BAB II TINJAUAN PUSTAKA
|
|
- Sudomo Hartanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II TINJAUAN PUSTAKA Dalam penelitian ini diambil beberapa tinjauan untuk dijadikan landasan teori dalan proses pengklasifikasian sudhi wadani dengan metode categorical naïve bayes classifier menggunakan algoritma forward chaining. Bagaimana berjalannya algoritma forward chaining dalam proses categorical naïve bayes classifier dalam penelitian ini akan dikaji terlebih dahulu secara teoritis. Adapun beberapa kajian yang diacu dalam penelitian ini adalah : 2.1 Makna Upakara Suddhi Wadani Upacara Suddhi Wadani adalah upacara dalam agama Hindu yang di cetuskan secara syah dalam Keputusan Seminar Kesatuan Tafsir terhadap Aspek-Aspek agama Hindu yang di selenggarakan tanggal 18 sampai dengan 20 Februari 1981 di Denpasar Bali, dengan maksud memberi pengesahan status seseorang yang berbeda dari status sebelumnya yang mempengaruhi perilaku yang bersangkutan. Sudhi wadani berasal dari kata sudhi dan wadani. Sudhi dari bahasa Sansekerta yang berarti penyucian, persembahan, upacara pembersihan/penyucian. Kata yang sepadan dengan sudhi adalah suddha, yang berarti bersih, suci, cerah, putih tanpa cacat atau cela. Wadani berarti perilaku atau tindakan. Dengan memperhatikan arti kata suddhi dan wadani tadi, maka suddhi wadani dapat di artikan dengan kata-kata penyucian. Secara singkat dapat di katakan bahwa upacara sudhi wadani adalah upacara dalam Hindu sebagai pengukuhan atau pengesahan ucapan atau janji
2 seseorang yang secara tulus ikhlas dan hati suci menyatakan status seseorang. Beberapa upakara yang dibutuhkan dalam melaksanakan upacara sudhi wadani adalah: 1. Tebasan Byakala : Untuk melenyapkan segala kekotoran sehingga menumbuhkan kesucian diri seorang, terhindar dari roh jahat dan sejenisnya. Disamping itu upakara Byakala merupakan simbolisasi untuk melenyapkan pengaruh bhutakala yang bercokol pada tubuh seorang, dengan upacara Byakala ini diharapkan calon yang sudah disuddhikan dapat meningkatkkan kesucian dirinya. 2. Tebasan Pryascita : Berfungsi sebagai pembersih secara lahir batin seseorang, dari segala kekotoran. Prayascita mempunyai arti simbolisasi sebagai penyucian pikiran, dengan kekuatan dan kemahakuasaan pada Dewa sinar sucinya Hyang Widhi semua hal yang bersifat negative dapat dilenyapkan dari fisik seseorang sehingga atma yang bersemayam dalam diri pribadi dapat memancarkan sinar sucinya. 3. Tataban/Ayaban : Berfungsi sebagai persembahan kepada Hyang Widhi sebagai pernyataan ucapan terima kasih yang kemudian dinikmati oleh yang melaksanakan upacara dimaksud untuk kebahagiaan hidup. Hal serupa sudah merupakan keharusan umat Hindu untuk mempersembahkan terlebih dahulu makanan yang dimiliki sebelum dinikmati sebagai kebutuhan hidup. 4. Tebasan Durmengala : Dipakai sebagai pembersihan badan dari mala, dasa mala, menghindarkan diri dari bahaya, sehingga dikatakan bahwa tebasan durmengala merupakan sarana untuk keselamatan. 5. Tebasan Sapuh Lara : Berfungsi untuk menghindarkan diri dari segala penyakit yang bisa muncul karena urip kelahiran.
3 6. Pengulapan : Terdiri dari bayuan, peras, tulung, dan ajuman yang berfungsi sebagai pengurip unsur panca maha butha yang ada dalam diri sehingga berfungsi dengan baik. 7. Penyeneng : Sebagai simboliasi peleburan dosa dan melenyapkan noda-noda sehingga badan menjadi bersih dan suci, memohon kesehatan, ketentraman dan kebahagiaan lahir batin. 8. Sesayut : Yang berfungsi sebagai sarana permohonan yang tulus kepada tuhan ( Ida Sang Hyang Widhi ) dalam proses pensucian diri dan perubahan status seseorang Pengertian Klasifikasi Klasifikasi adalah proses untuk menemukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu obyek (Agus. M, 2009). Oleh karena itu, kelas yang ada tentulah lebih dari satu. Penentuan kelas dari suatu dokumen dilakukan dengan cara membandingkan nilai probabilitas suatu sampel berada di kelas yang satu dengan nilai probabilitas suatu sampel berada di kelas yang lain Naïve Bayes Classifier (NBC). Naïve Bayes Classifier (NBC) merupakan algoritma dalam melakukan proses klasifikasi data dengan menggunakan pendekatan probabilitas. Menurut Nurani (2007), NBC menggunakan gabungan probabilitas kata/term dengan probabilitas kategori untuk menentukan kemungkinan kategori bagi atribut yang diberikan. Sedangkan menurut Kamber (2001:297) pada algoritma NBC, setiap data dipresentasikan sebagai vector berdimensi-n yaitu komponen X=(x 1, x 2, x 3,., x n ), dimana n adalah gambaran dari ukuran yang dibuat dari n atribut yaitu A 1,A 2, A 3,, A n.
4 Kumpulan kategori C 1,C 2, C 3,, C m, merupakan kategori dari data X tidak diketahui kategorinya, maka classifier akan memprediksi bahwa X adalah milik kategori dengan posterior probabilitas tertinggi berdasarkan kondisi X. Dengan demikian, NBC akan menandai bahwa komponen X yang tidak diketahui tersebut ke kategori C jika dan hanya jika : P(C i X) > P(C j X) untuk 1 j m, j i. Kemudian dicari P(C i X) yang maksimal, dimana P(X C i ).P(C i ) P(C i X) = P(X) P(X) adalah konstan untuk semua kategori, dan hanya P(X C i ) yang perlu dimaksimalkan. Jika prior Probability kategori tidak diketahui, maka diasumsikan sama dengan hasil dari kategori-kategori yanglain seperti P(C 1 )=P(C 2 )= =P(C m ), oleh karena itu maka akan dimaksimalkan P(X C i ). Menurut Nurani (2007), kategori prior probability mungkin diperkirakan dengan perhitungan P(C i ) = S i /S, dimana S i adalah jumlah dari data training dari kategori C i dan S adalah jumlah total dari data training Naïve Bayesian Classifier (Probabilistics-Based Classification) Metode classifier yang berdasarkan probabilitas dan Teorema Bayesian dengan asumsi bahwa setiap 4ariable X bersifat bebas (independent).dengan kata lain, Naïve Bayesian Classifier mengansumsikan bahwa keberadaan sebuah atribut (4ariable) tidak ada kaitannya dengan beradanya atribut (ariable) yang lain. Karena asumsi atribut tidak saling terkait (conditionally independent), dimana sampel X (new sample) adalah class label yang memiliki P(X Ci)*P(Ci) maksimum.
5 2.2.3 Metode Forward Chaining Metode Forward Chaining adalah metode pencarian atau teknik pelacakan ke depan yang dimulai dengan informasi yang ada dan penggabungan rule untuk menghasilkan suatu kesimpulan atau tujuan. (Russel S,Norvig P, 2003). Pelacakan maju ini sangat baik jika bekerja dengan permasalahan yang dimulai dengan rekaman informasi awal dan ingin dicapai penyelesaian akhir, karena seluruh proses akan dikerjakan secara berurutan maju. Forward chaining merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan menyatakan konklusi. Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh.jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining. Tipe sistem yang dapat dicari dengan Forward Chaining : 1. Sistem yang dipersentasikan dengan satu atau beberapa kondisi. 2. Untuk setiap kondisi, sistem mecari rule-rule dalam knowledge base untuk rule-rule yang berkorespondensi dengan kondisi dalam bagian IF 3. Setiap rule dapat menghasilkan kondisi baru dari konklusi yang diminta pada bagian THEN. Kondisi baru ini ditambahkan ke kondisi lain yang sudah ada. 4. Setiap kondisi yang ditambahkan ke sistem akan diproses. Jika ditemui suatu kondisi baru dari konklusi yang diminta, sistem akan kembali ke langkah 2 dan mencari rulerule dalam knowledge base kembali. Jika tidak ada konklusi baru, sesi ini berakhir. Contoh : Terdapat 10 aturan yang tersimpan dalam basis pengetahuan yaitu :
6 R1 : if A and B then C R2 : if C then D R3 : if A and E then F R4 : if A then G R5 : if F and G then D R6 : if G and E then H R7 : if C and H then I R8 : if I and A then J R9 : if G then J R10 : if J then K Fakta awal yang diberikan hanya A dan E, ingin membuktikan apakah K bernilai benar. Proses penalaran forward chaining terlihat pada gambar 2.1 berikut : Gambar 2. 1 Forward Chaining Data Mining Data mining merupakan cabang ilmu pengetahuan yang mempelajari serangkaian proses untuk menggali nilai tambah berupa pengetahuan yang selama ini tidak diketahui secara manual dari kumpulan data. Disamping itu, Mehmed (2003), data mining dapat
7 dipergunakan dalam proses klasifikasi, regresi, clustering/pengelompokan, summarization (ringkasan), dependency modeling (pemodelan ketergantungan), change and deviation detection (pendeteksian perubahan dan deviasi). Dengan demikian maka algoritma data mining dapat dipergunakan dalam proses klasifikasi atribut upakara dalam upacara sudhi wadani. 2.3 Tinjauan Empiris Menurut penelitian Yeffriansjah. S (2012) pengembangan penelitian metode naïve bayes classifier dapat dilakukan dengan kombinasi dengan metode atau algoritma lain guna meningkatkan akurasi dari klasifikasi. Klasifikasi fitur dengan metode naïve bayes classifier merupakan metode probabilitas bersyarat yang ditentukan oleh nilai posteriornya. Dalam metode probabilitas bersyarat, syarat kejadian bisa tunggal tapi juga bisa multivariate. Selanjutnya dalam penelitian Hamzah (2012) mengenai klasifikasi teks dengan naïve bayes classifier, algoritma NBC memiliki kinerja yang cukup tinggi untuk klasifikasi dokumen teks, baik dokumen berita maupun dokumen akademik. Pada klasifikasi dokumen berita didapatkan akurasi yang lebih tinggi dibandingkan dengan dokumen akademik. Pada penelitian yang telah dilakukan ini penggunaan kata unik dalam koleksi dokumen latih tanpa filter memberikan kinerja yang kurang optimal.
Pengetahuan 2.Basis data 3.Mesin Inferensi 4.Antarmuka pemakai (user. (code base skill implemetation), menggunakan teknik-teknik tertentu dengan
Bab II TINJAUAN PUSTAKA 2.1 Pengertian Sistem Pakar Sistem pakar (expert system) adalah sistem yang berusaha mengapdosi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti
Lebih terperinciKOMPETENSI KOMPUTASI SKRIPSI LUH EKA KUSUMAYANTI
KLASIFIKASI JENIS UPAKARA SUDHI WADANI MENGGUNAKAN METODE CATAGORICAL NAÏVE BAYES CLASSIFIER DENGAN ALGORITMA FORWARD CHAINING DALAM MENSUCIKAN KARANG MEDIAN KOMPETENSI KOMPUTASI SKRIPSI LUH EKA KUSUMAYANTI
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu pelayanan dalam dunia perbankan adalah pemberian pinjaman kredit kepada nasabah yang memenuhi syarat perbankan. kredit merupakan sumber utama penghasilan
Lebih terperinciPEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5
PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Jurusan Sistem Informasi, STMIK Indonesia 1 syam@stmik-indonesia.ac.id,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1.1 Data Mining Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Education data mining merupakan penelitian didasarkan data di dunia pendidikan untuk menggali dan memperoleh informasi tersembunyi dari data yang ada. Pemanfaatan education
Lebih terperinciBayesian Classifier. Bahan Kuliah Data Mining. Dr. Taufik Fuadi Abidin, S.Si., M.Tech. Program Studi Teknik Informatika FMIPA Universitas Syiah Kuala
Naïve Bayesian Classifier Dr. Taufik Fuadi Abidin, S.Si., M.Tech Program Studi Teknik Informatika FMIPA Universitas Syiah Kuala www.informatika.unsyiah.ac.id/tfa Bahan Kuliah Data Mining Outline Pertemuan
Lebih terperinciCross Industry Standard Process for Data Mining (CRISP-DM) Nama : Siti Maskuroh NIM : A Kel : A
Cross Industry Standard Process for Data Mining (CRISP-DM) Nama : Siti Maskuroh NIM : A11.2011.06038 Kel : A11.4812 CRISP-DM CRISP - DM adalah metodologi data mining komprehensif dan Model proses untuk
Lebih terperinciPEMBENTUKAN MODEL KLASIFIKASI DATA LAMA STUDI MAHASISWA STMIK INDONESIA MENGGUNAKAN DECISION TREE DENGAN ALGORITMA NBTREE
PEMBENTUKAN MODEL KLASIFIKASI DATA LAMA STUDI MAHASISWA STMIK INDONESIA MENGGUNAKAN DECISION TREE DENGAN ALGORITMA NBTREE Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Program Studi Sistem Informasi, STMIK
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 1.1 Latar Belakang BAB I PENDAHULUAN Dalam Peraturan Menteri Agama Republik Indonesia Nomor 30 Tahun 2014 tentang Biaya Kuliah Tunggal dan Uang Kuliah Tunggal pada Perguruan Tinggi Keagamaan Negeri di
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Anak merupakan sebuah karunia bagi setiap orangtua. Setiap anak diharapkan dapat tumbuh dan berkembang secara sehat, baik fisik, mental dan sosial sesuai dengan pertambahan
Lebih terperinciAkurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa
Akurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa dengan Metode NAÏVE BAYES M. Ridwan Effendi Fakultas Komputer Jurusan Sistem Informasi Universitas Mohammad Husni Thamrin Jakarta Email :
Lebih terperinciKLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION
KLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION Betrisandi betris.sin@gmail.com Universitas Ichsan Gorontalo Abstrak Pendapatan untuk perusahaan asuransi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Secara sederhana data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Data mining
Lebih terperinciPada penelitian ini dilakukan kajian terhadap PMI cabang Kabupaten Demak yang dalam penyeleksian calon pendonor darah masih dilakukan
BAB I PENDAHULUAN 1.1 Latar Belakang Setiap warga negara mempunyai Hak Asasi Manusia seperti yang disebutkan dalam Undang Undang Dasar Republik Indonesia, salah satu hak asasi tersebut adalah hak memperoleh
Lebih terperinciMetode Klasifikasi (SVM Light dan K-NNK. NN) Dr. Taufik Fuadi Abidin, S.Si., M.Tech. Jurusan Informatika FMIPA Universitas Syiah Kuala
Metode Klasifikasi (SVM Light dan K-NNK NN) Dr. Taufik Fuadi Abidin, S.Si., M.Tech Jurusan Informatika FMIPA Universitas Syiah Kuala www.informatika.unsyiah.ac.id/tfa Alur dan Proses Cleaning Process Dokumen
Lebih terperinciKLASIFIKASI PADA TEXT MINING
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 KLASIFIKASI PADA TEXT MINING Budi Susanto Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami konsep dasar sistem klasifikasi Memahami beberapa
Lebih terperinciKLASIFIKASI PADA TEXT MINING
Budi Susanto KLASIFIKASI PADA TEXT MINING Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 Tujuan Memahami konsep dasar sistem klasifikasi Memahami beberapa algoritma klasifikasi: KNN Naïve Bayes Decision
Lebih terperinciBAB I PENDAHULUAN. dijumpai di masyarakat. Karya sastra ini mengandung banyak nilai dan persoalan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Karya sastra tradisional yang tersimpan dalam naskah lontar banyak dijumpai di masyarakat. Karya sastra ini mengandung banyak nilai dan persoalan yang berhubungan
Lebih terperinciBAB II TINJAUAN PUSTAKA
digilib.uns.ac.id BAB II TINJAUAN PUSTAKA 2.1. Landasan Teori 2.1.1. Twitter API Twitter API terdiri dari dua komponen yang berbeda, REST dan SEARCH API. REST API memungkinkan pengembang/developer Twitter
Lebih terperinciBAB 2. Landasan Teori
BAB 2 Landasan Teori 2.1 Pengertian Data Mining Menurut Han dan Kamber (2011:6) menjelaskan bahwa Data Mining merupakan pemilihan atau menggali pengetahuan dari jumlah data yang banyak. Berbeda dengan
Lebih terperinciPENERAPAN ALGORITMA NAÏVE BAYES UNTUK DETEKSI BAKTERI E-COLI
PENERAPAN ALGORITMA NAÏVE BAYES UNTUK DETEKSI BAKTERI E-COLI Laily Hermawanti Program Studi Teknik informatika Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Diponegoro 1B Jogoloyo Demak Telpon
Lebih terperinciISSN : STMIK AMIKOM Yogyakarta, 6-8Februari 2015
KLASIFIKASI DATA NAP (NOTA ANALISIS PEMBIAYAAN) DENGAN 5C+1S UNTUK PENENTUAN TINGKAT KEAMANAN PEMBIAYAAN MENGGUNKAN ALGORITMA NAÏVE BAYES CLASSIFIER PADA BANK SYARIAH Sumarni Adi1) 1) Teknik Informatika
Lebih terperinciPENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER
PENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER I. PENDAHULUAN Mahasiswa merupakan salah satu aspek penting dalam evaluasi keberhasilan penyelenggaraan
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1. Data Mining Data mining adalah proses menganalisa data dari perspektif yang berbeda dan menyimpulkannya menjadi informasi-informasi penting yang dapat dipakai untuk meningkatkan
Lebih terperinciCONTOH KASUS DATA MINING
CONTOH KASUS DATA MINING CONTOH KASUS DATA MINING Sebuah rumah sakit ingin ingin menekan biaya perawatan pasien tanpa mengurangi kualitas pelayanan. Salahsatu potensi yang dapat dimanfaatkan pada penerapan
Lebih terperinciSAINTEKBU: Jurnal Sains dan Teknologi Volume 9 No.2 Mei 2017 EVALUASI INTERNAL PROGRAM STUDI MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (NBC)
SAINTEKBU: Jurnal Sains dan Teknologi Volume 9 No.2 Mei 2017 EVALUASI INTERNAL PROGRAM STUDI MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (NBC) Yoseph Pius Kurniawan Kelen 1 1) Universitas Timor-Kefamenanu
Lebih terperinciSekip Utara Yogyakarta * 1 2
IJCCS, Vol.9, No.1, January 2015, pp. 1~12 ISSN: 1978-1520 1 Klasifikasi Data NAP (Nota Analisis Pembiayaan) untuk Prediksi Tingkat Keamanan Pemberian Kredit (Studi Kasus : Bank Syariah Mandiri Cabang
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Teoritis 2.1.1 Autisme Monks dkk., mengungkapkan bahwa autisme berasal dari kata autos yang berarti aku. Pada pengertian nonilmiah kata tersebut dapat ditafsirkan bahwa
Lebih terperinciBAB II KAJIAN PUSTAKA. pola seperti teknik statistic dan matematika (Larose, 2005).
BAB II KAJIAN PUSTAKA A. Data Minning Data minning adalah suatu proses menemukan hubungan yang berarti, pola dan kecenderungan dengan memeriksa dalam sekumpulan besar data yang tersimpan dalam penyimpanan
Lebih terperinciBAB I PENDAHULUAN I - 1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dunia pendidikan merupakan dunia yang memerlukan perhatian khusus karena pendidikan merupakan faktor yang sangat mempengaruhi kualitas para calon penerus bangsa
Lebih terperinciAPLIKASI PENENTUAN ANGGOTA KELAS UNGGULAN DENGAN METODE NAÏVE BAYES
APLIKASI PENENTUAN ANGGOTA KELAS UNGGULAN DENGAN METODE NAÏVE BAYES SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Teknik (S.Kom) Pada Program Studi Teknik Informatika Oleh:
Lebih terperinciOleh : Selvia Lorena Br Ginting, Reggy Pasya Trinanda. Abstrak
TEKNIK DATA MINING MENGGUNAKAN METODE BAYES CLASSIFIER UNTUK OPTIMALISASI PENCARIAN PADA APLIKASI PERPUSTAKAAN (STUDI KASUS : PERPUSTAKAAN UNIVERSITAS PASUNDAN BANDUNG) Oleh : Selvia Lorena Br Ginting,
Lebih terperinciMODEL HEURISTIK. Capaian Pembelajaran. N. Tri Suswanto Saptadi
1 MODEL HEURISTIK N. Tri Suswanto Saptadi 2 Capaian Pembelajaran Mahasiswa dapat memahami dan mampu mengaplikasikan model Heuristik untuk menyelesaikan masalah dengan pencarian solusi terbaik. 1 3 Model
Lebih terperinciPREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES
PREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES Selvy Megira 1), Kusrini 2), Emha Taufiq Luthfi 3) 1), 2), 3) Teknik Universitas AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperinciKlasifikasi. Diadaptasi dari slide Jiawei Han
Klasifikasi Diadaptasi dari slide Jiawei Han http://www.cs.uiuc.edu/~hanj/bk2/ Pengantar Classification Memprediksi kelas suatu item Membuat model berdasarkan data pelatihan dan digunakan untuk mengklasifikasi
Lebih terperinciKlasifikasi. Diadaptasi dari slide Jiawei Han
Klasifikasi Diadaptasi dari slide Jiawei Han http://www.cs.uiuc.edu/~hanj/bk2/ yudi@upi.edu / Okt 2012 Pengantar Classification Memprediksi kelas suatu item Membuat model berdasarkan data pelatihan dan
Lebih terperinciM. Zidny Naf an Gasal 2016/2017
M. Zidny Naf an Gasal 2016/2017 Ketidakpastian Probabilitas Teorema Bayes Dalam kenyataan sehari-hari banyak masalah didunia ini tidak dapat dimodelkan secara lengkap dan konsisten. Premis -1 : Aljabar
Lebih terperinciMETODE KLASIFIKASI DENGAN ALGORITMA NAÏVE BAYES UNTUK REKOMENDASI PENJURUSAN SMA TERANG BANGSA
Techno.COM, Vol. 15, No. 3, Agustus 216: 195-2 METODE KLASIFIKASI DENGAN ALGORITMA NAÏVE BAYES UNTUK REKOMENDASI PENJURUSAN SMA TERANG BANGSA Andrew Yova Kencana 1, Setia Astuti 2 1,2 Jurusan Teknik Ilmu
Lebih terperinciPENERAPAN DATA MINING DALAM MENENTUKAN JURUSAN SISWA
PENERAPAN DATA MINING DALAM MENENTUKAN JURUSAN SISWA Alfa Saleh Teknik Informatika Universitas Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A, Tanjung Mulia, Medan Email : alfasoleh1@gmail.com Abstrak
Lebih terperinciANALISIS PERFORMA ALGORITME WEIGHTED NAIVE BAYES CLASSIFIER. Abstrak
ANALISIS PERFORMA ALGORITME WEIGHTED NAIVE BAYES CLASSIFIER Burhan Alfironi Muktamar Program Studi Teknik Informatika STMIK Jenderal Achmad Yani burhanalfironimuktamar@gmail.com Abstrak Naïve Bayes Classifier
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Job Order merupakan pekerjaan yang dilakukan apabila ada order yang diterima dari konsumen. Setiap detil pekerjaan 100% ditentukan oleh calon pembeli, pihak pembuat
Lebih terperinciBy: Sulindawaty, M.Kom
By: Sulindawaty, M.Kom 1 Kata Pengantar Sistem Pakar adalah mata kuliah yang mendukung untuk membuat aplikasi yang dapat memecahkan masalah dengan pengetahuan seorang pakar yang di dimasukkan dalam komputer.
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : - Algoritma Naïve Bayes Classifier
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : Tabel 2.1 Penelitian sebelumnya Parameter Penulis Objek Metode Hasil
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI penelitian. Pada bab ini akan dibahas literatur dan landasan teori yang relevan dengan 2.1 Tinjauan Pustaka Kombinasi metode telah dilakukan oleh beberapa peneliti
Lebih terperinciIMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI DATA NASABAH BANK DALAM PENAWARAN DEPOSITO BERJANGKA DENGAN MENGGUNAKAN ALGORITMA KLASIFIKASI NAIVE BAYES
IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI DATA NASABAH BANK DALAM PENAWARAN DEPOSITO BERJANGKA DENGAN MENGGUNAKAN ALGORITMA KLASIFIKASI NAIVE BAYES Nama : Muhammad Rizki NPM : 54410806 Jurusan Pembimbing
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Badan Pusat Statistika menyatakan bahwa angka kecelakaan lalu lintas yang terjadi di Indonesia sangat tinggi, penyebabnya adalah semakin banyaknya jumlah kendaraan
Lebih terperinciIMPLEMENTASI METODE NAIVE BAYES CLASSIFICATION DALAM KLASIFIKASI KELAYAKAN CALON PENDONOR DARAH (STUDI KASUS PMI KAB. DEMAK)
IMPLEMENTASI METODE NAIVE BAYES CLASSIFICATION DALAM KLASIFIKASI KELAYAKAN CALON PENDONOR DARAH (STUDI KASUS PMI KAB. DEMAK) Diana Septiari Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciMODEL DATA MINING CAPAIAN PEMBELAJARAN. N. Tri Suswanto Saptadi. Definisi Kategori Model Naïve Bayesian k-nearest Neighbor Clustering 12/4/2015
1 MODEL DATA MINING N. Tri Suswanto Saptadi CAPAIAN PEMBELAJARAN Definisi Kategori Model Naïve Bayesian k-nearest Neighbor Clustering 1 3 Definisi Mining : proses atau usaha untuk mendapatkan sedikit barang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini sering terjadi data explosion problem yaitu data data yang tersimpan dalam database berjumlah sangat besar namun dari data data tersebut belum banyak dimanfaatkan
Lebih terperinciTHE APPLICATION OF DATA MINING FOR OLD STUDENT TO PREDICTION STUDIES USING NAIVE BAYES AND ADABOOST METHOD
THE APPLICATION OF DATA MINING FOR OLD STUDENT TO PREDICTION STUDIES USING NAIVE BAYES AND ADABOOST METHOD 1 JACOB SOARES, 2 ALBERTUS JOKO SANTOSO, 3 SUYOTO 1, 2, 3 Universitas Atma Jaya Yogyakarta E-mail:
Lebih terperinciIMPLEMENTASI METODE BAYESIAN DALAM PENJURUSAN DI SMA BRUDERAN PURWOREJO STUDI KASUS: SMA BRUDERAN PURWOREJO
IMPLEMENTASI METODE BAYESIAN DALAM PENJURUSAN DI SMA BRUDERAN PURWOREJO STUDI KASUS: SMA BRUDERAN PURWOREJO Sendy Winanta Yetli Oslan, Gunawan Santoso Abstrak Penjurusan siswa kelas X SMA yang akan naik
Lebih terperinciKata kunci : metode pencarian, perpustakaan, Naïve Bayes Classifier.
PENGGUNAAN METODE NAÏVE BAYES CLASSIFIER PADA APLIKASI PERPUSTAKAAN Selvia Lorena Br Ginting,S.Si., MT 1, Reggy Pasya Trinanda 2 1,2 Jurusan Teknik Komputer Unikom, Bandung 1 selvialorena@yahoo.com, 2
Lebih terperinciSISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN MENGGUNAKAN METODE NAIVE BAYES (STUDI KASUS KREDIT SEPEDA MOTOR)
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN MENGGUNAKAN METODE NAIVE BAYES (STUDI KASUS KREDIT SEPEDA MOTOR) 1 Jatmika, S.Si, M.Kom 2 Lilis Anggraeni 1,2,3 Jurusan Komputer, Teknik Informatika, Fakultas Sains
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Studi Sebelum melakukan penelitian penulis terlebih dahulu melakukan tinjauan pustaka dari penelitian lain dan penelitian tentang prediksi penjurusan
Lebih terperinciSISTEM PAKAR DIAGNOSIS PENYAKIT IKAN LELE BERBASIS WEB DENGAN METODE FORWARD DAN BACKWARD CHAINING
SISTEM PAKAR DIAGNOSIS PENYAKIT IKAN LELE BERBASIS WEB DENGAN METODE FORWARD DAN BACKWARD CHAINING Denny Cesar Nugraha Danang Aditya Nugraha ¹Sistem Informasi, Universitas Kanjuruhan Malang, inedraces@yahoo.com
Lebih terperinciImplementasi Pengembangan Smart Helpdesk di UPT TIK UNS Menggunakan Algoritma Naive Bayes Classifier
Implementasi Pengembangan Smart Helpdesk di UPT TIK UNS Menggunakan Algoritma Naive Bayes Classifier Wachid Daga Suryono 1, Ristu Saptono 2, Wiranto 3 Program Studi Informatika, Fakultas Matematika dan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Data Mining 2.1.1 Pengertian Data Mining Dengan semakin besarnya jumlah data dan kebutuhan akan analisis data yang akurat maka dibutuhkan metode analisis yang tepat. Data mining
Lebih terperinciAlfa Saleh. Teknik Informatika Universitas Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A, Tanjung Mulia, Medan
PENERAPAN DATA MINING DENGAN METODE KLASIFIKASI NAÏVE BAYES UNTUK MEMPREDIKSI KELULUSAN MAHASISWA DALAM MENGIKUTI ENGLISH PROFICIENCY TEST (Studi Kasus : Universitas Potensi Utama) Alfa Saleh Teknik Informatika
Lebih terperinciSISTEM KLASIFIKASI PENYEBARAN PENYAKIT MATA DI JAWA BARAT DENGAN ALGORITMA ITERATIVE DICHOTOMISER 3 DAN NAÏVE BAYES CLASSIFIER
SISTEM KLASIFIKASI PENYEBARAN PENYAKIT MATA DI JAWA BARAT DENGAN ALGORITMA ITERATIVE DICHOTOMISER 3 DAN NAÏVE BAYES CLASSIFIER Wina Witanti 1*, Dian Nursantika 2, Zillan Taufiq Budiman 3 1,2,3 Program
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN:
KAJIAN KOMPARASI ALGORITMA C4.5, NAÏVE BAYES DAN NEURAL NETWORK DALAM PEMILIHAN PENERIMA BEASISWA (Studi Kasus pada SMA Muhammadiyah 4 Jakarta ) Ulfa Pauziah Program Studi Teknik Informatika, Universitas
Lebih terperinciProsiding SENTIA 2015 Politeknik Negeri Malang Volume 7 ISSN:
KLASIFIKASI TUGAS AKHIR UNTUK MENENTUKAN DOSEN PEMBIMBING MENGGUNAKAN NAÏVE BAYES CLASSIFIER (NBC) Putri Elfa Mas`udia 1 Politeknik Negeri Malang E-mail : putri.elfa@polinema.ac.id Abstrak Pemilihan dosen
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penentuan dosen pembimbing tugas akhir masih dilakukan secara manual di Jurusan Teknik Informatika UMM yang hanya mengandalkan pengetahuan personal tentang spesialisasi
Lebih terperinciPROGRAM BANTU PENEMPATAN PERSEDIAAN BARANG SANITER PADA DUA TOKO DENGAN METODE NAÏVE BAYES
PROGRAM BANTU PENEMPATAN PERSEDIAAN BARANG SANITER PADA DUA TOKO DENGAN METODE NAÏVE BAYES Umi Proboyekti, Djoni Dwiyana Abstrak Barang saniter merupakan salah satu macam barang yang dijual di toko bahan
Lebih terperinciR Dimas Adityo 1), Herti Miawarni 2) Teknik Informatika Universitas Bhayangkara Surabaya 1) Teknik Elektro Universitas Bhayangkara Surabaya 2)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Evaluasi Kepatuhan Wajib Pajak (Hotel) dalam memanfaatkan aplikasi Pelaporan Pajak Online Berbasis Algoritma Naive Bayes
Lebih terperinciSISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING
SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Teknik Informatika. UPN Veteran Yogyakarta Jl.
Lebih terperinciIMPLEMENTASI DATA MINING DENGAN NAIVE BAYES CLASSIFIER UNTUK MENDUKUNG STRATEGI PEMASARAN DI BAGIAN HUMAS STMIK AMIKOM YOGYAKARTA
IMPLEMENTASI DATA MINING DENGAN NAIVE BAYES CLASSIFIER UNTUK MENDUKUNG STRATEGI PEMASARAN DI BAGIAN HUMAS STMIK AMIKOM YOGYAKARTA Erik Hadi Saputra 1), Burhan Alfironi Muktamar 2) 1), 2) Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Internet saat ini merupakan kebutuhan pokok yang tidak bisa dipisahkan dari segenap sendi kehidupan. Berbagai pekerjaan ataupun kebutuhan dapat dilakukan melalui media
Lebih terperinciExpert System. Siapakah pakar/ahli. Pakar VS Sistem Pakar. Definisi
Siapakah pakar/ahli Expert System Seorang pakar atau ahli adalah: seorang individu yang memiliki kemampuan pemahaman superior dari suatu masalah By: Uro Abdulrohim, S.Kom, MT Definisi Program komputer
Lebih terperinciPENENTUAN KUALITAS IKAN BANDENG MENGGUNAKAN ALGORITMA NAIVE BAYES BERDASARKAN TEKSTUR PADA CITRA ABSTRAK
PENENTUAN KUALITAS IKAN BANDENG MENGGUNAKAN ALGORITMA NAIVE BAYES BERDASARKAN TEKSTUR PADA CITRA Rahmanika Ratna Sari 1, Hanny Haryanto 2 1,2 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian
Lebih terperinciBAB 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN Bab ini menguraikan penjelasan umum mengenai tugas akhir yang dikerjakan. Penjelasan tersebut meliputi latar belakang masalah, tujuan tugas akhir, lingkup tugas akhir, metodologi yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dewasa ini sudah mempengaruhi kebutuhan manusia modern, hal ini ditandai dengan penggunaan teknologi disetiap aspek kehidupan manusia yang berguna
Lebih terperinciMetoda Naïve Bayes Classifier dan Penggunaannya pada Klasifikasi Dokumen
Metoda Naïve Bayes Classifier dan Penggunaannya pada Klasifikasi Dokumen Samuel Natalius / 18209031 Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN. sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik
BAB I PENDAHULUAN BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar adalah sistem yang mempekerjakan pengetahuan manusia yang ditangkap dalam komputer untuk memecahkan masalah yang biasanya membutuhkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring berkembangnya teknologi informasi, kebutuhan akan informasi yang digunakan untuk mendukung business intelligent suatu perusahaan juga meningkat. Informasi penting
Lebih terperinciKeoptimalan Naïve Bayes Dalam Klasifikasi
Keoptimalan Naïve Bayes Dalam Klasifikasi M. Ammar Shadiq Program Ilmu Komputer FPMIPA Universitas Pendidikan Indonesia ammar.shadiq@gmail.com Abstrak Naïve Bayes adalah salah satu algoritma pembelajaran
Lebih terperinciSISTEM UNTUK DETEKSI KERUSAKAN MESIN DIESEL MOBIL PANTHER DENGAN METODE NAÏVE BAYES
ISSN : 2338-4018 SISTEM UNTUK DETEKSI KERUSAKAN MESIN DIESEL MOBIL PANTHER DENGAN METODE NAÏVE BAYES Wawan Singgih P (wawan.sinus@gmail.com) Didik Nugroho (didikhoho@gmail.com) Yustina Retno WU (yustina.retno@gmail.com)
Lebih terperinciPenerapan Data Mining Untuk Menampilkan Informasi Pertumbuhan Berat Badan Ideal Balita dengan Menggunakan Metode Naive Bayes Classifier
Penerapan Data Mining Untuk Menampilkan Informasi Pertumbuhan Berat Badan Ideal Balita dengan Menggunakan Metode Naive Bayes Classifier Octia Nuraeni 55410244 Teknik Informatika Pembimbing : Dr. Riza Adrianti
Lebih terperinciRANCANG BANGUN APLIKASI KNOWLEDGE BASED SYSTEM BERBASIS FENG SHUI UNTUK MENENTUKAN HARGA JUAL RUMAH PADA PROPERTY AGENT
RANCANG BANGUN APLIKASI KNOWLEDGE BASED SYSTEM BERBASIS FENG SHUI UNTUK MENENTUKAN HARGA JUAL RUMAH PADA PROPERTY AGENT Yoga Nugroho Teknik Informatika S-1 Universitas Dian Nuswantoro Semarang ABSTRAK
Lebih terperinciKLASIFIKASI DOKUMEN REPOSITORY SECARA OTOMATIS MENGGUNAKAN METODE BAYESIAN NETWORK
Lukman Syafie / JUPITER Volume XV No.2 (2016) 109 KLASIFIKASI DOKUMEN REPOSITORY SECARA OTOMATIS MENGGUNAKAN METODE BAYESIAN NETWORK Lukman Syafie Staf Pengajar Teknik Informatika, Fakultas Ilmu Komputer
Lebih terperinciFORWARD & BACKWARD CHAINING SISTEM PAKAR
FORWARD & BACKWARD CHAINING SISTEM PAKAR Inferensi Inferensi adalah konklusi logis (logical conclusion) atau implikasi berdasarkan informasi yang tersedia Merupakan proses untuk menghasilkan informasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Dalam era yang semakin berkembang ini, penggunaan data mining semakin banyak dalam berbagai bidang dan menjadi bagian dari perkembangan teknologi informasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini media sosial seperti Twitter telah berkembang pesat. Data global menyebut pada akhir Desember 2014 Twitter memiliki 284 juta pengguna aktif. Dick Costolo
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pertukaran informasi di zaman modern ini telah sampai pada era digital. Hal ini ditandai dengan semakin dibutuhkannya teknologi berupa komputer dan jaringan internet
Lebih terperinciAplikasi Inferensi Bayes pada Data Mining terutama Pattern Recognition
Aplikasi Inferensi Bayes pada Data Mining terutama Pattern Recognition Trilaksono Aribowo (18209015) Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciGambar 1.1 Proses Text Mining [7]
1. BAB II LANDASAN TEORI 2.1 Text Mining Text mining memiliki definisi menambang data yang berupa teks dimana sumber data biasanya didapatkan dari dokumen, dan tujuannya adalah mencari kata-kata yang dapat
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 1.1 Data Training Data training adalah data yang digunakan untuk pembelajaran pada proses data mining atau proses pembentukan pohon keputusan.pada penelitian ini
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN KARYAWAN TETAP MENGGUNAKAN METODE NAIVE BAYES
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KARYAWAN TETAP MENGGUNAKAN METODE NAIVE BAYES ARTIKEL SKRIPSI Diajukan Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi
Lebih terperinciJurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017 50 APLIKASI KLASIFIKASI ALGORITMA C4.5 (STUDI KASUS MASA STUDI MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN
Lebih terperinciSISTEM PAKAR PENUNJANG KEPUTUSAN PEMBAGIAN HARTA WARIS MENURUT HUKUM ISLAM DENGAN METODE FORWARD CHAINING
SISTEM PAKAR PENUNJANG KEPUTUSAN PEMBAGIAN HARTA WARIS MENURUT HUKUM ISLAM DENGAN METODE FORWARD CHAINING SKRIPSI DiajukanUntuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana
Lebih terperinciSistem Pendukung Keputusan Untuk Mengevaluasi Internal Program Studi
40 Jurnal Sistem Informasi Bisnis 01(2015) On-line : http://ejournal.undip.ac.id/index.php/jsinbis Sistem Pendukung Keputusan Untuk Mengevaluasi Internal Program Studi Indhitya R. Padiku a*, Achmad Widodo
Lebih terperinciJURNAL. NAIVE BAYES KLASIFIKASI UNTUK SISTEM BANTU PENGAMBILAN TREATMENT TERAPI BERDASARKAN KELUHAN PASIEN (Studi Kasus : Terapi NAKAMURA Kediri)
JURNAL NAIVE BAYES KLASIFIKASI UNTUK SISTEM BANTU PENGAMBILAN TREATMENT TERAPI BERDASARKAN KELUHAN PASIEN (Studi Kasus : Terapi NAKAMURA Kediri) Oleh: MOHAMMAD SUHADI NPM : 12.1.03.02.0046 Dibimbing oleh
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Hewan ternak ayam memiliki banyak manfaatnya seperti telur dan dagingnya tidak terlepas dari kebutuhan konsumsi sehari-hari. Namun, ada permasalahan utama yang hampir
Lebih terperinciIMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI DATA ULANG PENSIUN
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI DATA ULANG PENSIUN Wendi Wirasta, Novia Ervianti 2 Dosen Sistem Informasi, STMIK LPKIA Bandung 2 Program Studi Sistem Informasi, STMIK LPKIA Bandung
Lebih terperinciBAB IV GAMBARAN UMUM METODOLOGI DATA MINING
BAB IV GAMBARAN UMUM METODOLOGI DATA MINING A. Metodologi Data Mining Metodologi Data Mining Komponen data mining pada proses KDD seringkali merupakan aplikasi iteratif yang berulang dari metodologi data
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Saat ini pendidikan di Indonesia semakin berkembang. Banyaknya
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini pendidikan di Indonesia semakin berkembang. Banyaknya pembangunan gedung sekolah maupun perguruan tinggi menjadi tanda berkembangnya pendidikan. Jumlah pendaftar
Lebih terperinciREKOMENDASI TOPIK TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA DI UNIVERSITAS MUHAMMADIYAH JEMBER MENGGUNAKAN METODE NAÏVE BAYESIAN CLASSIFIER
REKOMENDASI TOPIK TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA DI UNIVERSITAS MUHAMMADIYAH JEMBER MENGGUNAKAN METODE NAÏVE BAYESIAN CLASSIFIER Titis Suwartiningsih (11 1065 1116) 1, Bagus Setya Rintyarna,
Lebih terperinci1. Model Prediksi Ini Menggunakan Tools RapidMiner
1. Model Prediksi Ini Menggunakan Tools RapidMiner RapidMiner memiliki keunggulan tersendiri, RapidMiner merupakan aplikasi data mining berbasis sistem open-source dunia yang terkemuka dan ternama. Tersedia
Lebih terperinciSISTEM PAKAR TES KEPRIBADIAN (PAPIKOSTIK) DENGAN METODE FORWARD CHAINING
SISTEM PAKAR TES KEPRIBADIAN (PAPIKOSTIK) DENGAN METODE FORWARD CHAINING William Ramdhan *1, Yessica Siagian 2 *1 Program Studi Manajemen Informatika, AMIK Royal Kisaran, Jln Imam Bonjol No 179 Kisaran,
Lebih terperinci