ANALISA PERFORMA METODE COSINE DAN JACARD PADA PENGUJIAN KESAMAAN DOKUMEN
|
|
- Glenna Ratna Hartanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Sugyamto, Bayu Surarso dan Ars Sugharto ANALISA PERFORMA METODE COSINE DAN JACARD PADA PENGUJIAN KESAMAAN DOKUMEN 3) ) 2) Sugyamto ), Bayu Surarso 2) dan Ars Sugharto 3) Jurusan Sstem Informas Unverstas Stkubank Jurusan Matematka FSM Unverstas Dponegoro Jurusan Ilmu Komputer/Informatka Unverstas Dponegoro Abstract Saat n teknolog nformas memudahkan dstrbus data-data dgtal melalu berbaga meda, salah satunya adalah dokumen. Namun hal n menyebabkan adanya penyalahgunaan dalam bentuk duplkas yang mengarah pada kegatan plagarsm terutama untuk naskah-naskah akademk sepert skrps atau tugas akhr. Berbaga metode dkembangkan untuk memnmumkan terjadnya duplkas llegal. Salah satunya adalah dengan menggunakan teknk pengujan kemrpan. Pada peneltan n dbandngkan performa dar metode Cosne dan Jaccard untuk menguj tngkat kemrpan dokumen dalam bentuk abstrak. Hasl peneltan menunjukkan bahwa pengujan kemrpan menggunakan Cosne memlk tngkat akuras lebh tngg yatu 0, dbandngkan dengan Jaccard sebesar 0, Keywords : dokumen, kemrpan, cosne, jaccard.. PENDAHULUAN Pada era teknolog nformas memungknkan sebuah dokumen dubah menjad bentuk dgtal. Begtu pula dengan dokumen akademk sepert skrps, tess maupun desertas mahasswa. Dgtalsas dplh karena terdapat beberap hal yang menguntungkan dantaranya adalah murah, mudah dgandakan atau dduplkas tanpa terjad penurunan kualtas. Pada ss lan dgtalsas juga menyebabkan dokumen-dokumen dsaln dan dgunakan untuk aktftas-aktftas yang tdak pada tempatnya, sepert menggunakan naskah akademk orang lan dengan cara dsaln atau copy paste menjad sebuah naskah akademk yang seolah-olah asl tanpa menyebutkan sumbernya atau lebh dekenal dengan nama plagarsm. Dengan maraknya kegatan plagarsm maka peneltan yang dfokuskan pada deteks kesamaan dokumen menjad sangat mendesak. Beberapa peneltan untuk mengetahu tngkat kesamaan dokumen telah dlakukan, dantaranya oleh Strasberg (2002) yang menelt kemampuan pencaran kemrpan dokumen yang dmplementaskan pada sebuah artkel berta dan jurnal. Kemudan Saul Schlemer, (2003), mendeteks satu sfat pentng dokumen local dengan menggunakan algortma sdk jar (fngerprntng) dokumen dengan aplkas MOSS (Measure Of Software Smlarty), yang, memberkan hasl ekspermen pada data Web dengan hasl knerja kurang lebh 33%. Selanjutnya Shombng (2005), menggunakan algortma genetka untuk menentukan tngkat kesamaan dokumen pada sstem temu kembal nformas. Pada peneltan n terungkap bahwa semakn banyak dokumen yang dgunakan sebaga sumber dar query, maka tngkat kesamaan dokumen dapat menurun. Pada tahun 2006, Shombng juga menelt penerapan algortma genetka dengan menggunakan tga formulas yatu : Jaccard Formulaton, Dce Formulaton dan Horng & Yeh Formulaton. Hasl peneltan menunjukkan bahwa tren keseluruhan teknk probabltas dalam kesamaan dokumen dengan menggunakan formulas yang berbeda, jka jumlah permntaan menngkat, persentase kesamaan dokumen dambl bsa menngkat atau menurun. Peneltan untuk mendeteks kemrpan dokumen dengan mengembangkan perangkat lunak sederhana juga dlakukan oleh Yaakov HK Jurnal Masyarakat Informatka, Volume 5, Nomor 0, ISSN
2 Analsa Performa Metode Cosne dan Jacard (200), dengan membangun corpus (C), bers 0.00 makalah akademk dalam lmu komputer dtuls dalam bahasa Inggrs dan dua tes set termasuk surat-surat yang dplh secara acak dar C. Metode yang dgunakan pada peneltan n adalah Full fngerprnt methods (FF), dmana menunjukkan hasl 53,4 % postf benar (true postves). Adapun Tan et. All (2005) menggunakan Jaccard smlarty atau Jaccard Coeffcent untuk menghtung smlarty antara dua objects (tems). Sepert halnya cosne dstance dan matchng coeffcent yang ddasarkan pada vector space smlarty measure. Pada peneltan n dgunakan algortma sngle pass clusterrng untuk mengklasfkaskan dokumen dan mengujnya dengan pendekatan kesamaan dokumen yang berbeda yatu menggunakan metode cosne smlarty dan Jaccard smlarty. 2. TINJAUAN PUSTAKA Sstem Temu Kembal Informas Sstem Temu Kembal Informas merupakan suatu sstem yang menympan nformas dan menemukan kembal nformas tersebut. Secara konsep bahwa ada beberapa dokumen atau kumpulan record yang bers nformas yang dorgansaskan ke dalam sebuah meda penympanan untuk tujuan mempermudah dtemukan kembal. Dokumen yang tersmpan tersebut dapat berupa kumpulan record nformas bblograf maupun data lannya (Salton 989). Sstem temu kembal teks (text retreval) adalah sstem penemuan kembal nformas dalam bentuk dokumen dengan mengukur kemrpan (smlarty) antara nformas yang tersmpan dalam bass data dengan query yang dmasukkan oleh pengguna (Baesa dan Rbero, 998). Teknk pencaran nformas pada Sstem Temu Kembal Informas (Informaton Retreval System) berbeda dengan sstem pencaran pada sstem manajemen bass data (DBMS). Dalam sstem temu kembal terdapat dua bagan utama yatu bagan pengndeksan (ndexng) dan pencaran (searchng). Kedua bagan tersebut memlk peran pentng dalam proses temu kembal nformas. Klasterng Dokumen Klasterng basanya dgunakan pada banyak bdang, sepert : data mnng, pengenalan pola (pattern recognton), pengklasfkasan gambar (mage classfcaton), lmu bolog, pemasaran, perencanaan kota, pencaran dokumen, dan lan sebaganya. Tujuan dar klasterng adalah untuk menentukan pengelompokan dar suatu set data. Akan tetap tdak ada ukuran terbak untuk pengelompokan data. Untuk pengelompokkan data tergantung tujuan akhr dar klasterng, maka dperlukan suatu krtera sehngga hasl klasterng sepert yang dngnkan. Secara umum klasterng dokumen adalah proses mengelompokkan dokumen berdasarkan kemrpan antara satu dengan yang lan dalam satu klaster (Gordon, 99; Ells, 996). Tujuan klasterng dokumen adalah untuk memsahkan dokumen yang relevan dar dokumen yang tdak relevan. Atau dengan kata lan, dokumen-dokumen yang relevan dengan suatu query cenderung memlk kemrpan satu sama lan dar pada dokumen yang tdak relevan, sehngga dapat dkelompokkan ke dalam suatu klaster. Klasterng dokumen dapat dlakukan sebelum atau sesudah proses temu kembal. Pada klasterng dokumen yang dlakukan sebelum proses temu kembal nformas, koleks dokumen dkelompokkan ke dalam klaster berdasarkan kemrpan (smlarty) antar dokumen. Selanjutnya dalam proses temu kembal nformas, apabla suatu dokumen dtemukan maka seluruh dokumen yang berada dalam klaster yang sama dengan dokumen tersebut juga dapat dtemukan. (Jan Zhang, dkk., 200) Dalam Sstem Temu Kembal Informas, klasterng dokumen memberkan beberapa manfaat, antara lan:. Mempercepat pemrosesan query dengan menelusur hanya pada sejumlah kecl anggota atau wakl klaster, sehngga dapat mempercepat proses temu kembal nformas 2. Membantu melokalsas dokumen yang relevan 3. Membentuk kelas-kelas dokumen sehngga mempermudah penjelajahan dan pemberan nterpretas terhadap hasl penelusuran 2 Jurnal Masyarakat Informatka, Volume 5, Nomor 0, ISSN
3 Sugyamto, Bayu Surarso dan Ars Sugharto 4. Menngkatkan efektvtas dan efsens temu kembal nformas dan memberkan alternatf metode penelusuran Selan tu, penggabungan antara penelusuran secara menyeluruh (full search) dengan penelusuran berbass klaster (clusterbased retreval) dapat menngkatkan keteltan sampa dengan 25%. Hal yang sama dkemukakan oleh (Jan Zhang, dkk., 200) bahwa penggabungan antara metode pengklasteran dengan fuson (pemberan perngkat terdadap dokumen secara keseluruhan) akan menngkatkan efektvtas temu kembal nformas. Pada algortma klasterng, dokumen akan dkelompokkan menjad klaster-klaster berdasarkan kemrpan satu data dengan yang lan. Prnsp dar klasterng adalah memaksmalkan kesamaan antar anggota satu klaster dan memnmumkan kesamaan antar anggota klaster yang berbeda. Stemmng Stemmng merupakan suatu proses untuk menemukan kata dasar dar sebuah kata. Dengan menghlangkan semua mbuhan (affxes) bak yang terdr dar awalan (prefxes), sspan (nfxes), akhran (suffxes) dan confxes (kombnas dar awalan dan akhran) pada kata turunan. Stemmng dgunakan untuk menggant bentuk dar suatu kata menjad kata dasar dar kata tersebut yang sesua dengan struktur morfolog Bahasa Indonesa yang bak dan benar. Imbuhan (affxes) pada Bahasa Indonesa lebh kompleks bla dbandngkan dengan mbuhan (affxes) pada Bahasa Inggrs. Hal n dsebabkan mbuhan (affxes) pada Bahasa Indonesa terdr dar awalan (prefxes), sspan (nfxes), akhran (suffxes), bentuk perulangan (repeated forms) dan confxes (kombnas dar awalan dan akhran). Imbuhanmbuhan yang melekat pada suatu kata harus dhlangkan untuk mengubah bentuk kata tersebut menjad bentuk kata dasarnya. Stemmng teks berbahasa Indonesa memlk beberapa masalah yang sangat khusus terhadap bahasa. Salah satu masalah tersebut adalah perbedaan tpe dar mbuhan-mbuhan (affxes), yang lan adalah bahwa awalan (prefxes) dapat berubah tergantung dar huruf pertama pada kata dasar. Sebaga contoh me- dapat berubah menjad mem- ketka huruf pertama dar kata dasar tersebut adalah b, msalnya membuat (to make), tetap me- juga dapat berubah menjad meny- ketka huruf pertama dar kata dasar melekat adalah s, msalnya menyapu (to sweep). Selanjutnya ketka ada lebh dar satu mbuhan (affxes) yang melekat pada suatu kata, maka urutan untuk menghlangkan mbuhanmbuhan (affxes) pada kata tersebut menjad sangat pentng. Jka dalam proses meghlangkan mbuhan-mbuhan (affxes) tersebut kta tdak memperhatkan urutan penghlangan mbuhanmbuhan (affxes) tersebut, maka kata dasar yang benar dar kata tersebut tdak akan dtemukan. Sebaga contoh pada kata d-ber-kan (to be gven) yang dturunkan dar kata dasar ber (to gve). Jka kta menghlangkan akhran (suffxes) kan terlebh dahulu sebelum menghlangkan awalan (prefx) d- maka pada proses stemmng n kta mendapatkan kata dasar yang benar yatu ber (to gve), akan tetap jka algortma stemmng mencoba untuk menghlangkan awalan (prefxes) terlebh dahulu sebelum akhran (suffxes) maka hasl kata dasar yang dhaslkan dar proses stemmng dengan menggunakan algortma tersebut adalah kan (fsh) (setelah menghlangkan awalan d dan ber ) dmana kan merupakan kata dasaryang vald yang terdapat dalam kamus tetap kan bukan merupakan kata dasar yang benar untuk kata turunan dberkan. Peneltan terhadap stemmng untuk text retreval, machne translaton, document summarzaton dan text classfcaton sudah pernah dlakukan sebelumnya. Untuk stemmng yang dlakukan pada Text Retreval, stemmng n menngkatkan kesenstvan retrval dengan menngkatkan kemampuan untuk menemukan document yang relevan, tetap hal tu terkat dengan pengurangan pada pemlhan dmana pengelompokkan menjad kata dasar menyebabkan penghlangan makna kata. Pada Text Retrval stemmng dharapkan dapat menngkatkan recall, tetap memungknkan untuk menurunkan precson. Sngle Pass Clusterng Sngle Pass Clusterng merupakan suatu tpe klasterng yang berusaha melakukan Jurnal Masyarakat Informatka, Volume 5, Nomor 0, ISSN
4 Analsa Performa Metode Cosne dan Jacard pengelompokan data satu dem satu dan pembentukan kelompok dlakukan serng dengan pengevaluasan setap data yang dmasukkan ke dalam proses klaster. Pengevaluasan tngkat kesamaan antar data dan klaster dlakukan dengan berbaga macam cara termasuk menggunakan fungs jarak, vectors smlarty, dan lan-lan. Algortma yang serng dgunakan dalam Sngle Pass Clusterng adalah, untuk masngmasng data d : () loop a) menemukan a klaster c yang memaksmalkanan fungs objektf b) jka nla dar fungs subjektf > a maka nla ambang masukkan d d dalam c c) jka a klaster baru maka a adalah hanya data d 2) akhr loop Dalam menggunakan algortma n, dua hal yang perlu menjad perhatan adalah penentuan objectve functon dan penentuan threshold value. Objectve functon yang dtentukan haruslah sebsa mungkn mencermnkan keadaan data yang dmodel dan dapat memberkan nla tngkat kesamaan atau perbedaan yang terkandung d dalam data tersebut. Penentuan threshold value juga merupakan hal yang subjektf, makn besar nla threshold, makn mudah suatu data untuk bergabung ke dalam suatu klaster, dan demkan juga sebalknya. (Klampanos, 2006). Cosne Smlarty Cosne smlarty merupakan metode yang dgunakan untuk menghtug tngkat kesamaan (smlarty) antar dua buah objek. Untuk tujuan klasterng dokumen, fungs yang bak adalah fungs cosne smlarty (Salton, 989). Untuk notas hmpunan dapat dgunakan rumus X Y dmana Smlarty X Y ( X, Y ) = X 2. Y adalah jumlah term yang ada pada dokumen X dan yang ada pada dokumen Y, X adalah jumlah term yang ada pada dokumen X dan Y pada dokumen Y. adalah umlah term yang ada 2 Dar notas hmpunan d atas dapat dbuat persamaan matematka sebaga berkut : Smlarty ( X, Y ) = = x y 2 2 X. Y = = dmana x dan y adalah dokumen yang berbeda, x adalah term yang ada d dokumen x adalah term yang ada d dokumen y Sedangkan pada proses nla cosnus berdasarkan kata kunc pada setap dokumen dapat dperlhatkan pada gambar dmana D adalah dokumen, D 2 adalah dokumen 2, Q adalah kata kunc dan t adalah kata dalam bassdata. t 2 D θ θ 2 Gambar. Vektor smlartas kata kunc dengan dokumen (Salton, 989) Pada proses pencaran kemrpan antar dokumen yang bukan berdasarkan kata kunc maka varable Q dgant dengan kumpulan kata pada suatu dokumen yang akan dcar dokumen lan yang mrp dengan dokumen tersebut. Tdak ada proses query yang dgenerate langsung oleh pengguna. Query dhaslkan dar kata-kata yang muncul d dokumen yang terplh. Pada proses pencaran kemrpan antar dokumen yang bukan berdasarkan kata kunc maka varable Q dgant dengan kumpulan kata pada suatu dokumen yang akan dcar dokumen lan yang mrp dengan dokumen tersebut. Tdak ada proses query yang dgenerate langsung oleh pengguna. Query dhaslkan dar kata-kata yang muncul d dokumen yang terplh. Jaccard Coeffcent Jaccard Coeffcent merupakan metode yang dgunakan untuk menghtug tngkat kesamaan (smlarty) antar dua buah objek. Untuk tujuan D 2 t 3 Q t y 4 Jurnal Masyarakat Informatka, Volume 5, Nomor 0, ISSN
5 Sugyamto, Bayu Surarso dan Ars Sugharto klasterng dokumen, fungs yang bak adalah fungs Jaccard Coeffcent (Salton, 989). Untuk notas hmpunan dapat dgunakan rumus Smlarty ( X, Y ) X Y = X +. Y X Y dar notas hmpunan d atas dapat dbuat persamaan matematka sebaga berkut : Smlarty ( X, Y ) = = t + t t 2 2 x y = = = x y x y Untuk merealsas konsep n, setap dokumen harus dkorelaskan dengan subyek dengan relas many to many, artnya satu subyek bsa memlk beberapa dokumen, sebalknya satu dokumen bsa juga memlk beberapa subyek. Untuk dapat melakukan pengelompokan dokumen terhadap subyek dapat dlakukan dengan 2 cara, yatu:. Memasukkan setap dokumen secara langsung kedalam subyek 2. Memasukkan dokumen secara tdak langsung kedalam suatu subyek dengan menggunakan bantuan term. Untuk dokumen dalam jumlah yang sangat banyak, tdak dlakukan pengelompokan dengan cara memasukkan satu persatu dokumen kedalam subyek, yatu dengan memperhtungkan frekuens kemunculan term dalam dokumen tersebut dan jumlah dokumen yang mengandung term tersebut. 3. METODOLOGI PENELITIAN Alat dan Bahan Pada peneltan n dgunakan data sejumlah 550 skrps mahasswa dalam bentuk judul dan abstrak. Sedangkan spesfkas alat melput hardware dan software dengan spesfkas sebaga berkut : a. Perangkat keras Spesfkas perangkat keras yang dgunakan processor Intel Core 5, 2.30 GHz, RAM 4 GB, Hardsk 360 GB, montor. b. Perangkat lunak Perangkat lunak yang dgunakan dalam sstem n adalah Mcrosoft Wndows 7 Ultmate, Bahasa pemrograman PHP, webserver Apache 2.0 dan server bass data MySql 5. Tahapan Peneltan Peneltan n memlk tahapan-tahapan sebaga berkut : a. Tokensas b. Pembuangan Stop Word c. Stemng d. Indexng e. Smlarty f. Clusterng yang dperlhatkan pada gambar 2. Start Judul Abstrak Baca dokumen Tokensas Pembuangan Stop Word Stemmng A Gambar 2. Tahapan Peneltan A Indexng Htung Smlartas Klasterng Skrps koleks dokumen dokumen smlartas dokumen klaster Stop Koleks Jaccard & cosne Klaster Jurnal Masyarakat Informatka, Volume 5, Nomor 0, ISSN
6 Analsa Performa Metode Cosne dan Jacard Hasl dan Pembahasan Adapun antar muka yang dgunakan untuk proses pencaran data sekalgus untuk melhat nla kemrpannya dan proses klasterng dapat dlhat pada gambar 3 dan 4. Tabel. Kemrpan Judul dengan Cosne d Id2 Sm Gambar 3. Antar muka pencaran data. Tabel 2. Kemrpan Abstrak dengan Cosne d Id2 Sm Tabel 3. Kemrpan Judul dengan Jaccard d Id2 Sm Gambar 4. Antar muka untuk pengklasteran Setelah dlakukan serangkaan ujcoba dengan menggunakan perhtungan kemrpan Cosne smlarty dan Jaccard sepert tahapan pada gambar 2, dperoleh hasl sebaga berkut : Untuk pengukuran kemrpan dengan menggunakan Cosne smlarty dperlhatkan pada tabel dan 2 sedangkan kemrpan dengan menggunakan Jaccard dperlhatkan pada tabel 3 dan 4. Tabel 4. Kemrpan Abstrak dengan Jaccard. d Id2 Sm Jurnal Masyarakat Informatka, Volume 5, Nomor 0, ISSN
7 Sugyamto, Bayu Surarso dan Ars Sugharto Tabel 5. Data 0 nla kemrpan tertngg untuk abstrak. No. d Id2 Jaccard Cosne Dar data d atas dapat dlhat bahwa rata-rata kemrpan untuk abstrak dengan menggunakan Cosne sebesar 0, sedangan jka dgunakan Jaccard rata-ratanya sebesar 0, KESIMPULAN Hasl dar peneltan n menunjukkan bahwa penggunaan pengukuran kemrpan abstrak bak dengan Cosne maupun Jaccar secara rata-rata mengndkaskan bahwa keduanya memlk performa yang tngg, namun jka dbandngkan terlhat bahwa pengukuran dengan menggunakan Cosne smlarty memlk tngkat akuras yang lebh bak yatu sebesar 0, sedangkan Jaccard sebesar 0, DAFTAR PUSTAKA Alex N, Barbara H dan Frank Klawonn, Sngle pass clusterng for large data sets, Proceedngs of the 6th Internatonal Workshop on Self-Organzng Maps (WSOM, 2007), -6. Baeza, R dan Rbero, B, 998, Modern Informaton Retreval, ACM Press New York USA Huang A., Smlarty Measures for Text Document Clusterng, Proceedngs of the New Zealand Computer Scence Research Student Conference, 2008, Klampanos I A., Joemon M. J, dan C. J. Keth van Rjsbergen, Sngle-Pass Clusterng for Peer-to-Peer Informaton Retreval: The Effect of Document Orderng, Proceedngs of the Frst Internatonal Conference on Scalable Informaton Systems, May 29-June 2006 Porter, M., (980), An algorthm for suffx strppng, Program3(3), Pressman R, 997, Software Engneerng, Mc Graw Hll, USA. Salton, G., 989, Automatc Text Processng, The Transformaton, Analyss, and Retreval of Informaton by Computer, Addson Wesly Publshng Company, Inc. All rghts reserved. Salton, G. and Buckley, 988, Term Wegtng Approaches n Automatc Text Retreval, Department of Computer Scence, Cornell Unversty, Ithaca, NY 4853, USA. Salton, G., 97, Cluster Search Strateges and the Optmzaton of Retreval Efectveness, dalam G. Salton, ed. The SMART Retreval System: Experments n Automatc Document Processng. Englewood Clffs: Prentce-Hall, Sambasvam Samuel, Nck Theodosopoulos, Advanced Data Clusterng Methods of Mnng Web Documents, Issues n Informng Scence and Informaton Technology, Volume 3, Schlemer Saul, Danel S. Wlkerson, Alex Aken, 2003, Wnnowng : Local Algorthms for Document Fngerprntng, SIGMOD 2003,June 9-2, -0 Jurnal Masyarakat Informatka, Volume 5, Nomor 0, ISSN
8 Analsa Performa Metode Cosne dan Jacard Shombng P; Embong A dan Sumar P, 2005, Applcaton of Genetc Algorthm to Determne A Document Smlarty Level n IRS, The Frst Malaysan Software Engneerng Conference, 67-7 Shombng P; Embong A dan Sumar P, 2006, Comparson of Document Smlarty n Informaton Retreval System by Dfferent Formulaton, Proceedngs of the 2 nd IMT- GT Regonal Conference on Mathematcs, Statstcs and Aplkaton, Malaysa, June 3-5, -8 Algorthms, Internatonal Journal of Scence and Technology (6), Tala, Z, 2003, A Study of Stemmng Effects on Informaton Retreval n Bahasa Indonesa, Master of Logc Project, Insttute for Logc, Language and Computaton, Unverstet van Amsterdam, The Netherlands. Tan, P. N., M. Stenbach and V. Kumar, Introducton to Data Mnng, Addson Wesley. Srdev. K, R. Umaran. V.Selv, 20, An Analyss of Web Document Clusterng 8 Jurnal Masyarakat Informatka, Volume 5, Nomor 0, ISSN
BAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN
ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN Hendra Bunyamn Jurusan Teknk Informatka Fakultas Teknolog Informas Unverstas Krsten Maranatha
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciPENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN
PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN Handry Wardoyo 1 Jeanny Pragantha Vny Chrstant M. 3 1 3 Teknk Informatka Unverstas Tarumanagara
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Kamus Buku acuan yang memuat kata dan ungkapan, basanya dsusun menurut abjad berkut keterangan tentang makna, pemakaan, atau terjemahannya, kamus juga dsebut buku yang memuat
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciAPLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Studi Kasus Pengenalan Karakter Tulisan Tangan)
APLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Stud Kasus Pengenalan Karakter Tulsan Tangan) Irwan Bud Santoso Jurusan Teknk Informatka, Sans dan Teknolog Unverstas Islam
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciPERHITUNGAN PENILAIAN MAHASISWA TERHADAP MENGAJAR DOSEN BERBASIS KASUS MENGGUNAKAN ALGORITMA BAYESIAN
JURNAL DAI IN: - Vol. No. JUNI ERHITUNGAN ENILAIAN MAHAIWA TERHADA MENGAJAR DOEN BERBAI KAU MENGGUNAKAN ALGORITMA BAYEIAN Ern enwat TMIK AMIKOM Yogyakarta ern.s@amkom.ac.d ABTRAKI roses belaar mengaar
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciBab III Analisis dan Rancangan Sistem Kompresi Kalimat
Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciBAB I PENDAHULUAN Latar Belakang. menghimpun dana dari pihak yang kelebihan dana (surplus spending unit) kemudian
Pengaruh Captal Structure terhadap Proftabltas pada Industr Perbankan d Indonesa Mutara Artkel n d-dgtalsas oleh Perpustakaan Fakultas Ekonom-Unverstas Trsakt, 2016. 021-5663232 ext.8335 BAB I PENDAHULUAN
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciBAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciJULIO ADISANTOSO - ILKOM IPB 1
KOM341 Temu Kembal Informas KULIAH #9 Text Clusterng Clusterng Pengelompokan, penggerombolan Proses pengelompokan sekumpulan obyek ke dalam kelas-kelas obyek yang memlk sfat sama. Unsupervsed learnng JAS
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Sejalan dengan semakn populernya penggunaan Internet dan Perpustakaan Dgtal nformas dalam jumlah yang luar basa besar kn bsa dakses secara luas oleh masyarakat suatu hal yang
Lebih terperinciPengembangan Sistem Deteksi Kesesuaian Dokumen Proposal Program Kreativitas Mahasiswa Dengan Metode Extended Weighted Tree Similarity
Pengembangan Sstem Deteks Kesesuaan Dokumen Proposal Program Kreatvtas Mahasswa Dengan Metode Extended Weghted Tree Smlarty Wwk Suharso 1), Qurrota A yun 2), Den Arfanto 3) 1,2,3) Jurusan Teknk Informatka,
Lebih terperinciBAB III METODE PENELITIAN. problems. Cresswell (2012: 533) beranggapan bahwa dengan
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan kombnas atau mxed methods. Cresswell (2012: 533) A mxed methods research desgn s a procedure for collectng, analyzng and mxng
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciTeori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang
Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciPEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF
PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: cce@ft.u.ac.d Abstrak
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciI. PENGANTAR STATISTIKA
1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan
Lebih terperinciPERBANDINGAN METODE SAW DAN TOPSIS PADA KASUS UMKM
PERBANINGAN METOE SAW AN TOPSIS PAA KASUS UMKM Muh. Alyazd Mude al.mude@yahoo.com Teknk Informatka Unverstas Muslm Indonesa Abstrak alam pengamblan keputusan terhadap masalah berdasarkan sebuah analsa
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciIII. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini
III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
ANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE M. Fachrurroz, M.T. 1, Nov Yuslan, M.T. 2 1,2 Jurusan Teknk Informatka Fakultas Ilmu Komputer, Unverstas Srwjaya 1 obetsobets@gmal.com,
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciKLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING
KLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING Lsa Maranah 1, Fhra Nhta, Adwjaya 3 1,,3 ProdS1 Ilmu Komputas, Fakultas Informatka, Unverstas Telkom 1 lsamaranah@gmal.com, fhranhta@telkomunversty.ac.d,
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciPENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT
PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciPENDAHULUAN. Latar Belakang
1 Latar Belakang PENDAHULUAN Beberapa stus berta d Indonesa sepert Kompas, Okezone, Tempo, Antara dan lan sebaganya telah menggunakan SS dalam menyakan sndkas berta. Jumlah berta yang dsndkaskan oleh stus
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciSISTEM PENAMBANG TERM INDIKATOR PADA PELATIHAN KEBUTUHAN NON-FUNGSIONAL BERBASIS ISO/IEC 9126
SISTEM PENAMBANG TERM INDIKATOR PADA PELATIHAN KEBUTUHAN NON-FUNGSIONAL BERBASIS ISO/IEC 926 Wwk Suharso ), St Rochmah 2),2) Program Magster Jurusan Teknk Informatka Fakultas Teknolog Informas Insttut
Lebih terperinciPembentukan Prototype Data Dengan Metode K-Means Untuk Klasifikasi dalam Metode K- Nearest Neighbor (K-NN)
Pembentukan Prototype Data Dengan Metode K-Means Untuk Klasfkas dalam Metode K- Nearest Neghbor () Kharul Umam Syalman Magster Teknk Informatka Faslkom - TI USU kharul.q14@gmal.com Adl Abdllah Nababan
Lebih terperinciPembentukan Prototype Data Dengan Metode K-Means Untuk Klasifikasi dalam Metode K- Nearest Neighbor (K-NN)
Pembentukan Prototype Data Dengan Metode K-Means Untuk Klasfkas dalam Metode K- Nearest Neghbor () Kharul Umam Syalman Magster Teknk Informatka Faslkom - TI USU kharul.q14@gmal.com Adl Abdllah Nababan
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciBAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian
BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve
Lebih terperinciBAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
Lebih terperinciBAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas
BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinci