BAB 2 LANDASAN TEORI. Sejak komputer ditemukan, para peneliti telah berpikir adakah kemungkinan agar

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI. Sejak komputer ditemukan, para peneliti telah berpikir adakah kemungkinan agar"

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Machine Learning Sejak kmputer ditemukan, para peneliti telah berpikir adakah kemungkinan agar kmputer dapat belajar. Jika kita mengerti bagaimana cara memprgram kmputer agar mereka dapat belajar, dan berkembang dari pengalaman secara tmatis, hasilnya akan luar biasa dramatis. Bayangkan kmputer belajar dari data-data medical untuk menemukan cara baru menangani suatu penyakit, belajar dari pengalaman untuk mengptimumkan energi yang dibutuhkan untuk melakukan pekerjaan rumah tangga, dan lain-lain. Sejak tahun 1980-an, bidang ilmu sft cmputing mulai muncul dan berkembang berdampingan dengan bidang ilmu knvensinal hard cmputing. Adapun yang membedakan antara kedua ilmu ini adalah setelah diprgram, hard cmputing akan memberikan hasil yang sama untuk input yang sama, sementara sft cmputing akan belajar dari input-input yang diberikan sebelumnya untuk memberikan hasil yang lebih akurat di masa depan. Dalam cabang machine learning, terdapat tiga bidang ilmu besar yang dikembangkan terus menerus untuk mencapai tujuan di atas: Neural Netwrk (NN) Supprt Vectr Machines (SVM) Fuzzy Lgic System Pada penulisan ini tidak akan dibahas lebih lanjut mengenai neural netwrk maupun fuzzy lgic system. Pada pembahasan selanjutnya, akan difkuskan pada supprt vectr machines-vila jnes. 6

2 7 2.2 Supervised Learning Supervised learning adalah teknik pembelajaran mesin dengan membuat suatu fungsi dari data latihan. Data latihan terdiri dari pasangan nilai input (biasa dalam bentuk vektr), dan utput yang diharapkan untuk input yang bersangkutan. Tugas dari mesin supervised learning adalah memprediksi nilai fungsi untuk semua nilai input yang mungkin, setelah mengalami sejumlah data latihan. Untuk mencapai tujuan ini, mesin harus dapat melakukan prses generalisasi dari data latihan yang diberikan, untuk memprediksikan nilai utput dari input yang belum pernah diberikan sebelumnya dengan cara yang masuk akal. 2.3 Linear Learning Machines Dalam prses supervised learning, mesin diberikan kumpulan cnth data (disebut juga input), dan label yang terassiasi (disebut juga utput), dan cnth input dalam bentuk vektr sehingga dmain input merupakan subset. Setelah cnth data dan label nya tersedia, sejumlah metde dapat dipilih untuk melakukan prses generalisasi pada masalah tersebut. Salah satu metde yang paling dimengerti dan paling sederhana adalah menggunakan metde fungsi linier. Linear learning biasa digunakan untuk klasifikasi biner, yaitu kasus di mana dmain utputnya hanya terdiri dari 2 kemungkinan saja (kelas psitif dan kelas negatif). Klasifikasi ini biasanya dilakukan menggunakan fungsi input, akan diberikan label kelas +, apabila dengan aturan untuk sembarang, dan sebaliknya kelas, apabila. Karena adalah fungsi linear, maka dapat lebih lanjut ditulis sebagai:

3 8 = ( w1 1) + ( w2 2 ) + ( w3 3) ( wn n ) + b Di sini, merupakan vektr di ruang dimensi n, sehingga w i (w 1 sampai w n ) merupakan kmpnen-kmpnen nilai penyusun vektr w di ruang dimensi n, dan nilai dari vektr w di sinilah yang akan menjadi classifier bagi supprt vectr machines. Gambar 2.1 Sebuah vektr memisahkan bidang menjadi 2 daerah di mana dan merupakan parameter fungsi yang akan ditentukan dari prses pembelajaran dari cnth-cnth data yang diberikan ke linear machine yang bersangkutan, dan hasilnya akan diberikan leh. Para peneliti statistik dan neural netwrk sangat sering menggunakan sistem pengklasifikasi yang sederhana seperti ini, yang sering dikenal juga dengan nama linear discriminants dan perceptrns. Teri linear discriminants dikembangkan leh Fisher pada tahun 1936, sementara peneliti neural netwrk mulai mengkaji perceptrns pada awal Rsenblatt s Perceptrn

4 9 Algritma iteratif pertama untuk klasifikasi linier dikembangkan leh Frank Rsenblatt pada tahun 1956 yang mengundang banyak perhatian pada saat pertama kali dikenalkan. Algritma ini dimulai dengan vektr awal, dan mengubahnya setiap kali terjadi kesalahan klasifikasi. Algritma ini (yang dideskripsikan pada tabel 2.1) mengubah nilai vektr dan bias secara langsung, yang disebut sebagai bentuk primal. Algritma ini dijamin akan knvergen apabila memang terdapat hyperplane yang dapat mengklasifikasi cnth data yang diberikan dengan benar (cnth data dapat dipisahkan secara linier). Tabel 2.1 Algritma perceptrn (bentuk primal) Diberikan cnth data input, label, jumlah cnth data, dan kecepatan belajar η Repeat fr i = 1 t if then end if end fr until n mistakes made within the fr lp return, ( ) di mana adalah jumlah kesalahan yang terjadi Dual dari Linear Machines Berdasarkan algritma pada tabel 2.1, baris berulang-ulang karena efek perulangan, sehingga hasil akhir dari vektr akan dijalankan (yang dintasikan dengan ) merupakan penjumlahan dari semua pengubahan yang dilakukan pada vektr, dan hasil akhir vektr dapat dituliskan sebagai:

5 10 di mana merupakan jumlah kesalahan saat mengklasifikasikan, dan fungsi penentu yang merupakan dual dari dapat dituliskan sebagai berikut: Tabel 2.2 Algritma perceptrn (bentuk dual) Diberikan cnth data input, label, jumlah cnth data Repeat fr i = 1 t if then end if end fr until n mistakes made within the fr lp return ( ) untuk menentukan fungsi 2.4 Trik Kernel Batas kemampuan kmputasi fungsi linier dibahas pada tahun 1960an leh Minsky dan Papert. Secara umum, pada kasus dunia nyata, pengklasifikasian dmain permasalahan

6 11 memerlukan ekspresi yang lebih kmpleks dibanding fungsi linier (misalnya fungsi plynmial, ekspnensial, dan atau atau fungsi peridik). Trik kernel menawarkan slusi dengan mempryeksikan data ke dalam ruang dimensi yang lebih tinggi (disebut juga dengan feature space) untuk meningkatkan kemampuan kmputasi fungsi linier. Yang dimaksud dengan dimensi di sini merupakan ruang dimensi vektr w berada, yang akan mempengaruhi besar nilai n atau N pada rumus. Adapun pemetaan ke ruang dimensi yang lebih tinggi dilakukan untuk memetakan input ke ruang dimensi yang baru, di mana diharapkan bahwa pada ruang dimensi yang baru, dmain input dapat dipisahkan leh suatu vektr sederhana, yang tidak dapat dilakukan sebelumnya pada ruang dimensi awal. Adapun salah satu pemetaan ulang data, dapat dicapai dengan memetakan, sehingga fungsi penentu berubah menjadi:

7 12 X Φ F Φ() Φ() Φ() Φ() Φ() Φ() Φ() Gambar 2.2 Ilustrasi fungsi kernel dalam menyederhanakan klasifikasi 2.5 Supprt Vectr Machines Tujuan dari supprt vectr machines adalah menemukan suatu cara yang efisien dalam mengkalkulasi vektr pemisah dalam ruang dimensi tinggi. Dalam supprt vectr machines sendiri memiliki beberapa teri generalisasi, di mana teri y ang berbeda akan berakhir dengan hasil yang berbeda pula. Misalnya terdapat teri yang mengutamakan margin maksimal, distribusi margin, jumlah vektr, dan lain sebagainya Sejarah Supprt Vectr Machines Walau saat pertama kali diperkenalkan ke dunia sejak akhir tahun 1970-an (Vapnik, 1979), supprt vectr machines tidak mendapat banyak perhatian leh para peneliti. Hanya setelah Vladimir Vapnik kembali menerbitkan bukunya pada tahun 1990-an (Vapnik, 1995; Vapnik, 1998) dan dapat menunjukkan aplikasi nyata, supprt vectr machines kemudian berkembang pesat. Salah satu yang menjadi penyebab adalah tersimpan teri matematika yang

8 13 mendalam di balik supprt vectr machines di banding kedua kerabatnya di bidang sft cmputing: neural netwrk dan fuzzy lgic Maimal Margin Classifier Maimal margin classifier adalah mdel supprt vectr machines yang paling sederhana, yang juga merupakan mdel pertama yang dikenalkan pada dunia. Mdel ini hanya bekerja untuk data yang dapat dipisahkan secara linier pada feature space, dan leh karena itu, tidak dapat digunakan pada kebanyakan kasus nyata. Namun bagaimana pun juga, mdel ini memiliki algritma yang paling mudah dimengerti, dan juga membentuk dasar teri mdel-mdel lain yang lebih kmpleks. Strategi maimal margin classifier adalah dengan mencari vektr yang akan memisahkan feature space dengan margin yang paling besar. Hal ini dilakukan dengan mengubah masalah mdel ini menjadi cnve ptimizatin prblem: mencari fungsi kuadratik minimal dengan kndisi dari fungsi pertidaksamaan linier Sft Margin Optimisatin Maimal margin classifier merupakan knsep yang penting, sebagai titik awal perkembangan teri supprt vectr machines yang lebih lanjut, namun tidak dapat digunakan pada kebanyakan kasus nyata. Hal ini dikarenakan maimal margin classifier berangkat dari hiptesis tanpa kesalahan pembelajaran. Mengingat bahwa pada banyak kasus nyata, feature space tidak dapat dipisahkan leh vektr dengan sempurna, sft margin ptimizatin memasukkan sebuah peubah slack dalam perhitungan margin.

9 Meta-Algritma Meta-algritma adalah algritma yang menggunakan algritma lain sebagai perwakilan, dan juga merupakan algritma yang memiliki sub-algritma sebagai peubah dan parameter yang dapat diganti. Cnth-cnth yang termasuk meta-algritma adalah bsting, simulated annealing, btstrap aggregating, AdaBst, dan randm-restart hill climbing. 2.7 Algritma Bsting Bsting merupakan meta-algritma dalam machine learning untuk melakukan supervised learning. Teri bsting dikenalkan berdasarkan pertanyaan yang diajukan Kearns (1988): Dapatkah sekumpulan weak learner menciptakan satu kesatuan strng learner? Weak learner adalah classifier yang hanya memiliki sedikit krelasi dengan klasifikasi yang sebenarnya, sementara strng learner adalah classifier yang memiliki krelasi kuat dengan klasifikasi yang sebenarnya. Kebanyakan algritma bsting mengikuti sebuah rancangan. Secara umum bsting terjadi dalam iterasi, secara incremental menambahkan weak learner ke dalam satu strng learner. Pada setiap iterasi, satu weak learner belajar dari suatu data latihan. Kemudian, weak learner itu ditambahkan ke dalam strng learner. Setelah weak learner ditambahkan, data-data kemudian diubah masing-masing bbtnya. Data-data yang mengalami kesalahan klasifikasi akan mengalami penambahan bbt, dan data-data yang terklasifikasi dengan benar akan mengalami pengurangan bbt. Oleh karena itu, weak learner pada iterasi selanjutnya akan lebih terfkus pada data-data yang mengalami kesalahan klasifikasi leh weak learner yang sebelumnya.

10 15 Dari banyak variasi algritma bsting, AdaBst merupakan yang paling terkenal dan dalam sejarah perkembangannya, merupakan algritma pertama yang dapat beradaptasi dengan weak learner. Namun, terdapat beberapa cnth algritma bsting lain seperti LPBst, TtalBst, BrwnBst, MadaBst, LgitBst, dan lain-lain. Kebanyakan algritma bsting dapat dimasukkan ke dalam framewrk AnyBst AdaBst AdaBst, singkatan dari Adaptive Bst, difrmulasikan leh Yav Freund dan Rbert Schapire. AdaBst merupakan meta-algritma, yang bisa diterapkan ke dalam learning algrithm lain untuk meningkatkan perfrma. 2.8 Perancangan Sftware Di era infrmasi, jutaan sftware telah beredar di dunia, dan jutaan lainnya sedang dalam pengembangan. Masing-masing pengembang, memiliki metde masing-masing dalam membuat sftwarenya, dan masing-masing metde memiliki dampak secara langsung maupun tidak langsung terhadap prses pengembangan sftware itu sendiri. Prses tersebut dinamakan rekayasa piranti lunak atau sftware engineering. Beberapa definisi yang diberikan Pressman (2001) mengenai rekayasa piranti lunak tercantum di bawah: Penggunaan dan pemanfaatan prinsip-prinsip teknik, dalam upaya untuk memperleh sftware yang eknmis namun dapat diandalkan dan bekerja secara efisien pada mesin nyata. Pendekatan secara sistematis, disiplin, dan bertanggung jawab atas prses pengembangan, perasi, dan pemeliharaan dari sebuah sftware.

11 16 Langkah-langkah yang perlu dilakukan dalam mengembangkan sftware, beserta dengan prinsipprinsip tekniknya tertuang dalam tpik system develpment life cycle System Develpment Life Cycle SDLC, atau System Develpment Life Cycle, adalah sekumpulan langkah-langkah, prsedur, dan dkumen secara spesifik yang membimbing suatu pryek melalui pengembangan secara teknis. Fase-fase yang biasa terdapat dalam SDLC antara lain: initiatin phase, planning phase, functinal design phase, system design phase, develpment phase, integratin and testing phase, installatin and acceptance phase, dan maintenance phase. Dalam penerapannya, banyak mdel telah dibuat untuk mendukung SDLC, yaitu: waterfall, funtain, spiral, build and fi, rapid prttyping, incremental, synchrnize and stabilize. Metde yang paling awal dikembangkan, dan yang paling terkenal, adalah waterfall: sekumpulan urutan tahap-tahap pengerjaan, di mana utput dari satu tahap, menjadi input bagi tahap berikutnya. Tahap-tahap ini dibagi menjadi berikut: 1. Analisis Analisis prblem dmain, teknlgi yang akan diterapkan, lgika bisnis yang akan diimplementasi, dan lain-lain. 2. Requirements specificatin Pada tahap ini, disiapkan dkumen-dkumen mendetil mengenai kebutuhan sftware yang akan dibuat, seperti gambaran umum mengenai sftware, dan mdul-mdul yang akan dibuat.

12 17 3. Design Pada tahap ini, disediakan dkumen-dkumen seperti functinal specificatin, yang berisikan analisis dari masing-masing mdul dari tahap pertama, apa yang harus dibuat dalam masing-masing mdul, rancangan layar, cara mengperasikannya, serta utput yang diharapkan dari masing-masing mdul. Pada tahap ini juga, dibuat arsitektur dari sftware yang akan dibuat. Masalah-masalah mengenai arsitektur meliputi teknlgi yang digunakan dalam membuat sftware (bahasa, kmpnen, dll), class diagram, ERD (apabila sftware melibatkan database), dan lain-lain. 4. Implementasi Pada tahap ini, prgram ditulis dalam bahasa pemrgraman yang telah ditentukan, dan mengikuti rancangan yang telah disediakan pada tahap design. Penulisan prgram diharapkan menyertakan dkumentasi prgram (bila diperlukan). 5. Testing dan Integratin Pada tahap ini, sistem yang telah diintegrasikan, diuji cba fungsinalitasnya, dan diperbaiki bila ada kesalahan. Dalam SDLC, dikenal dua jenis testing, yaitu black b testing dan white b testing. Black b testing mengamati karakteristik input dan utput dari setiap prses yang ada. White b testing mengamati prgram internal, kmpnenkmpnen yang digunakan, dan mencba mendeteksi adanya kemungkinan cacat dari segi keamanan, atau yang lainnya. Kemudian ptngan-ptngan prgram dari tahap sebelumnya, digabungkan dan diintegrasikan dengan sistem lain (bila ada). Hasil akhir dari tahap ini diharapkan sistem utuh yang sudah siap dijalankan.

13 18 6. Operatin dan Maintainance Setelah sftware selesai dibuat, sftware akan dipantau selama jangka waktu tertentu, dievaluasi secara berkala, dan diperbaiki bila ditemukan kesalahan. Gambar 2.3 Waterfall Mdel (Sumber: [Annim 1]) Dalam mengikuti mdel waterfall, pengembang sftware memulai SDLC dari tahap satu ke tahap yang lain murni secara berurutan. Oleh karena itu mdel waterfall menjaga agar prses pengembangan sftware bergerak ke tahap berikutnya hanya apabila tahap-tahap sebelumnya

14 19 telah diselesaikan secara sempurna. Tahapan-tahapan itu pun harus diselesaikan secara berurutan, tidak bleh melmpati urutan tahapan yang ada. 2.9 Simulasi Kmputer Yang dimaksud dengan simulasi kmputer, mdel kmputer, atau mdel kmputasi, adalah prgram kmputer yang mencba meniru prses dari suatu mdel abstrak dari suatu sistem. Simulasi kmputer telah menjadi bagian penting dari pemdelan matematika dari banyak sistem alam di fisika, kimia, dan bilgi, sistem buatan di eknmi, psiklgi, dan ilmu ssial. Biasanya, sistem pemdelan umumnya melalui mdel matematika, yang mencba untuk mencari slusi analitik dari suatu masalah, yang memungkinkan peneliti untuk memprediksi cara kerja suatu sistem berdasarkan parameter-parameter dan suatu kndisi awal. Simulasi kmputer berkembang terus dan menjadi sangat berguna di bidang ilmu pengetahuan, teknlgi, dan hiburan. Simulasi kmputer berkembang seiiring dengan pertumbuhan yang pesat di bidang kmputer. Implementasi berskala besar yang pertama berlangsung saat perang dunia II, yang bernama Manhattan Prject, yang bertujuan untuk memdelkan prses detnasi nuklir menggunakan algritma Mnte Carl. Simulasi kmputer sering digunakan sebagai pengganti mdel sistem, di mana tidak terdapat slusi analitik tertutup sederhana. Berdasarkan kriteria, mdel kmputer dapat dikategrikan menjadi: Stkastik atau deterministik Steady-state atau dinamis Kntinu atau diskrit Lkal atau terdistribusi

A. IDENTITAS B. DESKRIPSI MATAKULIAH C. TUJUAN MATAKULIAH

A. IDENTITAS B. DESKRIPSI MATAKULIAH C. TUJUAN MATAKULIAH A. IDENTITAS Nama Mata Kuliah : Sistem Infrmasi Akuntansi Kde Mata Kuliah : AKT 207 Tipe : Mata Kuliah Keahlian Berkarya (MKB) Bbt SKS : 3 SKS / 3 JP Prasyarat : Aplikasi Kmputer Pengantar B. DESKRIPSI

Lebih terperinci

Software Requirement (Persyaratan PL)

Software Requirement (Persyaratan PL) Sftware Requirement ( PL) Arna Fariza 1 Rekayasa Perangkat Lunak Tujuan Memperkenalkan knsep persyaratan user dan sistem Menjelaskan persyaratan fungsinal dan nnfungsinal Menjelaskan bagaimana persyaratan

Lebih terperinci

Desain Software. Arna Fariza PENS. Rekayasa Perangkat Lunak. Materi. Apakah desain software itu? Apakah modularisasi itu? Model

Desain Software. Arna Fariza PENS. Rekayasa Perangkat Lunak. Materi. Apakah desain software itu? Apakah modularisasi itu? Model Desain Sftware Arna Fariza PENS 1 Materi Apakah desain sftware itu? Apakah mdularisasi itu? Mdel 2 Apakah Desain Sftware itu? Desain adalah prses mengubah persyaratan sistem ke dalam prduk yang lengkap

Lebih terperinci

system) yang elemennya terdiri dari hardware, software dan brainware. Ketiga

system) yang elemennya terdiri dari hardware, software dan brainware. Ketiga PENGETAHUAN DASAR KOMPUTER 1. Knsep Kmputer Dari beberapa pendapat tentang definisi kmputer, maka yang disebut dengan kmputer adalah perangkat elektrnik yang dapat menerima masukan (input), dan selanjutnya

Lebih terperinci

Teknik Informatika S1

Teknik Informatika S1 Teknik Infrmatika S1 Object Oriented Analysis and Design Pendahuluan Disusun Oleh: Egia Rsi Subhiyakt, M.Km, M.CS Teknik Infrmatika UDINUS egia@dsn.dinus.ac.id +6285740278021 AGENDA PERKULIAHAN Kntrak

Lebih terperinci

Sistem Pendukung Keputusan untuk Investasi Perumahan Area Malang Menggunakan Algoritma Bayesian

Sistem Pendukung Keputusan untuk Investasi Perumahan Area Malang Menggunakan Algoritma Bayesian 13 Sistem Pendukung Keputusan untuk Investasi Perumahan Area Malang Menggunakan Algritma Bayesian Mhammad Taufan AZ, Sunary dan Wijn Abstrak Faktr yang menjadi pertimbangan dalam menentukan keputusan untuk

Lebih terperinci

PEMROGRAMAN LINIER VERSUS PEMROGRAMAN KUADRATIK KONVEKS

PEMROGRAMAN LINIER VERSUS PEMROGRAMAN KUADRATIK KONVEKS SISFO-Jurnal Sistem Infrmasi EMROGRAMAN LINIER VERSUS EMROGRAMAN KUADRAIK KONVEKS Wiwik Anggraeni Jurusan Sistem Infrmasi Fakultas eknlgi Infrmasi, Institut eknlgi Sepuluh Npember Kampus IS Suklil, Surabaya,

Lebih terperinci

Proses Software. Tujuan

Proses Software. Tujuan Prses Sftware Arna Fariza PENS-ITS 1 Tujuan Memperkenalkan mdel prses sftware Menggambarkan beberapa mdel prses dan kapan digunakan Menggambarkan utline mdel prses untuk rekayasa persyaratan, pengembangan

Lebih terperinci

BAB IV KURIKULUM PROGRAM STUDI

BAB IV KURIKULUM PROGRAM STUDI BAB IV KURIKULUM PROGRAM STUDI 4.1 PRODI MATEMATIKA 4.1.1 Visi Prdi Matematika Menjadi pusat pengkajian dan pengembangan ilmu matematika terkemuka pada tahun 2025 yang mensinergikan ilmu pengetahuan dan

Lebih terperinci

BAB I PENDAHULUAN. sangat membutuhkan alat pengukur kemiringan kendaraan terhadap media yang

BAB I PENDAHULUAN. sangat membutuhkan alat pengukur kemiringan kendaraan terhadap media yang 1 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kendaraan bermtr ataupun tak bermtr, khususnya kendaraan rda dua sangat membutuhkan alat pengukur kemiringan kendaraan terhadap media yang dilaluinya. Karena

Lebih terperinci

UNIVERSITAS BINA NUSANTARA. Program Ganda Teknik Informatika Matematika

UNIVERSITAS BINA NUSANTARA. Program Ganda Teknik Informatika Matematika UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika Matematika PERANCANGAN PROGRAM SIMULASI DETEKSI WAJAH DENGAN SUPPORT VECTOR MACHINES VIOLA JONES Andoko NIM: 0600653013 ABSTRAK Dengan tingkat

Lebih terperinci

BAB 1 PENDAHULUAN. tertentu untuk memperoleh informasi yang dibutuhkan dan bermanfaat bagi

BAB 1 PENDAHULUAN. tertentu untuk memperoleh informasi yang dibutuhkan dan bermanfaat bagi BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi yang pesat memudahkan instansi-instansi tertentu untuk memperoleh informasi yang dibutuhkan dan bermanfaat bagi instansi tersebut.

Lebih terperinci

PEMBUATAN APLIKASI PEMINDAI UANG KERTAS DENGAN ALGORITMA VIOLA-JONES

PEMBUATAN APLIKASI PEMINDAI UANG KERTAS DENGAN ALGORITMA VIOLA-JONES Seminar Nasinal Teknlgi Infrmasi dan Multimedia 2016 PEMBUATAN APLIKASI PEMINDAI UANG KERTAS DENGAN ALGORITMA VIOLA-JONES Sidik Hadi Kurniadi1), Akhmad Adi Edvant2) 1), 2) Teknik Infrmatika STMIK AMIKOM

Lebih terperinci

BAB 2. LANDASAN TEORI dan KERANGKA PEMIKIRAN

BAB 2. LANDASAN TEORI dan KERANGKA PEMIKIRAN 6 BAB 2 LANDASAN TEORI dan KERANGKA PEMIKIRAN 2.1 Riset Operasi Sejak revlusi industri, dunia usaha mengalami perubahan dalam hal ukuran (besarnya) dan kmpleksitas rganisasi-rganisasi perusahaan. Bagian

Lebih terperinci

E-journal Teknik Informatika, Volume 5, No. 1 (2015), ISSN :

E-journal Teknik Informatika, Volume 5, No. 1 (2015), ISSN : E-jurnal Teknik Infrmatika, Vlume 5, N. 1 (2015), ISSN : 2301-8364 1 SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION DI UNIVERSITAS

Lebih terperinci

PENGANTAR SISTEM KENDALI

PENGANTAR SISTEM KENDALI 1 I PENGANTAR SISTEM KENDALI Deskripsi : Bab ini memberikan gambaran secara umum mengenai sistem kendali, definisi-definisi, pengertian sistem kendali lingkar tertutup dan sistem kendali lingkar terbuka,

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) Matakuliah : Lgika Fuzzy Kde : TSK-710 Teri : 2 sks Praktikum : - Deskripsi Matakuliah Standar Kmpetensi Prgram Studi : Himpunan Fuzzy dan Lgika Fuzzy: mtivasi,

Lebih terperinci

BAB 1 Pengenalan Pemrograman Komputer

BAB 1 Pengenalan Pemrograman Komputer BAB 1 Pengenalan Pemrgraman Kmputer 1.1 Tujuan Bagian ini akan membahas dasar dasar kmpnen dari kmputer meliputi hardware (perangkat keras) dan sftware (perangkat lunak). Kami juga akan menyertakan gambaran

Lebih terperinci

SILABUS PEMBELAJARAN

SILABUS PEMBELAJARAN SILABUS PEMBELAJARAN Nama Seklah... Mata Pelajaran MATEMATIKA Kelas/Prgram XII / IPA Semester 1 STANDAR KOMPETENSI 1. Menggunakan knsep integral dalam pemecahan masalah. Dasar Dan Karakter Kegiatan Penilaian

Lebih terperinci

BAB 3. TINJAUAN PROFESI DI BIDANG TEKNOLOGI INFORMASI

BAB 3. TINJAUAN PROFESI DI BIDANG TEKNOLOGI INFORMASI ETIKA PROFESI : Etika dan Prfesinalisme Pekerja di Bidang Teknlgi Infrmasi BAB 3. TINJAUAN PROFESI DI BIDANG TEKNOLOGI INFORMASI K utipan di samping adalah jawaban familiar yang diberikan Sebuah leh I

Lebih terperinci

Implementasi Algoritma Genetika Dalam Menyelesaikan Sebuah Persoalan Anagram Scrabble

Implementasi Algoritma Genetika Dalam Menyelesaikan Sebuah Persoalan Anagram Scrabble Implementasi Genetika Dalam Menyelesaikan Sebuah Persalan Anagram Scrabble Mhammad Gilang Kautzar HW Prgram Studi Teknik Infrmatika, Institut Teknlgi Bandung Jl. Ganesha 10, Bandung e-mail: if15101@students.if.itb.ac.id

Lebih terperinci

KOMPUTASI PARALEL ASINKRON PADA JARINGAN SARAF TIRUAN

KOMPUTASI PARALEL ASINKRON PADA JARINGAN SARAF TIRUAN Seminar asinal Aplikasi Teknlgi Infrmasi 28 (SATI 28) ISS: 197-22 KOMUTASI ARALEL ASIKRO ADA JARIGA SARAF TIRUA Agus Virgn Departemen Teknik Elektr rdi Teknik Kmputer Institut Teknlgi Telkm Jl. Telekmunikasi

Lebih terperinci

PENGEMBANGAN PERANGKAT LUNAK

PENGEMBANGAN PERANGKAT LUNAK PENGEMBANGAN PERANGKAT LUNAK pengembangan perangkat lunak (PL) dapat dianggap sebagai lingkaran pemecahan masalah. Untuk menyelesaikan masalah besar, dipecah menjadi kecil terus-menerus sampai paling kecil,

Lebih terperinci

Perangkat lunak dan Pengembangannya (Software and Software Engineering)

Perangkat lunak dan Pengembangannya (Software and Software Engineering) Perangkat lunak dan Pengembangannya (Sftware and Sftware Engineering) Apa yang dipelajari??? Mata kuliah ini memperkenalkan prinsip-prinsip ujicba dan implementasi perangkat lunak kmputer. Tpik implementasi

Lebih terperinci

Kecerdasan Buatan/ Artificial Intelligence

Kecerdasan Buatan/ Artificial Intelligence Kecerdasan Buatan/ Artificial Intelligence Knsep Dasar AI Imam Chlissdin, S.Si., M.Km. Pkk Bahasan 1. Apa itu AI/Kecerdasan Buatan? 2. Fndasi AI/Kecerdasan Buatan 3. Sejarah Kecerdasan Buatan 4. AI Saat

Lebih terperinci

DESAI EVALU IMPLEM BAB I PENDAHULUAN

DESAI EVALU IMPLEM BAB I PENDAHULUAN BAB I PENDAHULUAN Pertemuan ke : 1 Alkasi waktu : 0,5 Jam Kmpetensi dasar : 1. Mahasiswa mampu memahami pentingnya mempelajari perancangan antarmuka pengguna. Indikatr : 1. Menuliskan dan menjelaskan knsep

Lebih terperinci

PENYUSUNAN DATABASE JARINGAN JALAN KOTA MAKASSAR BERBASIS GIS OPEN SOURCE

PENYUSUNAN DATABASE JARINGAN JALAN KOTA MAKASSAR BERBASIS GIS OPEN SOURCE PRO S ID IN G 20 11 HASIL PENELITIAN FAKULTAS TEKNIK Arsitektur Elektr Gelgi Mesin Perkapalan Sipil PENYUSUNAN DATABASE JARINGAN JALAN KOTA MAKASSAR BERBASIS GIS OPEN SOURCE Jurusan Teknik Sipil Fakultas

Lebih terperinci

BAB I PENDAHULUAN 1.1 REVOLUSI KOMUNIKASI KOMPUTER

BAB I PENDAHULUAN 1.1 REVOLUSI KOMUNIKASI KOMPUTER BAB I PENDAHULUAN 1.1 REVOLUSI KOMUNIKASI KOMPUTER Di tahun 1970-an dan awal 1980-an terlihat perpaduan dari bidang ilmu kmputer dan kmunikasi data yang secara mendalam mengubah teknlgi, prduksi-prduksi

Lebih terperinci

Pertemuan 3 Metodologi Pengembangan Sistem Informasi

Pertemuan 3 Metodologi Pengembangan Sistem Informasi Pertemuan 3 Metodologi Pengembangan Sistem Informasi Tujuan : 1. Memahami metodologi pengembangan sistem (System Development) yang sesuai untuk sebuah proyek. 2. Memahami tugas-tugas yang perlu dilaksanakan

Lebih terperinci

5. Kinerja. 6. Tipe Fisik. 7. Karakteristik Fisik. 8. Organisasi

5. Kinerja. 6. Tipe Fisik. 7. Karakteristik Fisik. 8. Organisasi Arsitektur Sistem Kmputer MEMORI Memri adalah bagian dari kmputer tempat prgram prgram dan data data disimpan. Istilah stre atau strage untuk memri, meskipun kata strage sering digunakan untuk menunjuk

Lebih terperinci

DATA & INFORMASI DALAM SISTEM INFORMASI BISNIS ASIH ROHMANI,M.KOM

DATA & INFORMASI DALAM SISTEM INFORMASI BISNIS ASIH ROHMANI,M.KOM DATA & INFORMASI DALAM SISTEM INFORMASI BISNIS ASIH ROHMANI,M.KOM PENGERTIAN DATA Data adalah kenyataan yang menggambarkan suatu kejadian-kejadian dan kesatuan nyata. PENGERTIAN DATA Data adalah deskripsi

Lebih terperinci

Review of Process Model. SE 3773 Manajemen Proyek Teknologi Informasi *Imelda Atastina*

Review of Process Model. SE 3773 Manajemen Proyek Teknologi Informasi *Imelda Atastina* Review of Process Model SE 3773 Manajemen Proyek Teknologi Informasi *Imelda Atastina* Beberapa Model Proses RPL Linear Sequential Model Evolutionary Software Process Model Incremental Model Spiral Model

Lebih terperinci

Penerapan Algoritma Backtracking dalam Permainan Futoshiki Puzzle

Penerapan Algoritma Backtracking dalam Permainan Futoshiki Puzzle Penerapan Algritma Backtracking dalam Permainan Futshiki Puzzle Juli Savigny, 13513084 Prgram Studi Teknik Infrmatika Seklah Teknik Elektr dan Infrmatika Institut Teknlgi Bandung, Jl. Ganesha 10 Bandung

Lebih terperinci

BAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali

BAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali BAB I PENDAHULUAN 1.1. Latar Belakang Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali objek 3 dimensi. Sistem penglihatan manusia dapat membedakan berbagai macam objek 3 dimensi

Lebih terperinci

Hanif Fakhrurroja, MT

Hanif Fakhrurroja, MT Pertemuan 3 Sistem Informasi Manajemen Komputer: Pengertian Analisis dan Perancangan Sistem Hanif Fakhrurroja, MT PIKSI GANESHA, 2013 Hanif Fakhrurroja @hanifoza hanifoza@gmail.com Latar Belakang Latar

Lebih terperinci

Kompresi Pohon dengan Kode Prüfer

Kompresi Pohon dengan Kode Prüfer Kmpresi Phn dengan Kde Prüfer Ygi Salm Mangntang Pratama(13511059) 1 Prgram Studi Teknik Infrmatika Seklah Teknik Elektr dan Infrmatika Institut Teknlgi Bandung, Jl. Ganesha 10 Bandung 40132, Indnesia

Lebih terperinci

MAKALAH REKAYASA PERANGKAT LUNAK ( PERENCANAAN PROYEK PERANGKAT LUNAK )

MAKALAH REKAYASA PERANGKAT LUNAK ( PERENCANAAN PROYEK PERANGKAT LUNAK ) MAKALAH REKAYASA PERANGKAT LUNAK ( PERENCANAAN PROYEK PERANGKAT LUNAK ) Disusun Oleh : MUKHAMAT JAFAR 41813120014 MATA KULIAH : REKAYASA PERANGKAT LUNAK DOSEN : WACHYU HARI HAJI, S.KOM, MM UNIVERSITAS

Lebih terperinci

Hanif Fakhrurroja, MT

Hanif Fakhrurroja, MT Pertemuan 11: Pengembangan Sistem Informasi Hanif Fakhrurroja, MT PIKSI GANESHA, 2013 Hanif Fakhrurroja @hanifoza hanifoza@gmail.com Metodologi Pengembangan Sistem System Development Life Cycle (SDLC)

Lebih terperinci

BAB 1 PENDAHULUAN. Saat pembangunan maju pesat, perkembangan teknologi sudah sampai ke

BAB 1 PENDAHULUAN. Saat pembangunan maju pesat, perkembangan teknologi sudah sampai ke BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat pembangunan maju pesat, perkembangan teknologi sudah sampai ke pelosok tanah air, pola berpikir manusia pun semakin berkembang mengikuti zaman. Sekarang ini, komputer

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI TEKNIK TELEKOMUNIKASI FAKULTAS TEKNIK ELEKTRO TELKOM UNIVERSITY

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI TEKNIK TELEKOMUNIKASI FAKULTAS TEKNIK ELEKTRO TELKOM UNIVERSITY RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI TEKNIK TELEKOMUNIKASI FAKULTAS TEKNIK ELEKTRO TELKOM UNIVERSITY MATA KULIAH KODE RUMPUN MK BOBOT (SKS) SEMESTER DIREVISI Sftware Defined netwrking XXX Jarigan

Lebih terperinci

SISTEM INFORMASI PENJADWALAN DAN PENILAIAN SEKOLAH BERDASAR KURIKULUM 2013 (STUDI KASUS : SMA PGRI SUMBERREJO)

SISTEM INFORMASI PENJADWALAN DAN PENILAIAN SEKOLAH BERDASAR KURIKULUM 2013 (STUDI KASUS : SMA PGRI SUMBERREJO) SISTEM INFORMASI PENJADWALAN DAN PENILAIAN SEKOLAH BERDASAR KURIKULUM 2013 (STUDI KASUS : SMA PGRI SUMBERREJO) Friesta Isyateen S 1, Rangsang Purnama 2, Latifah Rifani 3 1,2,3 Prgram Studi Sistem Infrmasi,

Lebih terperinci

SILABUS PEMBELAJARAN

SILABUS PEMBELAJARAN SILABUS PEMBELAJARAN Nama Seklah :... Mata Pelajaran : MATEMATIKA Kelas/Prgram : XII / IPS Semester : 1 STANDAR KOMPETENSI: 1. Menggunakan knsep integral dalam pemecahan masalah sederhana. Dasar Kegiatan

Lebih terperinci

BAB I PENDAHULUAN. keuangan bukan Bank seperti Finance, Asuransi, Joint Venture dan masih banyak

BAB I PENDAHULUAN. keuangan bukan Bank seperti Finance, Asuransi, Joint Venture dan masih banyak BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Melihat perkembangan dunia usaha yang bergerak dibidang jasa lembaga keuangan bukan Bank seperti Finance, Asuransi, Joint Venture dan masih banyak lagi yang

Lebih terperinci

SILABUS. Sifat: Pendukung

SILABUS. Sifat: Pendukung SILABUS Prgram Studi : Sistem Infrmasi Kde Mata Kuliah : Nama Mata Kuliah : Pryek Sistem Infrmasi (MPSI) Kelmpk Mata Kuliah : Kde / SKS : RIS1/3 Nama Dsen : Ir. Riswan, MMSI Jam/Minggu 2 Jam Kde MataKuliah

Lebih terperinci

6. Perangkat Lunak Aplikasi perkantoran dan bisnis

6. Perangkat Lunak Aplikasi perkantoran dan bisnis 6. Perangkat Lunak Aplikasi perkantran dan bisnis Perangkat lunak aplikasi merupakan prgram yang langsung menerapkan sebuah fungsi tertentu yang langsung dapat digunakan leh pengguna. Saat ini banyak sekali

Lebih terperinci

Model Linear untuk Klasifikasi

Model Linear untuk Klasifikasi MMA10991 Topik Khusus - Machine Learning Model Linear untuk Klasifikasi Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439,

Lebih terperinci

[Summary] Sistem Informasi Perusahaan Chapter 1 & 2

[Summary] Sistem Informasi Perusahaan Chapter 1 & 2 [Summary] Sistem Infrmasi Perusahaan Chapter 1 & 2 CHAPTER 1 PENGANTAR Integrated enterprise infrmatin system: Enterprise (perusahaan): rganisasi yang didirikan untuk mencapai suatu tujuan tertentu dengan

Lebih terperinci

. IMPLEMENTASI MATRIKS PADA MATEMATIKA BISNIS DAN EKONOMI

. IMPLEMENTASI MATRIKS PADA MATEMATIKA BISNIS DAN EKONOMI Techn.COM, Vl. JJ, N.2, Mei 2012: 74-81. IMPLEMENTASI MATRIKS PADA MATEMATIKA BISNIS DAN EKONOMI Yuniarsi Rahayu'), Bw Nurhadiyn') l,l)p,.gram Sludi Teknik Infrmatika, Falrultas Ilmu Kmputer Universitas

Lebih terperinci

SVM untuk Regresi Ordinal

SVM untuk Regresi Ordinal MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,

Lebih terperinci

dan hal-hal apa saja yang terkait di dalamnya. Sehingga setelah menyelesaikan bab ini

dan hal-hal apa saja yang terkait di dalamnya. Sehingga setelah menyelesaikan bab ini BAB I PENDAHULUAN A. Kmpetensi yang diharapkan Bab ini memberikan gambaran menyeluruh secara garis besar mengenai apa itu sistem dinamik dan hal-hal apa saja yang terkait di dalamnya. Sehingga setelah

Lebih terperinci

Naskah Tutorial. QM for Windows. Budi Harsanto, MM. 0 P a g e

Naskah Tutorial. QM for Windows. Budi Harsanto, MM. 0 P a g e Naskah Tutrial QM fr Windws Budi Harsant, MM 0 P a g e Daftar Isi Kata Pengantar... 2 Pendahuluan... 3 Metde Kuantitatif untuk Bisnis... 3 Sekilas QM fr Windws... 3 Instalasi QM fr Windws... 5 Spesifikasi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Perguruan tinggi merupakan suatu sarana dalam proses pembelajaran. Pembelajaran adalah proses interaksi mahasiswa dengan dosen dan sumber belajar pada lingkungan belajar.

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Objek tiga dimensi merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Objek tiga dimensi dibentuk oleh sekumpulan

Lebih terperinci

2. Android Google Maps Android API v2 3. Proses Bisnis Dinas Peternakan dan Kesehatan hewan kabupaten Malang

2. Android Google Maps Android API v2 3. Proses Bisnis Dinas Peternakan dan Kesehatan hewan kabupaten Malang PEMBUATAN APLIKASI SISTEM INFORMASI GEOGRAFIS BERBASIS MOBILE ANDROID UNTUK PEMETAAN PERSEBARAN PENYAKIT SAPI(STUDI KASUS: DINAS PETERNAKAN DAN KESEHATAN HEWAN KABUPATEN MALANG) Mchammad Adji Firmansyah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam perkembangan teknologi komputer dan teknologi informasi yang sangat pesat, saat ini seluruh aspek dalam semua kegiatan relatif sudah terkomputerisasi sehingga

Lebih terperinci

Perbedaan referensi risiko dan lingkup kontrol

Perbedaan referensi risiko dan lingkup kontrol PANDUAN UMUM Keijakan umum audit TI Perbedaan rientasi atas pelaksanaan aktifitas satu audit TI dengan yang lainnya Tidak terintegrasinya seluruh aktifitas audit TI dalam rangkaian manajemen risik bisnis

Lebih terperinci

SOFTWARE PROCESS MODEL

SOFTWARE PROCESS MODEL Bahan Ajar Rekaya Perangkat Lunak SOFTWARE PROCESS MODEL Linear SequentialModel/ Waterfall Model Model ini adalah model klasik yang bersifat sistematis, berurutan dalam membangun software. Berikut ini

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang sangat pesat pada era ini menyebabkan perubahan pada sistem belajar mengajar di berbagai instansi pendidikan. Perkembangan teknologi tersebut

Lebih terperinci

Studi Pohon Steiner dan Penggunaannya dalam Perancangan Chip dan Jaringan

Studi Pohon Steiner dan Penggunaannya dalam Perancangan Chip dan Jaringan Studi Phn Steiner dan Penggunaannya dalam Perancangan Chip dan Jaringan Samuel Simn NIM: 15060 Prgram Studi Teknik Infrmatika ITB, Bandung Email: if160@students.if.itb.ac.id Abstrak Makalah ini membahas

Lebih terperinci

BAB I PENDAHULUAN. operasionalnya. PT. PINDAD (Persero) mencoba melakukan sistem baru

BAB I PENDAHULUAN. operasionalnya. PT. PINDAD (Persero) mencoba melakukan sistem baru BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Semakin pesatnya perkembangan teknologi dan informasi pada sekarang ini akan menimbulkan persaingan usaha yang sangat ketat pada setiap perusahaan untuk meningkatkan

Lebih terperinci

PERATURAN & TATA TERTIB PRAKTIKUM ANALISIS DAN PERANCANGAN PERUSAHAAN

PERATURAN & TATA TERTIB PRAKTIKUM ANALISIS DAN PERANCANGAN PERUSAHAAN PERATURAN & TATA TERTIB PRAKTIKUM ANALISIS DAN PERANCANGAN PERUSAHAAN a. Penilaian Praktikum: 1. Penilaian praktikum terdiri dari 2 kelmpk nilai: tugas kelmpk dinilai leh pembimbing asistensi yang bersangkutan

Lebih terperinci

PROSES DESAIN. 1. Metodologi Pengembangan Sistem

PROSES DESAIN. 1. Metodologi Pengembangan Sistem PROSES DESAIN 1. Metodologi Pengembangan Sistem SDLC (Systems Development Life Cycle) dalam rekayasa sistem dan rekayasa perangkat lunak adalah proses pembuatan dan pengubahan sistem serta model dan metodologi

Lebih terperinci

DESAIN SISTEM I. PENGERTIAN DESAIN SISTEM II. TAHAPAN DAN PROSES DESAIN

DESAIN SISTEM I. PENGERTIAN DESAIN SISTEM II. TAHAPAN DAN PROSES DESAIN DESAIN SISTEM I. PENGERTIAN DESAIN SISTEM Desain system adalah prses pengembangan spesifikasi system baru berdasarkan rekmendasi hasil analisis system.dalm tahap desain,tim kerja desain harus merancang

Lebih terperinci

SILABUS TEKNOLOGI INFORMASI DAN KOMUNIKASI

SILABUS TEKNOLOGI INFORMASI DAN KOMUNIKASI SILABUS TEKNOLOGI INFORMASI DAN KOMUNIKASI Nama Seklah : Mata Pelajaan : TIK Kelas/Semester : X/1 Alkasi per Semester : 40 jam pelajaran Standar Kmpetensi : 1.Melakukan perasi dasar kmputer Kmpetensi Eknmi

Lebih terperinci

SISTEM INFORMASI PENGOLAHAN BANK SAMPAH MALANG

SISTEM INFORMASI PENGOLAHAN BANK SAMPAH MALANG SISTEM INFORMASI PENGOLAHAN BANK SAMPAH MALANG Haryati Wattimena Danang Aditya Nugraha 1 Manajemen Infrmatika,Universitas Kanjuruhan Malang, haryati.watimena@gmail.cm 2 Teknik Infrmatika, Universitas Kanjuruhan

Lebih terperinci

Projek Akhir Mahasiswa Program Studi Teknik Informatika - Universitas Nasional Pasim Penelitian dan Penulisan SKRIPSI

Projek Akhir Mahasiswa Program Studi Teknik Informatika - Universitas Nasional Pasim Penelitian dan Penulisan SKRIPSI Prjek Akhir Mahasiswa Prgram Studi Teknik Infrmatika - Universitas Nasinal Pasim Penelitian dan Penulisan SKRIPSI Iim Abdurrhim, S.Km., M.T Senin, 08 Agustus 2016 Agenda Waktu/ Jadwal Penyusunan SKRIPSI

Lebih terperinci

BAB 1 PENDAHULUAN. Laboratorium klinik kesehatan adalah salah satu perusahaan yang bergerak

BAB 1 PENDAHULUAN. Laboratorium klinik kesehatan adalah salah satu perusahaan yang bergerak BAB 1 PENDAHULUAN 1.1 Latar Belakang Laboratorium klinik kesehatan adalah salah satu perusahaan yang bergerak dibidang jasa kesehatan yang pelayanannya sudah banyak di gunakan jasanya oleh masyarakat,

Lebih terperinci

1. BAB 1 PENDAHULUAN. 1.1 Latar Belakang

1. BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1. BAB 1 PENDAHULUAN 1.1 Latar Belakang PT WARD DESIGN adalah perusahaan yang bergerak di bidang jasa konsultan dan bangun. Perusahaan ini didirikan pada 2007 dengan visi menjadi perusahaan jasa konsultan

Lebih terperinci

1 BAB 1 PENDAHULUAN. 1.1 Latar Belakang

1 BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam era bisnis global, pengaruh kemajuan teknologi informasi tidak dapat dihindarkan, seperti penggunaan telepon, faximile, dan komputer. Teknologi informasi merupakan

Lebih terperinci

Support Vector Machine

Support Vector Machine MMA10991 Topik Khusus Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,

Lebih terperinci

Konsep Basisdata Bab 1

Konsep Basisdata Bab 1 Knsep Basisdata Bab 1 Sebuah Pengantar Pengampu Matakuliah A Didimus Rumpak, M.Si. hp.: 085691055061 dimurumpak@yah.cm 1 Bab Tujuan Identifikasi tujuan dan ruang lingkup buku ini Survei mengapa, apa, dan

Lebih terperinci

RANCANG BANGUN APLIKASI WEB INFORMASI EKSEKUTIF PADA PEMERINTAH KABUPATEN XYZ

RANCANG BANGUN APLIKASI WEB INFORMASI EKSEKUTIF PADA PEMERINTAH KABUPATEN XYZ 1 RANCANG BANGUN APLIKASI WEB INFORMASI EKSEKUTIF PADA PEMERINTAH KABUPATEN XYZ Snny Ariyant Prabw 1, Shliq 2 dan Feby Artwdini Muqtadirh 3 Jurusan Sistem Infrmasi, Fakultas Teknlgi Infrmasi Institut Teknlgi

Lebih terperinci

SVM untuk Regresi. Machine Learning

SVM untuk Regresi. Machine Learning MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,

Lebih terperinci

APLIKASI SOFTWARE PERPUSTAKAAN DIGITAL

APLIKASI SOFTWARE PERPUSTAKAAN DIGITAL APLIKASI SOFTWARE PERPUSTAKAAN DIGITAL Prpsal Sftware PERPUSTAKAAN DIGITAL Sistem Infrmasi Perpustakaan adalah sebuah sftware perpustakaan praktis yang telah teruji keandalannya serta telah digunakan leh

Lebih terperinci

CS4 Professional serta, didapatkan tampilan yang menarik dan dapat memberikan. Melihat peluang yang ada maka Proposal Skripsi ini di beri judul

CS4 Professional serta, didapatkan tampilan yang menarik dan dapat memberikan. Melihat peluang yang ada maka Proposal Skripsi ini di beri judul 2 CS4 Professional serta, didapatkan tampilan yang menarik dan dapat memberikan minat untuk dimainkan. Melihat peluang yang ada maka Proposal Skripsi ini di beri judul RANCANG BANGUN APLIKASI GAME PUZZLE

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Koperasi Bina Sejahtera Paguyuban Keluarga Bogem terletak di Kelurahan Kebonjayanti Kecamatan Kiaracondong Kota Bandung yang beralamat di Jl. Kebonjayanti No. 39 Kota

Lebih terperinci

Rancang Bangun Sistem Informasi Manajemen Apotek Berbasis Client-Server (Studi Kasus: Apotek Bakita Kubu Raya)

Rancang Bangun Sistem Informasi Manajemen Apotek Berbasis Client-Server (Studi Kasus: Apotek Bakita Kubu Raya) 15 Rancang Bangun Sistem Informasi Manajemen Apotek Berbasis Client-Server (Studi Kasus: Apotek Bakita Kubu Raya) Muhammad Azhar Irwansyah 1), Deassy Kartika Kresna 2) 1,2) Program Studi Teknik Informatika

Lebih terperinci

JULIO ADISANTOSO - ILKOM IPB 1

JULIO ADISANTOSO - ILKOM IPB 1 KOM341 Temu Kembali Infrmasi Prses Temu-Kembali KULIAH #6 Relevance feedback Query epansin 2 Cnth regan Relevance feedback: user memberi feedback pada dkumen hasil yang dianggap relevan User memberikan

Lebih terperinci

Computer Aided Design / Computer Aided Manufactur [CAD/CAM]

Computer Aided Design / Computer Aided Manufactur [CAD/CAM] Cmputer Aided Design / Cmputer Aided Manufactur [CAD/CAM] Dewi Handayani Untari Ningsih Fakultas Teknlgi Infrmas, Universitas Stikubank Semarang email : dewi@unisbank.ac.id ABSTRAK : Cmputer-aided design

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Kemajuan teknologi saat ini semakin pesat dan setiap saat selalu mengalami perkembangan. Perkembangan teknologi tersebut dimanfaatkan dalam berbagai bidang kehidupan.

Lebih terperinci

KLASIFIKASI WILAYAH DESA-PERDESAAN DAN DESA-PERKOTAAN WILAYAH KABUPATEN SEMARANG DENGAN SUPPORT VECTOR MACHINE (SVM)

KLASIFIKASI WILAYAH DESA-PERDESAAN DAN DESA-PERKOTAAN WILAYAH KABUPATEN SEMARANG DENGAN SUPPORT VECTOR MACHINE (SVM) KLASIFIKASI WILAYAH DESA-PERDESAAN DAN DESA-PERKOTAAN WILAYAH KABUPATEN SEMARANG DENGAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI Disusun Oleh : MEKAR SEKAR SARI NIM. 24010210120008 JURUSAN STATISTIKA FAKULTAS

Lebih terperinci

Kecerdasan Buatan (Artificial Intelligence)

Kecerdasan Buatan (Artificial Intelligence) Knsep Dasar AI Kecerdasan Buatan (Artificial Intelligence) Ign.F.Bayu Andr.S, M.km 25/04/2014 bayuandr.cm 1 Pkk Bahasan 1. Sejarah Kecerdasan Buatan 2. Apa itu AI / Kecerdasan Buatan 3. Fndasi AI / Kecerdasan

Lebih terperinci

SOFTWARE PROCESS MODEL I Disiapkan oleh: Umi Proboyekti, S.Kom, MLIS

SOFTWARE PROCESS MODEL I Disiapkan oleh: Umi Proboyekti, S.Kom, MLIS Bahan Ajar Rekaya Perangkat Lunak SOFTWARE PROCESS MODEL I Disiapkan oleh: Umi Proboyekti, S.Kom, MLIS Linear SequentialModel/ Waterfall Model Model ini adalah model klasik yang bersifat sistematis, berurutan

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) Matakuliah : Sistem Digital Lanjut Kde : TKC305 Teri : 2 sks Praktikum : 1 sks Deskripsi Matakuliah Standar Kmpetensi Prgram Studi : TKC305 Sistem Digital Lanjut

Lebih terperinci

PERTEMUAN 2 METODE PENGEMBANGAN SISTEM

PERTEMUAN 2 METODE PENGEMBANGAN SISTEM PERTEMUAN 2 METODE PENGEMBANGAN SISTEM PENGERTIAN SDLC atau Software Development Life Cycle atau System Development Life Cycle adalah proses mengembangkan atau mengubah suatu sistem perangkat lunak dengan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Pengenalan Algoritma dan Pemrograman

BAB I PENDAHULUAN. 1.1 Pengenalan Algoritma dan Pemrograman BAB I PENDAHULUAN 1.1 Pengenalan Algritma dan Pemrgraman A. Tujuan Pembelajaran Mahasiswa mengenal definisi algritma dan pemrgraman Mahasiswa mengenal knsep dasar pemetaan algritma ke dalam bahasa algritmik.

Lebih terperinci

CHAPTER 1. Revolusi ini telah menghasilkan kenyataan yang menarik, antara lain :

CHAPTER 1. Revolusi ini telah menghasilkan kenyataan yang menarik, antara lain : CHAPTER 1 PENDAHULUAN 1.1 REVOLUSI KOMUNIKASI KOMPUTER Di tahun 1970-an dan awal 1980-an terlihat perpaduan dari bidang ilmu kmputer dan kmunikasi data yang secara mendalam mengubah teknlgi, prduksi-prduksi

Lebih terperinci

BAB I PENDAHULUAN. Latar Belakang. Jakarta dengan luas 661,52 km 2 dan jumlah populasi jiwa serta kepadatan

BAB I PENDAHULUAN. Latar Belakang. Jakarta dengan luas 661,52 km 2 dan jumlah populasi jiwa serta kepadatan BAB I PENDAHULUAN I.1. Latar Belakang Jakarta dengan luas 661,52 km 2 dan jumlah ppulasi 8.389.443 jiwa serta kepadatan penduduk sebesar 12.682,1/ 2 km, diperkirakan akan terus bertambah. Pertumbuhan penduduk

Lebih terperinci

REKAYASA PERANGKAT LUNAK I

REKAYASA PERANGKAT LUNAK I REKAYASA PERANGKAT LUNAK I Proses Pembangunan Perangkat Lunak Disusun Oleh: Adam Mukharil Bachtiar Teknik Informatika UNIKOM adfbipotter@gmail.com AGENDA PERKULIAHAN PENGERTIAN SOFTWARE DEVELOPMENT LIFE

Lebih terperinci

PENDETEKSIAN JENIS DAN KELAS AROMA DENGAN MENGGUNAKAN METODE ONE-VS-ONE DAN METODE ONE-VS-REST

PENDETEKSIAN JENIS DAN KELAS AROMA DENGAN MENGGUNAKAN METODE ONE-VS-ONE DAN METODE ONE-VS-REST MAKARA, SAINS, VOL. 7, NO.3, DESEMBER 2003 PENDETEKSIAN JENIS DAN KELAS AROMA DENGAN MENGGUNAKAN METODE ONE-VS-ONE DAN METODE ONE-VS-REST Zuherman Rustam 1,3, Benyamin Kusumoputro 2,3 dan Belawati Widjaja

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Yang menjadi dasar evaluasi untuk menjadikan sistem ptimal di prduksi tekstil pada PT. ISTEM adalah dengan menggunakan metde DMAIC. Define

Lebih terperinci

Modul MM (Material Management)

Modul MM (Material Management) KAMPUS IBI KWIK KIAN GIE JAKARTA, MEI 2017 KISI-KISI UAS dan QUIZ SAP SAP Materials Management (SAP-MM) adalah salah satu mdul di SAP ERP yang mendukung prses manajemen/pengellaan material di perusahaan,

Lebih terperinci

SELF-ORGANIZING HARDWARE UNTUK APLIKASI SELF-EVOLVING ARTIFICIAL NEURAL NETWORK TIPE ADAPTIVE RESONANCE THEORY (ART)

SELF-ORGANIZING HARDWARE UNTUK APLIKASI SELF-EVOLVING ARTIFICIAL NEURAL NETWORK TIPE ADAPTIVE RESONANCE THEORY (ART) SELF-ORGANIZING HARDWARE UNTUK APLIKASI SELF-EVOLVING ARTIFICIAL NEURAL NETWORK TIPE ADAPTIVE RESONANCE THEORY (ART) ARWIN 1 232 06 008 1 Mahasiswa S-2 Teknik Kmputer, STEI, ITB Abstrak Implementasi aplikasi

Lebih terperinci

BAB II LANDASAN TEORI. pembelian dilakukan dengan mengubah bentuk barang. 2003). Menurut Soemarso S.R (1994) kegiatan pembelian dalam perusahaan

BAB II LANDASAN TEORI. pembelian dilakukan dengan mengubah bentuk barang. 2003). Menurut Soemarso S.R (1994) kegiatan pembelian dalam perusahaan BAB II LANDASAN TEORI 2.1 Pembelian Pembelian adalah usaha pengadaan barang-barang untuk perusahaan. Dalam perusahaan dagang pembelian dilakukan dengan dijual kembali tanpa mengadakan perubahan bentuk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Kemajuan teknologi pada saat ini yang berkembang dengan sangat pesat, khususnya dalam bidang komputer yaitu teknologi informasi membuat komputer bukan merupakan hal

Lebih terperinci

BAB I PENDAHULUAN. yaitu sistematika penulisan yang merupakan indeks laporan tugas akhir, dimana. tiap sub bab berisi penjelasan ringkasan perbab.

BAB I PENDAHULUAN. yaitu sistematika penulisan yang merupakan indeks laporan tugas akhir, dimana. tiap sub bab berisi penjelasan ringkasan perbab. BAB I PENDAHULUAN Pada bab ini diterangkan latar belakang masalah, tujuan tugas akhir, rumusan masalah, batasan masalah, metodologi penelitian, metodologi pengumpulan data, metodologi pengembangan perangkat

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang 1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam era globalisasi dan persaingan bisnis saat ini, kecepatan pengolahan dan penyampaian informasi memiliki peran yang sangat penting bagi setiap perusahaan, terutama

Lebih terperinci

BAB 2 LANDASAN TEORI. dapat diimplementasikan secara nyata di mana sistem dapat berada di salah satu dari

BAB 2 LANDASAN TEORI. dapat diimplementasikan secara nyata di mana sistem dapat berada di salah satu dari BAB 2 LANDASAN TEORI 2.1 Finite Autmata Finite autmata adalah mesin abstrak berupa sistem mdel matematika dengan masukan dan keluaran diskrit yang dapat mengenali bahasa paling sederhana (bahasa reguler)

Lebih terperinci

1. Mendiskusikan Metoda backup dan recovery dalam organisasi dan keamanan data

1. Mendiskusikan Metoda backup dan recovery dalam organisasi dan keamanan data Materi Merancang web data base untuk cntent server Kmpetensi dasar : Menentukan kebutuhan system Tujuan Pembelajaran : Setelah mempelajari materi ini, diharapkan siswa mampu : 1. Mendiskusikan Metda backup

Lebih terperinci

Konsep Sistem Informasi Manajemen

Konsep Sistem Informasi Manajemen Knsep Sistem Infrmasi Manajemen Sistem Infrmasi Sistem Infrmasi telah menjadi pndasi bagi mdel dan prses bisnis Sistem Infrmasi memungkinkan distribusi pengetahuan: suatu sistem kmunikasi antara manusia

Lebih terperinci