MENENTUKAN NILAI AKHIR KULIAH DENGAN FUZZY C-MEANS
|
|
- Sri Tedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 MENENTUKAN NILAI AKHIR KULIAH DENGAN FUZZY C-MEANS Arwan Ahmad Khoiruddin, S.Kom. Staf Pengajar Jurusan Tekn Informata, Fakultas Teknologi Industri, Universitas Islam Indonesia ABSTRACT Student s performance is evaluaded using their presences, task accomplishment, quiz, middle semester test and final test. Each item is weighted and the final score of their performance is presented. The methods for calculating final score include the use of scale and the calculation of means and standard deviation of all scoress. This research proposes an alternative method for labeling students scores which considers the terdency of their scores. The method used is the fuzzy c-means clustering. The number of clusters is defined in advance. It is hope the proposed method can provide easiness and accurate calculation. Keywords: Fuzzy Logic, Fuzzy c-means, Clustering, Nilai. Pendahuluan Dalam proses pendidan di jenjang universitas, mahasiswa dinilai dengan beberapa parameter. Parameter itu di antaranya adalah tugas, kuis, kehadiran, ujian tengah semester dan ujian akhir semester. Masing-masing parameter itu diberi bobot sendiri. Nilai akhir kuliah akan dihitung dari perhitungan parameter-parameter tersebut dalan dengan bobotnya. Untuk menentukan hasil akhir dalam bentuk huruf, selama ini paling tidak digunakan dua cara. Cara yang pertama adalah dengan menetapkan nilai tersebut menurut skala-skala tertentu yang sudah pasti. Contoh perhitungan dengan cara ini dapat dilihat pada Tabel. : Tabel. Contoh Perhitungan Dengan Skala Pasti Rentang nilai Nilai akhir huruf A B C D 0-20 E Cara yang kedua adalah dengan menggunakan perhitungan rerata dan standar deviasi. Contoh perhitungan dengan cara ini dapat dilihat pada tabel berut: Tabel.2. Contoh Perhitungan Dengan Perhitungan Rerata dan Standar Deviasi Rentang nilai Nilai huruf >( ) A B C D <( ) E Dalam penelitian ini, akan diajukan alternatif yang bisa digunakan untuk mempermudah perhitungan nilai akhir kuliah. Metode yang diajukan adalah dengan metode clustering, yaitu dengan menggunakan fuzzy c-means. Metode ini dipilih karena dengan metode ini, data-data beserta parameter-parameternya dapat delompokkan dalam cluster-cluster sesuai dengan kecenderungannya. Selain itu, metode FCM dipilih karena dengan metode ini, bisa ditentukan jumlah cluster yang akan dibentuk. Dengan penentuan jumlah cluster di awal, bisa diatur keragaman nilai akhir sesuai dengan clusternya. Dengan sistem berbasis FCM, bisa didapatkan nilai huruf yang labelnya A, B sampai E, atau juga bisa didapatkan yang labelnya A, A-, A/B, dan seterusnya. 2. Tinjauan Pustaka Berut ini akan dibahas tentang konsep himpunan fuzzy, dan konsep Fuzzy Clustering. 2.. Himpunan Fuzzy Fuzzy adalah salah satu konsep loga matemata yang pertama kali denalkan oleh Lotfi A Zadeh pada tahun 965 (Zimmermann, 99). Zadeh memberan definisi tentang himpunan fuzzy sebagai berut: 232
2 Ja X adalah koleksi objek yang dinotasan oleh x, maka suatu himpunan fuzzy A dalam X adalah suatu himpunan pasangan berurutan: Dengan A (x) adalah derajat keanggotaan x di A yang memetakan X ke ruang keanggotaan M yang terletak pada rentang [0,] Fuzzy Clustering Salah satu penerapan loga fuzzy adalah dalam clustering atau pengelompokan. Fuzzy clustering adalah bagian dari pattern recognition atau pengenalan pola. Fuzzy clustering memainkan peran yang paling penting dalam pencarian struktur dalam data (Klir, 995). Fuzzy clustering adalah salah satu tekn untuk menentukan cluster optimal dalam suatu ruang vektor yang didasarkan pada bentuk normal Euclidian untuk jarak antar vektor (Kusumadewi, 2004) Ada dua metode dasar dalam fuzzy clustering. Metode pertama disebut dengan fuzzy c-means. Metode ini dinamakan demian karena dengan clustering ini akan dibentuk sebanyak c-cluster yang sudah ditentukan sebelumnya. Metode yang kedua adalah metode yang banyaknya cluster tidak ditentukan sebelumnya. Metode ini dinamakan dengan fuzzy subtractive clustering (Kusumadewi, 2004) atau fuzzy Equivalence Relation (Klir, 995). Metode clustering yang akan digunakan dalam penelitian ini adalah fuzzy c-means. Metode ini pertama kali denalkan oleh Jim Bezdek pada tahun 98 (Kusumadewi, 2004). Fuzzy c-means adalah salah satu tekn pengklusteran data yang mana keberadaan tiap tit data dalam suatu cluster ditentukan oleh derajat keanggotan. Algoritma dari fuzzy c-means adalah sebagai berut: - Input data yang akan dicluster X, berupa matrix berukuran n x m (njumlah sampel data, matribut setiap data). X data sampel ke-i (i,2, n), atribut ke-j (j,2,..m) - Tentukan jumlah cluster (c), pangkat (w), maksimum iterasi (MaxIter), error terkecil yang diharapkan (ξ), fungsi objektif awal (Po 0), dan iterasi awal (t). - Bangkitkan bilangan random η, i,2, n; k,2, c sebagai elemen matrs partisi awal U. Hitung jumlah setiap kolom (atribut) Dengan j,2..n, hitung: Q i k - Hitung pusat cluster ke-k: V kj, dengan k,2,...,c; dan j,2,...,m. n w ( ) * X ) i Vkj n w ( ) - Hitung fungsi obyektif pada iterasi ke-t, P t : P t n c - Hitung perubahan matrs partisi: c Q i m m w 2 ( X Vkj ) j c m w 2 ( X Vkj ) k dengan: i j,2,...,n; dan k,2,...,c. i 2 ( X Vkj ) ( ) i k j w 233
3 - Cek kondisi berhenti: Ja: ( P t P t- < ξ) atau (t > MaxIter) maka berhenti; Ja tidak: t t+, ulangi langkah ke Analisis dan Perancangan Dalam penelitian ini, fuzzy c-means akan digunakan untuk mengklusterkan data-data mahasiswa. Jumlah cluster bisa ditentukan di awal, karena pada satu dosen mungkin menginginkan rentang dan keragaman nilai yang berbeda dengan dosen yang lain, atau peraturan satu universitas menghendaki rentang dan keragaman nilai yang berbeda dengan universitas lain. Misalnya, satu universitas hanya menghendaki nilai utuh: A,B,C,D,E saja. Sedangkan universitas lain menghendaki nilai A, A-, A/B, B+,B dan lain sebagainya. Oleh karena itu, sistem ini dirancang untuk mengakomodir perbedaan-perbedaan itu dengan menginkan input berupa jumlah cluster serta label dari masing-masing cluster dari yang tertinggi sampai yang terendah. Untuk itu, dibuatlah diagram alir seperti yang nampak pada Gambar 3.. : Gambar 3.. Diagram Alir Penentuan Nilai Akhir Mahasiswa Dengan FCM. Selanjutnya akan dibuat diagram data alir (Data Flow Diagram DFD). DFD level-0 atau diagram konteks untuk sistem tersebut adalah sebagai berut: Gambar 3.2. DFD Level-0 DFD level- untuk sistem penentuan nilai disusun sebagai berut: 234
4 Gambar 3.3. DFD Level- Sistem Penentuan Nilai Selanjutnya, akan dibuat program berdasarkan flowchart dan DFD tersebut. Program dibuat dengan menggunakan bahasa pemrograman Java. Bahasa ini dipilih karena sifatnya yang platform-independent, sehingga diharapkan penggunanya tidak terbatas pada satu lingkungan sistem operasi tertentu. 4. Implementasi Sistem dimulai dari proses login untuk memverivasi pengguna. Setelah login, admin bisa mengolah data dosen atau mengolah data mahasiswa. Selain itu, admin juga bisa mengolah data kuliah. Beberapa form yang dibuat adalah sebagai berut: a. Form Login Form ini digunakan untuk login. Gambar 3.4. Form Login b. Data Dosen Form ini digunakan untuk mengedit atau menambahkan data dosen Gambar 3.5. Form Data Dosen c. Input Kuliah Form ini digunakan untuk menginputkan kuliah yang ada. 235
5 Gambar 3.6. Form Input Kuliah d. Form Edit Kuliah Diampu Form ini digunakan untuk memplot dosen ke kuliah dan kelas yang diampunya. Gambar 3.7. Form Edit Kuliah Diampu e. Form Input Kuliah Mahasiswa Form ini digunakan untuk menginputkan mahasiswa yang menguti kuliah dan kelasnya. Gambar 3.8. Form Input Kuliah Mahasiswa f. Form Komponen Penilaian Form ini digunakan untuk menentukan komponen-komponen penilaian kuliah bersangkutan. Komponenkomponen penilaian meliputi tugas, mid, quiz, ujian akhir, dan komponen lain. Pada form ini, dosen dapat menentukan bobot untuk masing-masing komponen. 236
6 Gambar 3.9. Form Komponen Penilaian g. Form Input Nilai Form ini digunakan untuk menginputkan nilai mahasiswa Gambar 3.0. Form Input Nilai Setelah semua data, yaitu dosen, mahasiswa, kuliah, dan nilai dimasukkan, maka proses selanjutnya adalah pengolahan nilai-nilai yang dimasukkan menjadi nilai akhir. Nilai akhir diperoleh dengan melakukan clustering terhadap data nilai mahasiswa yang telah diboboti dengan nilai bobot yang telah ditentukan pada proses sebelumnya. Sebelum dilakukan penentuan nilai akhir otomatis, terlebih dahulu dosen diminta untuk memasukkan berapa cluster yang diinginkan serta label untuk masing-masing cluster dari tit pusat cluster tertinggi sampai terrendah. Contoh untuk pelabelan misalnya A untuk tit pusat cluster tertinggi dan E untuk tit pusat cluster terendah. Input jumlah cluster dan pelabelan diminta pada form hasil plotting nilai seperti yang ditunjukkan pada Gambar 3.. : 237
7 Gambar 3.. Form Input Jumlah Cluster dan Pelabelan Jumlah cluster menentukan keragaman nilai-nilai yang diberan. Semakin besar jumlah clusternya, semakin beragam nilainya. Dalam contoh di atas, cluster yang diberan hanya 5 cluster. Hal ini berarti nilai yang diinginkan hanya lima nilai, yang kemudian diberi label A sampai E. Apabila diinginkan cluster yang lebih banyak, disediakan pilihan sampai sebanyak 4 cluster. Dari hasil implementasi Gambar 3.2. Form Hasil Plotting Nilai dengan FCM 5. Kesimpulan dan Saran Metode fuzzy c-means bisa digunakan untuk membantu menentukan nilai akhir kuliah dalam bentuk huruf. Dengan menggunakan metode ini, nilai akhir ditentukan secara lebih alami, karena berdasarkan pada kecenderungan masingmasing data pada cluster-clusternya. Sistem ini belum diujicobakan untuk pengolahan data yang banyak seperti yang ada pada universitas, di mana ada banyak mata kuliah dan banyak mahasiswa. Untuk penelitian lebih lanjut, perlu untuk diteliti waktu yang diperlukan untuk proses FCM untuk data yang besar. Daftar Pustaka [] Klir, George J; Yuan, Bo Fuzzy Sets and Fuzzy Logic, Theory and Application. Prentice Hall International, Inc. [2] Kusumadewi, Sri; Purnomo, Hari Aplasi Loga Fuzzy untuk Pendukung Keputusan. Penerbit Graha Ilmu [3] Tudor, Ian Learner-centredness as Language Education. Cambridge University Press 238
CLUSTERING LULUSAN MAHASISWA MATEMATIKA FMIPA UNTAN PONTIANAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS
Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 02, No.1(2013), hal. 21-26 CLUSTERING LULUSAN MAHASISWA MATEMATIKA FMIPA UNTAN PONTIANAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS Cary Lineker Simbolon,
Lebih terperinciCLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN
CLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN Fitri Wulandari, Rinto Setiawan Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif
Lebih terperinciPenerapan Fuzzy C-Means untuk Deteksi Dini Kemampuan Penalaran Matematis
Scientific Journal of Informatics Vol., No., November 015 p-issn 407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 460-0040 Penerapan Fuzzy C-Means untuk Deteksi Dini Kemampuan Penalaran Matematis
Lebih terperinciPemilihan Minat Topik Tugas Akhir Menggunakan Metode Fuzzy C-Means
ISSN: 2089-3787 527 Pemilihan Minat Topik Tugas Akhir Menggunakan Metode Fuzzy C-Means Yulia Yudihartanti, Sudiyanur Hidayatullah STMIK Banjarbaru Jl. A. Yani Km. 33 Banjarbaru, 0511(4782881) e-mail: yuliaydh@yahoo.co.id,
Lebih terperinciBreak Even Point Estimation Using Fuzzy Cluster(FCM)
SNTIKI III 2011 ISSN : 2085-9902 1 Break Even Point Estimation Using Fuzzy Cluster(FCM) Stefant Cristian, Kartina Diah Kusuma W, S.T., Dadang Syarif SS, S.Si, M.Sc. Politeknik Caltex Riau Jl. Umban Sari
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
Lebih terperinciPenentuan Lokasi Fasilitas Gudang Menggunakan Fuzzy C Means ( FCM )
Penentuan Lokasi Fasilitas Gudang Menggunakan Fuzzy C Means ( FCM ) Eko Sediyono, Indrastanti Ratna Widiasari, Milasari Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Jl. Diponegoro 5-60,
Lebih terperinciBreak Even Point Estimation Using Fuzzy Cluster(FCM)
Break Even Point Estimation Using Fuzzy Cluster(FCM) Stefant Cristian, Kartina Diah Kusuma W, S.T., Dadang Syarif SS, S.Si, M.Sc. Politeknik Caltex Riau Jl. Umban Sari No. 1, Phone: 0761-53939, Fax: 0761-554224
Lebih terperinci1. Pendahuluan. 2. Tinjauan Pustaka
1. Pendahuluan Propinsi Daerah Istimewa Yogyakarta sebagai Daerah Tujuan Wisata (DTW) utama indonesia memiliki beraneka ragam jenis wisata yang menarik wisatawan domestik dan wisatawan asing. Banyaknya
Lebih terperinciAnalisis Sebaran Puskesmas Untuk Peningkatan Pelayanan Kesehatan Dengan Metode Fuzzy C-Means
Analisis Sebaran Puskesmas Untuk Peningkatan Pelayanan Kesehatan Dengan Metode Fuzzy C-Means Siska Kurnia Gusti Jurusan Tekn Informata, Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif
Lebih terperinciProsiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 2 Desember 2015, Samarinda, Indonesia ISBN :
Clustering Data Status Tugas Belajar Dan Ijin Belajar Menggunakan Metode Fuzzy C-Means (Studi Kasus : Di Lingkungan Pemerintah Provinsi Kalimantan Timur) Fevin Triyas Rantika 1, Indah Fitri Astuti, M.Cs
Lebih terperinciPenerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop)
157 Penerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop) Elly Muningsih AMIK BSI Yogyakarta E-Mail : elly.emh@bsi.ac.id Abstrak Berkembangnya
Lebih terperinciPenerapan Algoritma Fuzzy C-Means Guna Penentuan Penjurusan Program Peserta Didik Tingkat SMA
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Penerapan Algoritma Fuzzy C-Means Guna Penentuan Penjurusan Program Peserta Did Tingkat SMA Maria Anistya Sasongko 1, Lil Linawati 2, Hanna
Lebih terperinciFUZZY C-MEANS UNTUK CLUSTERING DATA (STUDI KASUS : DATA PERFORMANCE MENGAJAR DOSEN)
FUZZY C-MEANS UNTUK CLUSTERING DATA (STUDI KASUS : DATA PERFORMANCE MENGAJAR DOSEN) Emha Taufiq Luthfi STMIK AMIKOM Yogyakarta e-mail : emha_tl@yahoo.com Abstraksi Clustering merupakan proses pengelompokan
Lebih terperinciKLASIFIKASI USAHA KECIL DAN MENENGAH (UKM) SEKTOR INDUSTRI DENGAN METODE FUZZY C-MEANS CLUSTERING WILAYAH KOTA CILEGON
Seminar Nasional IENACO 213 ISSN: 2337-39 KLASIFIKASI USAHA KECIL DAN MENENGAH (UKM) SEKTOR INDUSTRI DENGAN METODE FUZZY C-MEANS CLUSTERING WILAYAH KOTA CILEGON Ratna Ekawati 1),Nurul Yulis 2) 1) Jurusan
Lebih terperinciPENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS
PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika Universitas Indraprasta PGRI Abstract. The purpose of this study was to
Lebih terperinciANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS
ANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS Iin Parlina1, Prof.Herman Mawengkang2, Dr.Syahril Efendi, S.Si, M.IT3 Magister Teknik Informatika, Universitas Sumatera Utara
Lebih terperinciPENGKLASIFIKASIAN MAHASISWA JURUSAN TEKNIK ELEKTRO YANG MENGIKUTI MATA KULIAH RANGKAIAN LISTRIK DENGAN METODE FUZZY CLUSTERING. M.
Rodhi Faiz, Pengklasifikasian Mahasiswa Jurusan Teknik Elektro Yang Mengikuti Mata Kuliah Rangkaian Listrik Dengan Metode Fuzzy Clustering PENGKLASIFIKASIAN MAHASISWA JURUSAN TEKNIK ELEKTRO YANG MENGIKUTI
Lebih terperinciData Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata
Data Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata Cakra Ramadhana 1, Yohana Dewi Lulu W 2, Kartina Diah K. W. 3 1,2 Program Studi Sistem Informasi, Politeknik
Lebih terperinciPENGKLASIFIKASIAN LULUSAN JURUSAN TEKNIK ELEKTRO BERDASARKAN NILAI IPK DENGAN METODE FUZZY CLUSTERING. M. Rodhi Faiz
Rodhi Faiz, Pengklasifikasian Lulusan Jurusan Teknik Elektro Berdasarkan Nilai Ipk Dengan Metode Fuzzy Clustering PENGKLASIFIKASIAN LULUSAN JURUSAN TEKNIK ELEKTRO BERDASARKAN NILAI IPK DENGAN METODE FUZZY
Lebih terperinciAhmad Mauliyadi M, Hizir Sofyan, dan Muhammad Subianto. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala
Tersedia di www.fmipa.unsyiah.ac.id Jurnal Matematika 00 (2013) 01 05 PERBANDINGAN METODE FUZZY C-MEANS (FCM) DAN FUZZY GUSTAFSON-KESSEL (FGK) MENGGUNAKAN DATA CITRA SATELIT QUICKBIRD (Studi Kasus Desa
Lebih terperinciKLUSTERING BERBASIS PROTOTIPE DENGAN METODE FUZZY C-MEANS
JURNAL LOGIC. VOL.15. NO.1 MARET 015 51 KLUSTERING BERBASIS PROTOTIPE DENGAN METODE FUZZY C-MEANS Putu Manik Prihatini Jurusan Teknik Elektro, Politeknik Negeri Bali Bukit Jimbaran, P.O.Box 1064 Tuban
Lebih terperinciBAB III PERANCANGAN SISTEM. pengetahuannya melalui buku-buku yang ada. Pihak perpustakaan harus. sesuai dengan kebutuhan dan anggaran yang disediakan.
BAB III PERANCANGAN SISTEM 3.1 Analisis Permasalahan Perpustakaan merupakan salah satu gudang ilmu pengetahuan bagi sebagian masyarakat. Perpustakaan STIKOM Surabaya merupakan salah satu tempat bagi para
Lebih terperinciIMPLEMENTASI FUZZY C-MEANS UNTUK CLUSTERING PENDUDUK MISKIN (STUDI KASUS : KECAMATAN BANTUL) Abstrak
IMPLEMENTASI FUZZY CMEANS UNTUK CLUSTERING PENDUDUK MISKIN (STUDI KASUS KECAMATAN BANTUL) Femi Dwi Astuti Jurusan Teknik Informatika STMIK AKAKOM Yogyakarta femi@akakomacid Abstrak Kemiskinan merupakan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Metodologi penelitian digunakan sebagai pedoman dalam pelaksanaan penelitian agar hasil yang dicapai tidak menyimpang dari tujuan yang telah dilakukan
Lebih terperinciMelihat Pengaruh Cuaca Terhadap Penyakit Demam Berdarah Di Banjarbaru menggunakan Fuzzy C-Means
Melihat Pengaruh Cuaca Terhadap Penyakit Demam Berdarah Di Banjarbaru menggunakan Fuzzy C-Means Muhammad Halim 1, Andi Farmadi 2, H. Irwan Budiman 3 1,2,3 Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km
Lebih terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 3 1 Mahasiswa Program Studi Matematika
Lebih terperinciCLUSTERING KINERJA AKADEMIS MAHASISWA MENGGUNAKAN FUZZY C-MEANS
SYSTEMIC Vol. 02, No. 02, Agustus 2016, 29-34 CLUSTERING KINERJA AKADEMIS MAHASISWA MENGGUNAKAN FUZZY C-MEANS Nurissaidah Ulinnuha 1 Program Studi Matematika Fakultas Sains dan Teknologi Universitas Islam
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Penelitian yang dilaksanakan adalah penelitian eksperimen, yaitu melakukan implementasi algoritma Fuzzy C-Means dalam pengelompokan berdasarkan data
Lebih terperinciIMPLEMENTASI LOGIKA FUZZY DALAM RECRUITMENT ASISTEN LABORATORIUM MENGGUNAKAN METODE C-MEANS (STUDI KASUS: TEKNIK INFORMATIKA UNIVERSITAS TANJUNGPURA)
IMPLEMENTASI LOGIKA FUZZY DALAM RECRUITMENT ASISTEN LABORATORIUM MENGGUNAKAN METODE C-MEANS (STUDI KASUS: TEKNIK INFORMATIKA UNIVERSITAS TANJUNGPURA) Rizkya Bina Islamiati Program Studi Teknik Informatika
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN Pada bagian ini berisi analisa peramalan konsumsi BBM Provinsi Riau, yang mana data konsumsi BBM, jumlah kendaran bermotor dan jumlah penduduk merupakan faktor yang mempengaruhi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi Penelitian merupakan acuan dalam pelaksanaan sebuah penelitian. Metodologi penelitian berisi rencana kerja yang berurutan agar hasil yang didapatkan sesuai dengan
Lebih terperinciPENGKLASIFIKASIAN SISWA BERDASARKAN PRESTASI BELAJAR DENGAN MENGGUNAKAN LOGIKA FUZZY CLUSTERING
PENGKLASIFIKASIAN SISWA BERDASARKAN PRESTASI BELAJAR DENGAN MENGGUNAKAN LOGIKA FUZZY CLUSTERING Feddy Setio Pribadi Tekn Elektro FT UNNES, email : feddysetio@yahoo.com Abstract Analyzing data of students'
Lebih terperinciProsiding Matematika ISSN:
Prosiding Matematika ISSN: 2460-6464 Model Perhitungan Estimasi Keuntungan Penjualan Susu Kemasan dengan Menggunakan Gabungan Metode Fuzzy C-Means dan Sugeno Orde-Satu Sales Profit Estimation Model of
Lebih terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 1 Mahasiswa Program Studi Matematika FSM
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. 2.1 CLUSTERING Clustering adalah proses pengelompokkan suatu
Lebih terperinciAnalisa Klasifikasi Status Gizi dengan Metode Fuzzy C-Means Menggunakan Aplikasi Berbasis Android
Analisa Klasifikasi Status Gizi dengan Metode Fuzzy C-Means Menggunakan Aplikasi Berbasis Android (Classification Analysis of Nutritional Status with the Fuzzy C-Means Method Using Android Based Applications)
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENGELOMPOKAN PERSENTASE PENDUDUK BERUMUR 15 TAHUN KE ATAS MENURUT KABUPATEN/KOTA DAN PENDIDIKAN TERTINGGI
Lebih terperinciPEMODELAN PENGELOMPOKKAN PRESTASI DOSEN MENGGUNAKAN METODE FUZZY C-MEANS
PEMODELAN PENGELOMPOKKAN PRESTASI DOSEN MENGGUNAKAN METODE FUZZY C-MEANS Sri Redjeki Teknik Informatika STMIK AKAKOM Jl. Raya Janti No 143 Yogyakarta e-mail: dzeky@akakom.ac.id ABSTRAK Sebuah perguruan
Lebih terperinciPENENTUAN TINGKAT KEMISKINAN DENGAN METODE FUZZY C- MEANS DI KABUPATEN BONE BOLANGO
PENENTUAN TINGKAT KEMISKINAN DENGAN METODE FUZZY C- MEANS DI KABUPATEN BONE BOLANGO Nurrahmah Fitriani Kahar 1), Lillyan Hadjaratie ), Sitti Suhada 3). 1 Fakultas Teknik, Universitas Negeri Gorontalo Email
Lebih terperinciKLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS
KLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS Nunik Mariastuti Wijilestari, Moch. Hariadi Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 60
Lebih terperinciDATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA
DATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA Aseptian Nugraha, Acep Irham Gufroni, Rohmat Gunawan Teknik Informatika Fakultas
Lebih terperinciJurnal Pseudocode, Volume V Nomor 1, Februari 2018, ISSN
KLASIFIKASI KAWASAN PERMUKIMAN TINGKAT KELURAHAN UNTUK PEMBANGUNAN SISTEM BERBASIS DATA KUALITAS PERMUKIMAN (STUDI KASUS: 67 KELURAHAN DI KOTA BENGKULU) Rizki Setiawan 1, Ernawati 2, Rusdi Efendi 3 1,2,3
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
4 BAB 2 TINJAUAN PUSTAKA 2.1 Metode Clustering Clustering adalah metode penganalisaan data, yang sering dimasukkan sebagai salah satu metode Data Mining, yang tujuannya adalah untuk mengelompokkan data
Lebih terperinciIMPLEMENTASI PENGENALAN POLA UNTUK MENGEVALUASI HASIL PEMBELAJARAN DENGAN METODE FUZZY C-MEANS
SYSTEMIC Vol. 02, No. 02, Desember 2016, 23-28 IMPLEMENTASI PENGENALAN POLA UNTUK MENGEVALUASI HASIL PEMBELAJARAN DENGAN METODE FUZZY C-MEANS Ilham Program Studi Sistem Informasi, Jurusan Teknologi, Fakultas
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciEnigma Journal of Infotmatic (ENJOI 2016) ISSN :
b 1 Kombinasi Fuzzy C-Means Clustering dan MADM Model Yager Untuk Menentukan Kelompok UKT (Studi Kasus Universitas Sembilanbelas November Kolaka) Muhammad Nurtanzis Sutoyo 1 dan Andi Tenri Sumpala 2 12
Lebih terperinciIMPLEMENTASI FUZZY C-MEANS DALAM MENGANALISA KEMISKINAN DESA
IMPLEMENTASI FUZZY C-MEANS DALAM MENGANALISA KEMISKINAN DESA Harliana Teknik Informatika STIKOM POLTEK Cirebon Jl Brigjend Darsono Bypass No3 3, Cirebon 45153 Email : harliana.merdiharto@gmail.com Abstrak
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciPERBANDINGAN PENGKLUSTERAN DATA IRIS MENGGUNAKAN METODE K-MEANS DAN FUZZY C- MEANS
PERBANDINGAN PENGKLUSTERAN DATA IRIS MENGGUNAKAN METODE K-MEANS DAN FUZZY C- MEANS Fitria Febrianti 1, Moh. Hafiyusholeh 2, Ahmad Hanif Asyhar 3 Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan
Lebih terperinciAziz Ahmadi dan Sri Hartati, Penerapan Fuzzy C-Means dalam Sistem Pendukung Keputusan...
Aziz Ahmadi dan Sri Hartati, Penerapan Fuzzy C-Means dalam Sistem Pendukung Keputusan... Penerapan Fuzzy C-Means dalam Sistem Pendukung Keputusan untuk Penentuan Penerima Bantuan Langsung Masyarakat (BLM)
Lebih terperinciPerhitungan Jumlah dan Jenis Kendaraan Menggunakan Metode Fuzzy C-means dan Segmentasi Deteksi Tepi Canny
103 Perhitungan Jumlah dan Jenis Kendaraan Menggunakan Metode Fuzzy C-means dan Segmentasi Deteksi Tepi Canny Dimas Wahyu Wibowo, M. Aziz Muslim, M. Sarosa Abstrak -Pada Penelitian ini memungkinkan kita
Lebih terperinciPenerapan Fuzzy C-Means Untuk Penentuan Besar Uang Kuliah Tunggal Mahasiswa Baru
Penerapan Fuzzy C-Means Untuk Penentuan Besar Uang Kuliah Tunggal Mahasiswa Baru Ariyady Kurniawan Muchsin 1, Made Sudarma 2 Universitas Udayana ariyadykurniawan@gmail.com,msudarma@unud.ac.id Abstrak Sesuai
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Scot Morton adalah orang yang pertama kali mengartikulasikan konsep Decision Support System (DSS), mendefenisikan DSS sebagai sistem berbasis komputer
Lebih terperinciIMPLEMENTASI FUZZY C-MEANS UNTUK CLUSTERING DATA PENDUDUK MISKIN DENGAN PENYAJIAN REALTIME BERBASIS WEB MOBILE
IMPLEMENTASI FUZZY C-MEANS UNTUK CLUSTERING DATA PENDUDUK MISKIN DENGAN PENYAJIAN REALTIME BERBASIS WEB MOBILE 1 Ahsan Anwar Sandiah, 2 Abdul Fadlil, 3 Rusydi Umar 1 Magister Teknik Informatika, 2 Magister
Lebih terperinciSistem Pemilihan Perumahan dengan Metode Kombinasi Fuzzy C-Means Clustering dan Simple Additive Weighting
Jurnal Sistem Bisnis 03(2011) On-line : http://ejournal.undip.ac.id/index.php/jsinbis 153 Sistem Pemilihan Perumahan dengan Metode Kombinasi Fuzzy C-Means Clustering dan Simple Additive Weighting Tri Sandhika
Lebih terperinciCLUSTERING GENDER BERDASARKAN NILAI MAKSIMUM MINIMUN AMPLITUDO SUARA BERBASIS FUZZY C-MEANS (FCM)
CLUSTERING GENDER BERDASARKAN NILAI MAKSIMUM MINIMUN AMPLITUDO SUARA BERBASIS FUZZY C-MEANS (FCM) Idni Irsalina 1*, Endang Supriyati 2, Tutik Khotimah 3 Program Studi Teknik Informatika, Fakultas Teknik,
Lebih terperinciPenerapan Algoritma Fuzzy Clustering Untuk Penentuan Jurusan Sekolah Menengah Kejuruan ( SMK Negeri 1 Rambah )
Riau Journal Of Computer Science Vol.1/No.1/2015 : 84-91 84 Penerapan Algoritma Fuzzy Clustering Untuk Penentuan Jurusan Sekolah Menengah Kejuruan ( SMK Negeri 1 Rambah ) Basorudin Program Studi Teknik
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 2 NO. 1 SEPTEMBER 2010
PERBANDINGAN METODE K-NEAREST NEIGHBOR (KNN) dan METODE NEAREST CLUSTER CLASSIFIER (NCC) DALAM PENGKLASIFIKASIAN KUALITAS BATIK TULIS Nesi Syafitri 1 ABSTRACT Various problem that are related to classification
Lebih terperinciAPLIKASI SURAT MASUK DAN KELUAR DENGAN KLASTERISASI MENGGUNAKAN METODE K-MEANS DI INSTALASI FARMASI RSUD DR.SAIFUL ANWAR
APLIKASI SURAT MASUK DAN KELUAR DENGAN KLASTERISASI MENGGUNAKAN METODE K-MEANS DI INSTALASI FARMASI RSUD DR.SAIFUL ANWAR Sari Nur Sita Wibowo 1 Amak Yunus EP 1 Sistem Informasi, Universitas Kanjuruhan
Lebih terperinciRANCANG BANGUN SISTEM PAKAR UNTUK APLIKASI PERMOHONAN KREDIT PADA KOPERASI SIMPAN PINJAM MENGGUNAKAN METODE FUZZY C-MEANS CLUSTERING BERBASIS WEBSITE
RANCANG BANGUN SISTEM PAKAR UNTUK APLIKASI PERMOHONAN KREDIT PADA KOPERASI SIMPAN PINJAM MENGGUNAKAN METODE FUZZY C-MEANS CLUSTERING BERBASIS WEBSITE Wahyu Drajat Biantoro Alexius Endy Budianto, S.Kom.,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 State of the Art Penelitian mengenai segmentasi pasar pada sebuah perusahaan telah banyak digunakan dengan tujuan untuk mengetahui strategi pasar yang baik dan dapat menguntungkan
Lebih terperinciPENGKLASTERAN LAHAN SAWAH DI INDONESIA SEBAGAI EVALUASI KETERSEDIAAN PRODUKSI PANGAN MENGGUNAKAN FUZZY C-MEANS
PENGKLASTERAN LAHAN SAWAH DI INDONESIA SEBAGAI EVALUASI KETERSEDIAAN PRODUKSI PANGAN MENGGUNAKAN FUZZY C-MEANS Nur Afifah 1, Dian C. Rini 2, Ahmad Lubab 3 Matematika, Fakultas Sains dan Teknologi Universitas
Lebih terperinciSistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode Fuzzy C-Means Clustering
Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode Fuzzy C-Means Clustering Catur Sugeng Pribadi 1) 1) S1 / Jurusan Sistem Informasi, Sekolah Tinggi Manajemen Informatika
Lebih terperinciPenerapan Fuzzy C-Means (FCM) Dalam Masalah Penentuan Lokasi Fasilitas
Penerapan Fuzzy C-Means (FCM) Dalam Masalah Penentuan Lokasi Fasilitas Hetty Rohayani. H Jurusan Sistem Komputer, STIKOM Dinamika Bangsa Kampus STIKOM Dinamika Bangsa, Jambi, Indonesia Telp : +62-741-35095,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Tahapan Penelitian Metodologi penelitian digunakan sebagai pedoman dalam pelaksanaan penelitian agar hasil yang dicapai tidak menyimpang dari tujuan. Tahapan penelitian
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. Penelitian dengan menggunakan metode k-means dan metode fuzzy c-means
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI Pada bagian ini akan memuat literatur dan landasan teori yang mendukung serta relevan dengan laporan penelitian. 2.1 Tinjauan Pustaka Penelitian dengan menggunakan
Lebih terperinciPEMBANGKITAN ATURAN FUZZY MENGGUNAKAN FUZZY C-MEANS (FCM) CLUSTERING UNTUK DIAGNOSA RISIKO PENYAKIT JANTUNG KORONER (PJK)
PEMBANGKITAN ATURAN FUZZY MENGGUNAKAN FUZZY C-MEANS (FCM) CLUSTERING UNTUK DIAGNOSA RISIKO PENYAKIT JANTUNG KORONER (PJK) Resti Ludviani 1, Candra Dewi, Dian Eka Ratnawati Program Studi Ilmu Komputer,
Lebih terperinciPENERAPAN FUZZY C-MEANS DALAM PEMILIHAN PEMINATAN TUGAS AKHIR MAHASISWA
1 PENERAPAN FUZZY C-MEANS DALAM PEMILIHAN PEMINATAN TUGAS AKHIR MAHASISWA Sumanto 1) Romi Satria Wahono 2) 1) Program StudiTeknik Informatika STMIK Nusa Mandiri Sukabumi Jl. Veteran II No 20-A. Sukabumi
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Promosi adalah salah satu faktor yang diperlukan bagi keberhasilan bagi suatu perusahaan atau organisasi, maka promosi merupakan salah satu senjata ampuh bagi perusahaan
Lebih terperinciFUZZY CLUSTERING DALAM PENGCLUSTERAN DATA CURAH HUJAN KOTA BENGKULU DENGAN ALGORITMA C-MEANS
FUZZY CLUSTERING DALAM PENGCLUSTERAN DATA CURAH HUJAN KOTA BENGKULU DENGAN ALGORITMA C-MEANS Herlina Latipa Sari Dosen Tetap Tekn Informata Universitas Dehasen Bengkulu Sur-el: herlinalatipasari@y.mail.com
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA BANTUAN SOSIAL PADA BADAN KETAHANAN PANGAN SUMATERA SELATAN
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA BANTUAN SOSIAL PADA BADAN KETAHANAN PANGAN SUMATERA SELATAN M. Fariz Januarsyah Jurusan Teknik Informatika STMIK PalComTech Palembang Abstrak Proses seleksi
Lebih terperinciIJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY
IJCCS, Vol.x, No.x, July xxxx, pp. ~5 ISSN: 978-52 Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY Dian Eko Hari Purnomo Universitas Sarjanawiyata Tamansiswa, Program Studi Teknik
Lebih terperinciPemanfaatan Algoritma FCM Dalam Pengelompokan Kinerja Akademik Mahasiswa
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Pemanfaatan Algoritma FCM Dalam Pengelompokan Kinerja Akademik Mahasiswa Aidina Ristyawan 1), Kusrini 2), Andi Sunyoto
Lebih terperinciBAB IV HASIL DAN UJICOBA
BAB IV HASIL DAN UJICOBA IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari perancangan data mining varian produk elektronik sound system dengan metode K-Means Clustering yang dapat
Lebih terperinciPENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS
1 PENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS Indra Setiawan 1 1 Teknik Informatika Universitas Dian Nuswantoro Semarang E-mail :
Lebih terperinciAPLIKASI ALGORITMA FUZZY C-MEANS CLUSTERING UNTUK PENGELOMPOKKAN LULUSAN
APLIKASI ALGORITMA FUZZY C-MEANS CLUSTERING UNTUK PENGELOMPOKKAN LULUSAN Abdul Aziz, S.Si, M.Si. Abstrak Teknik Fuzzy c-means clustering termasuk dalam salah satu keluarga clustering. Seperti teknik clustering
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
PENDHLN Latar elakang Sebelum terbentuk kerja sama antar negara seperti ni Eropa, SEN, NFT, dan lain - lain, masing - masing negara memili mata uang sendiri, sehingga banyak sekali jenis mata uang yang
Lebih terperinciBAB 2 PENELITIAN TERKAIT DAN LANDASAN TEORI
BAB 2 PENELITIAN TERKAIT DAN LANDASAN TEORI 2.1 Penelitian Terkait Ada beberapa penelitian terkait dengan penggunaan Data Mining metode cluster dengan menggunakan Algoritma Fuzzy C-Means untuk dapat mengelompokkan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA PADA SDN PANDANWANGI 02 MENGGUNAKAN FUZZY C MEANS CLUSTERING
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA PADA SDN PANDANWANGI 0 MENGGUNAKAN FUZZY C MEANS CLUSTERING A an Purnama Sidiq Syahminan 1 Teknik Informatika, Universitas Kanjuruhan Malang,
Lebih terperinciPerbandingan Metode K-Means Dengan Fuzzy C-Means Untuk Analisa Karakteristik Mahasiswa Berdasarkan Kunjungan Ke Perpustakaan
TESIS Perbandingan Metode K-Means Dengan Fuzzy C-Means Untuk Analisa Karakteristik Mahasiswa Berdasarkan Kunjungan Ke Perpustakaan (Studi Kasus Sekolah Tinggi Agama Hindu Negeri Tampung Penyang Palangka
Lebih terperinciALGORITMA FUZZY C-MEANS (FCM) UNTUK PENENTUAN NILAI CENTER RADIAL BASIS FUNCTION (RBF) PADA KLASIFIKASI DATA PENYAKIT KARIES GIGI
ALGORITMA FUZZY C-MEANS (FCM) UNTUK PENENTUAN NILAI CENTER RADIAL BASIS FUNCTION (RBF) PADA KLASIFIKASI DATA PENYAKIT KARIES GIGI Nur Astuti 1, Oni Soesanto, Dwi Kartini 3 1,3 Prodi Ilmu Komputer FMIPA
Lebih terperinciPENERAPAN METODE GUSTAFSON-KESSEL CLUSTERING UNTUK MENENTUKAN SEGMENTASI DEBITUR PADA BANK CIMB NIAGA
PENERAPAN METODE GUSTAFSON-KESSEL CLUSTERING UNTUK MENENTUKAN SEGMENTASI DEBITUR PADA BANK CIMB NIAGA APPLICATION OF GUSTAFSON-KESSEL CLUSTERING METHODS FOR SEGMENTATION DETERMINING DEBTOR AT BANK CIMB
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN KELULUSAN UJIAN SARINGAN MASUK JALUR PMDK BERDASARKAN NILAI RATA-RATA MATEMATIKA DAN BAHASA INGGRIS
SISTEM PENDUKUNG KEPUTUSAN KELULUSAN UJIAN SARINGAN MASUK JALUR PMDK BERDASARKAN NILAI RATA-RATA MATEMATIKA DAN BAHASA INGGRIS Fitrah Rumaisa, S.T., Tanti Nurafianti Universitas Widyatama, Jl. Cikutra
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN VARIETAS KELAPA SAWIT DENGAN METODE FUZZY C-MEANS
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN VARIETAS KELAPA SAWIT DENGAN METODE FUZZY C-MEANS Faizal Widya Nugraha 1), Silmi Fauziati 2), Adhistya Erna Permanasari 3) 1), 2), 3) Departemen Teknik Elektro Dan
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: Yogyakarta, 20 Juni 2009
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA BANK BRI MENGGUNAKAN FMADM (STUDI KASUS: MAHASISWA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA) Henry Wibowo S 1), Riska Amalia
Lebih terperinciAPLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMBING POTONG MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING (SAW)
APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMBING POTONG MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING (SAW) Akhmad Khanif, Sri Eniyati, Agus Prasetyo Utomo Abstrak Era globalisasi menuntut sumber daya manusia
Lebih terperinci1. PENDAHULUAN. Kata Kunci: Data Mining, Clustering, Fuzzy C-Means
CLUSTERING BIDANG PEKERJAAN BERDASARKAN PEMETAAN MATA KULIAH MENGGUNAKAN ALGORITMA FUZZY C-MEANS PADA FAKULTAS ILMU KOMPUTER UNIVERSITAS DIAN NUSWANTORO SEMARANG Taufiq Ramadhan Ashari 1, Ruri Suko Basuki
Lebih terperinciSISTEM REKOMENDASI PENGADAAN BUKU PADA BADAN ARSIP DAN PERPUSTAKAAN DAERAH PROVINSI JAWA TENGAH MENGGUNAKAN METODE FUZZY C-MEANS CLUSTERING
SISTEM REKOMENDASI PENGADAAN BUKU PADA BADAN ARSIP DAN PERPUSTAKAAN DAERAH PROVINSI JAWA TENGAH MENGGUNAKAN METODE FUZZY C-MEANS CLUSTERING Ahmad Dony Susetyo 1, Aripin 2 1,2 Program Studi Teknik Informatika,
Lebih terperinciSISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING
SISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING Ati Suci Dian Martha, S.Kom., M.T. 1, Dena Jatnika Kusumah 1, Program Studi Sistem Informasi, STMIK LPKIA, Bandung Jln. Soekarno Hatta No.
Lebih terperinciOptimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir
IJCCS, Vol.6, No.1, January 2012, pp. 101~110 ISSN: 1978-1520 101 Optimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir Putri Elfa Mas`udia* 1, Retantyo Wardoyo
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN CALON RINTISAN SEKOLAH BERTARAF INTERNASIONAL DENGAN METODE FUZZY ASSOCIATIVE MEMORY
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN CALON RINTISAN SEKOLAH BERTARAF INTERNASIONAL DENGAN METODE FUZZY ASSOCIATIVE MEMORY Arwan Ahmad Khoiruddin Laboratorium Pemrograman Informatika Teori, Jurusan
Lebih terperinciBAB V PENUTUP. Menggunakan Metode Fuzzy C-Means Clustering, dapat diambil kesimpulan
BAB V PENUTUP 5.1. Kesimpulan Dari serangkaian uji coba dan analisa yang telah dilakukan pada aplikasi Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode Fuzzy C-Means
Lebih terperinciLAPORAN SKRIPSI PENERAPAN ALGORITMA FUZZY C_MEANS DALAM PENENTUAN BEASISWA. Oleh : ARI IRAWAN
LAPORAN SKRIPSI PENERAPAN ALGORITMA FUZZY C_MEANS DALAM PENENTUAN BEASISWA Oleh : ARI IRAWAN 2010-51-221 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH GELAR SARJANA KOMPUTER PROGRAM STUDI
Lebih terperinciSIMULASI SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN METODE KLUSTERING ALGORITMA FUZZY c-means
SIMULASI SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN METODE KLUSTERING ALGORITMA FUZZY c-means Edrian Hadinata 1 Program Studi Sistem Informasi, Sekolah Tinggi Teknik Harapan Jl. H.M. Joni No.70 C Medan, Sumatera
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK PT. Satria Karya Adiyudha (SKAY) merupakan perusahaan yang bergerak dalam bidang distribusi bahan bangunan. Dengan komitmennya, yaitu untuk menghadirkan produk dengan jumlah dan waktu yang tepat
Lebih terperinciMATHunesa Jurnal Ilmiah Matematika Volume 2 No.6 Tahun 2017 ISSN
MATHunesa Jurnal Ilmiah Matematika Volume 2 No.6 Tahun 2017 ISSN 2301-9115 SEGMENTASI CITRA MAGNETIC RESONANCE IMAGING (MRI) MENGGUNAKAN FUZZY C- MEANS (FCM) Erva Ani Dwi Katwarti 1) Jurusan Matematika,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1.1 Customer Relationship Management (CRM) CRM adalah perpaduan antara teori, metode, teknik, kompetensi dan software enterprise untuk mengembangkan jangka panjang perusahaan dengan
Lebih terperinciSKRIPSI RONNY BENEDIKTUS SIRINGORINGO
ANALISIS PERBANDINGAN PROSES CLUSTER MENGGUNAKAN K- MEANS CLUSTERING DAN K-NEAREST NEIGHBOR PADA PENYAKIT DIABETES MELLITUS SKRIPSI RONNY BENEDIKTUS SIRINGORINGO 131421021 PROGRAM STUDI S1 ILMU KOMPUTER
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. studi yang pernah dilakukan yang berkaitan dengan penelitian ini yaitu bisa dilihat
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Tinjuan pustaka merupakan acuan utama pada penelitian ini berupa beberapa studi yang pernah dilakukan yang berkaitan dengan penelitian ini
Lebih terperinci