ANALISIS E-LEARNING CENTER OBJECT RECOMMENDER UNTUK PERSONALISASI PEMAHAMAN PRIOR KNOWLEDGE
|
|
- Leony Indradjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS E-LEARNING CENTER OBJECT RECOMMENDER UNTUK PERSONALISASI PEMAHAMAN PRIOR KNOWLEDGE T.Henny 1, Hanifah Amrul 2, Darmeli Nasution 3 Sistem Komputer, Teknik, Universitas Pembangunan Pancabudi Jl. Jendral Gatot Subroto Km 4.5 Medan 1 hennyharumy@hotmail.com, 2 hani_amrul@yahoo.co.id, 3 darmelinasution@gmail.com Abstrak Pendidikan memiliki tujuan yang ingin dicapai, berdasarkan hal ini semua kegiatan dirancang untuk memfasilitasi mahasiswa dalam memperoleh pengetahuan dan keahlian. Penulis mengusulkan Learning Object Recommender Systems yang akan memberikan rekomendasi bahan ajar berdasarkan informasi mengenai prior knowledge mahasiswa. Prior knowledge yang dimiliki mahasiswa dapat diidentifikasi melalui Pre-Test assessment diawal perkuliahan. Kemajuan belajar yang dicapai mahasiswa juga dapat diketahui melalui Mid-Test assessment. Adapun assessment atas keseluruhan topik dalam matakuliah dapat dilakukan melalui Post-Test assessment. Penelitian ini sejalan dengan sistem e-learning yang telah diimplementasikan di UNPAB yaitu Student Centered ELearning Environment (SCELE) yang dikembangkan dengan menggunakan Learning Management System (LMS) berbasis open source, yaitu Moodle dan di selaraskan dengan aplikasi edmodo. Dalam proses analisis menggunakan software sipina. Pembelajaran seringkali diasumsikan bahwa mahasiswa memiliki prior knowledge yang sama. Padahal realitasnya tidaklah selalu demikian. Disinilah pentingnya fasilitas Learning Object Recommender (LOR) untuk meningkatkan kualitas. Metodologi penelitian yang digunakan melalui observasi langsung dan penyebaran kuisioner. Terdapat pengaruh penggunaan Learning Object Recommender terhadap learning outcome memahasiswa sebesar 67%. Prior Knowlede merupakan metode yang dilakukan sebagai metode keberhasilan program pembelajaran berbasis E-learning. Tanpa Prior Knowledge tingkat pemahaman mahasiswa tentang E-learning sangat kecil sehingga output ataupun luaran yang dihasilkan sangat kecil dan tidak seperti yang diharapkan. Kata Kunci : E-Learning, Prior Knowledge, Learning object Recommender 1. PENDAHULUAN 1.1 Latar Belakang E-learning saat ini Sangat berpengaruh terhadap peningkatan dunia pendidikan juga berpotensi menambah soft skill mahasiswa, diantaranya meningkatkan ketrampilan mencari informasi dan menjadi self regulated learner. Namun, menyelenggarakan e-learning yang berkualitas tidaklah mudah. Dalam pembelajaran tatap muka di kelas, pengajar dengan mudah mengamati respon dan tingkat pencapaian mahasiswa terhadap materi yang sedang dibahas. Jika mahasiswa tampak sulit menangkap topik yang dibahas, pengajar dapat mengulang kembali pengetahuan prasyarat yang harus dimiliki mahasiswa agar dapat menguasai topic tersebut. Teori pembelajaran dari Gagne yang dikenal dengan Nine Events of Instruction, menyebutkan bahwa sebelum menyampaikan materi ajar, haruslah ada stimulasi untuk memanggil prior knowledge. Prior Knowledge adalah suatu pemahaman sebelumnya yang didapatkan sebelum mahasiswa tersebut mebgikuti mata kuliah yanng diberikan. Oleh karena itu, e- learning yang berkualitas haruslah menyediakan materi ajar yang berbasis personalisasi dan whenneeded content (Karamanis, 2004) Dengan adanya personalisasi, pastinya mahasiswa yang memiliki tingkat prior knowledge yang berbeda diharapkan dapat mengikuti materi ajar dengan baik dan mencapai tujuan pembelajaran. Penguasaan terhadap sebuah topik bahasan sangat diperlukan untuk membantu penguasaan atas topik bahasan selanjutnya, khususnya yang memerlukan prasyarat topik bahasan sebelumnya. Penelitian ini mengembangkan fitur Learning Object Recommender (LOR) dalam learning management system (LMS) dengan paradigma student-centered, yaitu Student Centered e- Learning Environment. LOR dikembangkan untuk memberikan rekomendasi bahan ajar apa saja yang relevan untuk diakses mahasiswa melalui LMS sesuai dengan kondisi prior knowledge masing-masing. Informasi mengenai prior knowledge diperoleh melalui assessment. Universitas Pembangunan Panca Budi telah menjalankan sistem pembelajaran dengan e- learning dari tahun 2010, namun sampai saat ini belum semua mata kuliah dan semua mahasiswa mampu menjalankan sistem ini. Sebenarnya apa yang salah dengan sistem E- learning yang di telah diterapkan di Universitas Pembangunan Panca Budi selama ini? Dengan adanya 64
2 penelitian ini diharapkan dapat memberikan masukan bagi pihak yang berkepentingan dalam penyelengaraan e-learning agar sistem ini dapat berjalan seperti yang diharapkan. 1.2 Perumusan Masalah a. Apakah terdapat pengaruh Learning Object Recommender terhadap learning outcome memahasiswa? b. Bagaimana penggunaan E- Learning Object Recommender berpengaruh terhadap E- learning outcome memahasiswa? 1.3 Ruang Lingkup Penelitian Penelitian ini berfokus pada kegiatan e- learning mata kuliah disemester 2, dan bukan pada tingkat pendidikan di bawahnya. Sistem yang dikembangkan bersifat general, dan tidak terbatas untuk kegiatan e-learning pada mata kuliah tertentu atau bidang studi tertentu. 2. LANDASAN TEORI Komputer adalah sistem elektronik untuk memanipulasi data dengan cepat dan tepat serta dirancang dan diorganisasikan agar secara otomatis menerima dan menyimpan data input, memrosesnya, dan menghasilkan output di bawah pengawasan suatu langkah-langkah instruksi program (Sistem Operasi) yang tersimpan di didalam penyimpannya (Donald H. Sanderes, 1985). Oleh sebab itu komputer merupakan alat atau media pembelajaran yang terstruktur dan terintegrasi untuk menghasilkan output yang diinginkan Matthew Comerchero dalam E-Learning Concepts and Techniques (Bloomsburg, 2006) mendefinisikan E-learning adalah sarana pendidikan yang mencakup motivasi diri sendiri, komunikasi, efisiensi, dan teknologi. Karena ada keterbatasan dalam interaksi sosial, siswa harus menjaga diri mereka tetap termotivasi. Oleh sebab itu E learning sebagai media dan dan pemahaman prior knowledge output yang ingin dicapai merupakan indikator untuk meningkatkan pemahaman dari mahasiswa tersebut terhadap mata kuliah yang diikuti. 3. Metode Penelitian Metode pemecahan masalah dalam penelitian ini lakukan dalam 3 Tahap, yaitu perancangan sistem, uji coba, evaluasi, Hasil akhir yang diharapkan dari penelitian ini berupa sistem perekomendasian Learning Object yang adaptif terhadap prior knowledge dan gaya belajar mahasiswa yang mampu meningkatkan efektifitas aktivitas belajar. Kelas A Kuisioner Pemberian pemahaman E- Learning Sistem E Learning Output Evaluasi Kelas B Kuisioner Tanpa Pemberian Pemahaman E- Learning Sistem E Learning Materi Kuliah Tugas online Quis Online UTS online UAS Online Output Gambar 1. Alur Penelitian Parameter yang diamati 1. Motivasi 2. Konten yang digunakan 3. Tingkat keaktifan mahasiswa 4. Materi Pemelajaran 5. Hasil Tes (Nilai) 6. Lingkugan 7. Prior knowledge Metode penelitian menggunakan Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. Banyak algotima yang dapat dipakai dalam pembentukan pohon keputusan antara lain ID3, CART dan C4.5 (Larose, 2005). Algoritma C4.5 merupakan pengembangan dari algoritma ID3 (Larose, 2005). Data dalam pohon keputusan biasanya dinyatakan dalam bentuk tabel dengan atribut dan record. Atribut menyatakan suatu parameter yang dibuat sebagai kriteria dalam pembentukan pohon. Proses pada pohon keputusan adalah: mengubah bentuk data (tabel) menjadi model pohon, mengubah model pohon menjadi rule dan menyederhanakan rule (Basuki & Syarif, 2003). Dalam penelitian ini criteria yang digunakan adalah sebagai berikut : Salah satu atribut merupakan atribut yang menyatakan data solusi per-item data yang disebut dengan target atribut. Atribut memiliki nilai-nilai yang dinamakan dengan instance. Secara umum algoritma C4.5 untuk membangun pohon keputusan adalah sebagai berikut: a. Pilih atribut sebagai akar b. Buat cabang untuk masing-masing nilai c. Bagi kasus dalam cabang 65
3 d. Ulangi proses untuk masing-masing cabang sampai semua kasus pada cabang memiliki kelas yang sama. Untuk memilih atribut sebagai akar, didasarkan pada nilaigain tertinggi dari atributatribut yang ada. Untukmenghitung gain digunakan rumus seperti tertera dalam Rumus 1 (Craw, S., ---). Dengan : S : Himpunan kasus A : Atribut n : Jumlah partisi atribut A Si : Jumlah kasus pada partisi ke i S : Jumlah kasus dalam S Sedangkan perhitungan nilai entropy dapat dilihat pada rumus 2 berikut(craw, S., ---): tidak menggunakan prior knowledge. Sistem uji coba ini meliputi pemberian materi kuliah secara online yaitu untuk mata kuliah struktur data mencakup materi (Array, Stack, Sorting, Searching dan lain sebagainya). Mahasiswa untuk kedua kelas diberikan tugas untuk meringkas dan memahami materi yang diberikan tanpa harus tatap muka dengan dosen pengajar di dalam kelas. Mahasiswa bisa melakukan hal tersebut dimana saja baik dirumah maupun di Kampus namun dengan waktu yang telah ditentukan. Setelah dianalisa Mahasiswa Kelas 2 pagi A mempunyai tingkat kemauan yang lebih tinggi dalam meringkas materi dengan rata rata 7 kali pertemuan dengan : S : Himpunan Kasus A : Fitur n : Jumlah partisi S pi : Proporsi dari Si terhadap S a. Analisa Penelitian Tahap I (Perancangan sistem). Materi yang akan digunakan pada penelitian tahap I ini adalah menyiapkan responden sebanyak 43 orang mahasiswa sebagai sampel yang berasal dari 2 kelas yang berbeda. Selanjutnya dilakukan penyebaran Quisioner sesuai dengan variabel yang diamati. Tahapan ini dilakukan pada awal perkuliahan dalam waktu 1 minggu. Selanjutnya Kelas tersebut akan dibedakan menjadi dua, yaitu kelas yang menjalankan perkuliahan dengan sistem e- learning tanpa melalui penjelasan dan kelas yang menjalankan e-learning dengan diberikan penjelasan terlebih dahulu. Selanjutnya kelas yang ditunjuk untuk menjalankan proes e-learning dengan proses pemahaman akan diberikan pelatihan tentang e-learning sistem lebih mendalam. Setelah di lakukan wawancara dan penyebaran angket dengan kelas masing masing akhirnya ditentukan untuk Kelas 2 Pagi A untuk menjadi objek penelitian dengan prior knowledge dan Kelas 2 Siang F untuk menjadi objek penelitian tidak menggunakan prior knowledge. Gambar 2. Materi Struktur data secara online Namun untuk kelas 2 Siang F mempunyai tingkat kemauan yang lebih rendah walaupun ada sebagian mahasiswa yang mempunyai persentase yang sama yaitu 7 kali pertemuan namun ada sekitar 7 mahasiwa yang memiliki tingkat kehadiran 0 s/d 3 kali pertemuan dari 7 yang telah ditentukan Mahasiswa pada tahap ini juga diberikan tugas untuk mengerjakan quiz secara online, mengupload tugas secara online dan absen secara online serta mid semester secara online. b. Analisa Penelitian Tahap II (Uji coba) Setelah dilakukan pembagaian kelas, penelitian tahap II dilakukan uji coba pada kedua kelompok kelas yang berbeda yaitu Kelas 2 Pagi A dengan prior knowledge dan Kelas 2 Siang F 66
4 Gambar 5. Progres nilai kelas siang 2 F tanpa prior knowledge Gambar 3. Mid semester secara online Gambar 4. Tugas secara online Pada tahap ini akan dibandingkan kemampuan mahasiswa yang telah diberi pemahaman dan kelas yang tidak diberi pemahaman. Setelah perkuliahan berakhir kemudian mahasiswa diberikan kuisioner untuk melihat tingkat pemahaman mahasiswa dalam menggunakan aplikasi e learning secara berkesinambungan. Nilai tersebut dapat dilihat dibawah ini : Gambar 6. Progres nilai kelas 2 pagi A menggunakan prior knowledge Dapat terlihat setelah di lakukan uji coba meliputi tugas, quis dan mid. Progres kelas dengan prior knowledge jauh lebih banyak daripada progress kelas tanpa prio knowledge. c. Penelitian Tahap III (pengolahan data dan evaluasi ). Setelah dilakukan tahap II dan seluruh data telah terkumpul. Selanjutnya dilakukan pengolahan data dan evaluasi terhadap uji coba yang dilakukan dengan membandingkan variablevariabel yang diamati. Pada tahap ini akan kelihatan apakah prior knowledge memang dibutuhkan dalam proses elearning sistem atau tidak. Software yang digunakan untuk mengolah 67
5 data adalah software data mining SIPINA dengan algoritma C 4.5 ( pohon keputusan). Gambar 9. Hasil output algoritma c 4.5 Jika dilihat dari hasil output pohon keputusan maka terlihat prior knowledge yang lihat pengaruhnya dari variabel yang diolah adalah efektif sebesar 67%. Gambar 7. Data input Setelah data di input, maka dibuat dan di pilih untuk sampel, atribut dan class dari variabel yang diinput. Dalam seluruh variabel maka untuk class diagram adalah prior knowledge. Sampel diagram adalah nama responden dan Atribut diagram adalah Jenis Kelamin, Kelas, Semester, Umur, Pemahaman tentang e-learning, Kehadiran Kuliah, Tes secara E-learning, Diskusi, Motivasi, Penggunaan Konten, Tingkat Keaktifan di Edmodo, Memperoleh Materi, Pengetahuan tentang PK, Nilai Tugas, Nilai UTS. 4. Kesimpulan Berdasarkan penelitian yang telah dilakukan maka dapat ditarik kesimpulan yaitu: 1. Terdapat pengaruh penggunaan Learning Object Recommender terhadap learning outcome memahasiswa. 2. Terdapat pengaruh perekomendasian learning object yang sesuai dengan tingkat kedalaman atau kesulitan soal dibandingkan dengan learning object yang sifatnya umum walaupun tetap ada kaitannya dengan topik soal. 3. Tanpa adanya Prior Knowledge tingkat pemahaman mahasiswa tentang Elearning sangat kecil sehingga output ataupun luaran yang dihasilkan sangat kecil dan tidak seperti yang diharapkan DAFTAR PUSTAKA Gambar 8. Pembagian class, atribut, dan sampel dari variabel Nizar, Buku Pedoman Singkat, UAI E-learning System, Pusat Komputer dan Sistem Informasi, UAI, 2009 Permana, Wim, Implementasi E-learning di FMIPA UGM sebagai Motivator Student Centered Learning, 2004 Purbo, Onno W., E-learning dan Pendidikan,2003 Som Naidu, E-Learning Guidebook of Principles, Procedure and Practice, New Delhi, CEMCA, 2006 Tsang,HK. Object - Oriented Technology From Diagram to Code with Visual Paradigm for UML,Tata McGraw-Hill,
BAB 3 ALGORITMA C4.5. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan.
BAB 3 ALGORITMA C4.5 Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. A. Pohon Keputusan Pohon keputusan merupakan metode klasifikasi dan prediksi yang sangat kuat dan
Lebih terperinci1. PENDAHULUAN 1.1 Latar Belakang
1. PENDAHULUAN 1.1 Latar Belakang E-Learning atau pembelajaran secara elektronik merupakan metode pembelajaran yang kini sudah umum digunakan dalam pembelajaran. E-learning dapat diartikan sebagai metode
Lebih terperinciBAB I PENDAHULUAN. komponen penting dalam hal memajukan kualitas PT tersebut. Apabila sistem
BAB I PENDAHULUAN A. Latar Belakang Dalam memajukan kualitas pendidikan, baik dalam konteks sumber daya mahasiswa atau sistem pembelajaran, setiap Perguruan Tinggi (PT) memiliki cara pengelolaan tersendiri.
Lebih terperinciALGORITMA C4.5. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. Tabel 3.1. Keputusan Bermain Tenis
ALGORITMA C4.5 Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. Tabel 3.1. Keputusan Bermain Tenis NO OUTLOOK TEMPERATURE HUMIDITY WINDY PLAY 1 Sunny Hot High FALSE No
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
Lebih terperinciPEMANFAATAN E-LEARNING SEBAGAI PENDUKUNG PROGRAM POLINES SMARTCAMPUS
PEMANFAATAN E-LEARNING SEBAGAI PENDUKUNG PROGRAM POLINES SMARTCAMPUS Sukamto,Wahyu Sulistyo, Budi Suyanto,Tri R Yudantoro,Taufiq Yulianto Program Studi Teknik Informatika Politeknik Negeri Semarang Abstrak
Lebih terperinciAlgoritma C4.5. Untuk memudahkan penjelasan mengenai algoritma C4.5 berikut ini disertakan contoh kasus yang dituangkan dalam Tabel 1.
Algoritma C4.5 1 Kusrini, 2 Emha Taufiq Luthfi 1 Jurusan Sistem Informasi, 2 Jurusan Teknik Informatika 1, 2 STMIK AMIKOM Yogykakarta 1,2 Jl. Ringroad Utara Condong Catur Sleman Yogyakarta Untuk memudahkan
Lebih terperinciAlgoritma Data Mining (2) Tugas Klasifikasi
Algoritma Data Mining (2) Tugas Klasifikasi Anief Fauzan Rozi, S. Kom., M. Eng. 1 Kompentensi Mahasiswa mengetahui algoritma data mining pada tugas klasifikasi 2 Pokok Bahasan Algoritma C4.5 3 Supervised
Lebih terperinciDATA MINING KLASIFIKASI BERBASIS DECISION TREE. Ramadhan Rakhmat Sani, M.Kom
DATA MINING KLASIFIKASI BERBASIS DECISION TREE Ramadhan Rakhmat Sani, M.Kom Text Book Outline 1. Algoritma Data Mining Algoritma ID3 Algoritma C4.5 Algoritma C4.5 Introduction Algoritma C4.5 merupakan
Lebih terperinciJurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017 50 APLIKASI KLASIFIKASI ALGORITMA C4.5 (STUDI KASUS MASA STUDI MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN
Lebih terperinciRencana Program dan Kegiatan Pembelajaran Semester (RPKPS)
UNIVERSITAS GADJAH MADA FAKULTAS TEKNIK/JURUSAN TEKNIK ELEKTRO DAN TEKNOLOGI INFORMASI Jln. Grafika No. 2 Yogyakarta, Kampus UGM Yogyakarta 55281 Telp. (0274) 552305, 902202 Fax. (0274) 552305 Rencana
Lebih terperinciBAB I PENDAHULUAN. Proses penguasaan suatu konsep di dalam upaya memperkaya informasi
BAB I PENDAHULUAN A. Latar Belakang Penelitian Proses penguasaan suatu konsep di dalam upaya memperkaya informasi dan ilmu pengetahuan, telah banyak digunakan berbagai solusi untuk mencari tahu bagaimana
Lebih terperinci1. Pendahuluan 1.1. Latar Belakang Masalah
1. Pendahuluan 1.1. Latar Belakang Masalah Dalam e-learning terutama yang berbasis web, terdapat dua konsep belajar yang berbeda, yaitu Virtual Learning Environment (VLE) dan Personal Learning Environment
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi beberapa tahun ini sangat pesat, seiring dengan perkembangan ini tuntutan akan informasi juga semakin besar. Media teknologi informasi
Lebih terperinciDIAGNOSA KETERLAMBATAN PERKEMBANGAN PADA ANAK BALITA DENGAN ACUAN DENVER II DAN PENGAMBIL KEPUTUSAN DENGAN METODE DECISION TREE BERBASIS JSP
DIAGNOSA KETERLAMBATAN PERKEMBANGAN PADA ANAK BALITA DENGAN ACUAN DENVER II DAN PENGAMBIL KEPUTUSAN DENGAN METODE DECISION TREE BERBASIS JSP Endah Rakhmawati 1, Entin Martiana K, M.Kom 2, Nur Rosyid Mubtadai,
Lebih terperinciPenerapan Data Mining dalam Memprediksi Pembelian cat
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Penerapan Data Mining dalam Memprediksi Pembelian cat Fitriana Harahap STMIK POTENSI UTAMA Jl. KL. Yos Sudarso KM 6,5
Lebih terperinciPEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5
PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Jurusan Sistem Informasi, STMIK Indonesia 1 syam@stmik-indonesia.ac.id,
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Masalah. Kemajuan ilmu pengetahuan dan teknologi (IPTEK) mengakibatkan
1 BAB I PENDAHULUAN A. Latar Belakang Masalah Kemajuan ilmu pengetahuan dan teknologi (IPTEK) mengakibatkan perubahan dan pertumbuhan kehidupan ke arah yang lebih kompleks. Kemajuan teknologi juga membuat
Lebih terperinciPENERAPAN ALGORITMA C4.5 DALAM PENERIMAAN CALON KARYAWAN PT. TELKOM AKSES AREA LAMPUNG BERBASIS WEBSITE
PENERAPAN ALGORITMA C4.5 DALAM PENERIMAAN CALON KARYAWAN PT. TELKOM AKSES AREA LAMPUNG BERBASIS WEBSITE Tosy Caesar Kurniawan 1,2 Jl. Zainal Abidin Pagar Alam No.93, Kedaton, Bandar Lampung 3 Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Pada bab ini, akan dijelaskan mengenai pendahuluan, rumusan masalah,tujuan, batasan yang dikerjakan, hipotesis, metodologi penyelesaian masalah, sistematika penulisan, dan jadwal pengerjaan
Lebih terperinciBurhanudin Junardi Karim Dr. Lintang Yuniar Banowosari, S.Kom., M.Sc
Implementasi Data Mining Pada Penjualan Produk Alat Medis di PT. Murti Indah Sentosa Menggunakan Metode Klasifikasi Burhanudin Junardi Karim 11112533 Dr. Lintang Yuniar Banowosari, S.Kom., M.Sc Latar Belakang
Lebih terperinciAnalisa Penggunaan E-Learning Untuk Meningkatkan Kemudahan Mahasiswa Dalam Pembelajaran
Analisa Penggunaan E-Learning Untuk Meningkatkan Kemudahan Mahasiswa Dalam Pembelajaran Suhendi 1) 1) Sistem Informasi STT Terpadu Nurul Fikri Kampus-B,Gedung PPSDMS-NF,Jl.Lenteng Agung Raya No.20 Email
Lebih terperinciNomor : 05/465/F-/III/2009 Jakarta, 10 Maret Perihal: Tata Cara Perkuliahan e-learning
Nomor : 05/465/F-/III/2009 Jakarta, 10 Maret 2009 Yang terhormat, Bapak Bapak/Ibu Dosen Pengampu Mata Kuliah e-learning Semester Genap Tahun Akademik 2008/2009 Program Kelas Karyawan, Universitas Mercu
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. yang tepat. Sistem data mining mampu memberikan informasi yang tepat dan
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Sistem data mining akan lebih efektif dan efisiensi dengan komputerisasi yang tepat. Sistem data mining mampu memberikan informasi yang
Lebih terperinciModel Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree
Scientific Journal of Informatics Vol. 3, No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA
JURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA IMPLEMENTATION OF DATA MINING WITH C4.5 ALGORITHM TO PREDICT STUDENT ACHIEVEMENT Oleh: SITI MUHIMATUL KHOIROH NPM
Lebih terperinciMengapa menggunakan ICT. Bagaimana level kompetensi ICT bagi seorang guru? Pemanfaatan ICT untuk Pembelajaran 5/24/12. Learning: dahulu vs sekarang
Learning: dahulu vs sekarang Pemanfaatan ICT untuk Pembelajaran Herman Dwi Surjono, Ph.D. Dosen FT dan PPs UNY Kepala Puskom UNY hermansurjono@uny.ac.id http://blog.uny.ac.id/hermansurjono http://herman.elearning-jogja.org
Lebih terperinciPROGRAM BANTU PEMILIHAN PAKAIAN DAN BAHAN BATIK BAGI KONSUMEN DENGAN PENDEKATAN DECISION TREE Studi Kasus : Toko InBATIK
PROGRAM BANTU PEMILIHAN PAKAIAN DAN BAHAN BATIK BAGI KONSUMEN DENGAN PENDEKATAN DECISION TREE Studi Kasus : Toko InBATIK Abet Alpha P Yetli Oslan Abstrak Ketepatan pemilihan rekomendasi produk bagi konsumen
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang Masalah
digilib.uns.ac.id BAB I PENDAHULUAN A. Latar Belakang Masalah Perkembangan Teknologi Informasi dan Komunikasi saat ini mengarahkan sejarah teknologi pendidikan pada alur yang baru. Seiring dengan berkembangnya
Lebih terperinciAPLIKASI KLASIFIKASI PEMENUHAN GIZI PADA LANSIA MENGGUNAKAN METODE DECISION TREE ID3
APLIKASI KLASIFIKASI PEMENUHAN GIZI PADA LANSIA MENGGUNAKAN METODE DECISION TREE ID3 SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Sistem
Lebih terperinciAnalisa Penggunaan E-Learning Untuk Meningkatkan Kemudahan Mahasiswa Dalam Pembelajaran
Analisa Penggunaan E-Learning Untuk Meningkatkan Kemudahan Mahasiswa Dalam Pembelajaran Suhendi1) 1) Sistem Informasi STT Terpadu Nurul Fikri Kampus-B,Gedung PPSDMS-NF,Jl.Lenteng Agung Raya No.20 Email
Lebih terperinciAlgoritma dan Struktur Data 2
UNIVERSITAS GADJAH MADA FMIPA/JIKE/ILMU KOMPUTER FMIPA Gedung Selatan, Sekip Unit III Yogyakarta 55281 Rencana Program dan Kegiatan Pembelajaran Semester (RPKPS) Algoritma dan Struktur Data 2 Ganjil /3
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) adalah sistem komputer yang saling berhubungan dan menjadi alat bantu bagi seorang
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE DESCISION TREE C4.5 Pada SMAK YOS SUDARSO BATU
SISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE DESCISION TREE C4.5 Pada SMAK YOS SUDARSO BATU Jonathan Rinaldy 1) 1) Program Studi Teknik Informatika, Sekolah Tinggi Informatika & Komputer
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini membahas tentang latar belakang proyek akhir mahasiswa, permasalahan dan tujuan proyek akhir mahasiswa. Selain itu akan dibahas juga mengenai ruang lingkup pelaksanaan proyek
Lebih terperinciFAKULTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA SILABUS ALGORITMA DAN STRUKTUR DATA
No. SIL/EKA/EKA258/43 Revisi : 0 Tgl: 21 Juni 2014 Hal 1 dari 5 MATA KULIAH : Algoritma dan Struktur Data KODE MATA KULIAH : EKA258 SEMESTER : 4 PROGRAM STUDI : Teknik Elektronika DOSEN PENGAMPU : Bekti
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) atau dikenal Decision Support System(DSS) adalah sistem informasi interaktif yang menyediakan informasi, pemodelan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi saat ini sudah berkembang sangat pesat, kebutuhan akan suatu konsep dan mekanisme belajar mengajar berbasis teknologi informasi tidak bisa di
Lebih terperinciPROPOSAL HIBAH PENGEMBANGAN DAN PENYELENGGARAAN PEMBELAJARAN ONLINE BERBASIS E-LEARNING
PROPOSAL HIBAH PENGEMBANGAN DAN PENYELENGGARAAN PEMBELAJARAN ONLINE BERBASIS E-LEARNING Pengembangan dan Penyelenggaraan Pembelajaran Online Nama mata kuliah Nama Program Studi Universitas Syiah Kuala
Lebih terperinciBAB III METODE PENELITIAN. untuk memahami, memecahkan, dan mengantisipasi masalah dalam bidang
BAB III METODE PENELITIAN 3.1 Deskripsi Penelitian Metode penelitian pendidikan dapat diartikan sebagai cara ilmiah untuk mendapatkan data yang valid dengan tujuan dapat ditemukan, dikembangkan, dan dibuktikan,
Lebih terperinciPenerapan Algoritma C4.5 Untuk Menentukan Kesesuaian Lensa Kontak dengan Mata Pasien
1 Penerapan Algoritma C4.5 Untuk Menentukan Kesesuaian Lensa Kontak dengan Mata Pasien Ketut Wisnu Antara 1, Gede Thadeo Angga Kusuma 2 Jurusan Pendidikan Teknik Informatika Universitas Pendidikan Ganesha
Lebih terperinciUniversitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika. Classification Decision Tree
Universitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika Classification Decision Tree Classification Decision Tree Pengertian Pohon Keputusan Pohon keputusan adalah
Lebih terperinciBAB I PENDAHULUAN. mengakses materi pelajaran setiap saat. e-learning semakin mudah untuk dibuat
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan e-learning seseorang dapat saling berbagi informasi dan dapat mengakses materi pelajaran setiap saat. e-learning semakin mudah untuk dibuat dan digunakan dengan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1.Latar Belakang Penelitian
BAB 1 PENDAHULUAN 1.1.Latar Belakang Penelitian Teknologi mengalami kemajuan yang pesat termasuk di bidang pendidikan. Pembelajaran online menjadi terobosan yang menggembirakan di bidang pendidikan. Namun,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Peranan regulasi dari pemerintah atau departemen terkait dalam mendukung realisasinya e-learning dalam proses pendidikan di tanah air tersirat dalam Undang-undang
Lebih terperinciBAB 1 PENDAHULUAN. kegiatan belajar-mengajar di Universitas Bina Nusantara. Pada web ini,
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini, fasilitas web untuk para mahasiswa dan dosen Universitas Bina Nusantara (Binusmaya) dapat digunakan untuk mempermudah fasilitas kegiatan belajar-mengajar
Lebih terperinciIMPLEMENTASI DATA MINING PADA PENENTUAN JUMLAH SKS MENGGUNAKAN DECISION TREE
IMPLEMENTASI DATA MINING PADA PENENTUAN JUMLAH SKS MENGGUNAKAN DECISION TREE Asmah 1), Mussallimah 2), Indrianti 3) 1,2,3) Sistem Informasi STMIK PPKIA Tarakanita Rahmawati Tarakan Jl Yos Sudarso rt. 06
Lebih terperinciLearning berbasis Moodle sebagai media pembelajaran. : Tes akhir (posttest) dilakukan setelah digunakannya E-Learning
38 BAB III METODE PENELITIAN A. Metode dan Desain Penelitian Metode yang digunakan pada penelitian ini adalah metode kuantitatif dengan pre-experimental design yang merupakan salah satu bentuk desain eksperimen.
Lebih terperinciBAB III PROSEDUR PENELITIAN. pengembangan (Development Research, DR). Hal ini sesuai dengan tujuan
BAB III PROSEDUR PENELITIAN 3.1 METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah metode penelitian pengembangan (Development Research, DR). Hal ini sesuai dengan tujuan penelitian, yaitu
Lebih terperinciPETA KOMPETENSI MATAKULIAH ALGORITMA DAN STRUKTUR DATA TKE PRODI TEKNIK ELEKTRO
PETA KOMPETENSI MATAKULIAH ALGORITMA DAN STRUKTUR DATA TKE07271. PRODI TEKNIK ELEKTRO Halaman 1 dari 12 Dokumen ini dan informasi yang dimilikinya adalah milik dan bersifat rahasia. Dilarang untuk me-reproduksi
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) KUG1C3 Dasar Algoritma dan Pemrograman Disusun oleh: Rita Rismala, S.T., M.T. PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini menggunakan metode kuasi eksperimen dengan desain The
BAB III METODE PENELITIAN A. Desain Penelitian Penelitian ini menggunakan metode kuasi eksperimen dengan desain The Randomized Control-Group Pretest-Posttest. Desain penelitian ini digunakan karena dalam
Lebih terperinciPENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PREDIKAT KEBERHASILAN MAHASISWA DI AMIK TUNAS BANGSA. Abstrak
JURASIK (Jurn Riset Sistem Informasi & Teknik Informatika) ISSN 2527-5771 PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PREDIKAT KEBERHASILAN MAHASISWA DI AMIK TUNAS BANGSA Yuni Sara Luvia 1, Dedy Hartama
Lebih terperinciALGORITMA DAN PEMROGRAMAN
RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) ALGORITMA DAN PEMROGRAMAN OLEH : TIM Penyusun PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS TEKNIK-UNIVERSITAS MURIA KUDUS 2010 Nama Matakuliah Kode / SKS
Lebih terperinciDAFTAR ISI. 92 Penelitian... BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Studi Pendahuluan Pelaksanaan dan Asesmen Praktikum yang
DAFTAR ISI Halaman LEMBAR PENGESAHAN... i PERNYATAAN... ii ABSTRAK... iii KATA PENGANTAR... v PENGHARGAAN DAN UCAPAN TERIMA KASIH... vii DAFTAR ISI... x DAFTAR TABEL... xii DAFTAR GAMBAR... xiv DAFTAR
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang. Di era globalisasi ini, pemakaian teknologi informasi sudah sangat luas
BAB 1 PENDAHULUAN 1.1 Latar belakang Di era globalisasi ini, pemakaian teknologi informasi sudah sangat luas dalam berbagai bidang termasuk industri di Indonesia. Seiring dengan perkembangan teknologi
Lebih terperinciDECISION TREE BERBASIS ALGORITMA UNTUK PENGAMBILAN KEPUTUSAN
ISSN : 1978-6603 DECISION TREE BERBASIS ALGORITMA UNTUK PENGAMBILAN KEPUTUSAN Zulfian Azmi #1, Muhammad Dahria #2 #1 Program Studi Sistem Komputer, #2 Program Studi Sistem Informasi STMIK Triguna Dharma
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER
RENCANA PEMBELAJARAN SEMESTER F-0653 Issue/Revisi : A0 Tanggal Berlaku : 1 Agustus 2016 Untuk Tahun Akademik : 2016/2017 Masa Berlaku : 4 (empat) tahun Jml Halaman :. halaman Mata Kuliah : Manajemen Proyek
Lebih terperinciBAB I PENDAHULUAN. teknologi informasi (TIK), dan lahirnya masyarakat berbasis ilmu pengetahuan
1 BAB I PENDAHULUAN A. Latar Belakang Masalah Salah satu gelombang terdahsyat yang melanda kehidupan umat manusia dewasa ini adalah globalisasi yang diakibatkan oleh kemajuan ilmu pengetahuan dan teknologi
Lebih terperinciPENERAPAN ALGORITMA C4.5 DALAM PEMILIHAN BIDANG PEMINATAN PROGRAM STUDI SISTEM INFORMASI DI STMIK POTENSI UTAMA MEDAN
PENERAPAN ALGORITMA C4.5 DALAM PEMILIHAN BIDANG PEMINATAN PROGRAM STUDI SISTEM INFORMASI DI STMIK POTENSI UTAMA MEDAN Fina Nasari 1 1 Sistem Informasi, STMIK Potensi Utama 3 Jalan K.L. Yos Sudarso KM.
Lebih terperinciIMPLEMENTASI ALGORITMA C4.5 UNTUK KLASIFIKASI BIDANG KERJA ALUMNI DI STMIK LPKIA BANDUNG
IMPLEMENTASI ALGORITMA C4.5 UNTUK KLASIFIKASI BIDANG KERJA ALUMNI DI STMIK LPKIA BANDUNG 1 Ati Suci Dian Martha, 2 Afryanto Redy 1 Program Studi Sistem Informasi STMIK LPKIA 1 Program Studi Sistem Informasi
Lebih terperinciTEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD
Jurnal Teknik Komputer Unikom Komputika Volume 3, No.2-2014 TEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD Selvia Lorena Br Ginting 1), Wendi Zarman
Lebih terperinciIMPLEMENTASI DECISION TREE UNTUK MEMPREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
IPLEENTASI DECISION TREE UNTUK EPREDIKSI JULAH AHASISWA PENGABIL ATAKULIAH DENGAN ENGGUNAKAN STUDI KASUS DI JURUSAN TEKNIK INFORATIKA ITS Romauli anullang - 5108100501 Latar Belakang Pembuatan jadwal pada
Lebih terperinciLuh Putu Ary Sri Tjahyanti
Skema Sistem Computer Supported Collaborative Learning (CSCL) Berbasis Konstruktivisme Presentasi Tesis Luh Putu Ary Sri Tjahyanti 5108201003 Pembimbing : Daniel Oranova Siahaan, S.Kom, M.Sc, P.D.Eng.
Lebih terperinciSeminar Nasional Teknologi 2007 (SNT 2007) ISSN : Yogyakarta, 24 November 2007
PENGGUNAAN POHON KEPUTUSAN UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA DI STMIK AMIKOM YOGYAKARTA Kusrini, Sri Hartati STMIK AMIKOM Yogyakarta, Universitas Gadjah Mada e-mail : kusrini@amikom.ac.id,
Lebih terperinciLEARNING ARTIFICIAL INTELLIGENT. Dr. Muljono, S.Si, M. Kom
LEARNING ARTIFICIAL INTELLIGENT Dr. Muljono, S.Si, M. Kom Outline Decision tree learning Jaringan Syaraf Tiruan K-Nearest Neighborhood Naïve Bayes Decision Tree Learning : Klasifikasi untuk penerimaan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada bab ini dilakukan pendefinisian permasalahan dari penelitian yang akan dilakukan. Dalam Cross Industry Standard Process for Data Mining[3], tahapan ini
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Menurut Guterres, Mudjihartono & Ernawati (2012) semakin ketatnya persaingan dalam mendapatkan lapangan pekerjaan menuntut perguruan tinggi menghasilkan sarjana yang
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Aspek usability atau daya guna merupakan kajian penelitian Interaksi Manusia dan Komputer (IMK) yang mengacu pada sudut pandang pengguna saat menggunakan dan memanfaatkan
Lebih terperinciUNIVERSITAS GADJAH MADA FMIPA/DIKE/ILMU KOMPUTER Gedung SIC Lantai 1, Sekip, Bulaksumur, 55281, Yogyakarta
UNIVERSITAS GADJAH MADA FMIPA/DIKE/ILMU KOMPUTER Gedung SIC Lantai 1, Sekip, Bulaksumur, 55281, Yogyakarta Rencana Program Kegiatan Pembelajaran Semester (RPKPS) Bahasa Otomata ( KLAS B ) Ganjil /3 sks/mii-2205
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) KUG1D1 PRAKTIKUM DASAR ALGORITMA DAN PEMOGRAMAN Disusun oleh: Tim Dosen Dasar Algoritma dan Pemrograman FAKULTAS INFORMATIKA TELKOM UNIVERSITY 1 LEMBAR PENGESAHAN Rencana
Lebih terperinciBAB IV ANALISA FASE TOGAF ADM
BAB IV ANALISA FASE TOGAF ADM 4.1 Analisa Studi Kasus Penerapan sistem informasi dalam fungsi bisnis pada setiap organisasi dari hasil observasi dan wawancara yang dilakukan bahwa untuk menerapkan sistem
Lebih terperinciBAB 1 PENDAHULUAN. berbangsa dan bernegara, karena pendidikan dapat mengembangkan kualitas sumber
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendidikan memegang peranan yang sangat penting dalam kelangsungan hidup berbangsa dan bernegara, karena pendidikan dapat mengembangkan kualitas sumber daya manusia.
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) KBKM13003 Algorithma dan Struktur Data I PROGRAM STUDI D3 MANAJEMEN INFORMATIKA (MI) FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK LEMBAR PENGESAHAN
Lebih terperinciPanduan Standar Rancangan Program e-learning
Panduan Standar Rancangan Program e-learning 1. Rancangan program e-learning terdiri dari a. Peta pembelajaran yang memuat i. Peta capaian pembelajaran (learning outcome pembelajaran) ii. Peta kajian atau
Lebih terperinciSlamet Riyanto 1 dan Fatim Nugrahanti 2 1,2
Pengembangan Pembelajaran Statistika Berbasis Praktikum Aplikasi Software SPSS dengan Bantuan Multimedia untuk Mempermudah Pemahaman Mahasiswa terhadap Ilmu Statistika Slamet Riyanto 1 dan Fatim Nugrahanti
Lebih terperinciBAB I PENDAHULUAN. Kompetensi yang diharapkan dari mahasiswa Jurusan Pendidikan Teknik
BAB I PENDAHULUAN A. Latar Belakang Masalah Kompetensi yang diharapkan dari mahasiswa Jurusan Pendidikan Teknik Elektro (JPTE) dalam mempelajari materi kuliah pemrograman komputer adalah mampu memahami
Lebih terperinciMajalah Ilmiah UPI YPTK, Volume 20, No. 1, Maret
Majalah Ilmiah UPI YPTK, Volume 20, No. 1, Maret 2013 12 PENERAPAN ALGORITMA C 4.5 DALAM MEMPEROLEH DECISION TREE UNTUK MEMPREDIKSI PENENTUAN RESIKO KREDIT PADA BANK BPR BUKITTANDANG MANDIRI PADANG MENGGUNAKAN
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5
PENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5 Annisak Izzaty Jamhur Universitas Putera Indonesia YPTK Padang e-mail: annisakizzaty@yahoo.com Abstract
Lebih terperinciKlasifikasi Data Karyawan Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree
Klasifikasi Data Karyawan Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree Disusun oleh : Budanis Dwi Meilani Achmad dan Fauzi Slamat Jurusan Sistem Informasi Fakultas Teknologi Informasi.
Lebih terperinciIDENTIFIKASI MAHASISWA YANG MEMPUNYAI KECENDERUNGAN LULUS TIDAK TEPAT WAKTU PADA PROGRAM STUDI MMT-ITS DENGAN MENGGUNAKAN ALGORITMA C4.
IDENTIFIKASI MAHASISWA YANG MEMPUNYAI KECENDERUNGAN LULUS TIDAK TEPAT WAKTU PADA PROGRAM STUDI MMT-ITS DENGAN MENGGUNAKAN ALGORITMA C4.5 Amelia Halim 1) dan Joko Lianto Buliali 2) 1) Program Studi Magister
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Dunia pendidikan di Indonesia sedang menuju pada suatu perubahan besar.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dunia pendidikan di Indonesia sedang menuju pada suatu perubahan besar. Beberapa tahun yang lalu, siswa hanya terfokus pada kegiatan belajar selama kurang lebih 5 jam
Lebih terperinciPENGEMBANGAN VIRTUAL CLASS UNTUK PEMBELAJARAN AUGMENTED REALITY BERBASIS ANDROID
PENGEMBANGAN VIRTUAL CLASS UNTUK PEMBELAJARAN AUGMENTED REALITY BERBASIS ANDROID Rifiana Arief dan Naeli Umniati ABSTRACT who join New Media course. To develop this application, the knowladge about visual
Lebih terperinciBAB IV METODOLOGI PENELITIAN. Penelitian ini dilakukan dengan melalui empat tahap utama, dimana
BAB IV METODOLOGI PENELITIAN Penelitian ini dilakukan dengan melalui empat tahap utama, dimana tahap pertama adalah proses pengumpulan dokumen teks yang akan digunakan data training dan data testing. Kemudian
Lebih terperinciManfaat Pohon Keputusan
DECISION TREE (POHON KEPUTUSAN) Latar Belakang Pohon Keputusan Di dalam kehidupan manusia sehari-hari, manusia selalu dihadapkan oleh berbagai macam masalah dari berbagai macam bidang. Masalah-masalah
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang Masalah Perkembangan dunia pendidikan tidak lepas dari proses belajar mengajar yang efektif.
1 BAB I PENDAHULUAN A. Latar Belakang Masalah Perkembangan dunia pendidikan tidak lepas dari proses belajar mengajar yang efektif. Proses belajar mengajar ditandai dengan interaksi antara guru sebagai
Lebih terperinciI. PENDAHULUAN A. Latar Belakang
I. PENDAHULUAN A. Latar Belakang Pembelajaran adalah kegiatan inti institusi pendidikan dan sangat berpengaruh pada mutu pendidikan secara keseluruhan. Berbagai metode telah dikembangkan untuk meningkatkan
Lebih terperinciPEMBENTUKAN MODEL KLASIFIKASI DATA LAMA STUDI MAHASISWA STMIK INDONESIA MENGGUNAKAN DECISION TREE DENGAN ALGORITMA NBTREE
PEMBENTUKAN MODEL KLASIFIKASI DATA LAMA STUDI MAHASISWA STMIK INDONESIA MENGGUNAKAN DECISION TREE DENGAN ALGORITMA NBTREE Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Program Studi Sistem Informasi, STMIK
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 1.1 Data Training Data training adalah data yang digunakan untuk pembelajaran pada proses data mining atau proses pembentukan pohon keputusan.pada penelitian ini
Lebih terperinciIrfan Satria S
PENGEMBANGAN APLIKASI BERBASIS WEB YANG INTERAKTIF UNTUK BELAJAR BAHASA PEMROGRAMAN JAVA SECARA ONLINE (STUDI KASUS JURUSAN SISTEM INFORMASI ITS SURABAYA) Irfan Satria S. 5208100101 Latar Belakang Proses
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) KBKM43010 Analisa Dan Perancangan Sistem Informasi 1 PROGRAM STUDI D3 MANAJEMEN INFORMATIKA (MI) FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK LEMBAR
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CSG2I1 PRAKTIKUM PEMROGRAMAN BERORIENTASI OBYEK Disusun oleh: Tim Dosen Pemrograman Berorientasi Objek PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM
Lebih terperinciBAB 1 PENDAHULUAN Pengantar
1 BAB 1 PENDAHULUAN 1.1. Pengantar Pada awalnya komputer hanya dapat digunakan oleh mereka yang ahli, peneliti dan orang-orang yang punya keahlian khusus. Kini penggunaan komputer tidak lagi hanya terbatas
Lebih terperinciKata Pengantar. Irwinda Putri W.
Kata Pengantar Alhamdulillah, Puji dan syukur penulis panjatkan ke hadirat Allah subhanahu wa ta ala, yang berkat rahmat serta karunia-nya penulis dapat menyelesaikan tugas akhir berjudul Implementasi
Lebih terperinciBAB III METODE PENELITIAN. Non Equivalent Control-Group Pretest-Posttest design. (Isaac & Michael, Tabel 3.1 Desain Penelitian
BAB III METODE PENELITIAN A. Desain Penelitian Penelitian ini menggunakan metode kuasi eksperimen dengan desain Non Equivalent Control-Group Pretest-Posttest design. (Isaac & Michael, 1982). Tabel 3.1
Lebih terperinci1. Pendahuluan. 2. Tinjauan Pustaka
1. Pendahuluan Perkembangan teknologi informasi (TI) telah mendorong penggunaan teknologi hingga ke setiap bidang kehidupan. Seiring dengan perkembangannya, fungsi TI yang sebelumnya berada pada level
Lebih terperinciBAB 1 PENDAHULUAN. kognitif, dan pengajaran dalam lingkungan pembelajarannya. Sistem
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi informasi saat ini berkembang dengan sangat pesat. Didukung dengan adanya internet, akses terhadap informasi menjadi lebih mudah dan cepat. Banyak perusahaan
Lebih terperinciBAB I PENDAHULUAN. Kongkret
1 BAB I PENDAHULUAN A. Latar Belakang Masalah Dunia pendidikan tidak terlepas dari proses keefektifan suatu pembelajaran dikelas. Pembelajaran efektif merupakan suatu pembelajaran yang memungkinkan siswa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Bab ini berisi tentang latar belakang penelitian yang dilakukan pada tugas akhir, permasalahan, tujuan, ruang lingkup dan manfaat penelitian, serta sistematika penulisan. 1.1 Latar Belakang
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER GANJIL 2016/2017 FAKULTAS ILMU KOMPUTER UNIVERSITAS ESA UNGGUL
RENCANA SEMESTER GANJIL 2016/2017 FAKULTAS ILMU KOMPUTER UNIVERSITAS ESA UNGGUL Mata kuliah : Rekayasa Perangkat Lunak Kode MK : CCR117 Mata kuliah prasyarat : - Bobot MK : 3 SKS Dosen Pengampu : Fransiskus
Lebih terperinci