ALGORITMA NEAREST NEIGHBOR
|
|
- Devi Kurnia
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ALGORITMA NEAREST NEIGHBOR A. Algoritma Nearest Neighbor adalah pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada. Misalkan diinginkan untuk mencari solusi terhadap seorang pasien baru dengan menggunakan solusi dari pasien terdahulu. Untuk mencari kasus pasien mana yang akan digunakan maka dihitung kedekatan kasus pasien baru dengan semua kasus pasien lama. Kasus pasien lama dengan kedekatan terbesar-lah yang akan diambil solusinya untuk digunakan pada kasus pasien baru. d2 B Baru d1 A Gambar 4.1 Ilustrasi Kedekatan Kasus Seperti tampak pada Gambar 4.1. Ada 2 pasien lama A dan B. Ketika ada pasien Baru, maka solusi yang akan diambil adalah solusi dari pasien terdekat dari pasien Baru. Seandainya d1 adalah kedekatan antara pasien Baru dan pasien A, sedangkan d2 adalah kedekatan antara pasien Baru dengan pasien B. Karena d2 lebih dekat dari d1 maka
2 solusi dari pasien B lah yang akan digunakan untuk memberikan solusi pasien Baru. Adapun rumus untuk melakukan penghitungan kedekatan antara 2 kasus adalah sebagai berikut: similarity( T, S) n f ( Ti, Si ) i= = 1 w i x w dengan T : kasus baru S : kasus yang ada dalam penyimpanan n : jumlah atribut dalam masing-masing kasus i : atribut individu antara 1 s/d n f : fungsi similarity atribut i antara kasus T dan kasus S w : bobot yang diberikan pada atribut ke i Kedekatan biasanya berada pada nilai antara 0 s/d 1. Nilai 0 artinya kedua kasus mutlak tidak mirip, sebaliknya untuk nilai 1 kasus mirip dengan mutlak. Kasus : Kemungkinan seorang nasabah bank akan bermasalah dalam pembayarannya atau tidak i Tabel 1 Tabel Kasus No Jenis Pendidikan Status Bermasalah Kelamin 1 L S1 Bekerja Ya 2 P SMA Tidak Tidak Bekerja 3 L SMA Bekerja Tidak 4 P S2 Bekerja Ya Atribut Bermasalah merupakan atribut tujuan.
3 Bobot antara satu atribut dengan atribut yang lain pada atribut bukan tujuan dapat didefinisikan dengan nilai berbeda. Tabel 2 Definisi Bobot Atribut Atribut Bobot Jenis Kelamin 0.5 Pendidikan 1 Status 0.75 Kedekatan antara nilai-nilai dalam atribut juga perlu didefinisikan. Tabel 3 Kedekatan Nilai Atribut Jenis Kelamin Jenis Kelamin L P L 1 0 P 0 1 Nilai1 Nilai2 Kedekatan L L 1 P P 1 L P 0 P L 0 Tabel 4 Kedekatan Nilai Atribut Pendidikan Pendidikan SMA S1 S2 SMA S S Nilai1 Nilai2 Kedekatan S2 S2 1 S2 S1 0.5 S2 SMA 0 S1 S1 1 S1 S2 0.5 S1 SMA 0.5
4 SMA SMA 1 SMA S1 0.5 SMA S2 0 Tabel 5 Kedekatan Nilai Atribut Status Status Bekerja Tidak Bekerja Bekerja 1 0 Tidak Bekerja 0 1 Nilai1 Nilai2 Kedekatan Bekerja Bekerja 1 Tidak Tidak Bekerja Bekerja 1 Bekerja Tidak Bekerja 0 Tidak Bekerja Bekerja 0 Misalkan ada kasus nasabah baru dengan nilai atribut: Jenis Kelamin : L Pendidikan : SMA Status : Tidak Bekerja Untuk memprediksi apakah nasabah tersebut akan bermasalah atau tidak dapat dilakukan langkah-langkah sebagai berikut: 1. Menghitung kedekatan kasus baru dengan kasus no 1. Diketahui: a : Kedekatan nilai atribut Jenis Kelamin (Lakilaki dengan Laki-laki)
5 b c d e f : Bobot Atribut Jenis Kelamin.5 : Kedekatan nilai atribut Pendidikan (SMA dengan S1).5 : Bobot Atribut Pendidikan : Kedekatan nilai atribut Status (Tidak Bekerja dengan Bekerja) : Bobot Atribut Status.75 Dihitung: ( a * b) + ( c * d) + ( e * f ) b + d + f (1* 0.5) + (0.5*1) + (0*0.75) Menghitung kedekatan kasus baru dengan kasus no 2. Diketahui: a : Kedekatan nilai atribut Jenis Kelamin (Lakilaki dengan Perempuan) b : Bobot Atribut Jenis Kelamin.5 c : Kedekatan nilai atribut Pendidikan (SMA dengan SMA) d : Bobot Atribut Pendidikan
6 e f : Kedekatan nilai atribut Status (Tidak Bekerja dengan Tidak Bekerja) : Bobot Atribut Status.75 Dihitung: ( a * b) + ( c * d) + ( e * f ) b + d + f (0*0.5) + (1*1) + (1* 0.75) Menghitung kedekatan kasus baru dengan kasus no 3. Diketahui: a : Kedekatan nilai atribut Jenis Kelamin (Lakilaki dengan Laki-Laki) b : Bobot Atribut Jenis Kelamin.5 c : Kedekatan nilai atribut Pendidikan (SMA dengan SMA) d : Bobot Atribut Pendidikan e : Kedekatan nilai atribut Status (Tidak Bekerja dengan Bekerja) f : Bobot Atribut Status.75
7 Dihitung: ( a * b) + ( c * d) + ( e * f ) b + d + f (1* 0.5) + (1*1) + (0*0.75) Menghitung kedekatan kasus baru dengan kasus no 3. Diketahui: a : Kedekatan nilai atribut Jenis Kelamin (Perempuan dengan Laki-Laki) b : Bobot Atribut Jenis Kelamin.5 c : Kedekatan nilai atribut Pendidikan (SMA dengan S2) d : Bobot Atribut Pendidikan e : Kedekatan nilai atribut Status (Tidak Bekerja dengan Bekerja) f : Bobot Atribut Status.75 Dihitung: ( a * b) + ( c * d) + ( e * f ) b + d + f (0*0.5) + (0*1) + (0*0.75)
8 Memilih kasus dengan kedekatan terdekat. Dari langkah 1, 2 dan 3 dapat diketahui bahwa nilai tertinggi adalah kasus 2. Berarti kasus yang terdekat dengan kasus baru adalah kasus Menggunakan klasifikasi dari kasus dengan kedekatan terdekat. Berdasarkan hasil pada langkah 4, maka klasifikasi dari kasus 2 yang akan digunakan untuk memprediksi kasus baru. Yaitu kemungkinan nasabah baru akan Tidak Bermasalah
PERBANDINGAN METODE NEAREST NEIGHBOR DAN ALGORITMA C4.5 UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA DI STMIK AMIKOM YOGYAKARTA
PERBANDINGAN METODE NEAREST NEIGHBOR DAN ALGORITMA C4.5 UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA DI STMIK AMIKOM YOGYAKARTA Kusrini 1, Sri Hartati 2, Retantyo Wardoyo 3, Agus Harjoko
Lebih terperinciINTELEGENSI BUATAN. Mesin Pembelajaran (Machine Learning)
INTELEGENSI BUATAN Mesin Pembelajaran (Machine Learning) M. Miftakul Amin, M. Eng. e-mail: mmiftakulamin@gmail.com website : http://mafisamin.web.ugm.ac.id Jurusan Teknik Komputer Politeknik Negeri Sriwijaya
Lebih terperinciPENERAPAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA Andi Gita Novianti 1, Dian Prasetyo 2 1,2 Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Manajemen,
Lebih terperinciJURNAL PENERAPAN ALGORITMA NEAREST NEIGHBOR (K-NN) BAGI HAKIM DALAM MENENTUKAN PERTIMBANGAN HUKUMAN TINDAK PIDANA PENCURIAN
JURNAL PENERAPAN ALGORITMA NEAREST NEIGHBOR (K-NN) BAGI HAKIM DALAM MENENTUKAN PERTIMBANGAN HUKUMAN TINDAK PIDANA PENCURIAN APPLICATION ALGORITHM NEAREST NEIGHBOR (K-NN) JUDGE FOR DETERMINING THE CONSIDERATION
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Kehidupan manusia selalu diiringi dengan berbagai kebutuhan. Salah
BAB I PENDAHULUAN 1.1 Latar Belakang Kehidupan manusia selalu diiringi dengan berbagai kebutuhan. Salah satunya adalah kebutuhan menurut intensitas atau kebutuhan menurut tingkat kepentingannya dibagi
Lebih terperinciBAB II. Tinjauan Pustaka
BAB II. Tinjauan Pustaka Bab ini menjelaskan mengenai pustaka yang digunakan oleh penulis sebagai pembanding dan acuan dalam membuat sistem. Ada beberapa penelitian yang telah dilakukan sebelumnya, penelitian
Lebih terperinciALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN
ALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN Devi Sugianti Program Studi Sistem Informasi,STMIK Widya Pratama Jl. Patriot 25 Pekalongan Telp (0285)427816 email
Lebih terperinciDAFTAR ISI. Halaman : DAFTAR GAMBAR DAFTAR LAMPIRAN
DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN Halaman :...viii...x...xi I. PENDAHULUAN 1. Latar Belakang...1 2. Rumusan Masalah...6 3. Ruang lingkup...7 4. Tujuan dan Manfaat Penelitian...7 II.
Lebih terperinciSISTEM PAKAR PERTUMBUHAN BALITA BERBASIS WEB DENGAN METODE CASE BASED REASONING
ISSN : 2338-4018 SISTEM PAKAR PERTUMBUHAN BALITA BERBASIS WEB DENGAN METODE CASE BASED REASONING Mukhammad Shaid (sahid48@gmail.com) Wawan Laksito YS (wlaksito@yahoo.com) Yustina Retno Utami (yustina.retno@gmail.com)
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perguruan tinggi merupakan strata terakhir sebelum mahasiswa dapat bersaing didalam dunia kerja. Agar mampu bersaing didalam dunia kerja, mahasiswa dituntut
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Resep Elektronik Sistem resep elektronik adalah pemanfaatan sistem elektronik untuk menfasilitasi dan meningkatkan komunikasi urutan resep atau obat, membantu pilihan, administrasi
Lebih terperinciFungsi Similaritas Pada Sistem Berbasis Kasus Penyelesaian Masalah Akademik Mahasiswa
Fungsi Similaritas Pada Sistem Berbasis Kasus Penyelesaian Masalah Akademik Mahasiswa Syaiful Hendra, Sri Kusumadewi 2 Jurusan Teknik Informatika STMIK Adhi Guna Jl. Undata No. 3 Palu Sulawesi Tengah Indonesia
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penyakit Kulit Penyakit kulit adalah penyakit infeksi yang paling umum, terjadi pada orang-orang dari segala usia. Gangguan pada kulit sering terjadi karena ada faktor peyebabnya,
Lebih terperinciSISTEM PENENTUAN PEMASANGAN SALURAN AIR PDAM KOTA CIMAHI DENGAN MENGGUNAKAN CBR DAN ALGORITMA NEAREST NEIGHBORS
SISTEM PENENTUAN PEMASANGAN SALURAN AIR PDAM KOTA CIMAHI DENGAN MENGGUNAKAN CBR DAN ALGORITMA NEAREST NEIGHBORS ABSTRAKS Feri Frasetiyono 1, Gunawan Abdillah 2, Asep Id Hadiana 3 Program Studi Informatika,
Lebih terperinciRancang Bangun Sistem Pakar Pendiagnosa Penyakit Paru-Paru Menggunakan Metode Case Based Reasoning
Rancang Bangun Sistem Pakar Pendiagnosa Penyakit Paru-Paru Menggunakan Metode Case Based Reasoning Diki Andita Kusuma 1, Chairani 2 1,2 Jurusan Teknik Informatika, IBI Darmajaya 1,2 Jl. A. Pagar Alam,
Lebih terperinciBAB I PENDAHULUAN. cabai. Berdasarkan dari sisi produsen, akhir-akhir ini usaha tani cabai mengalami
1 BAB I PENDAHULUAN 1.1 Latar Belakang Kebutuhan cabai terus meningkat setiap tahun sejalan dengan meningkatnya jumlah penduduk dan berkembangnya industri yang membutuhkan bahan baku cabai. Berdasarkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Sistem Pendukung Keputusan Sistem pendukung keputusan pertama kali diperkenalkan pada tahun 1970 oleh Michael S. Scott dengan istilah management decision systemyang merupakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Penyakit jantung merupakan salah satu penyakit yang berbahaya dan penyebab kematian nomor satu di dunia jika tidak ditangani dengan baik. Di Indonesia
Lebih terperinciBAB VI KARAKTERISTIK RESPONDEN DAN PROFIL USAHA
BAB VI KARAKTERISTIK RESPONDEN DAN PROFIL USAHA 6.1 Karakteristik Responden Responden untuk penelitian ini berjumlah 90 responden yang terdiri dari 30 orang yang bergerak di sektor perdagangan, 30 orang
Lebih terperinciPENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA
PENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281 Yogyakarta
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Salah satu penemuan dalam psikologi untuk mengenali karakter dan kepribadian manusia yaitu metode Myers-Briggs Type Indicator (MBTI). Metode MBTI dikembangkan pada
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Sistem rekomendasi telah banyak digunakan oleh hampir sebagian besar bisnis area dimana konsumen perlu membuat suatu keputusan atau rekomendasi pilihan dari informasi
Lebih terperinciBAB I PENDAHULUAN. Perusahaan perusahaan pada saat ini sudah memiliki database yang
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Perusahaan perusahaan pada saat ini sudah memiliki database yang berukuran sangat besar pada bagian kerusakan barang dan dapat terus bertambah ukurannya. Selama ini,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi saat ini telah mengalami perubahan yang pesat. Teknologi telah menjadi bagian dari kehidupan manusia. Hampir setiap kegiatan yang dilakukan manusia
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Bab ini membahas tentang hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, tujuan, batasan masalah, manfaat, metodologi penelitian serta sistematika penulisan
Lebih terperinci3.6 Data Mining Klasifikasi Algoritma k-nn (k-nearest Neighbor) Similaritas atribut numerik
DAFTAR ISI PERNYATAAN... iii PRAKATA... vi DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR TABEL... xiv DAFTAR PERSAMAAN... xv DAFTAR ALGORITMA... xvi DAFTAR LAMPIRAN... xvii INTISARI... xviii ABSTRACT...
Lebih terperinciBAB I PENDAHULUAN. Pesatnya pertumbuhan internet saat ini berdampak pada melimpahnya
BAB I PENDAHULUAN 1.1 Latar Belakang Pesatnya pertumbuhan internet saat ini berdampak pada melimpahnya informasi dengan sangat cepat dan jumlah yang sangat besar. Hal ini membuat suatu keadaan dimana kita
Lebih terperinciPENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA
PENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281 Yogyakarta
Lebih terperinciANALISIS PENYAKIT PARU-PARU MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS PADA RUMAH SAKIT ALOEI SABOE KOTA GORONTALO
ANALISIS PENYAKIT PARU-PARU MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS PADA RUMAH SAKIT ALOEI SABOE KOTA GORONTALO Olha Musa 1 dan Alang 2 1 0lh4mu54@gmail.com, 2 virus.stimik@gmail.com 12 STMIK Ichsan
Lebih terperinciJURNAL. Sistem Bantu Pemilihan Penerima Bantuan Siswa Miskin Menggunakan KNN (K-NEAREST NEIGHBOR)
JURNAL Sistem Bantu Pemilihan Penerima Bantuan Siswa Miskin Menggunakan KNN (K-NEAREST NEIGHBOR) Help System Selecting The Beneficiaries Of Poor Students Use KNN (K-NEAREST NEIGHBOR) Oleh: MOHAMMAD SYAIFUDIN
Lebih terperinciBAB V KESIMPULAN DAN SARAN
1 BAB V KESIMPULAN DAN SARAN V.1. Kesimpulan Berdasarkan uraian dan hasil analisis yang telah dikemukakan, maka hasil dari penelitian dapat disimpulkan sebagai berikut : Hasil analisis : 1. Masih terdapatnya
Lebih terperinciKuesioner. Nasabah terhadap Produk Bank Syariah Muamalat Indonesia. penelitian ini. semata-mata hanya untuk keperluan akademik saja.
LAMPIRAN Kuesioner Medan, Maret 2012 Kepada Yth. Saudara/i nasabah BMI Di Medan Perihal: Kuesioner Penelitian Dengan hormat, saya beritahukan kepada saudara/i bahwa saya: ERNIWATI adalah mahasiswi Fakultas
Lebih terperinciAngket Penelitian Pelaksanaan Tugas dan Fungsi Dinas Pendidikan Pemuda Dan Olahraga Dalam Rangka Otonomi Daerah
Angket Penelitian Pelaksanaan Tugas dan Fungsi Dinas Pendidikan Pemuda Dan Olahraga Dalam Rangka Otonomi Daerah Petunjuk Pengisian : 1. Penelitian ini dilakukan dalam rangka menyusun skripsi yang berjudul
Lebih terperinciBab 1 Pendahuluan 1.1 Latar Belakang Masalah
Bab 1 Pendahuluan 1.1 Latar Belakang Masalah Melihat perkembangan teknologi yang berkembang semakin pesat, perusahaan membutuhkan sistem informasi yang dapat mendukung kebutuhan pengambilan keputusan.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Untuk melakukan sebuah penelitian, diperlukan adanya tahapan-tahapan yang tersusun dengan baik dan sistematis agar pelaksanaan penelitian tepat mencapai tujuan yang diharapkan.
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan penelitian yang telah dilakukan, maka dapat disimpulkan beberapa hal sebagai berikut : 1. Karakteristik siswa SMA Negeri 2 Kediri pada penelitian ini
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem pakar adalah suatu cabang kecerdasan buatan yang menggunakan pengetahuan-pengetahuan khusus yang dimiliki oleh seorang ahli untuk menyelesaikan suatu masalah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tren dan pola gaya hidup selalu mengalami perubahan seiring perkembangan zaman. Perubahan pola hidup sangat berpengaruh terhadap kesehatan dan peningkatan penyakit.
Lebih terperinciKUESIONER PENELITIAN. Persepsi Pasien Terhadap Pelayanan Kesehatan Perawat di Ruang Rawat Inap Kelas III Bangsal Rumah Sakit Imelda Medan Tahun 2013
88 KUESIONER PENELITIAN Persepsi Pasien Terhadap Pelayanan Kesehatan Perawat di Ruang Rawat Inap Kelas III Bangsal Rumah Sakit Imelda Medan Tahun 2013 I. Karakteristik Responden No. Responden : Umur :
Lebih terperinciatribut handphone dalam proses pembelian handphone produk china yang tersebut. Kuesioner ini saya tujukan kepada konsumen handphone produk China
Lampiran 1 KUESIONER PENELITIAN I. PENGANTAR Instrumen ini berisi penelitian yang berusaha menggali pertanyaan mengenai atribut handphone dalam proses pembelian handphone produk china yang diprioritaskan
Lebih terperinciApa itu is K-Nearest Neighbor (KNN) Algorithm?
K-Nearest Neighbor Pendahuluan K-Nearest Neighbour atau KNN adalah salah dari algoritma instance based learning atau case-based reasoning. Definisi case based reasoning: KNN digunakan dalam banyak aplikasi
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 2 NO. 1 SEPTEMBER 2010
PERBANDINGAN METODE K-NEAREST NEIGHBOR (KNN) dan METODE NEAREST CLUSTER CLASSIFIER (NCC) DALAM PENGKLASIFIKASIAN KUALITAS BATIK TULIS Nesi Syafitri 1 ABSTRACT Various problem that are related to classification
Lebih terperinciVol.17 No.2. Agustus 2015 Jurnal Momentum ISSN : X CASED BASED REASONING UNTUK PEMILIHAN KEGIATAN ORGANISASI MAHASISWA
CASED BASED REASONING UNTUK PEMILIHAN KEGIATAN ORGANISASI MAHASISWA Oleh: Arif Rohmadi* *)Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Gadjah Mada Abstrak Organisasi
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Tugas Akhir atau Skripsi adalah salah satu syarat dari masa akhir perkuliahan. Tugas Akhir di beberapa prodi memiliki beberapa kategori, salah satunya di prodi
Lebih terperinciJurnal Ilmiah Fakultas Teknik LIMIT S Vol.13 No 1 September 2017
PREDIKSI KELAYAKAN KREDIT SEPEDA MOTOR DENGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR 1 Hernalom Sitorus, 2 RizwanAndreansyah Fakultas Teknik Informatika 1) Dosen Fakultas Teknik 2) Lulusan Teknik Informatika
Lebih terperinciAlgoritma Dasar. 4.1 Naive Bayes
4 Algoritma Dasar It is a capital mistake to theorize before one has data. Arthur Conan Doyle Sebelum masuk ke algoritma machine learning yang cukup modern/ matematis, kami akan memberi contoh algoritma
Lebih terperinciLAMPIRAN 1 KUESIONER PENELITIAN
58 LAMPIRAN 1 KUESIONER PENELITIAN 59 LAMPIRAN 1. KUESIONER PENELITIAN ANALISIS PENGARUH KEPERCAYAAN, KOMITMEN, KOMUNIKASI, DAN PENANGANAN KELUHAN TERHADAP LOYALITAS NASABAH BANK MANDIRI Assalamu alaikum
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 05, No.03 (2017), hal ISSN : X
IMPLEMENTASI CASE BASED REASONING SISTEM DIAGNOSA PENYAKIT ANAK BERBASIS WEB Tri Rezki Maulidia 1, Tedy Rismawan 2, Syamsul Bahri 3 1,2,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Deposito merupakan salah satu tabungan berjangkaayangamodel pengambilannya berdasarkan pada kesepakatan dari pihak bank dengan nasabah deposito [1].Suku bunga
Lebih terperinciBAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Masalah Proses analisa sistem merupakan langkah kedua pada pengembangan sistem. Analisa sistem dilakukan untuk memahami informasi-informasi
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 terperinci1. Pendahuluan 1.1. Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Paru-paru sebagai pompa satu-satunya untuk sistem pernapasan adalah organ yang sangat penting bagi berlangsungnya kehidupan. Namun masih banyak orang yang kurang peduli
Lebih terperinciUKDW BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Gereja Kristen Indonesia (GKI) adalah sebuah gereja Kristen Protestan yang sudah lama berkembang dan tersebar di berbagai daerah di Indonesia. Menurut pengamatan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang 1 Gizi buruk merupakan status kondisi seseorang yang kekurangan nutrisi, atau nutrisinya di bawah standar. Gizi buruk banyak dialami oleh bayi dibawah lima tahun (balita).
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang BULOG adalah perusahaan umum milik negara yang bergerak di bidang logistik dan pangan. Ruang lingkup bisnis perusahaan ini meliputi usaha logistik atau pergudangan,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kredit adalah suatu kapabilitas yang memungkinkan seseorang untuk memperoleh uang atau melakukan suatu pinjaman uang dengan syarat adanya perjanjian untuk membayar
Lebih terperinciBAB IV PEMBAHASAN. Pada bab ini akan dibahas mengenai penerapan metode Fuzzy K-Nearest
BAB IV PEMBAHASAN Pada bab ini akan dibahas mengenai penerapan metode Fuzzy K-Nearest Neighbor pada proses penentuan resiko kredit kepemilikan karaan bermotor dengan menggunakan metode Fuzzy K-Nearest
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Saat ini pendidikan di Indonesia semakin berkembang. Banyaknya
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini pendidikan di Indonesia semakin berkembang. Banyaknya pembangunan gedung sekolah maupun perguruan tinggi menjadi tanda berkembangnya pendidikan. Jumlah pendaftar
Lebih terperinciTUGAS AKHIR KULIAH PENDIDIKAN PANCASILA SEMESTER GANJIL T.A. 2015/2016 STMIK AMIKOM YOGYAKARTA
S1 - TI KELOMPOK G H I J NOMOR JAM RUANG MAHASISWA 15.11.8482 15.11.8558 09.00 10.00 V.2.1 15.11.8559 15.11.8635 09.00 10.00 V.2.2 15.11.8636 15.11.8712 09.00 10.00 V.2.3 15.11.8713 15.11.8790 09.00 10.00
Lebih terperinciBAB V PENGUJIAN. 5.1 Tujuan Pengujian. 5.2 Kriteria Pengujian
BAB V PENGUJIAN Bab ini menjabarkan pengujian terhadap algoritma k-nearest Neighbor dalam membentuk pola improvisasi musik jazz, hasil pengujian dan analisis terhadap hasil pengujian. 5.1 Tujuan Pengujian
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 terperinciK NEAREST NEIGHBOR INFORMATION RETRIEVAL (SISTEM TEMU KEMBALI INFORMASI)
K NEAREST NEIGHBOR INFORMATION RETRIEVAL (SISTEM TEMU KEMBALI INFORMASI) Disusun Oleh : Alfian Sukma 081116007 Dian Ramadhan 081211631003 Bagus Puji Santoso 081211631061 Tiara Ratna Sari 081211632014 Ni
Lebih terperinciPenentuan Penanganan Kasus Terhadap Penyakit...
Penentuan Penanganan Kasus Terhadap Penyakit... (Risfianti dkk.) PENENTUAN PENANGANAN KASUS TERHADAP PENYAKIT BERDASARKAN GEJALA MENGGUNAKAN CASE BASE REASONING DAN ALGORITMA NEAREST NEIGHBOR(STUDI KASUS:
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit pada saluran pencernaan merupakan penyakit yang umum dialami masyarakat. Berdasarkan Profil Kesehatan Provinsi Daerah Istimewa Yogyakarta tahun 2010
Lebih terperinciLampiran : 1. Kuesioner Penelitian Persepsi Pengusaha di Kota Medan Terhadap Kebijakan Bank Indonesia Tentang Lindung Nilai (Hedge)
Lampiran : 1 Kuesioner Penelitian Persepsi Pengusaha di Kota Medan Terhadap Kebijakan Bank Indonesia Tentang Lindung Nilai (Hedge) Kepada Yth : Bapak / Ibu Dalam rangka menunjang kegiatan penelitian yang
Lebih terperinciK-NN merupakan instance-based learning, Maksudnya: data training disimpan sehingga klasifikasi untuk record baru yg belum diklasifikasi dpt ditemukan
K-NN merupakan instance-based learning, Maksudnya: data training disimpan sehingga klasifikasi untuk record baru yg belum diklasifikasi dpt ditemukan dengan membandingkan kemiripan yang paling banyak dalam
Lebih terperinciIMPLEMENTASI CASE BASED REASONING UNTUK SISTEM DIAGNOSIS PENYAKIT ANJING
IMPLEMENTASI CASE BASED REASONING UNTUK SISTEM DIAGNOSIS PENYAKIT ANJING Fransica Octaviani S. (1) Joko Purwadi (2) Rosa Delima (3) foctas@yahoo.com jokop@ukdw.ac.id rosa@ukdw.ac.id Abstraksi Penalaran
Lebih terperinciFAKULTAS EKONOMI JURUSAN MANAJEMEN
74 KUESIONER PENELITIAN FAKULTAS EKONOMI JURUSAN MANAJEMEN UNIVERSITAS ESA UNGGUL No.Resp : Yth. Bapak/Ibu/Sdra/i Nasabah Tabungan MONAS PT Bank DKI Capem Tanjung Duren Dengan hormat, Saya Saroja Bachtiar
Lebih terperinciUKDW. Bab 1 PENDAHULUAN
Bab 1 PENDAHULUAN 1.1 Latar Belakang Skripsi merupakan tugas akhir mahasiswa S1 yang bersifat mandiri dan wajib untuk mendapatkan gelar sarjana. Seorang mahasiswa yang akan menulis tugas akhir harus mencari
Lebih terperinciBAB 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 terperinciPERBANDINGAN ANALISIS DISKRIMINAN DAN K-NEAREST NEIGHBOR (KNN) UNTUK MENGKLASIFIKASIKAN PENDERITA PENYAKIT TUBERKULOSIS (TB)
JIMT Vol. 12 No. 2 Desember 2016 (Hal 115-124) ISSN : 2450 766X PERBANDINGAN ANALISIS DISKRIMINAN DAN K-NEAREST NEIGHBOR (KNN) UNTUK MENGKLASIFIKASIKAN PENDERITA PENYAKIT TUBERKULOSIS (TB) Nurfajri 1,
Lebih terperinciPetunjuk : Berilah tanda (X) pada salah satu jawaban anda
Lampiran 1. Kuisioner Nasabah Responden yang terhormat, Saya, You Wan Dhira (NIM: 142101067), Mahasiswi Program Studi Diploma III Keuangan Fakultas Ekonomi dan Bisnis. Saya mohon kesediaan Bapak / Ibu
Lebih terperinciPENERAPAN DATA MINING UNTUK REKOMENDASI BEASISWA PADA SMA MUHAMMADIYAH GUBUG MENGGUNAKAN ALGORITMA C4.5
1 PENERAPAN DATA MINING UNTUK REKOMENDASI BEASISWA PADA SMA MUHAMMADIYAH GUBUG MENGGUNAKAN ALGORITMA C4.5 Dina Maurina, Ahmad Zainul Fanani S.Si, M.Kom Jurusan Teknik Informatika FIK UDINUS, Jl. Nakula
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan volume dan keragaman informasi yang tersedia di internet saat ini sangat pesat sehingga mendorong tumbuhnya media pemberitaan online.
Lebih terperinciPENERAPAN CASE BASED REASONING DALAM MENDUKUNG PENYELESAIAN KASUS
PENERAPAN CASE BASED REASONING DALAM MENDUKUNG PENYELESAIAN KASUS Emha Taufiq Luthfi STMIK AMIKOM Yogyakarta Jl. Ring Road Utara Condong Catur Depok Sleman Yogyakarta E-mail : emha_tl@yahoo.com ABSTRAKSI
Lebih terperinciBAB I PENDAHULUAN. minat dalam persaingan mengembangkan atau membuat berbagai teknologi baru.
BAB I PENDAHULUAN 1.1 Latar Belakang Era digital saat ini cukup jelas membuktikan betapa pesatnya perkembangan teknologi dan informasi. Hal ini akan terus berlangsung karena semakin banyaknya minat dalam
Lebih terperinciHASIL DAN PEMBAHASAN. Data
Transformasi data, mengubah data ke bentuk yang dapat di-mine sesuai dengan perangkat lunak yang digunakan pada penelitian. Penentuan Data Latih dan Data Uji Dalam penelitian ini data terdapat dua metode
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan menempati urutan tertinggi dalam menunjang kelangsungan aktivitas harian setiap manusia (Batubara,
BAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan menempati urutan tertinggi dalam menunjang kelangsungan aktivitas harian setiap manusia (Batubara, 2013). Kesehatan merupakan salah satu faktor penting bagi
Lebih terperinciBAB I PENDAHULUAN. manusia satu dengan manusia lainnya berbeda-beda intonasi dan nadanya, maka
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Suara adalah suatu alat komunikasi paling utama yang dimiliki oleh manusia. Dengan suara, manusia dapat berkomunikasi dengan manusia lainnya. Melalui suara,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Istilah gangguan kejiwaan/gangguan mental adalah seluruh gejala atau pola perilaku seseorang yang dapat ditemukan secara klinis yang berkaitan dengan tekanan/distress
Lebih terperinciDATA DEMOGRAFI RESPONDEN
53 DATA DEMOGRAFI RESPONDEN No. Responden Umur Pendidikan Pekerjaan Jenis Kelamin Pendapatan / bulan Kepatuhan 1 60 Tidak sekolah Petani Perempuan
Lebih terperinciUKDW. BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penerimaan mahasiswa baru merupakan proses yang selalu dilakukan setiap tahunnya oleh Universitas Kristen Duta Wacana Yogyakarta (UKDW). Mahasiswa baru merupakan mahasiswa
Lebih terperinciRANCANGAN CASE-BASED REASONING MENGGUNAKAN SORENSON COEFFICIENT
RANCANGAN CASE-BASED REASONING MENGGUNAKAN SORENSON COEFFICIENT Murien Nugraheni Program Studi Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Jl. Prof. Dr. Soepomo, S.H., Warungboto, Janturan,
Lebih terperinciBAB V HASIL PENELITIAN
BAB V HASIL PENELITIAN 5.1 Hasil Analisis Karakteristik Responden 5.1.1 Usia Gambar 5.1 Distribusi Frekuensi Responden Berdasarkan Usia di Instalasi Gawat Darurat RS. Kepresidenan RSPAD Gatot Soebroto
Lebih terperinciBAB II TINJAUAN PUSTAKA. Istilah kredit berasal dari bahasa Yunani Credere yang berarti
BAB II TINJAUAN PUSTAKA 2.1 Kredit Istilah kredit berasal dari bahasa Yunani Credere yang berarti kepercayaan, oleh karena itu dasar dari kredit adalah kepercayaan. Seseorang atau semua badan yang memberikan
Lebih terperinciJENIS PENELITIAN KE-2
JENIS PENELITIAN KE-2 PENELITIAN KORELASI PENGERTIAN PEN.KORELASI Pen.korelasi adl: penelitian yg melihat hubungan antara variabel. Dua atau lebih variabel diteliti untuk melihat hubungan yg terjadi diantara
Lebih terperinciCASE BASED REASONING UNTUK MENDETEKSI HAMA DAN PENYAKIT TANAMAN ANGGREK DENDROBIUM MENGGUNAKAN ALGORITMA SIMILARITAS PROBABILISTIC SYMMETRIC
CASE BASED REASONING UNTUK MENDETEKSI HAMA DAN PENYAKIT TANAMAN ANGGREK DENDROBIUM MENGGUNAKAN ALGORITMA SIMILARITAS PROBABILISTIC SYMMETRIC Pramudyas Arya Aconcagua 1, Setyawan Wibisono 2 1,2 Program
Lebih terperinciLAMPIRAN 1 Quessioner Penelitian. No : KUISIONER
LAMPIRAN 1 Quessioner Penelitian No : KUISIONER ANALISIS PENGARUH TINGKAT SUKU BUNGA DAN TINGKAT INFLASI TERHADAP MINAT MENABUNG MASYARAKAT DI KOTA MEDAN Oleh: Nurfiddini Kholida 100501143 PROGRAM STUDI
Lebih terperinciMODEL HEURISTIK. Capaian Pembelajaran. N. Tri Suswanto Saptadi
1 MODEL HEURISTIK N. Tri Suswanto Saptadi 2 Capaian Pembelajaran Mahasiswa dapat memahami dan mampu mengaplikasikan model Heuristik untuk menyelesaikan masalah dengan pencarian solusi terbaik. 1 3 Model
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Rekomendasi 2.1.1 Pengantar Sistem Rekomendasi Proses memberitahukan kepada seseorang atau lebih bahwa sesuatu yang dapat dipercaya, dapat juga merekomendasikan diartikan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Salah satu hewan ternak yang paling banyak diternakkan adalah unggas. Unggas memberikan banyak manfaat dan keuntungan, antara lain dapat dimanfaatkan dagingnya,
Lebih terperinciCASE BASED REASONING MENENTUKAN KELOMPOK UKT (STUDI UNIVERSITAS SEMBILANBELAS NOVEMBER KOLAKA)
CASE BASED REASONING MENENTUKAN KELOMPOK UKT (STUDI UNIVERSITAS SEMBILANBELAS NOVEMBER KOLAKA) Muh. Nurtanzis Sutoyo 1), Andi Tenri Sumpala 2) 1)2) Sistem Informasi, Fakultas Teknologi Informasi, USN Kolaka
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENEMPATAN JURUSAN MAHASISWA BARU MENGGUNAKAN METODE K-NEAREST NEIGHBOR
Cogito Smart Journal/VOL. 1/NO. 1/DESEMBER 2015IJCCS ISSN: 1 97 55 SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN JURUSAN MAHASISWA BARU MENGGUNAKAN METODE K-NEAREST NEIGHBOR Ratih Kumalasari Niswatin 1) Teknik
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN KLINIS UNTUK MENGEFISIENKAN DIAGNOSA PENYAKIT KEJIWAAN MENGGUNAKAN CASE BASED REASONING
SISTEM PENDUKUNG KEPUTUSAN KLINIS UNTUK MENGEFISIENKAN DIAGNOSA PENYAKIT KEJIWAAN MENGGUNAKAN CASE BASED REASONING 1 Nur Kahfi Ibrahim, 2 Sri Winiarti (0516127501) 1,2 Program Studi Teknik Informatika
Lebih terperinciDATA MINING ALGORITMA NEAREST NEIGHBOR UNTUK MEMPREDIKSI TINGKAT RESIKO PINJAMAN DANA DI BANK PERKREDITAN RAKYAT
DATA MINING ALGORITMA NEAREST NEIGHBOR UNTUK MEMPREDIKSI TINGKAT RESIKO PINJAMAN DANA DI BANK PERKREDITAN RAKYAT Eka Praja Wiyata Mandala Universitas Putra Indonesia YPTK, Padang Jl. Raya Lubuk Begalung
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam perkembangan bisnis yang bergerak pada bidang jasa dituntut inovasi baru untuk meningkatkan pelayanan kepada pelanggan, sama halnya dalam bidang asuransi.
Lebih terperinciKuesioner. Sebelumnya, saya mohon maaf telah menggangu waktu anda untuk mengisi. untuk memenuhi syarat kelulusan program studi S-1.
Kuesioner No.Responden: Sebelumnya, saya mohon maaf telah menggangu waktu anda untuk mengisi kuesioner dari saya. Saya mahasiswa yang sedang melakukan penelitian skripsi untuk memenuhi syarat kelulusan
Lebih terperincikhazanah Aplikasi Pemrediksi Masa Studi dan Predikat Kelulusan Mahasiswa Informatika Universitas Muhammadiyah Surakarta Menggunakan Metode Naive Bayes
29 khazanah informatika Jurnal Ilmu Komputer dan Informatika Aplikasi Pemrediksi Masa Studi dan Predikat Kelulusan Mahasiswa Informatika Universitas Muhammadiyah Surakarta Menggunakan Muh Amin Nurrohmat
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Analisa sistem pada yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Mendiagnosa Penyakit Akromegali Dengan Metode
Lebih terperinci