User-Based Collaborative Filtering Dengan Memanfaatkan Pearson- Correlation Untuk Mencari Neighbors Terdekat Dalam Sistem Rekomendasi
|
|
- Yuliana Iskandar
- 7 tahun lalu
- Tontonan:
Transkripsi
1 User-Based Collaborative Filtering Dengan Meanfaatkan Pearson- Correlation Untuk Mencari Neighbors Terdekat Dala Siste Rekoendasi Arvid Theodorus 1, Djoko Budiyanto Setyohadi 2, Ernawati 3 Magister Teknologi Inforasi Universitas Ata Jaya Yogyakarta Eail : arvid.thd@gail.co ABSTRAK Perkebangan yang pesat seputar siste rekoendasi endorong para peneliti untuk terus encari teknik-teknik rekoendasi baru. Tujuannya adalah untuk encari teknik yang terbaik dala eberi rekoendasi bagi pengguna. Naun, beberapa teknik rekoendasi asih belu eiliki etode yang berfungsi untuk encari relasi antar pengguna. Untuk itu, penelitian ini akan berfokus pada etode pencarian relasi antar pengguna dala sebuah siste rekoendasi. Peneliti eanfaatkan teknik pengukuran Pearson-Correlation dala algorita User-Based Collaborative Filtering untuk enghitung relasi kedekatan antar pengguna. Inforasi kedekatan tersebutlah yang nantinya diharapkan akan beranfaat sebagai dasar suber rekoendasi yang akurat. Katakunci : User Based Collaborative Filtering, Pearson Correlation, Siste Rekoendasi, Evaluasi Siste Rekoendasi
2 User-Based Collaborative Filtering Dengan Meanfaatkan Pearson- Correlation Untuk Mencari Neighbors Terdekat Dala Siste Rekoendasi Arvid Theodorus 1, Djoko Budiyanto Setyohadi 2, Ernawati 3 Magister Teknologi Inforasi Universitas Ata Jaya Yogyakarta Eail : arvid.thd@gail.co ABSTRAK Perkebangan yang pesat seputar siste rekoendasi endorong para peneliti untuk terus encari teknik-teknik rekoendasi baru. Tujuannya adalah untuk encari teknik yang terbaik dala eberi rekoendasi bagi pengguna. Naun, beberapa teknik rekoendasi asih belu eiliki etode yang berfungsi untuk encari relasi antar pengguna. Untuk itu, penelitian ini akan berfokus pada etode pencarian relasi antar pengguna dala sebuah siste rekoendasi. Peneliti eanfaatkan teknik pengukuran Pearson-Correlation dala algorita User-Based Collaborative Filtering untuk enghitung relasi kedekatan antar pengguna. Inforasi kedekatan tersebutlah yang nantinya diharapkan akan beranfaat sebagai dasar suber rekoendasi yang akurat. Katakunci : User Based Collaborative Filtering, Pearson Correlation, Siste Rekoendasi, Evaluasi Siste Rekoendasi PENDAHULUAN Penelitian seputar siste rekoendasi dala 1 dekade terakhir ini berkebang dengan pesat. Lebih dari 200 artikel penelitian yang ebahas tentang siste rekoendasi sudah terpublikasi (Beel, 2013). Seiring bertabahnya artikel-artikel tersebut, algorita rekoendasi yang dikebangkan dan di inovasikan sesuai dengan kebutuhan asing-asing siste pun seakin banyak. Berdasarkan sudut pandang penyaringan inforasinya, algorita rekoendasi yang sering digunakan dala siste rekoendasi terbagi enjadi tiga jenis, yaitu : Content-Based Filtering (CB), User-Based Collaborative Filtering (UCF) dan Ite-Based Collaborative Filtering (ICF). Beberapa peneliti engebangkan ketiga algorita penyaringan tersebut secara terpisah, naun ada juga peneliti yang enggabungkan lebih dari satu algorita dengan tujuan endapatkan hasil rekoendasi yang terbaik (Hu et al., 2011), (De Capos et al., 2010), (Chen et al. 2010). Untuk engetahui apakah algorita yang dikebangkan endapatkan hasil yang terbaik atau tidak, para peneliti enggunakan beberapa teknik evaluasi seperti Mean Absolute Error (MAE), Precision Value, Recall, dan lainnya. (Beel, 2013), (Jin, 2006), (Claypool, 1999). Dala penerapannya pada siste rekoendasi, UCF seringkali dipasangkan dengan ICF karena eiliki banyak kesaaan dala teknik penyaringan dan bahkan dala hal kekurangan dan kelebihannya. UCF engasusikan bahwa untuk encari sesuatu yang akan disukai oleh pengguna A, aka kita harus encari pengguna lain dengan kecenderungan yang saa. Pengguna lain yang eiliki ketertarikan / kecenderungan yang saa dengan pengguna A disebut dengan neighbors. Nantinya, segala sesuatu yang disukai oleh neighbors akan enjadi suber rekoendasi untuk pengguna A. Sedikit berbeda dengan UCF, ICF enapung segala ite yang telah disukai oleh pengguna A terlebih dahulu dan keudian ulai enelusuri ite lain yang akan disukai oleh pengguna A. Perbedaan ICF dan UCF terletak pada titik awal dala encari rekoendasi untuk seorang pengguna dan jenis neighbors-nya. (Lops et al., 2011), (Sarwar et al., 2001). Peran neighbor sangatlah penting dala siste rekoendasi, selain berperan sebagai suber rekoendasi, ada juga data lain pada neighbors yang nantinya akan digunakan untuk enghitung nilai prediksi. Dala hal ini data tersebut adalah nilai rating neighbors terhadap ite rekoendasi. Nilai prediksi ini nantinya digunakan oleh para peneliti sebagai tolak ukur seberapa baik algorita rekoendasi yang sedang dikebangkan. Pada penelitian kali ini, peneliti encoba eanfaatkan sebuah etode pengukuran dengan harapan bisa endapatkan neighbors terbaik, sebagai dasar dala pencarian rekoendasi dan nilai prediksi yang akurat. Metode pengukuran yang digunakan nantinya adalah Pearson-Correlation Coefficient. Pengukuran tersebut digunakan untuk encari neighbors dengan keiripan dan kecenderungan yang saa terhadap pengguna aktif. USER-BASED COLLABORATIVE FILTERING (UCF) Pada UCF, ada banyak teknik yang digunakan untuk encari nilai prediksi untuk pengguna aktif (P a,i ), diulai dari cara sederhana dengan enjulahkan seua rating dari pengguna lain yang eiliki selera saa dengan pengguna aktif (U a ) dan keudian dibagi dengan julah pengguna tersebut, hingga enggunakan cara pebobotan. Seperti yang sudah dibahas sebelunya, pengguna lain yang eiliki selera saa dengan U a disebut dengan neighbors. Untuk encari neighbors tersebut banyak cara yang ditawarkan, ada yang eanfaatkan teknik K-nearest neighbor (KNN) ada juga yang encarinya secara anual dengan encari irisan dari seua daftar ite yang sudah di rating oleh pengguna aktif (L a,i ) dengan seua daftar ite yang sudah di rating oleh pengguna lain (L u,i ) satu-persatu (Shinde, S. K. & Kulkarni, U. V., 2011) dan (Ghauth, K. I. & Abdullah, N.
3 A., 2011). Hal terpenting yang perlu diperhatikan dala encari neighbors adalah calon neighbors setidaknya harus eiliki beberapa variabel yang tidak kosong (null) dari irisan L u,i dengan L a,i supaya nantinya dapat dilakukan pengukuran kedekatan. Secara garis besar, dala encari nilai prediksi (P) dan daftar rekoendasi (L) untuk pengguna aktif, UCF dapat dibagi enjadi tiga tahap yaitu : asukan (input), proses (algorita UCF) dan keluaran (P dan L). Input yang diaksud adalah berupa nilai dari irisan L a,i dengan L u,i dan keudian nilai tersebut akan diproses enggunakan algorita UCF yang enghasilkan nilai P a,i. Lihat Ruus (3) untuk skea tahapan UCF, diana I j adalah ite yang akan dicari nilai P-nya. Dala algorita UCF, sebelu encari nilai P a,j perlu dicari terlebih dahulu neighbors dari U a, setelah endapatkan neighbors yang cukup, aka keudian diabil L u,j dengan u adalah seua neighbors dari pengguna aktif (u 1 s/d u ). Dari titik ini, L u,j bisa diproses dengan banyak jenis algorita, ulai dari yang paling sederhana, pebobotan ringan dan pebobotan rata-rata rating U, untuk lebih jelasnya dapat dilihat pada Ruus (1). juga dicari enggunakan algorita tertentu. Selain dengan eberi bobot untuk setiap neighbors, cara lain untuk engebangkan ruus (2), yaitu dengan enabahkan variabel rata-rata rating dari U a dan U. Lebih jelasnya lihat Ruus (3). P a,j = R a + R u,j R u (3) Variabel didapat dari rata-rata R a,j pada L a,j sedangkan didapat dari rata-rata R u,j pada L u,i dengan asusi rata-rata rating enunjukan sifat dasar seorang pengguna. Kata sifat enunjuk pada aktivitas lapau seorang pengguna, apakah dia seorang hater yang selalu eberi rating rendah, ataukah ia adalah seorang lover yang selalu eberi rating tinggi pada setiap ite dala L yang diilikinya. Seakin rendah nilai pada seorang neighboor aka seakin besar kontribusi nilainya terhadap P a,j ketika suatu saat ia eberi nilai tinggi pada sebuah ite j, tetapi jika ia eberi nilai rendah terhadap ite j aka kontribusi nilainya kecil terhadap pencarian P a,j. Sebaliknya, jika seorang neighbor eiliki nilai yang tinggi, aka seakin kecil kontribusinya terhadap pencarian P a,j ketika ia eberi rating tinggi pada ite j, tetapi jika ia eberi nilai rendah terhadap ite j aka kontribusi nilainya sangat besar. Algorita pebobotan dan rata-rata rating pengguna juga dapat digabungkan supaya P yang didapat lebih spesifik. Caranya, pada Ruus (3) akan ditabahkan variabel bobot untuk setiap neighbors-nya, sekali lagi bobot dapat dicari dengan enggunakan berbagai cara tergantung dari asusi pebuat siste, lihat Ruus (4). Gabar 1. Skea Tahapan UCF P a,j = R a + R u,j R u W u W u (4) P a,j = R u,j (1) Pada Ruus (1), variabel ewakili julah neighbors yang sudah terpilih dengan pendekatan tertentu. Algorita ini adalah terasuk yang paling sederhana dala encari nilai P, disebut sederhana karena dala perhitungannya tidak elibatkan variabel yang enunjukan bahwa seorang neighbors berbeda dari neighbors lainnya. Algorita sederhana ini dapat dikebangkan lagi enjadi sedikit lebih spesifik untuk ebedakan setiap neighbors, caranya dengan eberi bobot pada asing-asing nilai R u,j neighbors. P a,j = R u,j W u W u (2) Pada Ruus (2), variabel W adalah bobot yang diberikan untuk pengguna U, nilai W bisa ditentukan secara anual oleh U a atau pebuat siste, bahkan dapat Dengan enggabungkan pebobotan dan ratarata rating pengguna, nilai P a,j yang didapat akan lebih bersifat pribadi karena elibatkan dua variabel yang berasal dari kegiatan lapau pengguna aktif, aupun neighbors. Pada penelitian kali ini, peneliti enggunakan Ruus (4) untuk encari prediksi, karena variabel yang digunakan sangatlah spesifik dan elibatkan lebih banyak variabel (rata-rata rating pengguna aktif, rating pengguna aktif terhadap ite aktif, rata-rata rating neighbors hingga nilai bobot kedekatan antara neighbors dengan pengguna aktif) yang ada dala siste rekoendasi. Peneliti juga eanfaatkan etode pengukuran Pearson-Correlation Coefficient untuk engukur seberapa dekat pengguna aktif dengan pengguna lainnya. Seakin dekat pengguna tersebut dengan pengguna aktif, aka ia akan enjadi kandidat suber rekoendasi (neighbors) dan nilai rating-nya akan epengaruhi seua nilai prediksi yang akan dihitung nantinya. PEARSON-CORRELATION COEFFICIENT Korelasi adalah sebuah teknik pengukuran yang enentukan seberapa dekat relasi antar dua hipunan bilangan yang berbeda. Dengan syarat hipunan bilangan
4 tersebut harus eiliki urutan yang tetap dan berpasangan satu dengan lainnya antar kedua hipunan. Hasil pengukuran dapat berupa relasi positif ataupun relasi negatif. Relasi positif enunjukkan bahwa kedua hipunan eiliki kecenderungan kenaikan atau penabahan nilai yang sejajar. Sedangkan relasi negatif enunjukkan kedua hipunan eiliki kecenderungan penurunan atau pengurangan nilai yang sejajar. Sejajar dala konteks ini berarti penurunan atau kenaikan nilai yang saling engikuti antar kedua variabel tersebut. Salah satu teknik pengukuran korelasi adalah Pearson Product Moent Correlation atau biasa disingkat enjadi Pearson Correlation. Ruus yang digunakan pada teknik pengukuran ini bisa dilihat dibawah ini: n xy x y r = n x 2 x 2 n y 2 y 2 (5) Variabel r enunjukkan nilai korelasi yang didapat dari dua hipunan bilangan x dan y yang eiliki urutan dan berpasangan. Nilai r eiliki batas atas yaitu 1 dan batas bawah yaitu -1. Jika r bernilai 0 berarti kedua hipunan tidak eiliki relasi saa sekali. Jika r bernilai 1 berarti kedua hipunan eiliki penabahan nilai yang searah (sejajar), sedangkan jika r bernilai -1 aka kedua hipunan eiliki penurunan yang searah. Untuk r yang bernilai 1 atau -1 bisa disipulkan bahwa kedua hipunan eiliki relasi atau kedekatan. Lihat pada Gabar 2 untuk contoh dua hipunan bilangan yang eiliki korelasi negatif dan positif. Gabar 2. Contoh dua hipunan bilangan yang eiliki korelasi yang positif dan negatif Variabel I1 dan I2 adalah dua hipunan bilangan yang berurutan dan berpasangan dari U1 U10. MEAN ABSOLUTE ERROR, PRECISION DAN RECALL VALUE Dala siste rekoendasi, terutaa yang eanfaatkan perhitungan prediksi, evaluasi keakuratan daftar rekoendasi dan prediksi sangatlah penting. Dengan eanfaatkan teknik evaluasi yang sudah tersedia, peneliti dapat engetahui seberapa akurat teknik rekoendasi dan prediksi yang dikebangkan. Pada bagian ini, akan dibahas tiga jenis evaluasi yaitu : Mean Absolute Error (MAE), Precision, dan Recall Value. MAE bertujuan enghitung seberapa besar ratarata selisih nilai prediksi rating yang dihasilkan oleh peneliti dengan nilai rating yang diberikan oleh pengguna, sedangkan Precision dan Recall bertujuan untuk enghitung seberapa banyak persentase ite yang direkoendasikan dan di beri rating oleh pengguna ataupun ite yang sudah di rating tetapi tidak direkoendasikan oleh siste. Evaluasi MAE eanfaatkan teknik perhitungan yang sangat sederhana, yaitu dengan encari selisih dari seua ite yang sudah diberi rating oleh pengguna dan eiliki nilai prediksi. Nantinya selisih tersebut akan di absolute-kan (nilai positif) dan akhirnya dirata-rata. Dari hasil MAE, dapat terlihat jelas seberapa jauh selisih nilai prediksi rating yang diberikan oleh siste dengan nilai rating yang diberikan oleh pengguna. Seakin besar nilai yang dihasilkan oleh MAE aka dapat diartikan bahwa nilai prediksi yang dihasilkan seakin tidak akurat, sebaliknya jika nilai MAE yang dihasilkan endekati 0 aka prediksi yang dihasilkan siste seakin endekati akurat. Ruus yang digunakan dala evaluasi MAE dapat dilihat dibawah ini : =,, (6) Untuk adalah julah seua ite pada daftar rekoendasi pengguna aktif yang eiliki nilai prediksi., adalah nilai prediksi ite ke- ilik pengguna aktif dan, adalah nilai rating yang diberikan oleh pengguna aktif untuk ite ke-. Selanjutnya, untuk engevaluasi hasil rekoendasi yang dihasilkan oleh siste elalui teknik peyaringan yang dibuat oleh peneliti, Precision dan Recall Value dianfaatkan untuk elihat seberapa akurat rekoendasi ite yang dihasilkan untuk tiap pengguna siste. Dala eberikan rekoendasi, ada beberapa keungkinan yang akan dihasilkan, antara lain : (1) ite yang sudah diberi rating oleh pengguna, juga direkoendasikan oleh siste (True-Positive); (2) ite yang di rekoendasikan, tetapi tidak di rating oleh pengguna; (3) ite yang sudah di beri rating tetapi tidak direkoendasikan. Beberapa keungkinan tersebut bisa diringkas enjadi tabel dibawah ini. Tabel 1. Klasifikasi Dari Beberapa Keungkinan Hasil Rekoendasi Rekoendasi Tidak Direkoendasikan Sudah Diberi Rating True-Positive (TP) False-Negative (FN) Tidak Diberi Rating False-Positive (FP) True-Negative (TN) Hasil dari klasifikasi diatas dapat dianfaatkan untuk encari nilai Precision dan Recall. Precision dapat diasusikan sebagai sebuah cara untuk elihat seberapa banyak ite yang tepat direkoendasikan untuk pengguna siste, sedangkan Recall dapat diasusikan sebagai sebuah cara untuk engetahui seberapa banyak ite yang sudah di rating oleh pengguna dan direkoendasikan untuknya. Untuk itu, ruus untuk encari nilai Precision dan Recall adalah : = (7)
5 = (8) Jika nilai Precision endekati 1 aka berarti rekoendasi yang diberikan kepada pengguna banyak yang digunakan (di beri rating) oleh pengguna, sebaliknya jika seakin endekati 0 aka rekoendasi yang diberikan banyak yang tidak tepat untuk pengguna siste. METODOLOGI Data untuk penelitian ini diabil dari website resi MovieLens (GroupLens) dengan julah rating lebih dari sepuluh juta baris dari hapir 70 ribu pengguna yang eberi rating pada lebih dari 10 ribu jenis fil. Skala rating yang digunakan adalah 1-5 dengan asusi seakin besar nilai rating berarti pengguna enyukai fil tersebut. Untuk tujuan penelitian kali ini, data rating akan dibagi enjadi 5 set, dengan porsi asing-asing set 0,2% - 0,4% - 0,6% - 0,8% - 1%. Data diabil secara acak dari suber aslinya (10 juta data dari website MovieLens). Tujuan peecahan data tersebut adalah untuk engevaluasi hasil rekoendasi dan prediksi nantinya. Secara garis besar, proses dala penelitian ini sebagai berikut : 1. Data yang sudah dibagi enjadi 5 set tersebut asing-asing akan diproses kedala algorita rekoendasi, hasil dari proses ini adalah daftar rekoendasi untuk tiap pengguna yang terdaftar. 2. Keudian, daftar rekoendasi tersebut akan dihitung nilai prediksinya (lihat Gabar 1). Ruus yang digunakan untuk enghitung prediksi adalah Ruus (4). 3. Untuk engevaluasi apakah rekoendasi sudah endekati dengan keinginan pengguna atau tidak, peneliti enggunakan teknik evaluasi Precision dan Recall Value. Precision value enunjukkan seberapa banyak rekoendasi yang tepat (terpilih oleh pengguna) dan seberapa banyak yang tidak. Sedangkan Recall enunjukkan seberapa banyak fil yang sudah diberi rating tetapi tidak direkoendasikan kepada pengguna. 4. MAE (Mean Absolute Error) digunakan untuk engukur seberapa banyak rata-rata selisih antara nilai prediksi dengan nilai rating yang diberi oleh pengguna. Seakin kecil MAE berarti prediksi yang dihasilkan endekati akurat. Dala penelitian ini, peneliti eiliki tujuan untuk enabah keapuan User-Based Collaborative Filtering dala eberi rekoendasi dan prediksi yang akurat bagi pengguna, dengan cara : 1. Meanfaatkan Pearson-Correlation dala encari pengguna lain yang terdekat dengan pengguna aktif. Tujuannya supaya pengguna aktif dapat endapatkan rekoendasi fil yang lebih akurat. 2. Menghitung nilai prediksi dengan elibatkan seua pengguna terdekat (neighbor) dari pengguna aktif. Tujuannya supaya hasil prediksi dapat endekati dengan nilai rating yang diberi oleh pengguna aktif. 3. Peneliti elibatkan pengguna terdekat (neighbor) dala pencarian rekoendasi dan penghitungan prediksi, supaya endapatkan hasil rekoendasi dan prediksi yang akurat. HASIL Hasil yang didapat dengan etodologi dan langkah diatas, nilai MAE, Precision dan Recall dapat dirangku dala bentuk tabel sebagai berikut : Tabel 2. Hasil Evaluasi UCF Dengan Meanfaatkan Pearson-Correlation Porsi Julah Data Records MAE Precision Recall 0,2% ,74 0,5882 0,001 0,4% ,7 0,4075 0,0098 0,6% ,81 0,3064 0,0279 0,8% ,9 0,2656 0,0634 1% ,98 0,1993 0, ,2% 0,4% 0,6% 0,8% 1% MAE Precision Recall Gabar 3. Perbandingan Hasil Evaluasi UCF Dengan Meanfaatkan Pearson-Correlation Dari hasil yang disajikan, dapat dilihat bahwa nilai MAE seakin naik seiring dengan bertabahnya julah data. Hal ini enunjukkan bahwa kepadatan data epengaruhi keakuratan prediksi yang diberikan oleh siste. Dala kasus ini, prediksi seakin tidak akurat seiring penabahan data. Saa halnya dengan Precision dan Recall, nilai Precision yang seakin enurun seiring kenaikan julah porsi data enunjukkan bahwa rekoendasi yang diberikan oleh siste banyak yang tidak akurat dengan kata lain banyak ite-ite yang direkoendasikan tidak digunakan oleh para pengguna. KESIMPULAN Dari hasil penelitian yang didapat, peneliti enyipulkan bahwa dengan eanfaatkan teknik pengukuran Pearson-Correlation dala encari neighbors terdekat pada siste rekoendasi berbasis User-Based Collaborative Filtering tidak enghasilkan prediksi aupun rekoendasi yang akurat. Untuk tujuan yang saa, yaitu encari prediksi dan rekoendasi yang akurat, penelitian kali ini dapat dikebangkan lagi dengan cara engubah teknik pencarian neighbors terdekat. Dala penelitian ini, peran neighbors sangat penting, karena ereka adalah variabel dasar dari seua perhitungan prediksi dan rekoendasi yang akan dihasilkan oleh siste. Untuk itu, dengan engubah atau eodifikasi teknik pencarian neighbors terdekat, peneliti berasusi hasil rekoendasi dan prediksi yang didapat nantinya dapat lebih baik dari hasil penelitian kali ini.
6 DAFTAR PUSTAKA Beel, J., Langer, S., Genzehr, M., Gipp, B. and Nürnberger, A A Coparative Analysis of Offline and Online Evaluations and Discussion of Research Paper Recoender Syste Evaluation. Proceedings of the Workshop on Reproducibility and Replication in Recoender Systes Evaluation (RepSys) at the ACM Recoender Syste Conference (RecSys) (2013), Chen, X., Liu, X., Huang, Z., Sun, H., RegionKNN: A Scalable Hybrid Collaborative Filtering Algorith for Personalized Web Service Recoendation. IEEE International Conference on Web Services, Claypool, Mark., Gokhale, A., Murnikov, P., Netes, D., Sartin, M., Cobining Content-Based and Collaborative Filters in an Online Newspaper. ACM SIGIR Workshop on Recoender Systes Ipleentation and Evaluation. De Capos,L. M., Fernandez-Luna,J. M., Huete,F. J., Rueda-Morales,M. A., Cobining content-based and collaborative recoendations: A hybrid approach based on Bayesian networks. International Journal of Approxiate Reasoning 51 (2010) Ghauth, K. I., & Abdullah, N. A The Effect of Incorporating Good Learners' Ratings in e-learning Content-based Recoender Syste. Educational Technology & Society, 14 (2), Hu, W., Xie, N., Li, L., Zeng, X., & Maybank, S., A survey on visual content-based video indexing and retrieval. IEEE transactions on systes, an, and cybernetics part c: applications and reviews, vol. 41, no. 6, noveber 2011 Jin, R., Si, Luo., Zhai, C., A Study of Mixture Models Of Collaborative Filtering. Springer Science + Business Media, LLC; Inf. Retrieval 9: Lops, P., Geis, de M., Seeraro, G., Content- Based Recoender Systes State of the Art and Trends. Sarwar, B., Karypis, G., Konstan, J., Riedl, J Ite- Based Collaborative Filtering Recoendation Algoriths. ACM /01/0005; GroupLens Research Group. Shinde, S. K., Kulkarni, U. V., Hybrid Personalized Recoender Syste Using Fast K-edoids Clustering Algorith. Journal of Advances in Inforation Technology, Vol. 2, No. 3, August 2011.
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. Pada penelitian sebelumnya yang dilakukan kan oleh Zhang, L. (Zhang, L.,
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Pada penelitian sebelumnya yang dilakukan kan oleh Zhang, L. (Zhang, L., 2014), ia memanfaatkan algoritma User-Based Collaborative laborative
Lebih terperinciBAB I PENDAHULUAN. Penelitian seputar sistem rekomendasi dalam satu dekade terakhir ini
BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian seputar sistem rekomendasi dalam satu dekade terakhir ini berkembang bang dengan pesat. Lebih dari 200 artikel penelitian yang membahas tentang sistem stem
Lebih terperinciPENANGANAN MASALAH COLD START DAN DIVERSITY REKOMENDASI MENGGUNAKAN ITEM-BASED CLUSTERING HYBRID METHOD
ISSN : 355-9365 e-proceeding of Engineering : Vol., No.3 Deseber 015 Page 8035 PENANGANAN MASALAH COLD START DAN DIVERSITY REKOMENDASI MENGGUNAKAN ITEM-BASED CLUSTERING HYBRID METHOD The Handling of Cold
Lebih terperinciBAB I PENDAHULUAN. dalam skala prioritas pembangunan nasional dan daerah di Indonesia
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciImplementasi Histogram Thresholding Fuzzy C-Means untuk Segmentasi Citra Berwarna
JURNAL TEKNIK POMITS Vol., No., (03) ISSN: 337-3539 (30-97 Print) Ipleentasi Histogra Thresholding Fuzzy C-Means untuk Segentasi Citra Berwarna Risky Agnesta Kusua Wati, Diana Purwitasari, Rully Soelaian
Lebih terperinciBAB I PENDAHULUAN. pembangunan di bidang-bidang lain, seperti sosial, politik, dan budaya. perbedaan antara yang kaya dengan yang miskin.
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciTESIS USER-BASED COLLABORATIVE FILTERING DENGAN MEMANFAATKAN PEARSON-CORRELATION UNTUK MENCARI NEIGHBORS TERDEKAT DALAM SISTEM REKOMENDASI
TESIS USER-BASED COLLABORATIVE FILTERING DENGAN MEMANFAATKAN PEARSON-CORRELATION UNTUK MENCARI NEIGHBORS TERDEKAT DALAM SISTEM REKOMENDASI ARVID THEODORUS No. Mhs : 125301834/PS/MTF PROGRAM STUDI MAGISTER
Lebih terperinciBAB I PENDAHULUAN. segi kuantitas dan kualitasnya. Penambahan jumlah konsumen yang tidak di ikuti
BAB I PENDAHULUAN 1.1 Latar Belakang Air erupakan kebutuhan yang penting bagi kehidupan anusia. Manusia tidak dapat elanjutkan kehidupannya tanpa penyediaan air yang cukup dala segi kuantitas dan kualitasnya.
Lebih terperinciPenentuan Akar-Akar Sistem Persamaan Tak Linier dengan Kombinasi Differential Evolution dan Clustering
Jurnal Kubik, Volue No. ISSN : 338-0896 Penentuan Akar-Akar Siste Persaaan Tak Linier dengan Kobinasi Differential Evolution dan Clustering Jaaliatul Badriyah Jurusan Mateatika, Universitas Negeri Malang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data dan Variabel 2.1.1 Data Pengertian data enurut Webster New World Dictionary adalah things known or assued, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap.
Lebih terperinciAplikasi Information Retrieval (IR) CATA Dengan Metode Generalized Vector Space Model
Aplikasi Inforation Retrieval (IR) CATA Dengan Metode Generalized Vetor Spae Model Hendra Bunyain, Chathalea Puspa Negara Jurusan Teknik Inforatika Fakultas Teknologi Inforasi, Universitas Kristen Maranatha.
Lebih terperinciPerbandingan Mean Squared Error (MSE) Metode Prasad-Rao dan Jiang-Lahiri-Wan Pada Pendugaan Area Kecil
Vol. 2, 2017 Perbandingan Mean Squared Error (MSE) Metode Prasad-Rao dan Jiang-Lahiri-Wan Pada Pendugaan Area Kecil Widiarti 1*, Rifa Raha Pertiwi 2, & Agus Sutrisno 3 Jurusan Mateatika, Fakultas Mateatika
Lebih terperinciANALISIS ALGORITMA LOCALLY OPTIMAL HARD HANDOFF TERHADAP KECEPATAN DAN KORELASI JARAK
ANALISIS ALGORITMA LOCALLY OPTIMAL HARD HANDOFF TERHADAP KECEPATAN DAN KORELASI JARAK Lucky T Sianjuntak, Maksu Pine Departeen Teknik Elektro, Fakultas Teknik Universitas Suatera Utara, Medan e-ail : LuckyTrasya@gail.co
Lebih terperinciBAB III. METODE PENELITIAN. Tabel 1. Indikator/ Indikasi Penelitian
39 BAB III. METODE PENELITIAN 3.1. Tipe Penelitian Penelitian ini terasuk tipe penelitian dengan pendekatan analisis deskriptif kualitatif dan kuantitatif. Analisis ini dipergunakan untuk enggabarkan tentang
Lebih terperinciBAB III METODE BEDA HINGGA CRANK-NICOLSON
BAB III METODE BEDA HINGGA CRANK-NICOLSON 3. Metode Beda Hingga Crank-Nicolson (C-N) Metode Crank-Nicolson dikebangkan oleh Crank John dan Phyllips Nicholson pada pertengahan abad ke-, etode ini erupakan
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada bab ini enjelaskan engenai berbagai teori yang digunakan untuk elakukan penelitian ini. Bab ini terdiri dari penjelasan engenai penghitung pengunjung, lalu penjelasan engenai
Lebih terperinciKAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE () DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 05 Desen pebibing:
Lebih terperinciPERSAMAAN GARIS SINGGUNG LINGKARAN
PERSAMAAN GARIS SINGGUNG LINGKARAN Dari gabar orang bersepeda di atas jelas terlihat bahwa jalan yang dilalui sepeda selalu enyinggung roda sepeda, baik depan aupun belakang asing-asing di titik A dan
Lebih terperinciKriptografi Visual Menggunakan Algoritma Berbasiskan XOR dengan Menyisipkan pada K-bit LSB Gambar Sampul
Kriptografi Visual Menggunakan Algorita Berbasiskan XOR dengan Menyisipkan pada K-bit LSB Gabar Sapul Yusuf Rahatullah Progra Studi Teknik Inforatika Institut Teknologi Bandung Bandung, Indonesia 13512040@std.stei.itb.a.id
Lebih terperinciPERANCANGAN SISTEM INFORMASI PEMETAAN FASILITAS PELAYANAN KESEHATAN DI KOTA PONTIANAK BERBASIS WEB
PERANCANGAN SISTEM INFORMASI PEMETAAN FASILITAS PELAYANAN KESEHATAN DI KOTA PONTIANAK BERBASIS WEB Aey Indah Pratiwi Progra Studi Teknik Inforatika Jurusan Teknik Elektro Fakultas Teknik Universitas Tanjungpura
Lebih terperinciPENGEMBANGAN SISTEM DETEKSI AWAL PENYAKIT KEWANITAAN DAN KANDUNGAN MENGGUNAKAN METODE DEMPSTER SHAFER
PENGEMBANGAN SISTEM DETEKSI AWAL PENYAKIT KEWANITAAN DAN KANDUNGAN MENGGUNAKAN METODE DEMPSTER SHAFER Myrda Septi Rahantika 1, Dwi Puspitasari 2, Rudy Ariyanto 3 1,2 Teknik Inforatika, Teknologi Inforasi,
Lebih terperinciAnalisis dan Implementasi Prediksi Rating pada Memory-based Collaborative Filtering dengan Menggunakan Smoothing
Analisis dan Implementasi Prediksi Rating pada Memory-based Collaborative Filtering dengan Menggunakan Smoothing Analysis and Implemantation Rating Prediction om memory-based Collaborative Filtering with
Lebih terperinciPerbandingan Bilangan Dominasi Jarak Satu dan Dua pada Graf Hasil Operasi Comb
Perbandingan Bilangan Doinasi Jarak Satu dan Dua pada Graf Hasil Operasi Cob Reni Uilasari 1) 1) Jurusan Teknik Inforatika, Fakultas Teknik, Universitas Muhaadiyah Jeber Eail : 1) reniuilasari@gailco ABSTRAK
Lebih terperinciKAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA ASURANSI JIWA DWIGUNA
Jurnal Mateatika UNAND Vol. 3 No. 4 Hal. 160 167 ISSN : 2303 2910 c Jurusan Mateatika FMIPA UNAND KAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Beberapa Defenisi Pada analisa keputusan, si pebuat keputusan selalu doinan terhadap penjabaran seluruh alternatif yang terbuka, eperkirakan konsequensi yang perlu dihadapi pada setiap
Lebih terperinciPenerapan Metode Simpleks Untuk Optimalisasi Produksi Pada UKM Gerabah
Konferensi Nasional Siste & Inforatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Penerapan Metode Sipleks Untuk Optialisasi Produksi Pada UKM Gerabah Ni Luh Gede Pivin Suwirayanti STMIK STIKOM Bali Jl. Raya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Konsep Dasar Graph Sebelu sapai pada pendefinisian asalah network flow, terlebih dahulu pada bagian ini akan diuraikan engenai konsep-konsep dasar dari odel graph dan representasinya
Lebih terperinciMAKALAH SISTEM BASIS DATA
MAKALAH SISTEM BASIS DATA (Entity Relationship Diagra (ERD) Reservasi Hotel) Disusun Oleh : Yulius Dona Hipa (16101055) Agustina Dau (15101635) Arsenia Weni (16101648) PROGRAM STUDI TEKNIK INFORMARIKA
Lebih terperinciGambar 1. Skema proses komunikasi dalam pembelajaran
2 kurang tertarik epelajari pelajaran ilu pengetahuan ala karena etode pebelajaran yang diterapkan guru. Jadi etode pengajaran guru sangat epengaruhi inat belajar siswa dala epelajari ilu pengetahuan ala.
Lebih terperinciSistem Linear Max-Plus Interval Waktu Invariant
Siste Linear Max-Plus Interval Waktu Invariant A 11 M. Andy udhito Progra Studi Pendidikan Mateatika FKIP Universitas Sanata Dhara Paingan Maguwoharjo Yogyakarta eail: arudhito@yahoo.co.id Abstrak elah
Lebih terperinciBAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelumnya bahwa dalam mengonstruksi field GF(3 )
BAB IV BAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelunya bahwa dala engonstruksi field GF(3 ) diperoleh dari perluasan field 3 dengan eilih polinoial priitif berderajat atas 3 yang dala hal
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di PT Tirta Ala Seesta. Perusahaan tersebut berlokasi di Desa Ciburayut, Kecaatan Cigobong, Kabupaten Bogor. Peilihan objek
Lebih terperinciBAB 4. HASIL DAN PEMBAHASAN
BAB 4. HASIL DAN PEMBAHASAN Analisa pelat lantai gedung rawat inap RSUD Surodinawan Kota Mojokerto dengan enggunakan teori garis leleh ebutuhkan beberapa tahap perhitungan dan analsis aitu perhitungan
Lebih terperinciBab III S, TORUS, Sebelum mempelajari perbedaan pada grup fundamental., dan figure eight terlebih dahulu akan dipelajari sifat dari grup
GRUP FUNDAMENTAL PADA Bab III S, TORUS, P dan FIGURE EIGHT Sebelu epelajari perbedaan pada grup fundaental S, Torus, P, dan figure eight terlebih dahulu akan dipelajari sifat dari grup fundaental asing-asing
Lebih terperinciBILANGAN PRIMA : PERKEMBANGAN DAN APLIKASINYA
J. J. Siang BILANGAN PRIMA : PERKEMBANGAN DAN APLIKASINYA Intisari Dala tulisan ini dipaparkan engenai sejarah peneuan bilangan pria, pengujian bilangan pria besar, serta salah satu aplikasinya dala kriptografi
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR ANALISIS TEKSTUR MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Rosanita Listyaningrum*, Imam Santoso**, R.
1 MAKALAH SEMINAR TUGAS AKHIR ANALISIS TEKSTUR MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Rosanita Listyaningru*, Ia Santoso**, R.Rizal Isnanto** Abstrak - Tekstur adalah karakteristik yang penting
Lebih terperinciPerancangan Sistem Tracking Quadrotor untuk Sebuah Target Bergerak di Darat Menggunakan Sistem Fuzzy
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) A-58 Perancangan Siste Tracking Quadrotor untuk Sebuah Target Bergerak di Darat Menggunakan Siste Fuzzy Mochaad Raa Raadhan,
Lebih terperinciBENTUK NORMAL SMITH DAN MATRIKS BAIK KIRI/KANAN
BENTUK NORMAL SMITH DAN MATRIKS BAIK KIRI/KANAN Yuiati (yui@ail.ut.ac.id) Universitas Terbuka ABSTRACT The Sith noral for and left good atrix have been known in atrix theore. Any atrix over the principal
Lebih terperinciBAB IV GENERATOR BILANGAN RANDOM
BAB IV GENERATOR BILANGAN RANDOM 4.1. Generator Bilangan Rando dan Fungsi Distribusi Pada siulasi seringkali dibutuhkan bilangan-bilangan yang ewakili keadaan siste yang disiulasikan. Biasanya, kegiatan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEMPAT WISATA YOGYAKARTA MENGGUNAKAN METODE ELimination Et Choix Traduisant La RealitA (ELECTRE)
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEMPAT WISATA YOGYAKARTA MENGGUNAKAN METODE ELiination Et Choix Traduisant La RealitA (ELECTRE) Linda Marlinda Jurusan Teknik Koputer, AMIK Bina Sarana Inforatika Jl.RS
Lebih terperinciSistem Informasi Manajemen Penjualan Pada Koperasi Pegawai Negeri Kantor
Siste Inforasi Manajeen Penjualan Pada Koperasi Pegawai Negeri Kantor Gubernur Berbasis Web Deasy AnnisaSari, Helfi Nasution 2, Anggi Sriurdianti Sukato 3. Progra Studi Inforatika Universitas Tanjungpura,2,3
Lebih terperinciMODUL 3 SISTEM KENDALI POSISI
MODUL 3 SISTEM KENDALI POSISI Muhaad Aldo Aditiya Nugroho (13213108) Asisten: Dede Irawan (23214031) Tanggal Percobaan: 29/03/16 EL3215 Praktiku Siste Kendali Laboratoriu Siste Kendali dan Koputer - Sekolah
Lebih terperinciPENJUMLAHAN MOMENTUM SUDUT
PENJUMAHAN MOMENTUM SUDUT A. Penjulahan Moentu Sudut = + Gabar.9. Penjulahan oentu angular secara klasik. Dua vektor oentu angular dan dijulahkan enghasilkan Jika oentu angular elektron pertaa adalah dan
Lebih terperinciDISTRIBUSI DUA PEUBAH ACAK
0 DISTRIBUSI DUA PEUBAH ACAK Dala hal ini akan dibahas aca-aca fungsi peluang atau fungsi densitas ang berkaitan dengan dua peubah acak, aitu distribusi gabungan, distribusi arginal, distribusi bersarat,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN ACCOUNT OFFICER BRIGUNA PRODUKTIF DENGAN METODE SIMPLE ADDITIVE WEIGHTING PADA PT BANK RAKYAT INDONESIA (PESERO),
SISTEM PENDUKUNG KEPUTUSAN ACCOUNT OFFICER BRIGUNA PRODUKTIF DENGAN METODE SIMPLE ADDITIVE WEIGHTING PADA PT BANK RAKYAT INDONESIA (PESERO), Tbk KANTOR CABANG SEMARANG PATIMURA Dhia Prathaa Adikusua Siste
Lebih terperinciPEMBENTUKAN SEL-SEL MESIN UNTUK MENDAPATKAN PENGURANGAN JARAK DAN BIAYA MATERIAL HANDLING DENGAN METODE HEURISTIK DI PT. BENGKEL COKRO BERSAUDARA
PEMBENTUKAN SEL-SEL MESIN UNTUK MENDAPATKAN PENGURANGAN JARAK DAN BIAYA MATERIAL HANDLING DENGAN METODE HEURISTIK DI PT. BENGKEL COKRO BERSAUDARA Babang Purwanggono, Andre Sugiyono Progra Studi Teknik
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIKA DAN ALGORITMA HEURISTIK RAJENDRAN UNTUK PENJADUALAN PRODUKSI JENIS FLOW SHOP
PERBANDINGAN KINERJA ALGORITMA GENETIKA DAN ALGORITMA HEURISTIK RAJENDRAN UNTUK PERJADUALAN PRODUKSI JENIS FLOW SHOP (Didik Wahyudi) PERBANDINGAN KINERJA ALGORITMA GENETIKA DAN ALGORITMA HEURISTIK RAJENDRAN
Lebih terperinciJurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Jl. Prof. Sudharto, Tembalang, Semarang, Indonesia
APLIKASI KENDALI ADAPTIF PADA SISTEM PENGATURAN TEMPERATUR CAIRAN DENGAN TIPOLOGI KENDALI MODEL REFERENCE ADAPTIVE CONTROLLER (MRAC) Ferry Rusawan, Iwan Setiawan, ST. MT., Wahyudi, ST. MT. Jurusan Teknik
Lebih terperinciFITUR LENGTH OF EDGE DAN MOMENT INVARIAN UNTUK GESTURE RECOGNITION DENGAN MENGGUNAKAN KINECT UNTUK KONTROL LAMPU
Jurnal Teknologi Inforasi dan Ilu Koputer (JTIIK) Vol., No. 1, April 015, hl. 73-78 FITUR LENGTH OF EDGE DAN MOMENT INVARIAN UNTUK GESTURE RECOGNITION DENGAN MENGGUNAKAN KINECT UNTUK KONTROL LAMPU Rekyan
Lebih terperinciRANCANGAN ALAT SISTEM PEMIPAAN DENGAN CARA TEORITIS UNTUK UJI POMPA SKALA LABORATORIUM. Oleh : Aprizal (1)
RANCANGAN ALAT SISTEM PEMIPAAN DENGAN CARA TEORITIS UNTUK UJI POMPA SKALA LABORATORIUM Oleh : Aprizal (1) 1) Dosen Progra Studi Teknik Mesin. Fakultas Teknik Universitas Pasir Pengaraian Eail. ijalupp@gail.co
Lebih terperinciBAB I PENDAHULUAN. sumber untuk membiayai dirinya dan keluarganya, dan bagi tenaga kerja yang
BAB I PENDAHULUAN A. Latar Belakang Upah bagi para pekerja erupakan faktor penting karena erupakan suber untuk ebiayai dirinya dan keluarganya, dan bagi tenaga kerja yang berpendidikan upah erupakan hasil
Lebih terperinciRancang Bangun Movie Recommender System Dengan Metode Cluster-Based Smoothing Collaborative Filtering
Rancang Bangun Movie Recommender System Dengan Metode Cluster-Based Smoothing Collaborative Filtering Teguh Budianto 1, Luh Kesuma Wardhani 2 Jurusan Teknik Informatika, Universitas Islam Negeri Sultan
Lebih terperinciSISTEM RESI GUDANG SOLUSI BAGI PETANI
SISTEM RESI GUDANG SOLUSI AGI PETANI Noviarina Purnai Putri Siste Resi Gudang ulai di kenal di Indonesia sejak 5 tahun terakhir. Sebelu uncul Undang- Undang no 9 Tahun 2006 Tentang Siste Resi Gudang banyak
Lebih terperinciIII HASIL DAN PEMBAHASAN
7 III HASIL DAN PEMBAHASAN 3. Analisis Metode Dala penelitian ini akan digunakan etode hootopi untuk enyelesaikan persaaan Whitha-Broer-Koup (WBK), yaitu persaaan gerak bagi perabatan gelobang pada perairan
Lebih terperinciDefinisi 3.3: RUANG SAMPEL KONTINU Ruang sampel kontinu adalah ruang sampel yang anggotanya merupakan interval pada garis bilangan real.
0 RUANG SAMPEL Kita akan eperoleh ruang sapel, jika kita elakukan suatu eksperien atau percobaan. Eksperien disini erupakan eksperien acak. Misalnya kita elakukan suatu eksperien yang diulang beberapa
Lebih terperinciPEMILIHAN PERINGKAT TERBAIK FESTIVAL KOOR MENGGUNAKAN METODE TOPSIS
Seinar Nasional Teknologi Inforasi dan Kounikasi 01 (SENTIKA 01 ISSN: 089-981 Yogyakarta, 8 Maret 01 PEMILIHAN PERINGKAT TERBAIK FESTIAL KOOR MENGGUNAKAN METODE TOPSIS Sauel Manurung 1 1Progra Studi Teknik
Lebih terperinci(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE
(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE Giat Sudrajat Saruda, 2 Septiadi Padadisastra, 3 I Gede Nyoan Mindra Jaya Mahasiswa
Lebih terperinciBAB IV ANALISIS HASIL PENGUKURAN
35 BAB IV ANALISIS HASIL PENGUKURAN Skripsi ini bertujuan untuk elihat perbedaan hasil pengukuran yang didapat dengan enjulahkan hasil pengukuran enggunakan kwh-eter satu fasa pada jalur fasa-fasa dengan
Lebih terperinciKonstruksi Kode Cross Bifix Bebas Ternair Untuk Panjang Ganjil
Prosiding SI MaNIs (Seinar Nasional Integrasi Mateatika dan Nilai Islai) Vol.1, No.1, Juli 017, Hal. 1-5 p-issn: 580-4596; e-issn: 580-460X Halaan 1 Konstruksi Kode Cross Bifix Bebas Ternair Untuk Panjang
Lebih terperinciBAB III PEMODELAN SISTEM DINAMIK PLANT. terbuat dari acrylic tembus pandang. Saluran masukan udara panas ditandai dengan
BAB III PEMODELAN SISTEM DINAMIK PLANT 31 Kriteria rancangan plant Diensi plant yang dirancang berukuran 40cx60cx50c, dinding terbuat dari acrylic tebus pandang Saluran asukan udara panas ditandai dengan
Lebih terperinci1 1. POLA RADIASI. P r Dengan : = ½ (1) E = (resultan dari magnitude medan listrik) : komponen medan listrik. : komponen medan listrik
1 1. POLA RADIASI Pola radiasi (radiation pattern) suatu antena : pernyataan grafis yang enggabarkan sifat radiasi suatu antena pada edan jauh sebagai fungsi arah. pola edan (field pattern) apabila yang
Lebih terperinciRancang Bangun Sistem Informasi Perpustakaan Berbasis Web Pada SMPN 71 Jakarta
Siposiu Nasional Ilu Pengetahuan dan Teknologi (SIMNASIPTEK) 207 ISBN: 978-602-6268-4-9 Rancang Bangun Siste Inforasi Perpustakaan Berbasis Web Pada SMPN 7 Jakarta Kurniawati, Ghofar Taufik 2 STMIK Nusa
Lebih terperinciPenggunaan Media Manik-Manik Untuk Meningkatkan Kemampuan Belajar Matematika Anak Tunagrahita. Maman Abdurahman SR dan Hayatin Nufus
Riset PenggunaanMedia Manik-Manik* Maan Abdurahan SR HayatinNufus Penggunaan Media Manik-Manik Untuk Meningkatkan Keapuan Belajar Mateatika Anak Tunagrahita Maan Abdurahan SR Hayatin Nufus Universitas
Lebih terperinciAnalisis Pengaruh Pipa Kapiler yang Dililitkan pada Line Suction Terhadap Performansi Mesin Pendingin 1)
JURNAL TEKNIK MESIN Vol 4, No 2, Oktober 2002: 94 98 Analisis Pengaruh Pipa Kapiler yang Dililitkan pada Line Suction Terhadap Perforansi Mesin Pendingin ) Ekadewi Anggraini Handoyo Dosen Fakultas Teknologi
Lebih terperinciJurnal Teknologi Informasi, Volume 6 Nomor 1, April 2010, ISSN
OPTIMASI PENJALURAN SALESMAN DENGAN METODE RODA ROULETTE, ORDER CROSSOVER, DAN SWAP MUTATION Djarot Nugroho, Yohan Wisantoro, Heribertus Hiawan Pascasarjana Teknik Inforatika Universitas Dian Nuswantoro
Lebih terperinciAPLIKASI PEMESANAN PRODUK TIENS BERDASARKAN LOCATION BASED SERVICE BERBASIS ANDROID
Seinar Nasional APTIKOM (SEMNASTIKOM), FaveHotel Jayapura, 3 Noveber 207 APLIKASI PEMESANAN PRODUK TIENS BERDASARKAN LOCATION BASED SERVICE BERBASIS ANDROID Febryna Chaniago, Rikip Ginanjar 2, Rosalina
Lebih terperinciPERANCANGAN SISTEM KOMPUTERISASI PROSES PINJAMAN DAN ANGSURAN PINJAMAN ANGGOTA KOPERASI ( STUDI KASUS PADA KOPERASI AMANAH SEJAHTERA SEMARANG )
PERANCANGAN SISTEM KOMPUTERISASI PROSES PINJAMAN DAN ANGSURAN PINJAMAN ANGGOTA KOPERASI ( STUDI KASUS PADA KOPERASI AMANAH SEJAHTERA SEMARANG ) Siti Munawaroh, S.Ko Abstrak: Koperasi Aanah Sejahtera erupakan
Lebih terperinciStudi Eksperimen Pengaruh Alur Permukaan Sirip pada Sistem Pendingin Mesin Kendaraan Bermotor
Jurnal Kopetensi Teknik Vol. 1, No. 1, Noveber 009 1 Studi Eksperien Pengaruh Alur Perukaan Sirip pada Siste Pendingin Mesin Kendaraan Berotor Sasudin Anis 1 dan Aris Budiyono 1, Jurusan Teknik Mesin,
Lebih terperinciRANCANG BANGUN SISTEM APLIKASI MANAJEMEN SOAL PADA BIMBINGAN BELAJAR PRIMAGAMA (STUDI KASUS PRIMAGAMA PONTIANAK) Budi Heriyanto
RANCANG BANGUN SISTEM APLIKASI MANAJEMEN SOAL PADA BIMBINGAN BELAJAR PRIMAGAMA (STUDI KASUS PRIMAGAMA PONTIANAK) Budi Heriyanto Progra Studi Teknik Inforatika Jurusan Teknik Elektro Fakultas Teknik Universitas
Lebih terperinciPelabelan Total Super (a,d) - Sisi Antimagic Pada Graf Crown String (Super (a,d)-edge Antimagic Total Labeling of Crown String Graph )
1 Pelabelan Total Super (a,d) - Sisi Antiagic Pada Graf Crown String (Super (a,d)-edge Antiagic Total Labeling of Crown String Graph ) Enin Lutfi Sundari, Dafik, Slain Pendidikan Mateatika, Fakultas Keguruan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN CALON ASISTEN PRAKTIKUM MENGGUNAKAN METODE SMART
Prosiding Seinar Nasional Ilu Koputer dan Teknologi Inforasi Vol., No., Septeber 07 e-issn 540-790 dan p-issn 54-66X SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN CALON ASISTEN PRAKTIKUM MENGGUNAKAN METODE
Lebih terperinciSTUDI SIMULASI BIAS ESTIMATOR GPH PADA DATA SKIP SAMPLING
Statistika, Vol., No., Noveber 0 STUDI SIMULASI BIAS ESTIMATOR GPH PADA DATA SKIP SAMPLING Gede Suwardika, Heri Kuswanto, Irhaah Jurusan Statistika,Fakultas Mateatika dan Ilu Pengetahuan Ala, Universitas
Lebih terperinciPertemuan ke-3 Persamaan Non-Linier: Metode ½ Interval (Bisection) 27 September 2012
Perteuan ke-3 Persaaan Non-Linier: Metode ½ Interval (Bisection) 7 Septeber 01 Analisa Terapan Terapan:: Metode Nuerik Dr.Eng. Agus S. Muntohar Metode Bisection Dasar Teorea: Suatu persaaan ()0, diana
Lebih terperinciPERANCANGAN TATA LETAK SEL UNTUK MEMINIMASI VARIASI BEBAN SEL DAN MAKESPAN
PERANCANGAN TATA LETAK SEL UNTUK MEMINIMASI VARIASI BEBAN SEL DAN MAKESPAN Agus Ristono Teknik Industri UPN Veteran Yogyakarta Jl. Babarsari 02 Tabakbayan Yogyakarta Indonesia 55281 Phone: + 62 274 485
Lebih terperinciAlgoritma Pencarian A* dengan Fungsi Heuristik Jarak Manhattan
Algorita Pencarian A* dengan Fungsi Heuristik Jarak Manhattan Puanta Della Maharani Riyadi - 13507135 Teknik Inforatika Institut Teknologi Bandung Jl. Ganesha no. 10, Bandung If17135@students.if.itb.ac.id
Lebih terperinciISSN WAHANA Volume 67, Nomer 2, 1 Desember 2016
ISSN 0853 4403 WAHANA Volue 67, Noer 2, Deseber 206 PERBANDINGAN LATIHAN BOLA DIGANTUNG DAN BOLA DILAMBUNGKAN TERHADAP HASIL BELAJAR SEPAK MULA DALAM PERMAINAN SEPAK TAKRAW PADA SISWA PUTRA KELAS X-IS
Lebih terperinciIMPLEMENTASI PANORAMIC IMAGE MOSAIC DENGAN METODE 8 PARAMETER PERSPECTIVE TRANSFORMATION
IMPLEMENTSI PNORMIC IMGE MOSIC DENGN METODE 8 PRMETER PERSPECTIVE TRNSFORMTION Rud dipranata, Hendra Litoo, Cherr G. Ballangan Teknik Inforatika, Fakultas Teknologi Industri, Universitas Kristen Petra
Lebih terperinciTHE CAUSALITY AVAILABILITY OF FOOD AND ECONOMIC GROWTH IN CENTRAL JAVA
THE CAUSALITY AVAILABILITY OF FOOD AND ECONOMIC GROWTH IN CENTRAL JAVA Juli Biantoro 1, Didit Purnoo 2 1,2 Fakultas Ekonoi dan Bisnis, Universitas Muhaadiyah Surakarta dp274@us.ac.id Abstrak Ketahanan
Lebih terperinciKUANTIFIKASI JENIS KAYU BERDASARKAN SIFAT ELEKTRIK QUANTIFICATION THE TYPES OF WOOD BASED ELECTRICAL PROPERTIES
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.3 Deseber 2017 Page 3906 KUANTIFIKASI JENIS KAYU BERDASARKAN SIFAT ELEKTRIK QUANTIFICATION THE TYPES OF WOOD BASED ELECTRICAL PROPERTIES Zeny Firdha
Lebih terperinciBAB I PENDAHULUAN. daya nasional yang memberikan kesempatan bagi peningkatan demokrasi, dan
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan daerah sebagai bagian yang integral dari pebangunan nasional dilaksanakan berdasakan prinsip otonoi daerah dan pengaturan suber daya nasional yang
Lebih terperinciJSIKA Vol. 5, No. 5. Tahun 2016 ISSN X
SISTEM INFORMASI MANAJEMEN ASET TI PADA KEMENTERIAN AGAMA KOTA PROBOLINGGO Zulfikar Rahan 1) Arifin Puji Widodo 2) Anjik Sukaaji 3) S1 / Jurusan Siste Inforasi Institut Bisnis dan Inforatika STIKOM Surabaya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Graf Graf G= (V G,E G ) adalah suatu siste yang terdiri dari hipunan berhingga tak kosong V G dari objek yang dinaakan titik (ertex) dan hipunan E G, pasangan tak berurut dari
Lebih terperinciSIFAT-SIFAT OPERASI ARITMATIKA, DETERMINAN DAN INVERS PADA MATRIKS INTERVAL TUGAS AKHIR. Oleh : NURSUKAISIH
SIFAT-SIFAT OPERASI ARITMATIKA DETERMINAN DAN INVERS PADA MATRIKS INTERVAL TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Meperoleh Gelar Sarjana Sains pada Jurusan Mateatika Oleh : NURSUKAISIH 0854003938
Lebih terperinciVolume 17, Nomor 2, Hal Juli Desember 2015
Volue 17, Noor 2, Hal. 111-120 Juli Deseber 2015 ISSN:0852-8349 EFEKTIVITAS PENGGUNAAN MEDIA MIND MAP TERHADAP PRESTASI BELAJAR BIOLOGI SISWA KELAS VII SMP NEGERI 2 KERINCI TAHUN PELAJARAN 2014/2015 Efriana
Lebih terperinciKecepatan atom gas dengan distribusi Maxwell-Boltzmann (1) Oleh: Purwadi Raharjo
Kecepatan ato gas dengan distribusi Mawell-Boltzann () Oleh: Purwadi Raharjo Dala proses odifikasi perukaan bahan, kita ungkin sering endengar teknologi pelapisan tipis (thin fil). Selain pelapisan tipis,
Lebih terperinciBAB II PENYEARAH DAYA
BAB II PENYEARAH DAYA KOMPETENSI DASAR Setelah engikuti ateri ini diharapkan ahasiswa eiliki kopetensi: Menguasai karakteristik penyearah setengah-gelobang dan gelobang-penuh satu fasa dan tiga fasa Menguasai
Lebih terperinciPenyelesaian Algortima Pattern Generation dengan Model Arc-Flow pada Cutting Stock Problem (CSP) Satu Dimensi
Penyelesaian Algortia Pattern Generation dengan Model Arc-Flow pada Cutting Stock Proble (CSP) Satu Diensi Putra BJ Bangun, Sisca Octarina, Rika Apriani Jurusan Mateatika Fakultas MIPA Universitas Sriwijaya
Lebih terperinciPEMILIHAN KRITERIA DALAM PEMBUATAN KARTU KREDIT DENGAN MENGGUNAKAN METODE FUZZY AHP
E-Jurnal Mateatika Vol. 3, No. Januari 204, 25-32 ISSN: 2303-75 PEMILIHAN KRITERIA DALAM PEMBUATAN KARTU KREDIT DENGAN MENGGUNAKAN METODE FUZZY AHP JOKO HADI APRIANTO, G. K. GANDHIADI 2, DESAK PUTU EKA
Lebih terperinciAnalisis dan Implementasi Imputation-Boosted Neighborhood-Based Collaborative Filtering Menggunakan Genre Film
Analisis dan Implementasi Imputation-Boosted Neighborhood-Based Collaborative Filtering Menggunakan Genre Film Analysis and Implementation of Imputation-Boosted Neighborhood-Based Collaborative Filtering
Lebih terperinciPENGARUH POSISI BEBAN DAN MOMEN INERSIA TERHADAP PUTARAN KRITIS PADA MODEL POROS MESIN KAPAL
PENGARUH POSISI BEBAN DAN MOMEN INERSIA TERHADAP PUTARAN KRITIS PADA MODEL POROS MESIN KAPAL Waris Wibowo Staf Pengajar Akadei Mariti Yogyakarta (AMY) ABSTRAK Penelitian ini bertujuan untuk endapatkan
Lebih terperinciANALISIS DAN IMPLEMENTASI CLUSTER-SMOOTHED PADA COLLABORATIVE FILTERING ANALYSIS AND IMPLEMENTATION OF CLUSTER-SMOOTHED FOR
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6490 ANALISIS DAN IMPLEMENTASI CLUSTER-SMOOTHED PADA COLLABORATIVE FILTERING ANALYSIS AND IMPLEMENTATION OF CLUSTER-SMOOTHED
Lebih terperinciEstimasi Sinyal Quantitative Ultrasound QUS dengan Algoritma Space Alternate Generalized Expectation (SAGE)
JUISI, Vol. 03, No. 02, Agustus 2017 1 Estiasi Sinyal Quantitative Ultrasound QUS dengan Algorita Space Alternate Generalized Expectation (SAGE) Musayyanah 1, Yosefine Triwidyastuti 2, Heri Pratikno 3
Lebih terperinciBAB II METODOLOGI PENELITIAN
6 BAB II METODOLOGI PENELITIAN.1 Waktu dan Tepat Penelitian Gabar Peta kawasan hutan KPH Madiun Peru perhutani Unit II Jati. Pengabilan data penelitian ini dilakukan pada bulan Oktober sapai dengan bulan
Lebih terperinciSistem Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan Fuzzy-Analytic Hierarchy Process (F-AHP) (Studi Kasus : SMA Brawijaya Smart School)
Jurnal Pengebangan Teknologi Inforasi dan Ilu Koputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hl. 2095-2101 http://j-ptiik.ub.ac.id Siste Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan Fuzzy-Analytic
Lebih terperinciKONSEP MULTICRITERIA COLLABORATIVE FILTERING UNTUK PERBAIKAN REKOMENDASI
KONSEP MULTICRITERIA COLLABORATIVE FILTERING UNTUK PERBAIKAN REKOMENDASI Wiranto 1, Edi Winarko 2 1 Jurusan Teknik Informatika, Universitas Sebelas Maret 2 Program Studi Ilmu Komputer, Universitas Gajah
Lebih terperinciMembelajarkan Geometri dengan Program GeoGebra
Mebelajarkan Geoetri dengan Progra GeoGebra Oleh : Jurusan Pendidikan Mateatika FMIPA UNY Yogyakarta Eail: ali_uny73@yahoo.co ABSTRAK Peanfaatan teknologi koputer dengan berbagai progranya dala pebelajaran
Lebih terperinciPENGARUH DISTRIBUSI PEMBOBOTAN TERHADAP POLA ARRAY PADA DELAY AND SUM BEAMFORMING
INDEPT, Vol., No., Juni 0 ISSN 087 945 PENGARUH DISTRIBUSI PEBOBOTAN TERHADAP POLA ARRAY PADA DELAY AND SU BEAFORING Ananto E. Prasetiadi Dosen Tetap Jurusan Teknik Elektro, Fakultas Teknik Universitas
Lebih terperinciStudi Eksperimen Pengaruh Dimensi Pipa Kapiler Pada Sistem Air Conditioning Dengan Pre-Cooling
JURNAL TEKNIK ITS Vol. 5, No., (016) ISSN: 337-3539 (301-971 Print) A-918 Studi Eksperien Pengaruh Diensi Pipa Kapiler Pada Siste Air Conditioning Dengan Pre-Cooling Awan Satya Darawan dan Ary Bachtiar
Lebih terperinciPENGGUNAAN METODE HOMOTOPI PADA MASALAH PERAMBATAN GELOMBANG INTERFACIAL
PENGGUNAAN METODE HOMOTOPI PADA MASALAH PERAMBATAN GELOMBANG INTERFACIAL JAHARUDDIN Departeen Mateatika Fakultas Mateatika Ilu Pengetahuan Ala Institut Pertanian Bogor Jl Meranti, Kapus IPB Daraga, Bogor
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di jaman modern sekarang ini, pilihan tempat makan yang ada sangat banyak, berbagai fasilitas dan jenis makanan, dan harga yang ditawarkan Melihat dari jumlah tempat
Lebih terperinci