FUZZY C-MEANS UNTUK CLUSTERING DATA (STUDI KASUS : DATA PERFORMANCE MENGAJAR DOSEN)
|
|
- Ida Pranata
- 7 tahun lalu
- Tontonan:
Transkripsi
1 FUZZY C-MEANS UNTUK CLUSTERING DATA (STUDI KASUS : DATA PERFORMANCE MENGAJAR DOSEN) Emha Taufiq Luthfi STMIK AMIKOM Yogyakarta emha_tl@yahoo.com Abstraksi Clustering merupakan proses pengelompokan data dalam kelas-kelas atau cluster-cluster sehingga data dalam suatu cluster memili tingkat persamaan yang tinggi satu dengan lainnya tetapi sangat berbeda dengan data dalam cluster lain. Dalam tulisan ini dilakukan percobaan penggunaan metode Fuzzy C-Means untuk mengetahui kemungkinan adanya cluster-cluster dari data performance mengajar dosen. Kata kunci : Clustering, Fuzzy C-Means, Data Performance Mengajar Dosen. PENDAHULUAN Untuk evaluasi proses pengajaran oleh dosen selama satu semester, salah satu cara dengan meminta mahasisa untuk memberan penilaian terhadap performance dosen dalam mengampu suatu mata kuliah selalu satu semester dalam beberapa kriteria penilaian. Kriteria yang digunakan antara lain : N : Penguasaan dan kemampuan dalam menjelaskan materi N : Kemampuan dalam menjaab pertanyaan N3 : Kemampuan dalam memberi motivas mahasisa N4 : kemampuan membuat suasana kelas menyenangkan N5 : Kedisiplinan hadir dalam perkuliahan Dari nilai kelima kriteria tersebut, didapat nilai indeks prestasi kumulatif dosen dalam mengampu suatu mata kuliah selama satu semester. Seorang dosen dalam satu semester mungkin harus mengampu lebih dari satu mata kuliah. Atau satu mata kuliah mungkin harus diampu oleh lebih dari seorang dosen. Proses clustering yang dilakukan, akan mencoba mengetahui kemungkinan adanya kelompokkelompok yang mungkin belum detahui dari data performance mengajar dosen terhadap suatu mata kuliah.. FUZZY C-MEANS Fuzzy C-means Clustering (FCM), atau denal juga sebagai Fuzzy ISODATA, merupakan salah satu metode clustering yang merupakan bagian dari metode Hard K-Means. FCM menggunakan model pengelompokan fuzzy sehingga data dapat menjadi anggota dari semua kelas atau cluster terbentuk dengan derajat atau tingkat keanggotaan yang berbeda antara 0 hingga. D
2 Tingkat keberadaan data dalam suatu kelas atau cluster ditentukan oleh derajat keanggotaannya. Tekn ini pertama kali diperkenalkan oleh Jim Bezdek pada tahun 98. Konsep dasar FCM, pertama kali adalah menentukan pusat cluster yang akan menandai lokasi ratarata untuk tiap-tiap cluster. Pada kondisi aal, pusat cluster ini masih belum akurat. Tiap-tiap data memili derajat keanggotaan untuk tiap-tiap cluster. Dengan cara memperbai pusat cluster dan nilai keanggotaan tiap-tiap data secara berulang, maka dapat dilihat baha pusat cluster akan menujui lokasi yang tepat. Perulangan ini didasarkan pada minimasi fungsi obyektif (Gelley, 000). Fungsi obyektif yang digunakan FCM adalah (Ross, 005) : J ( U, V; X ) = ( μ ) dengan є [, ], n C k= i= ( d ) m d = d( x v ) = ( x v ) k i kj ij j= X adalah data yang dicluster : x K x m X = M M x L x n nm dan V adalah matrs pusat cluster : v K v m V = M M v L v c cm / Nilai J terkecil adalah yang terba, sehingga : J * ( U *, V * ; X ) = min J ( U, V, X ) M fc Algoritma FCM secara lengkap diberan sebagai berut (Zimmerman, 99); (Yan, 994); (Ross, 005) :. Tentukan : a. Matrs X berukuran n x m, dengan n = jumlah data yang akan di cluster; dan m = jumlah variabel (kriteria). b. Jumlah cluster yang akan dibentuk (C ) c. Pangkat (pembobot > ) d. Maksimum iterasi e. Kriteria penghentian ( ε = nilai positif yang sangat kecil). Bentuk matrs partisi aal U (derajat keanggotaan dalam cluster); matrs partisi aal biasanya dibuat secara acak D
3 μ ( x ) = U M μ ( x ) c μ ( x μ ( x c ) ) L L L n n n n M cn n 3. Hitung pusat cluster V untuk setiap cluster V n k= = ij n ( μ ) k= ( μ ) x kj 4. Perbai derajat keanggotaan setiap data pada setiap cluster (perbai matrs partisi) C d μ = d dengan : d /( ) = j jk m = d( xk vi) = ( xkj vij ) j= / 5. Tentukan kriteria penghentian iterasi, yaitu perubahan matrs partisi pada iterasi sekarang dan iterasi sebelumnya Δ = U t U t Apabila Δ< ε maka iterasi dihentan. 3. PERCOBAAN Clustering dengan metode FCM terhadap data performance mengajar dosen di suatu semester dilakukan untuk mengetahui cluster-cluster yang mungkin ada dan memili pola tertentu dengan parameter sebagai berut :. Matrs input satu dimensi berupa nilai indeks prestasi mengajar seorang dosen pada mata kuliah tertentu pada program studi tertentu.. Jumlah cluster yang dicoba dibentuk = C = 4 3. Pangkat (pembobot) = = 4. Maksimum Iterasi = Kriteria penghentian = ε = 0-6 Implementasi dilakukan dengan menggunakan softare matlab. 4. HASIL Penghitungan pusat cluster dan perbaan nilai keanggotaan akan dihentan pada iterasi ke 4. Pada iterasi tersebut, nilai Δ = 7.86e-007. Nilai Pusat cluster adalah V = [ ] D 3
4 Nilai pusat cluster 3 dan 4 memili nilai sama, sehingga terbentuk hanya 3 cluster. Pada Percobaan lain mungkin didapat hasil yang sedit berbeda, darenakan inisialisasi aal matrs partisi yang dilakukan secara acak. Mata Kuliah Dosen Jenjang IP_MK Kecenderungan Cluster c c c3 c4 Akuntansi I I D Akuntansi I SDMM S REG Aljabar Linier E D Aljabar Linier RJ D Aljabar Linier SM S REG Analisis Kinerja Sistem MDI S TR Analisis Kinerja Sistem MDI S REG Analisis Laporan Keuangan SH S REG Analisis Laporan Keuangan SH D Analisis Sistem Informasi HAF D Analisis Sistem Informasi MHT S REG Analisis Sistem Informasi SMT S REG Analisis Sistem Informasi WW D Bahasa Inggris II TS D Bahasa Inggris II TS S REG Broadcasting TV MSMM S TR Broadcasting TV MSMM S REG Broadcasting TV MSMM S REG E-Business MSMM S TR E-Commerce J S REG E-Commerce J D Interaksi Manusia dan Komputer PSM S TR Interaksi Manusia dan Komputer PSM S REG Jaringan Komputer AP D Jaringan Komputer MS S REG Keamanan Komputer MD S TR Kepemimpinan ASSH D Kepemimpinan MI D Kepemimpinan SPDMM S REG Keirausahaan AMT S REG Keirausahaan AMT S REG Keirausahaan AMT S REG D 4
5 Mata Kuliah Dosen Jenjang IP_MK Kecenderungan Cluster c c c3 c4 Keirausahaan KP D Keirausahaan KP D Komputer Grafis AFS S REG Komputer Grafis AY D Komunasi Data K D Komunasi Data K S REG Komunasi Data RMAKR D Komunasi Data RMAKR S REG Manajemen Stratej FA S TR Matemata Diskret SM S TR Metodelogi Penelitian HS D Metodelogi Penelitian ES S REG Pemp. Basis Data AA D Pemp. Basis Data AS D Pemp. Basis Data ETL S REG Pemp. Basis Data MRA S REG Pemp. Berorientasi Objek II AB D Pemp. Berorientasi Objek II ASMT D Pemp. Berorientasi Objek II WW D Pemp. Berorientasi Obyek II KMT S REG Pemp. Terstruktur AA S REG Pemp. Terstruktur EHS D Pemp. Terstruktur HP S REG Pengelolaan Instalasi Komputer RW D Pengelolaan Instalasi Komputer MHP S REG Pengelolaan Proyek SI MHT S TR Pengelolaan Proyek SI MHT S REG Perancangan Multimedia MSMM D Perancangan Multimedia MSMM S REG Perancangan Multimedia TI D Perancangan Multimedia TI S REG Perilaku Organisasi AR S REG Perilaku Organisasi BS D Rekayasa Perangkat Lunak SP S TR D 5
6 Mata Kuliah Dosen Jenjang IP_MK Kecenderungan Cluster c c c3 c4 Sistem Informasi Akuntansi SH S REG Sistem Informasi Akuntansi SH D Sistem Pakar HAF S REG Sistem Pakar HAF S TR Sistem Penunjang Keputusan MD S REG Sistem Penunjang Keputusan SP S TR Sistem Penunjang Keputusan SP S REG Statist MCM D Statist S S REG Statist SS D Statist ZM S REG Testing dan Implementasi Sistem SR S REG Testing dan Implementasi Sistem SR S TR V V 3, V 4 V Gambar Hasil FCM pada Iterasi akhir Cluster c didapat untuk nilai matrs input (IPK) antara.56 sampai dengan.60. Cluster c didapat untuk nilai matrs input (IPK) antara 3.07 sampai dengan Sedangkan cluster c3 dan c4 untuk nilai matrs input (IPK).66 sampai dengan 3.0. Contoh hal yang dapat dilihat misal, untuk mata kuliah Pemrograman Basis Data yang diampu oleh 4 orang dosen memili kecenderungan berada pada cluster c3,c4 dengan derajat keanggotaan yang rendah serta dosen berada pada cluster c dengan derajat keanggotaan cukup tinggi. Begitu pula mata kuliah Pemrograman Berorientasi Obyek, untuk 4 orang dosen pengampu memili kecenderungan berada pada cluster c3,c4 serta cluster c. Atau mungkin dapat diamati mata kuliah atau dosen yang memili kecenderungan berada di cluster c. Untuk percobaan lebih lanjut, perlu dicoba clustering dengan lebih dari variabel input. Semisal, untuk kasus data performance dosen dapat dilakukan clustering dengan kombinasi input kriteria penilaian N, N, N3, N4 dan N5. D 6
7 5. KESIMPULAN Clustering merupakan proses pengelompokan obyek atau data tidak berlabel kedalam suatu kelas atau cluster dengan obyek yang memili kesamaan. Clustering dengan menggunakan metode Fuzzy C-Means terhadap data performance mengajar dosen, dapat memunculkan beberapa cluster data yang dapat dianalisa lebih lanjut persamaan dan perbedaannya. 6. DAFTAR PUSTAKA Lin, Ching-Teng; Lee, George Neural Fuzzy Systems : A Neuro-Fuzzy Synergism to Intelligent Systems. United States of America. Prentice Hall International Inc. Kusumadei, Sri; Hartati, Sri Neuro-Fuzzy : Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta. Graha Ilmu. D 7
CLUSTERING LULUSAN MAHASISWA MATEMATIKA FMIPA UNTAN PONTIANAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS
Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 02, No.1(2013), hal. 21-26 CLUSTERING LULUSAN MAHASISWA MATEMATIKA FMIPA UNTAN PONTIANAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS Cary Lineker Simbolon,
Lebih terperinciKLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS
KLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS Nunik Mariastuti Wijilestari, Moch. Hariadi Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 60
Lebih terperinciMENENTUKAN NILAI AKHIR KULIAH DENGAN FUZZY C-MEANS
MENENTUKAN NILAI AKHIR KULIAH DENGAN FUZZY C-MEANS Arwan Ahmad Khoiruddin, S.Kom. Staf Pengajar Jurusan Tekn Informata, Fakultas Teknologi Industri, Universitas Islam Indonesia arwan@fti.uii.ac.id ABSTRACT
Lebih terperinciCLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN
CLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN Fitri Wulandari, Rinto Setiawan Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. studi yang pernah dilakukan yang berkaitan dengan penelitian ini yaitu bisa dilihat
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Tinjuan pustaka merupakan acuan utama pada penelitian ini berupa beberapa studi yang pernah dilakukan yang berkaitan dengan penelitian ini
Lebih terperinciPenerapan Fuzzy C-Means untuk Deteksi Dini Kemampuan Penalaran Matematis
Scientific Journal of Informatics Vol., No., November 015 p-issn 407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 460-0040 Penerapan Fuzzy C-Means untuk Deteksi Dini Kemampuan Penalaran Matematis
Lebih terperinciPEMODELAN PENGELOMPOKKAN PRESTASI DOSEN MENGGUNAKAN METODE FUZZY C-MEANS
PEMODELAN PENGELOMPOKKAN PRESTASI DOSEN MENGGUNAKAN METODE FUZZY C-MEANS Sri Redjeki Teknik Informatika STMIK AKAKOM Jl. Raya Janti No 143 Yogyakarta e-mail: dzeky@akakom.ac.id ABSTRAK Sebuah perguruan
Lebih terperinciPenentuan Lokasi Fasilitas Gudang Menggunakan Fuzzy C Means ( FCM )
Penentuan Lokasi Fasilitas Gudang Menggunakan Fuzzy C Means ( FCM ) Eko Sediyono, Indrastanti Ratna Widiasari, Milasari Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Jl. Diponegoro 5-60,
Lebih terperinciPenerapan Algoritma Fuzzy C-Means Guna Penentuan Penjurusan Program Peserta Didik Tingkat SMA
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Penerapan Algoritma Fuzzy C-Means Guna Penentuan Penjurusan Program Peserta Did Tingkat SMA Maria Anistya Sasongko 1, Lil Linawati 2, Hanna
Lebih terperinciKARTU HASIL STUDI ( KHS )
TAHUN AKADEMIK : 2010/2011 : I 1 PK2SI101 Pendidikan Agama A 4 2 8 2 PK2SI102 Pendidikan Pancasila A 4 2 8 3 PK2SI103 Bahasa Inggris B 3 2 6 4 KK2SI104 Pengantar Ilmu Ekonomi B 3 2 6 5 KB2SI105 Pengantar
Lebih terperinciKARTU HASIL STUDI ( KHS )
TAHUN AKADEMIK : 2007/2008 : I 1 PK2SI101 Pendidikan Agama A 4 2 8 2 PK2SI102 Pendidikan Pancasila A 4 2 8 3 PK2SI103 Bahasa Inggris A 4 2 8 4 KK2SI104 Pengantar Ilmu Ekonomi A 4 2 8 5 KB2SI105 Pengantar
Lebih terperinciPENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS
PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika Universitas Indraprasta PGRI Abstract. The purpose of this study was to
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENGELOMPOKAN PERSENTASE PENDUDUK BERUMUR 15 TAHUN KE ATAS MENURUT KABUPATEN/KOTA DAN PENDIDIKAN TERTINGGI
Lebih terperinciFUZZY CLUSTERING DALAM PENGCLUSTERAN DATA CURAH HUJAN KOTA BENGKULU DENGAN ALGORITMA C-MEANS
FUZZY CLUSTERING DALAM PENGCLUSTERAN DATA CURAH HUJAN KOTA BENGKULU DENGAN ALGORITMA C-MEANS Herlina Latipa Sari Dosen Tetap Tekn Informata Universitas Dehasen Bengkulu Sur-el: herlinalatipasari@y.mail.com
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi perguruan tinggi yang bergerak di bidang pendidikan, yang di dalamnya terdapat
Lebih terperinciProsiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 2 Desember 2015, Samarinda, Indonesia ISBN :
Clustering Data Status Tugas Belajar Dan Ijin Belajar Menggunakan Metode Fuzzy C-Means (Studi Kasus : Di Lingkungan Pemerintah Provinsi Kalimantan Timur) Fevin Triyas Rantika 1, Indah Fitri Astuti, M.Cs
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi Penelitian merupakan acuan dalam pelaksanaan sebuah penelitian. Metodologi penelitian berisi rencana kerja yang berurutan agar hasil yang didapatkan sesuai dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Metodologi penelitian digunakan sebagai pedoman dalam pelaksanaan penelitian agar hasil yang dicapai tidak menyimpang dari tujuan yang telah dilakukan
Lebih terperinci1. Pendahuluan. 2. Tinjauan Pustaka
1. Pendahuluan Propinsi Daerah Istimewa Yogyakarta sebagai Daerah Tujuan Wisata (DTW) utama indonesia memiliki beraneka ragam jenis wisata yang menarik wisatawan domestik dan wisatawan asing. Banyaknya
Lebih terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 3 1 Mahasiswa Program Studi Matematika
Lebih terperinciPenerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop)
157 Penerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop) Elly Muningsih AMIK BSI Yogyakarta E-Mail : elly.emh@bsi.ac.id Abstrak Berkembangnya
Lebih terperinciAPLIKASI ALGORITMA FUZZY C-MEANS CLUSTERING UNTUK PENGELOMPOKKAN LULUSAN
APLIKASI ALGORITMA FUZZY C-MEANS CLUSTERING UNTUK PENGELOMPOKKAN LULUSAN Abdul Aziz, S.Si, M.Si. Abstrak Teknik Fuzzy c-means clustering termasuk dalam salah satu keluarga clustering. Seperti teknik clustering
Lebih terperinciAnalisis Sebaran Puskesmas Untuk Peningkatan Pelayanan Kesehatan Dengan Metode Fuzzy C-Means
Analisis Sebaran Puskesmas Untuk Peningkatan Pelayanan Kesehatan Dengan Metode Fuzzy C-Means Siska Kurnia Gusti Jurusan Tekn Informata, Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Scot Morton adalah orang yang pertama kali mengartikulasikan konsep Decision Support System (DSS), mendefenisikan DSS sebagai sistem berbasis komputer
Lebih terperinciAhmad Mauliyadi M, Hizir Sofyan, dan Muhammad Subianto. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala
Tersedia di www.fmipa.unsyiah.ac.id Jurnal Matematika 00 (2013) 01 05 PERBANDINGAN METODE FUZZY C-MEANS (FCM) DAN FUZZY GUSTAFSON-KESSEL (FGK) MENGGUNAKAN DATA CITRA SATELIT QUICKBIRD (Studi Kasus Desa
Lebih terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 1 Mahasiswa Program Studi Matematika FSM
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
Lebih terperinci1. PENDAHULUAN. Kata Kunci: Data Mining, Clustering, Fuzzy C-Means
CLUSTERING BIDANG PEKERJAAN BERDASARKAN PEMETAAN MATA KULIAH MENGGUNAKAN ALGORITMA FUZZY C-MEANS PADA FAKULTAS ILMU KOMPUTER UNIVERSITAS DIAN NUSWANTORO SEMARANG Taufiq Ramadhan Ashari 1, Ruri Suko Basuki
Lebih terperinciFuzzy C-means Clustering menggunakan Cluster Center Displacement
Fuzzy C-means Clustering menggunakan Cluster Center Displacement Fitri Hidayah Sundawati 1), Jadi Suprijadi 2), Titi Purwandari 3) 1) Mahasiswa Statistika Terapan, UniversitasPadjadjaran-Indonesia 2) Pengajar
Lebih terperinciPerancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors Gede Aditra
Lebih terperinciBAB I PENDAHULUAN. Perguruan tinggi yang baik dipengaruhi oleh kualitas. mahasiswa di dalamnya. Mahasiswa merupakan objek
1 BAB I PENDAHULUAN 1.1. Latar Belakang Perguruan tinggi yang baik dipengaruhi oleh kualitas mahasiswa di dalamnya. Mahasiswa merupakan objek pembelajaran bagi perguruan tinggi sehingga jika prestasi mahasiswa
Lebih terperinciMelihat Pengaruh Cuaca Terhadap Penyakit Demam Berdarah Di Banjarbaru menggunakan Fuzzy C-Means
Melihat Pengaruh Cuaca Terhadap Penyakit Demam Berdarah Di Banjarbaru menggunakan Fuzzy C-Means Muhammad Halim 1, Andi Farmadi 2, H. Irwan Budiman 3 1,2,3 Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km
Lebih terperinciBAB III LANDASAN TEORI. 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix)
BAB III LANDASAN TEORI 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix) Metode GLCM menurut Xie dkk (2010) merupakan suatu metode yang melakukan analisis terhadap suatu piksel pada citra dan mengetahui
Lebih terperinciKURIKULUM PROGRAM STUDI S1 - SISTEM INFORMASI KONSENTRASI DATABASE STMIK STIKOM BALI 2011/2012
KONSENTRASI DATABASE 8 423740 Pengembangan Sistem Informasi 2 Semester 6 (Konsentrasi Database) 1 425301 Kewirausahaan 2 1 423514 Sistem Basis Data II 3 2 425602 Komunikasi Interpersonal 2 2 423515 Praktikum
Lebih terperinciPemanfaatan Algoritma FCM Dalam Pengelompokan Kinerja Akademik Mahasiswa
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Pemanfaatan Algoritma FCM Dalam Pengelompokan Kinerja Akademik Mahasiswa Aidina Ristyawan 1), Kusrini 2), Andi Sunyoto
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. 2.1 CLUSTERING Clustering adalah proses pengelompokkan suatu
Lebih terperinciKlasifikasi Mutu Buah Manggis Berdasarkan Warna Berbasis Fuzzy C Means dan Template Matching
Klasifikasi Mutu Buah Manggis Berdasarkan Warna Berbasis Fuzzy C Means dan Template Matching Octa Heriana 1, Risanuri Hidayat 2 1,2 Jurusan Teknik Elektro FT UGM Jln. Grafika 2 Yogyakarta 55281 INDONESIA
Lebih terperinciVIRTUAL POINTER UNTUK IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGENDALI GERAKAN ROBOT SECARA REAL-TIME M.Isa Irawan 1, dan Edi Satriyanto 2
VIRTUAL POINTER UNTUK IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGENDALI GERAKAN ROBOT SECARA REAL-TIME M.Isa Iraan dan Edi Satriyanto bidang Ilmu Komputer- jur. Matematika FMIPA - ITS Politeknik Elektronika
Lebih terperinciBAB V PENUTUP. Menggunakan Metode Fuzzy C-Means Clustering, dapat diambil kesimpulan
BAB V PENUTUP 5.1. Kesimpulan Dari serangkaian uji coba dan analisa yang telah dilakukan pada aplikasi Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode Fuzzy C-Means
Lebih terperinciKLASIFIKASI USAHA KECIL DAN MENENGAH (UKM) SEKTOR INDUSTRI DENGAN METODE FUZZY C-MEANS CLUSTERING WILAYAH KOTA CILEGON
Seminar Nasional IENACO 213 ISSN: 2337-39 KLASIFIKASI USAHA KECIL DAN MENENGAH (UKM) SEKTOR INDUSTRI DENGAN METODE FUZZY C-MEANS CLUSTERING WILAYAH KOTA CILEGON Ratna Ekawati 1),Nurul Yulis 2) 1) Jurusan
Lebih terperinciEVALUASI KEMAJUAN STUDI MAHASISWA DENGAN PENDEKATAN BASIS DATA FUZZY
EVALUASI KEMAJUAN STUDI MAHASISWA DENGAN PENDEKATAN BASIS DATA FUZZY Hari Murti 1, Eko Nur Wahyudi 2 1,2 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank e-mail: 1 hmurti076@gmail.com,
Lebih terperinci(M.6) FUZZY C-MEANS CLUSTERING DENGAN ANALISIS ROBUST
(M.6) FUZZY C-MEANS CLUSTERING DENGAN ANALISIS ROBUST 1Nor Indah FitriyaNingrum, 2 Suwanda, 3 Anna Chadidjah 1Mahasiswa JurusanStatistika FMIPA UniversitasPadjadjaran 2Jurusan Statistika FMIPA Universitas
Lebih terperinciAPLIKASI BERBASIS FUZZY C-MEANS DALAM PENENTUAN PREDIKAT KELULUSAN MAHASISWA
APLIKASI BERBASIS FUZZY C-MEANS DALAM PENENTUAN PREDIKAT KELULUSAN MAHASISWA Rosmiati 1)*, Lili Rusdiana 2) 1 Program Studi Sistem Informasi 2 Program Studi Teknik Informatika STMIK Palangkaraya sohib.sahabat@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perguruan tinggi merupakan strata terakhir sebelum mahasiswa dapat bersaing didalam dunia kerja. Agar mampu bersaing didalam dunia kerja, mahasiswa dituntut
Lebih terperinciIMPLEMENTASI FUZZY C-MEANS UNTUK CLUSTERING DATA PENDUDUK MISKIN DENGAN PENYAJIAN REALTIME BERBASIS WEB MOBILE
IMPLEMENTASI FUZZY C-MEANS UNTUK CLUSTERING DATA PENDUDUK MISKIN DENGAN PENYAJIAN REALTIME BERBASIS WEB MOBILE 1 Ahsan Anwar Sandiah, 2 Abdul Fadlil, 3 Rusydi Umar 1 Magister Teknik Informatika, 2 Magister
Lebih terperinciBreak Even Point Estimation Using Fuzzy Cluster(FCM)
Break Even Point Estimation Using Fuzzy Cluster(FCM) Stefant Cristian, Kartina Diah Kusuma W, S.T., Dadang Syarif SS, S.Si, M.Sc. Politeknik Caltex Riau Jl. Umban Sari No. 1, Phone: 0761-53939, Fax: 0761-554224
Lebih terperinciDISTRIBUSI MATA KULIAH UNTUK SETIAP SEMESTER PROGRAM STUDI SISTEM INFORMASI
DISTRIBUSI MATA KULIAH UNTUK SETIAP SEMESTER PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITA SRIWIJAYA KURIKULUM TAHUN 2011 No kode MK Nama Mata Kuliah SKS Prasyarat SEMESTER 1 1 UNI10111
Lebih terperinciCLUSTERING KINERJA AKADEMIS MAHASISWA MENGGUNAKAN FUZZY C-MEANS
SYSTEMIC Vol. 02, No. 02, Agustus 2016, 29-34 CLUSTERING KINERJA AKADEMIS MAHASISWA MENGGUNAKAN FUZZY C-MEANS Nurissaidah Ulinnuha 1 Program Studi Matematika Fakultas Sains dan Teknologi Universitas Islam
Lebih terperinciIMPLEMENTASI PENGENALAN POLA UNTUK MENGEVALUASI HASIL PEMBELAJARAN DENGAN METODE FUZZY C-MEANS
SYSTEMIC Vol. 02, No. 02, Desember 2016, 23-28 IMPLEMENTASI PENGENALAN POLA UNTUK MENGEVALUASI HASIL PEMBELAJARAN DENGAN METODE FUZZY C-MEANS Ilham Program Studi Sistem Informasi, Jurusan Teknologi, Fakultas
Lebih terperinciPENGELOMPOKKAN ANGKA PARTISIPASI PENDIDIKAN WAJIB BELAJAR SE-INDONESIA MENGGUNAKAN METODE FUZZY C-MEANS. Abstrak
1 PENGELOMPOKKAN ANGKA PARTISIPASI PENDIDIKAN WAJIB BELAJAR SE-INDONESIA MENGGUNAKAN METODE FUZZY C-MEANS Nila Yuliani 1) Mardhiah Fadli 2) Warnia Nengsih 3) Program Studi Sistem Informasi Politeknik Caltex
Lebih terperinciPENGELOMPOKAN MAHASISWA BERDASARKAN NILAI UJIAN NASIONAL DAN IPK MENGGUNAKAN METODE K-MEANS
PENGELOMPOKAN MAHASISWA BERDASARKAN NILAI UJIAN NASIONAL DAN IPK MENGGUNAKAN METODE K-MEANS Hartatik STMIK Amikom Manajemen Informatika STMIK AMIKOM Yogyakarta Jl. Ringroad Utara, Condong Catur, Depok,
Lebih terperinciPemilihan Minat Topik Tugas Akhir Menggunakan Metode Fuzzy C-Means
ISSN: 2089-3787 527 Pemilihan Minat Topik Tugas Akhir Menggunakan Metode Fuzzy C-Means Yulia Yudihartanti, Sudiyanur Hidayatullah STMIK Banjarbaru Jl. A. Yani Km. 33 Banjarbaru, 0511(4782881) e-mail: yuliaydh@yahoo.co.id,
Lebih terperinciIMPLEMENTASI FUZZY C-MEANS DALAM MENGANALISA KEMISKINAN DESA
IMPLEMENTASI FUZZY C-MEANS DALAM MENGANALISA KEMISKINAN DESA Harliana Teknik Informatika STIKOM POLTEK Cirebon Jl Brigjend Darsono Bypass No3 3, Cirebon 45153 Email : harliana.merdiharto@gmail.com Abstrak
Lebih terperinciData Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata
Data Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata Cakra Ramadhana 1, Yohana Dewi Lulu W 2, Kartina Diah K. W. 3 1,2 Program Studi Sistem Informasi, Politeknik
Lebih terperinciAplikasi Algoritma Competitive Network Untuk Clustering Minat Mahasiswa Terhadap Topik-Topik Penelitian
Aplikasi Algoritma Competitive Network Untuk Clustering Minat Mahasiswa Terhadap Topik-Topik Penelitian Wiji Lestari, Singgih Purnomo STMIK Duta Bangsa Surakarta ABSTRAK Clustering adalah suatu metode
Lebih terperinciPENGKLASIFIKASIAN LULUSAN JURUSAN TEKNIK ELEKTRO BERDASARKAN NILAI IPK DENGAN METODE FUZZY CLUSTERING. M. Rodhi Faiz
Rodhi Faiz, Pengklasifikasian Lulusan Jurusan Teknik Elektro Berdasarkan Nilai Ipk Dengan Metode Fuzzy Clustering PENGKLASIFIKASIAN LULUSAN JURUSAN TEKNIK ELEKTRO BERDASARKAN NILAI IPK DENGAN METODE FUZZY
Lebih terperinciKARTU HASIL STUDI ( KHS )
TAHUN AKADEMIK : 2009 / 2010 : I 1 PK2SK101 Pendidikan Agama A 4 2 8 2 PK2SK102 Pendidikan Pancasila A 4 2 8 3 PK2SK103 Bahasa Inggris B 3 2 6 4 KK2SK104 Fisika Dasar I A 4 2 8 5 KB2SK105 Pengantar Teknologi
Lebih terperinciKARTU HASIL STUDI ( KHS )
TAHUN AKADEMIK : 2010 / 2011 : I 1 PK2SK101 Pendidikan Agama B 3 2 6 2 PK2SK102 Pendidikan Pancasila B 3 2 6 3 PK2SK103 Bahasa Inggris A 4 2 8 4 KK2SK104 Fisika Dasar I B 3 2 6 5 KB2SK105 Pengantar Teknologi
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciJurusan Statistika, FMIPA, ITS Kampus ITS Sukolilo, Surabaya,
IndoMS Journal on Statistics Vol. 1, No. (013), Page. 61-71 PERBANDINGAN METODE FUZZY C-MEANS CLUSTERING DAN FUZZY C-SHELL CLUSTERING (STUDI KASUS: KABUPATEN/KOTA DI PULAU JAWA BERDASARKAN VARIABEL PEMBENTUK
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DENGAN ALGORITMA FUZZY C-MEANS (FCM)
SISTEM PENGENALAN WAJAH MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DENGAN ALGORITMA FUZZY C-MEANS (FCM) Andri Suryadi Abstrak Berkembangnya ilmu pengetahuan dan teknologi dalam computer vision
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
1 RENCANA PEMBELAJARAN SEMESTER (RPS) Mata Kuliah : Applied Artificial Intelligent Kode/ Bobot : ------- Status : Mata Kuliah Penunjang Disertasi Prasyarat : - Deskripsi Singkat : Konsep dasar Artificial
Lebih terperinciMODEL PEMETAAN EVALUASI PENILAIAN KUALIFIKASI LULUSAN BERBASIS METODE FUZZY C_MEANS CLUSTERING
MODEL PEMETAAN EVALUASI PENILAIAN KUALIFIKASI LULUSAN BERBASIS METODE FUZZY C_MEANS CLUSTERING A.Hanifa Setianingrum Program Studi Teknik Informatika Univesitas Islam Negeri Syarif Hidayatullah Jakarta
Lebih terperinciBAB 3 METODE PENELITIAN. Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder.
BAB 3 METODE PENELITIAN 3.1 Metode Pengumpulan Data 3.1.1 Sumber Data Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder. 1. Data primer Didapatkan peneliti secara langsung
Lebih terperinciKURIKULUM PROGRAM STUDI SISTEM INFORMASI. SEMESTER 1 No Kode MK Mata Kuliah SKS Prasyarat
KURIKULUM PROGRAM STUDI SISTEM INFORMASI SEMESTER 1 1 PKSI111201 Pendidikan Pancasila 2 2 PKSI111202 Pendidikan Agama 2 3 PKSI111203 Bahasa Indonesia 2 4 KKSI111201 Kalkulus 2 5 KKSI111302 Algoritma dan
Lebih terperinciBAB 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 terperinciBreak Even Point Estimation Using Fuzzy Cluster(FCM)
SNTIKI III 2011 ISSN : 2085-9902 1 Break Even Point Estimation Using Fuzzy Cluster(FCM) Stefant Cristian, Kartina Diah Kusuma W, S.T., Dadang Syarif SS, S.Si, M.Sc. Politeknik Caltex Riau Jl. Umban Sari
Lebih terperinciPENGKLASIFIKASIAN MAHASISWA JURUSAN TEKNIK ELEKTRO YANG MENGIKUTI MATA KULIAH RANGKAIAN LISTRIK DENGAN METODE FUZZY CLUSTERING. M.
Rodhi Faiz, Pengklasifikasian Mahasiswa Jurusan Teknik Elektro Yang Mengikuti Mata Kuliah Rangkaian Listrik Dengan Metode Fuzzy Clustering PENGKLASIFIKASIAN MAHASISWA JURUSAN TEKNIK ELEKTRO YANG MENGIKUTI
Lebih terperinciAnalisis Perbandingan K-Means dan Fuzzy C-Means untuk Pemetaan Motivasi Balajar Mahasiswa
Analisis Perbandingan K-Means dan Fuzzy C-Means untuk Pemetaan Motivasi Balajar Mahasiswa Nur Indah Selviana 1, Mustakim 2 1,2 Laboratorium Data Mining Program Studi Sistem Informasi, Fakultas Sains dan
Lebih terperinciSistem Pemilihan Perumahan dengan Metode Kombinasi Fuzzy C-Means Clustering dan Simple Additive Weighting
Jurnal Sistem Bisnis 03(2011) On-line : http://ejournal.undip.ac.id/index.php/jsinbis 153 Sistem Pemilihan Perumahan dengan Metode Kombinasi Fuzzy C-Means Clustering dan Simple Additive Weighting Tri Sandhika
Lebih terperinciBAB III METODE PENELITIAN. Pada bab ini akan dijelaskan bahan dan software yang digunakan
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan dan software yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan
Lebih terperinciPENERAPAN FUZZY C-MEANS DALAM PEMILIHAN PEMINATAN TUGAS AKHIR MAHASISWA
1 PENERAPAN FUZZY C-MEANS DALAM PEMILIHAN PEMINATAN TUGAS AKHIR MAHASISWA Sumanto 1) Romi Satria Wahono 2) 1) Program StudiTeknik Informatika STMIK Nusa Mandiri Sukabumi Jl. Veteran II No 20-A. Sukabumi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Penelitian yang dilaksanakan adalah penelitian eksperimen, yaitu melakukan implementasi algoritma Fuzzy C-Means dalam pengelompokan berdasarkan data
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan mahasiswa berdasarkan status gizi Body Mass Index (BMI) dan ukuran kerangka.
Lebih terperinciJADWAL UJIAN TENGAH SEMESTER GENAP TAHUN AKADEMIK 2016/2017 UNIVERSITAS INTERNASIONAL SEMEN INDONESIA
JADWAL UJIAN TENGAH SEMESTER GENAP TAHUN AKADEMIK 2016/2017 UNIVERSITAS INTERNASIONAL SEMEN INDONESIA HARI, TANGGAL WAKTU UJIAN MATA KULIAH PROGRAM STUDI RUANG UJIAN KETERANGAN Senin, 27 Maret 2017 Statistika
Lebih terperinciPengenalan Pola. K-Means Clustering
Pengenalan Pola K-Means Clustering PTIIK - 2014 Course Contents 1 Definisi k-means 2 Algoritma k-means 3 Studi Kasus 4 Latihan dan Diskusi K-Means Clustering K-Means merupakan salah satu metode pengelompokan
Lebih terperinciPROGRAM STUDI TEKNIK INFORMATIKA KURIKULUM 2016
PROGRAM STUDI TEKNIK INFORMATIKA KURIKULUM 2016 Kurikulum program studi Teknik Informatika disusun mengacu standar kurikulum internasional NIIT India, Oracel academy, Curricula 2005 yang dipadukan dengan
Lebih terperinciKLUSTERING BERBASIS PROTOTIPE DENGAN METODE FUZZY C-MEANS
JURNAL LOGIC. VOL.15. NO.1 MARET 015 51 KLUSTERING BERBASIS PROTOTIPE DENGAN METODE FUZZY C-MEANS Putu Manik Prihatini Jurusan Teknik Elektro, Politeknik Negeri Bali Bukit Jimbaran, P.O.Box 1064 Tuban
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS
ANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS Iin Parlina1, Prof.Herman Mawengkang2, Dr.Syahril Efendi, S.Si, M.IT3 Magister Teknik Informatika, Universitas Sumatera Utara
Lebih terperinciCLUSTERING GENDER BERDASARKAN NILAI MAKSIMUM MINIMUN AMPLITUDO SUARA BERBASIS FUZZY C-MEANS (FCM)
CLUSTERING GENDER BERDASARKAN NILAI MAKSIMUM MINIMUN AMPLITUDO SUARA BERBASIS FUZZY C-MEANS (FCM) Idni Irsalina 1*, Endang Supriyati 2, Tutik Khotimah 3 Program Studi Teknik Informatika, Fakultas Teknik,
Lebih terperinci2. MKK ( Mata Kuliah Ilmu Pengetahuan dan Ketrampilan )
KURIKULUM SLC BERDASARKAN KELOMPOK MATAKULIAH JURUSAN TEKNIK INFORMATIKA 1. MPK ( Mata Kuliah Pengembangan Kepribadian ) 1 08620101 Pendidikan Pancasila & Kewarganega 3 2 08620102 Bahasa Indonesia 3 3
Lebih terperinciTESIS PENGELOMPOKAN ENTITAS AUDIT PEMERINTAH DAERAH DI PERWAKILAN BPK RI JAWA BARAT DENGAN METODE CLUSTERING. Monicha Dwijayani
TESIS PENGELOMPOKAN ENTITAS AUDIT PEMERINTAH DAERAH DI PERWAKILAN BPK RI JAWA BARAT DENGAN METODE CLUSTERING Monicha Dwijayani 9108 205 810 Mahendrawati, ST., MSc.,PhD Prof.Drs.Nur Iriawan M.Ikom. PhD
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 2 NO. 1 SEPTEMBER 2010
PERBANDINGAN METODE K-NEAREST NEIGHBOR (KNN) dan METODE NEAREST CLUSTER CLASSIFIER (NCC) DALAM PENGKLASIFIKASIAN KUALITAS BATIK TULIS Nesi Syafitri 1 ABSTRACT Various problem that are related to classification
Lebih terperinciProsiding Matematika ISSN:
Prosiding Matematika ISSN: 2460-6464 Model Perhitungan Estimasi Keuntungan Penjualan Susu Kemasan dengan Menggunakan Gabungan Metode Fuzzy C-Means dan Sugeno Orde-Satu Sales Profit Estimation Model of
Lebih terperinciPREDIKSI CUACA MARITIM UNTUK MENDETEKSI KEBERADAAN SUMBER DAYA LAUT IKAN DI PERAIRAN JAWA TIMUR
PREDIKSI CUACA MARITIM UNTUK MENDETEKSI KEBERADAAN SUMBER DAYA LAUT IKAN DI PERAIRAN JAWA TIMUR OLEH : Bagusranu Wahyudi Putra 2410100044 DOSEN PEMBIMBING : Dr. Ir. Aulia Siti Aisjah, MT. Ir. Syamsul Arifin,
Lebih terperinciPENGELOMPOKAN MAHASISWA SISTEM INFORMASI BERDASARKAN TINGKAT KOMPETENSI AKADEMIK DENGAN FUZZY K-MEANS
PENGELOMPOKAN MAHASISWA SISTEM INFORMASI BERDASARKAN TINGKAT KOMPETENSI AKADEMIK DENGAN FUZZY K-MEANS Umi Proboyekti, Budi Sutedjo Dharma Oetomo Abstrak Pada akhir semester setiap Universitas Kristen Duta
Lebih terperinciPENERAPAN DATA MINING DALAM PEMILIHAN PENERIMA BEASISWA BERPRESTASI DI POLITEKNIK DAN STMIK LPKIA DENGAN MENERAPKAN METODE K-MEANS CLUSTERING
PENERAPAN DATA MINING DALAM PEMILIHAN PENERIMA BEASISWA BERPRESTASI DI POLITEKNIK DAN STMIK LPKIA DENGAN MENERAPKAN METODE K-MEANS CLUSTERING 1 Wahyu Nurjaya W.K, 2 Nurjaman 1 Program Studi Sistem Informasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Absensi adalah tingkat kehadiran pegawai yang berkenaan dengan tanggung jawab. Kehadiran berkenaan dengan tanggung jawab pegawai saat bekerja, pegawai yang hadir tepat
Lebih terperinciPENGELOMPOKAN BIMBINGAN BELAJAR MENGGUNAKAN METODE CLUSTERING DI SMA NEGERI 1 CILAKU KABUPATEN CIANJUR
PENGELOMPOKAN BIMBINGAN BELAJAR MENGGUNAKAN METODE CLUSTERING DI SMA NEGERI 1 CILAKU KABUPATEN CIANJUR SIDANG SKRIPSI Oleh Adry Rahadinata 10108069 Penguji 1 Andri Heryandi, S.T., M.T. Penguji 2 Adam Mukharil
Lebih terperinciPANDUAN PENGISIAN KARTU RENCANA STUDI (KRS) PROGRAM STUDI SISTEM KOMPUTER TAHUN AJARAN GENAP 2017 / 2018
PANDUAN PENGISIAN KARTU RENCANA STUDI (KRS) PROGRAM STUDI SISTEM KOMPUTER TAHUN AJARAN GENAP 2017 / 2018 FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS BUDI LUHUR 2017 PANDUAN PENGISIAN KRS UNTUK MAHASISWA ANGKATAN
Lebih terperinciProsedur Pengajuan Kerja Praktek Semester Ganjil Tahun Akademik 2011/ 2012
Prosedur Pengajuan Kerja Praktek Semester Ganjil Tahun Akademik 2011/ 2012 A. Persyaratan Pengontrakan Matakuliah Kerja Praktek (KP) 1. Persyaratan akademik a. Mahasiswa telah menyelesaikan matakuliah
Lebih terperinciBAB I PENDAHULUAN. Final Galley. 1.1 Latar Belakang Test
Final Galley BAB I PENDAHULUAN 1.1 Latar Belakang Test Kemajuan ilmu pengtahuan dan teknologi mendorong masyarakat untuk semakin Finish memperhatikan derajat kesehatan demi peningkatan kualitas hidup yang
Lebih terperinciPengelompokan Data Guru Untuk Pemilihan Calon Pengawas Satuan Pendidikan Menggunakan Metode Fuzzy C-Means dan Kohonen Self Organizing Maps
Pengelompokan Data Guru Untuk Pemilihan Calon Pengawas Satuan Pendidikan Menggunakan Metode Fuzzy C-Means dan Kohonen Self Organizing Maps Muslem 1, Eko Mulyanto Yuniarno 2, I Ketut Eddy Purnama 3 Magister
Lebih terperinciPENGELOMPOKAN TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS
PENGELOMPOKAN TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS Yulius Palumpun 1), Sitti Nur Alam 2) 1) Program Studi Sistem Informasi Fakultas Ilmu Komputer dan Manajemen (FIKOM) - Universitas
Lebih terperinciSISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING
SISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING Ati Suci Dian Martha, S.Kom., M.T. 1, Dena Jatnika Kusumah 1, Program Studi Sistem Informasi, STMIK LPKIA, Bandung Jln. Soekarno Hatta No.
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN 4.1 Analisa Analisa adalah suatupemahaman terhadap permasalahan sebelum mengambil suatu tindakan atau keputusan yang akan dilakukan. Disini akan dianalisa tentang sistem
Lebih terperinciBAB III PERANCANGAN SISTEM. pengetahuannya melalui buku-buku yang ada. Pihak perpustakaan harus. sesuai dengan kebutuhan dan anggaran yang disediakan.
BAB III PERANCANGAN SISTEM 3.1 Analisis Permasalahan Perpustakaan merupakan salah satu gudang ilmu pengetahuan bagi sebagian masyarakat. Perpustakaan STIKOM Surabaya merupakan salah satu tempat bagi para
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendidikan berperan penting untuk memperoleh kehidupan yang lebih baik, seperti tercantum dalam Undang-Undang Dasar 1945 pasal 31 ayat 1 bahwa setiap warga negara
Lebih terperinci