax Cout ) u ( a ) 100 % ( C C ) max mn Htung nla akhr u( a ) m J 1 w u ( a ) j Hasl keputusan penentuan jurusan IJCCS Vol. x, No. x, July 201x : frst_page end_page End Gambar 3 Flowchart dar Metode SMART Teknk SMART 1. Langkah 1: menentukan jumlah krtera 2. Langkah 2: sstem secara default memberkan skala berdasarkan prortas yang telah dnputkan kemudan dlakukan normalsas. wj Normalsas = (3) w j Keterangan : w j : bobot suatu krtera
5 IJCCS ISSN: w j : total bobot semua krtera 3. Langkah 3: memberkan nla krtera untuk setap alternatf. 4. Langkah 4: htung nla utlty untuk setap krtera masng-masng. ( C u( a ) 100 ( C max max C C out mn ) % ) (4) Keterangan : u (a ) : nla utlty krtera ke-1 untuk krtera ke- C max : nla krtera maksmal C mn : nla krtera mnmal C out : nla krtera ke- 5. Langkah 5: htung nla akhr masng-masng. m u( a ) w u ( a ) j J 1 (5) 3. Perancangan Sstem Pada tahap n dlaksanakan perancangan Sstem Perangkat Lunak yang akan dbuat berdasarkan hasl stud lteratur yang ada. Perancangan Perangkat Lunak n melput desan database, desan struktur data, desan alran nformas, desan antar muka, desan algortma dan pemrograman. Perancangan n dengan membuat alur program, menentukan algortma yang sesua agar program dapat berjalan dengan bak dan efsen. 4. Pembuatan Sstem Pembuatan program dan mplementas dlakukan secara bertahap dengan acuan stud lteratur dan perancangan sstem yang telah dbuat. Perancangan sstem yang telah dbuat akan dmplementaskan pada bahasa pemrograman yang telah dsepakat. 5. Pengujan dan Evaluas Pada tahap n dlakukan uj coba program untuk mencar masalah yang mungkn tmbul, mengevaluas jalannya program, dan mengadakan perbakan jka ada kekurangan. 6. Penyusunan Laporan Peneltan Penyusunan laporan dlakukan pada tahap akhr sebaga dokumentas dar pelaksanaan Peneltan. Dokumentas n dbuat untuk menjelaskan aplkas agar memudahkan orang lan yang ngn mengembangkan aplkas lebh lanjut. 3. HASIL DAN PEMBAHASAN Analsa Input Dalam metode peneltan n ada bobot dan krtera yang dbutuhkan untuk menentukan jurusan apa yang cocok bag sswa tersebut. Adapun krteranya adalah: 1. Rata-rata nla raport semester 1 dan 2, sebanyak 12 mata pelajaran yatu: Matematka, Fska, Kma, Bolog, Ekonom, Geograf, Sejarah, Sosolog, Bahasa Indonesa, Bahasa Inggrs, Sen Budaya, dan Bahasa Jepang. 2. Hasl test pskolog 3. Mnat sswa, dan 4. Saran/anjuran orang tua Ttle of manuscrpt s short and clear, mples research results (Frst Author)
6 24 ISSN: Adapun bobot kepentngan dar tap-tap krtera yang telah ada adalah: Tabel 1. Tabel Data Bobot Saran Nla Raport Test Pskolog Mnat Sswa Orang Tua 30 % 20 % 40 % 10 % Bobot n berdasarkan. Analsa Output Keluaran yang dhaslkan dar peneltan n adalah sebuah alternatf yang memlk nla tertngg dbandngkan dengan alternatf yang lan. Pada peneltan n hasl keluarannya dambl dar urutan alternatf tertngg ke alternatf terendah. Alternatf yang dmaksud adalah jurusan IPA, IPS, atau BAHASA. Hasl akhr yang dkeluarkan oleh program nant berasal dar jumlah keseluruhan dar nla setap krtera, karena dalam setap krtera memlk nla yang berbedabeda. Uj Aplkas dan User Interface 1. Form Utama Sebelum logn admn maupun user masuk ke menu utama terlebh dahulu, setelah tu baru melakukan logn. Form utama sepert pada Gambar 4. Gambar 4 Menu Utama 2. Form Logn Form logn berfungs untuk membatas hak akses pada user dalam mengakses ataupun menggunakan aplkas n. Dalam form n dmnta mengskan username serta password sebaga dentfkas sapa yang boleh mengakses ataupun untuk keamanan apkas. Bentuk tamplan dar form logn adalah sepert pada Gambar 5. Gambar 5 Form Logn 3. Form Penjurusan Pada form n admn dapat melakukan proses penjurusan dengan menggunakan metode KNN dan SMART dengan cara memlh sswa mana yang akan dproses dan dapat juga IJCCS Vol. x, No. x, July 201x : frst_page end_page
7 IJCCS ISSN: dlakukan dengan cara memproses sswa dalam 1 kelas sekalgus. Tamplan dar form penjurusan sepert pada Gambar 6, 7 dan 8. Analsa Uj Coba Pada proses uj coba n akan dlakukan 3 uj coba dengan menggunakan data atau krtera yang sama akan tetap memlk bobot yang berbeda. Gambar 6 Form Penjurusan Gambar 7 Form Proses KNN Gambar 8 Form Proses SMART Uj Coba I: Dengan menggunakan 4 krtera d atas dengan bobot: 1. Nla Raport = 30 % 2. Test Pskolog = 20 % 3. Mnat Sswa = 40 % 4. Saran Orang Tua = 10 % Maka dperoleh hasl perhtungan dengan menggunakan metode KNN dan SMART sepert pada Tabel 2. Dar hasl uj coba n dperoleh hasl penjurusan yang palng banyak kesamaanya dengan data yang asl (hasl dar penjurusan yang dlakukan oleh guru BP secara manual) yatu pada kelas X-7 sebanyak 20 sswa dar 32 sswa yang ada pada kelas tersebut. Sedangkan hasl penjurusan yang palng sedkt kesamaanya dengan data yang asl yatu pada kelas X-5 hanya 13 sswa saja dar 33 sswa yang ada pada kelas tersebut. Uj Coba II: Dengan menggunakan 4 krtera d atas dengan bobot: 1. Nla Raport = 35 % 2. Test Pskolog = 20 % 3. Mnat Sswa = 40 % 4. Saran Orang Tua = 5 % Ttle of manuscrpt s short and clear, mples research results (Frst Author)
8 26 ISSN: Maka dperoleh hasl perhtungan dengan menggunakan metode KNN dan SMART sepert pada Tabel 3. Dar hasl uj coba n dperoleh hasl penjurusan yang palng banyak kesamaanya dengan data yang asl (hasl dar penjurusan yang dlakukan oleh guru BP secara manual) yatu pada kelas X-4 sebanyak 19 sswa dar 33 sswa yang ada pada kelas tersebut. Sedangkan hasl penjurusan yang palng sedkt kesamaanya dengan data yang asl yatu pada kelas X-5 dan X-8 hanya 14 sswa saja dar 33 dan 34 sswa yang ada pada kelas tersebut. Uj Coba III: Dengan menggunakan 4 krtera d atas dengan bobot: 1. Nla Raport = 20 % 2. Test Pskolog = 15 % 3. Mnat Sswa = 60 % 4. Saran Orang Tua = 5 % Maka dperoleh hasl perhtungan dengan menggunakan metode KNN dan SMART sepert pada Tabel 4. Dar hasl uj coba n dperoleh hasl penjurusan yang palng banyak kesamaanya dengan data yang asl (hasl dar penjurusan yang dlakukan oleh guru BP secara manual) yatu pada kelas X-7 sebanyak 16 sswa dar 32 sswa yang ada pada kelas tersebut. Sedangkan hasl penjurusan yang palng sedkt kesamaanya dengan data yang asl yatu pada kelas X-5 hanya 5 sswa saja dar 33 sswa yang ada pada kelas tersebut. Tabel 2. Hasl uj coba skenaro I pada kelas X-7 Tabel 3. Hasl uj coba skenaro II pada kelas X-7 IJCCS Vol. x, No. x, July 201x : frst_page end_page
9 IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: Tabel 4. Hasl uj coba skenaro III pada kelas X-7 Hasl Analsa Uj Coba Dar ketga hasl uj coba datas, dapat dketahu bahwa dalam penentuan bobot untuk masng-masng krtera sangatlah berpengaruh pada hasl yang akan dperoleh dalam perhtungan dengan menggunakan metode KNN dan SMART. Jad dar ketga uj coba d atas yang memlk hasl penjurusan palng banyak kesamaanya dengan data yang asl yatu dtunjukkan pada uj coba I, pada sswa kelas X-7 sebanyak 32 sswa dalam 1 kelas. Untuk sswa yang masuk dalam jurusan IPA sebanyak 8 sswa, IPS sebanyak 23 sswa, dan Bahasa hanya 1 sswa. Dengan menggunakan metode KNN dan SMART dalam kelas yang sama dan jumlah sswa yang sama dperoleh hasl penjurusan bag sswa untuk jurusan IPA sebanyak 15 sswa, IPS sebanyak 15 sswa, dan Bahasa sebanyak 2 sswa. 4. KESIMPULAN Setelah menyelesakan Rancang Bangun Perangkat Lunak Sstem Pendukung Keputusan untuk Menentukan Jurusan Pada Sswa SMA Menggunakan Metode KNN (K-Nearest Neghbor) dan SMART dapat dambl beberapa kesmpulan sebaga berkut : 1. Dengan menggunakan metode KNN dan SMART dapat dperoleh hasl yang cukup mendekat keakuratan dar data yang telah ada sebesar 62,5 %, dhtung dar total hasl jumlah jurusan dengan menggunakan metode KNN dan SMART sebanyak 20 sswa dbag dengan jumlah banyaknya sswa dalam 1 kelas tersebut sebanyak 32 sswa. 2. Sstem pendukung keputusan menggunakan metode KNN dan SMART n dgunakan untuk menentukan jurusan bag sswa SMA berdasarkan bobot dan krtera yang sudah dtentukan. Receved June 1 st,2012; Revsed June 25 th, 2012; Accepted July 10 th, 2012
10 28 ISSN: DAFTAR PUSTAKA [1]. Rsmawan, T. I., Prabowo, A.W., Kusumadew, S., Sstem Pendukung Keputusan Berbass Pocket PC sebaga Penentu Status Gz Menggunakan Metode KNN (K-Nearest Neghbor). Jurnal Teknon I, No.2, Vol.12. [2]. Wdodo, Y.R., Aplkas Sstem Pendukung Keputusan untuk Menentukan Jurusan pada SMU menggunakan metode KNN (K-Nearest Neghbor), youngyon/progres-penjurusan-smu-presentaton.ppt, dakses pada 28 Maret [3]. Latef, M., 2006, Perancangan dan Pembuatan Perangkat Lunak SPK Seleks Pemohon Beasswa dengan Pendekatan metode AHP. Unverstas Trunojoyo, Bangkalan. [4]. Santosa, B., Data Mnng Teknk Pemanfaatan Data untuk Keperluan Bsns, Ed.1, Graha Ilmu, Yogyakarta. [5]. Yofyanto, E., K-Nearest Neghbor, /2010/02/13/buku-ta-k-nearest-neghbor-knn/.htm, dakses 22 Maret [6]. Bdara, Z. E., 2008, Rancang Bangun Aplkas Penentu Bdang Stud Perguruan Tngg Berdasarkan Mnat dan Bakat dengan Menggunakan Metode SMART. Tugas Akhr, Unverstas Trunojoyo Madura, Bangkalan. [7]. Indryawan, E., Pemrograman Database menngkatkan kemampuan database Menggunakan Delph dan MSSQL Server, Ed.1, And,Yogyakarta. [8]. Sudarsono.,2009, Analss dan Perancangan Sstem, /Pedomanpedoman-Dalam-Membuat-Flowchart,dakses pada 17 Aprl [9]. Nugroho, A., 2005, Ratonal Rose untuk Pemodelan Berorentas Objek, Informatka, Bandung. [10]. Sulstyan, S., Step by Step Delph 2010 Programmng, Ed.1, And dan Wahana Komputer, Yogyakarta. IJCCS Vol. x, No. x, July 201x : frst_page end_page
BAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciPERANCANGAN APLIKASI PEMILIHAN SANGKAR BURUNG MENGGUNAKAN METODE SMART SKRIPSI
Artkel Skrps PERANCANGAN APLIKASI PEMILIHAN SANGKAR BURUNG MENGGUNAKAN METODE SMART SKRIPSI Dajukan Untuk Memenuh Sabagan Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Jurusan Teknk Informatka
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciPERBANDINGAN METODE SAW DAN TOPSIS PADA KASUS UMKM
PERBANINGAN METOE SAW AN TOPSIS PAA KASUS UMKM Muh. Alyazd Mude al.mude@yahoo.com Teknk Informatka Unverstas Muslm Indonesa Abstrak alam pengamblan keputusan terhadap masalah berdasarkan sebuah analsa
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinci34 SEBATIK STMIK WICIDA
34 SEBATIK STMIK WICIDA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN SUPPLIER BAHAN BANGUNAN MENGGUNAKAN METODE SMART (SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE) PADA TOKO BINTANG KERAMIK JAYA Irwan ukkas 1), Heny
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT UBI KAYU MENGGUNAKAN METODE TOPSIS (Studi Kasus : PT. Hutahaean)
Majalah Ilmah Informas dan Teknolog Ilmah (INTI ISSN : 3390X SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT UBI KAYU MENGGUNAKAN METODE TOPSIS (Stud Kasus : PT. Hutahaean Relska Elfrda Capah (086 Mahasswa
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciIII. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini
III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MENENTUKAN MEREK DAN TIPE SEPEDA MOTOR BERBASIS WEB DENGAN METODE TOPSIS
SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN MEREK DAN TIPE SEPEDA MOTOR BERBASIS WEB DENGAN METODE TOPSIS Lnda Purnama Sar (0911103) Mahasswa Program Stud Teknk Informatka, STMIK Buddarma Medan Jl. Ssmangaraja
Lebih terperinciArdi Kurniawan 1), Kusrini 2) Sistem Informasi STMIK AMIKOM Yogyakarta 2)
Semnar Nasonal Teknolog Informas dan Multmeda 2016 STMIK AMIKOM Yogyakarta, 6-7 Februar 2016 ANALISIS DAN PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA GURU (PKG) MENGGUNAKAN METODE SIMPLE ADDITIVE
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciModel SPK. Model optimasi (2) Model optimasi (1) Metode-metode Optimasi dengan Alternatif Terbatas 4/30/2017. Tujuan.
4/0/207 Tujuan Metode-metode Optmas dengan Alternatf Terbatas N O V R I N A Mahasswa dapat memaham dan mampu mengaplkaskan beberapa metode untuk menyelesakan masalah dengan alternatf-alternatf dalam jumlah
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciIII. METODELOGI PENELITIAN. Suatu penelitian dapat berhasil dengan baik dan sesuai dengan prosedur ilmiah,
III. METODELOGI PENELITIAN A. Metode Peneltan Suatu peneltan dapat berhasl dengan bak dan sesua dengan prosedur lmah, apabla peneltan tersebut menggunakan metode atau alat yang tepat. Dengan menggunakan
Lebih terperinciBAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian
BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n membahas tentang prosedur pengembangan pembelajaran dan mplementas model Problem Based Learnng dalam pembelajaran Konsep Dasar Matematka, Subjek Peneltan, Teknk dan Instrumen
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metode peneltan atau metodolog peneltan adalah strateg umum yang danut dalam mengumpulkan dan menganalss data yang dperlukkan, guna menjawab persoalan yang dhadap. Adapun rencana
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciSistem Pendukung Keputusan dalam Merekomendasikan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS
Sstem Pendukung Keputusan dalam Merekomendaskan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS Karmla 1, Muhammad dwan 2, In Parlna 3, Heru Satra 3 1,2,3 Jurusan Sstem Informas, STIKOM Tunas Bangsa,
Lebih terperinciA-77 PENENTUAN KLASIFIKASI KELAYAKAN PEMBIAYAAN MURABAHAH DALAM PEMBERIAN MODAL USAHA MASYARAKAT MENGGUNAKAN K NEAREST NEIGHBORS
A-77 PENENTUAN KLASIFIKASI KELAYAKAN PEMBIAYAAN MURABAHAH DALAM PEMBERIAN MODAL USAHA MASYARAKAT MENGGUNAKAN K NEAREST NEIGHBORS Mutammmul Ula 1, Fuad 2 1 2 Program Stud Teknk Informatka Unverstas Malkussaleh
Lebih terperinciKOMPARASI HASIL BELAJAR SISWA DENGAN MEDIA MACROMEDIA FLASH DAN MICROSOFT POWERPOINT YANG DISAMPAIKAN MELALUI PENDEKATAN CHEMO-EDUTAINTMENT
Sgt Pratmoko, dkk. Komparas Hasl Belajar Sswa... 99 KOMPARASI HASIL BELAJAR SISWA DENGAN MEDIA MACROMEDIA FLASH DAN MICROSOFT POWERPOINT YANG DISAMPAIKAN MELALUI PENDEKATAN CHEMO-EDUTAINTMENT Sgt Pratmoko,
Lebih terperinciBAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas
BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciIII.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5
33 III.METODE PENELITIAN A Jens Dan Desan Peneltan. Jens peneltan yang dgunakan dalam peneltan n adalah peneltan kuanttatf. Peneltan n merupakan peneltan korelas yang bertujuan untuk mengetahu hubungan
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciPERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM
PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PERANGKAT KOMPUTER DENGAN METODE TOPSIS (Studi Kasus: CV. Triad)
Jurnal Informatka Mulawarman Vol. 10 No. 2 September 2015 1 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PERANGKAT KOMPUTER DENGAN METODE TOPSIS (Stud Kasus: CV. Trad) Bunga Annete Bennng 1), Indah Ftr Astut 2),
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciMETODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity
37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciPENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN
PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN Handry Wardoyo 1 Jeanny Pragantha Vny Chrstant M. 3 1 3 Teknk Informatka Unverstas Tarumanagara
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metode peneltan atau metodolog peneltan adalah strateg umum yang danut dalam mengumpulkan dan menganalss data yang dperlukkan, guna menjawab persoalan yang dhadap. Adapun rencana
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciRANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)
RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW) Larasat Ayudha Jurusan Sstem Informas, Sekolah Tngg Manajemen Informatka dan
Lebih terperinciBAB III METODE PENELITIAN. Karangkajen, Madrasah Tsanawiyah Mu'allimaat Muhammadiyah Yogyakarta,
BAB III METODE PENELITIAN A. Tempat dan Waktu Peneltan Peneltan n dlakukan pada 6 (enam) MTs d Kota Yogyakarta, yang melput: Madrasah Tsanawyah Neger Yogyakarta II, Madrasah Tsanawyah Muhammadyah Gedongtengen,
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan
35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metode peneltan atau metodolog peneltan adalah strateg umum yang danut dalam mengumpulkan dan menganalss data yang dperlukan, guna menjawab persoalanpersoalan yang d hadap. Adapun
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
ANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE M. Fachrurroz, M.T. 1, Nov Yuslan, M.T. 2 1,2 Jurusan Teknk Informatka Fakultas Ilmu Komputer, Unverstas Srwjaya 1 obetsobets@gmal.com,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.. KERANGKA ANALISIS Kerangka analss merupakan urutan dar tahapan pekerjaan sebaga acuan untuk mendapatkan hasl yang dharapkan sesua tujuan akhr dar kajan n, berkut kerangka
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB IV HASIL PENELITIAN
6 BAB IV HAIL PENELITIAN A. Deskrps Data Hasl Peneltan Untuk mengetahu keefektfan penerapan model pembelajaran cooperatve learnng tpe TAD (tudent Teams-Achevement Dvsons) terhadap hasl belajar matematka
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciBAB II TINJAUAN PUSTAKA. A. Konsep Dasar Sistem Pendukung Keputusan. menggantikan penilaian mereka. Dss ditujukan untuk keputusan keputusan yang
4 BAB II TINJAUAN PUSTAKA A. Konsep Dasar Sstem Pendukung Keputusan Lttle (1970) mendefnskan DSS sebaga sekumpulan prosedur berbass model untuk data pemrosesan dan penlaan guna membantu para manajer mengambl
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciMETODE OPTIMASI 11/13/2015. Capaian Pembelajaran
2 Capaan Pembelajaran METODE OPTIMASI N. Tr Suswanto Saptad Mahasswa dapat memaham dan mampu mengaplkaskan beberapa metode untuk menyelesakan masalah dengan alternatfalternatf dalam jumlah yang relatf
Lebih terperinci