SISTEM PENENTUAN PEMASANGAN SALURAN AIR PDAM KOTA CIMAHI DENGAN MENGGUNAKAN CBR DAN ALGORITMA NEAREST NEIGHBORS
|
|
- Lanny Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jenderal Achmad Yani Jl.Terusan Jenderal Sudirman PO BOX 148 Cimahi, Jawa Barat, Indonesia 1 ferifrasetiyono@yahoo.co.id PDAM mempunyai kegiatan pemasangan sambungan langganan yang dilakukan oleh pelayanan langganan. Tingginya minat pelanggan baru untuk melakukan pemasangan sambungan langganan menyebabkan proses pemasangan sambungan langganan yang baru berjalan lambat dan banyaknya data pelanggan baru yang tidak diproses. Penelitian ini membuat sistem untuk menentukan layak atau tidak layaknya dilakukan pemasangan sambungan langganan yang baru di PDAM kota Cimahi menggunakan Case Base Reasoning dan algoritma Nearest Neighbors. Metode Case Based Reasoning dan algoritma Nearest Neighbors dipilih karena Case Based Reasoning (CBR) menyelesaikan permasalahan baru dengan cara mempergunakan kembali pengetahuan paling relevan yang telah dimiliki saat ini, kemudian melakukan proses adaptasi terhadap pengetahuan tersebut untuk menyesuaikan dengan permasalahan baru dan algoritma Nearest Neighbors untuk mencari kedekatan kasus baru dengan kasus lama. Dari 100 data uji dengan menggunakan 800 kasus terdahulu didapatkan kesesuaian 97 % dan melihat dari presentasi dapat disimpulkan algoritma Nearest Neighbors akurat. Kata Kunci: Pemasangan Sambungan Langganan Baru, Pelayanan Langganan, Case Based Reasoning 1. PENDAHULUAN 1.1 Latar belakang masalah Air bersih merupakan kebutuhan primer yang sangat penting bagi manusia dalam kehidupan sehari-hari, terutama di kota-kota besar yang memiliki permasalahan untuk mendapatkan air bersih. Sehingga banyak warga terutama di daerah perkotaan yang menggunakan jasa pelayanan air dari Perusahaan Daerah Air Minum (PDAM). Proses pelayanan untuk pemasangan sambungan langganan yang baru di PDAM kota Cimahi masih dilakukan secara konvensional dalam bentuk formulir. Tingginya minat pelanggan baru untuk melakukan pemasangan sambungan langganan menyebabkan proses pemasangan sambungan langganan yang baru berjalan lambat dan banyaknya data pelanggan baru yang tidak diproses. Penentuan layak atau tidak layaknya proses pemasangan sambungan langganan yang baru dilakukan dengan cara membandingkan kasus baru dan kasus lama dengan memperhatikan beberapa faktor diantaranya pekerjaan, status rumah, lokasi pemasangan, penghasilan, peruntukan sebagai kasus baru dan data pelanggan tetap sebagai kasus lama. Case Based Reasoning (CBR) adalah sistem berbasis pengetahuan yang menyelesaikan masalah dengan melakupkan penalaran, berdasarkan pengetahuan paling relevan yang telah dimiliki. Beberapa penelitian secara keseluruhan terdapat 225 masukan untuk setiap kombinasi dari keempat masukan, dalam penelitian ini hanya menguji sebanyak 81 masukan yang diambil Dari hasil pengujian yang telah dilakukan terhadap 81 data, didapat rata-rata tingkat akurasi yang diperoleh sebesar 77% (Abdiansah, 2013:11), Pada penelitian lain sebanyak 20 kasus dengan nilai treshold sebesar 0,6 Hasil uji coba menunjukan bahwa tingkat akurasi sistem sebesar 90%, dari 20 kasus terdapat dua kasus yang nilainya di bawah 0,7 yaitu pada kasus nomor 6 dan kasus nomor 12 sehingga sistem menganggap diagnosa tidak terlalu akurat(nurdiansyah, 2009), Pada penenlitian lain pada Nearest Neighbors semua kasus akan terklasifikasi meskipun nilai kedekatannya belum tentu seratus 100%(Kusrini, 2009). Penelitian ini merancang sistem yang dapat menentukan layak atau tidak layaknya untuk pemasangan sambungan langganan yang baru di PDAM Cimahi dengan menggunakan metode Case Based Reasoning. Penentuan layak atau tidak layaknya untuk pemasangan sambungan langganan yang baru, dilakukakan dengan perbandingan antara data pelanggan baru dengan data pelanggan lama atau yang sudah ada sebelumnya. Solusi akhir didapat dari kemiripan antara data pelanggan baru dengan data pelanggan lama berdasarkan nilai bobot kemiripan tertinggi. Sistem yang telah diimplementasi dalam perangkat lunak nantinya dapat membantu dalam menentukan layak atau tidak layaknya untuk pemasangan sambungan langganan yang baru. Permasalahan yang dibahas pada penelitian ini adalah Banyaknya variabel yang digunakan untuk penentuan layak atau tidak layaknya dilakukan pemasangan sambungan langganan berdasarkan kasus lama sebagai basis pengetahuan, solusi akhir didapat dari kemiripan antara data pelanggan baru dengan data pelanggan lama berdasarkan nilai 513
2 similarity kemiripan tertinggi dengan menggunakan algoritma Nearest Neighbors 1.2 Referensi Case-Based Reasoning (CBR) atau Penalaran Berbasis Kasus disingkat dengan CBR merupakan salah satu metodologi dalam bidang Ilmu Komputer yang digunakan untuk menyelesaikan suatu permasalahan/kasus baru menggunakan kasus-kasus lama. CBR juga termasuk sebagai Sistem Berbasis Pengetahuan dan menjadi salah satu alternatif selain Rule-Based Reasoning (RBR). Ide dasar dari CBR adalah similar problems have similar solutions, setiap masalah yang sama dimungkinkan untuk mempunyai solusi yang sama pula. Pengetahuan yang dimiliki CBR direpresentasikan dalam bentuk cases/kasus-kasus setiap kasus berisi dua slot yaitu slot masalah dan slot solusi. Slot masalah berisi fitur-fitur deskripsi dari suatu masalah sedangkan slot solusi berisi solusi/penyelesaian dari masalah tersebut. Nilai kesamaan antara kasus baru dengan kasus-kasus lama dihitung menggunakan fungsi similaritas, semakin tinggi nilai similaritas semakin besar kesamaan solusi antara kasus baru dengan kasus-kasus lama. Adapun langkah-langkah Case Based Reasoning sebagai berikut ( ): a. Retrieval Proses retrieve merupakan proses pencarian kemiripan antara kasus baru dengan kasus lama. Pencarian kemiripan antara kasus baru dengan kasus lama dilakukan dengan cara mencocokan gejala yang dimasukan oleh pengguna dengan gejala yang ada pada basis pengetahuan. Pada penelitian ini dilakukan pembobotan dengan menggunakan metode Nearest Neighbors Retrieval. Pada penelitian ini secara keseluruhan terdapat 225 masukan untuk setiap kombinasi dari keempat masukan, dalam penelitian ini hanya menguji sebanyak 81 masukan yang diambil Dari hasil pengujian yang telah dilakukan terhadap 81 data, didapat rata-rata tingkat akurasi yang diperoleh sebesar 77% (Retnowati, 2013:78) Pada penelitian lain algoritma data mining nearest neighbor memiliki kinerja terbaik untuk klasifikasi bidang kerja lulusan dengan nilai accuracy yaitu 83,33% (Ungkawa). Pada penelitian lain hasil pengujian 100 kasus baru diperoleh rata-rata prosentase keakurasian diagnosa 100 kasus baru yang diuji menggunakan metode SMC terhadap diagnosa pakar sebesar 89% (Tursina, 2012). Pada penelitian lain menggunakan metode Alogaritma Nearest Neighbors dengan 4 variabel yaitu IPK, Pekerjaan orang tua, jurusan dan semester adalah mendapatkan kesesuaian 79%(Kusrini, 2014). b. Reuse Proses reuse merupakan proses memodelkan/ menggunakan kembali pengetahuan dan informasi kasus lama berdasarkan bobot kemiripan yang paling relevan ke dalam kasus yang baru, sehingga menghasilkan usulan solusi yang mungkin diperlukan suatu adaptasi dengan masalah yang baru tersebut. Pada proses reuse dipilih bobot tertinggi sebagai solusi. pada penelitian ini mampu menyamainya, yaitu mencapai angka 90%, atau minimal dapat memenuhi kualifikasi minimum sebagaimana yang telahditetapkan oleh WHO, yakni sebesar 85% (Wicaksono, 2014). c. Revise Proses revise merupakan proses perbaikan solusi yang diberikan jika pada proses retrieve sistem tidak dapat memberikan hasil diagnosa yang tepat. d. Retain Proses retain merupakan proses memasukkan data kasus baru yang sudah ditemukan solusinya tersebut ke dalam basis pengetahuan yang nantinya dapat digunakan untuk kasus berikutnya yang memiliki permasalahan yang sama. Dalam proses CBR dapat menggunakan berbagai teknik, diantaranya adalah algoritma Nearest Neighbors. Algoritma Nearest Neighbors adalah pendekatan untuk mencari kasus dengan kedekatan kasus baru dengan kasus lama, yaitu berdasarkan pencocokan bobot dari sejumlah kasus yang ada. Metode ini mencari kesamaan kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada 2. PEMBAHASAN 2.1 Persamaan Retrieve (mengambil kembali informasi) dengan menggunakan Algoritma Nearest Neighbors. Algoritma ini melakukan pendekatan antara kasus baru dengan kasus lama berdasarkan kedekatan jarak paling dekat yang ada dalam basis kasus dengan bobot yang sudah ditetapkan sebelumnya, sehingga antara kasus kasus baru dengan kasus lama yang ada di basis kasus dapat diketahui masing-masing kedekatan jaraknya. Nilai kedekatan berada pada nilai antara 0 dan 1. Nilai 0 untuk kedua kasus yang tidak mirip sama sekali dan nilai 1 untuk kedua kasus yang mirip. Fungsi yang digunakan pada penelitian ini dapat dilihat pada Persamaan (1). similarity Ti, i ( Ti, xwi 1 n ( (1) Persamaan (1) n merupakan jumlah kriteria 1 ke n.. Wi merupakan nilai bobot atribut dari atribut 1 sampai ke n. Ti kedekatan kasus baru i sampai ke n. Si kedekatan kasus lama dari atribut i sampai ke n. Wi merupakan nilai bobot atribut dari atribut 1 sampai ke n 514
3 a 6 f Ti, i 1 1, Ti Si K a / k Ti Si xwi ( (2) Persamaan (2) adalah modifikasi Persamaan (1), pada Persamaan (2) K merupakan jumlah kriteria 1 ke n. i banyaknya atribut. Wi merupakan nilai bobot atribut dari atribut 1 sampai ke n. Ti kedekatan kasus baru i sampai ke n. Si kedekatan kasus lama dari atribut i sampai ke n. a merupakan banyaknya atribut. [(A*B)+(C*D)+(E*F)+(G*H)+(I*J)+(K*l)+] (3) Persamaan (3) adalah modifikasi Persamaan (1), pada Persamaan (2) A merupakan kedekatan nilai atribut pekerjaan, B merupakan nilai bobot atribut pekerjaan. C kedekatan nilai atribut penghasilan. D merupakan nilai bobot atribut penghasilan. E merupakan kedekatan nilai rayon. F merupakan nilai bobot atribut rayon. G merupakan kedekatan nilai peruntukan. H merupakan nilai bobot atribut peruntukan. I merupakan kedekatan nilai atribut jumlah penghuni. J merupakan nilai bobot atribut jumlah penghuni. K merupakan kedekatan nilai atribut status rumah. L merupakan nilai bobot atribut status rumah. 2.2 Tabel Atribut pada penelitian ini dapat dilihat pada Tabel 1 yang terdiridari atribut pekerjaan, rayon, penghasilan, peruntukan, status rumah jumlah penghuni. Tabel 1. Daftar atribut No Nama atribut Kriteria 1 Pekerjaan Pilot PNS Dokter Pengacara Notaris TNI Karyawan BUMN Polri Karyawan BUMD Dosen Karyawan swasta Guru Seniman Wiraswasta Buruh harian lepas Pelajar/mahasiswa Belum/tidak bekerja Mengurus rumah tangga 2 Rayon Rayon 1 Rayon 2 Rayon 6 Rayon 5 Rayon 8 Rayon 7 Rayon 3 Rayon 4 3 Penghasilan Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Peruntukan Pendidikan dan kesehatan swasta Pendidikan dan kesehatan pemerintah Industri besar Rumah Mewah Industri Industri Kecil Niaga Jasa Besar Rumah Istirahat Rumah menengah Niaga jasa kecil Pemerintah badan usaha Pemerintah non usaha Kran umum dan rumah ibadah Rumah sederhana Rumah sangat sederhana Badan amal dan sosial 5 Jumlah Penghuni Status Rumah Instansi Milik Pribadi 2.3 Gambar Pada Gambar 1 merupakan halaman hasil kelayakan data kasus baru Pada halaman ini terdapat nilai hasil perhitungan similarity kasus baru dengan kasus lama. 515
4 max 0 nilai 0 for i 0 to panjang hasil do if (max 0) max hasil [i][j] nilai hasil [i] [j] else if (max < hasil [i] [j]) max hasil [i][j] nilai hasil [i] [j] x end if Gambar 1. Hasil Kelayakan 2.4 Algoritma atau Program Algoritma ini digunakan untuk perhitungan kedekatan nilai. di bawah ini merupakan algoritma Nearest Neighbours. Contoh algoritma dapat dilihat dalam Gambar 2. [algoritma] max K [0] for i 1 to panjang (k) do hitung 1 x [i] [j] y x [i] [j] _ for i to j < panjang y do if i=j then x [i] [j] 1 else if i < j if (!= x [i] [j]) then x [i] [j] count (1/p [p]) y [j] [i] x [i] [j] hitung x [i] [j] else if i > j if (!= x [i][j]) then x[i][j] x ([i-1][j-1] (1/p[p])) x[i] [j] X[i] [j] x[j] [i] x[j] [i] = x[i] [j] hitung x[i] [j] end if end if for (i 0 to panjang ab[i]) y 0 Gambar 2. Algoritma Nearest Neighbours 3. KESIMPULAN Penelitian ini telah menghasilkan sistem yang dapat merekomendasikan kelayakan calon pelanggan baru di PDAM Tirta Raharja kabupaten cimahi, dengan masukan enam atribut, pekerjaan, penghasilan, status rumah, jumlah penghuni, rayon, dan peruntukan. Masukan tersebut diproses dengan melalui metode Case Based Reasoning dengan 4 tahapan yaitu retrieve dengan algoritma Nearest Neighbors, reuse, revise, dan retain. Sehingga menghasilkan keluaran rekomendasi kelayakan calon pelanggan baru. Dengan menentukan bobot dan kedekatan nilai dan masukan tersebut sehingga menghasilkan nilai similarity dari kasus baru terhadap basis kasus. Dari 100 data uji dengan menggunakan 800 kasus terdahulu dengan kesesuaian 97 % dan melihat dari presentasi dapat disimpulkan algoritma Nearest Neighbors akurat. Saran pada penelitian ini yaitu agar dilakukan perbaikan pada proses revise, sehingga tingkat similarity menjadi tinggi dan solusi kemiripan menjadi dekat. Selain itu untuk mendapatkan hasil yang lebih baik lagi, penggunaan similarity bisa mencoba algoritma yang lain. PUSTAKA Abdiansah, "Fuzzy Case Based Reasoning: Implementasi Logika Fuzzy pada Case Based Reasoning," Jurnal Generic, ISSN: , vol. 8, No.1, pp. 1-11, Maret B. S. Wicaksono, A. Romadhony, and M. D. Sulistiyo, "Analisis dan Implementasi Sistem Pendiagnosis Penyakit Tuberculosis menggunakan Metode Case Based Reasoning," in Seminar Nasional Aplikasi Teknologi Informasi, ISSN: , Yogyakarta, 2014, pp. B-22 - B-28. I. N. Ricky, Kusrini, and M. R. Arief, "Analisis Prediksi Tingkat Pengunduran Diri Mahasiswa dengan Metode Nearest Neighbors," Jurnal Jatisi, vol. 1, No.1, pp. 1-15, September
5 Kusrini, S. Hartati, R. Wardoyo, and A. Harjoko, "Perbandingan Metode Nearest Neighbors dan Algoritma C4.5 untuk Menganalisis Kemungkinan Pengunduran Diri Calon Mahasiswa di STMIK AMIKOM Yogyakarta," Jurnal DASI, ISSN: , vol. 10, No.1, Maret R. Retnowati and A. Pujiyanta, "Implementasi Case Based Reasoning pada Sistem Pakar dalam Menentukan Jenis Gangguan Kejiwaan," Jurnal Sarjana Teknik Informatika, e-issn: , vol. 1, No.1, pp , Juni Tursina, "Case Based Reasoning untuk Diagnosa Penyakit Respirologi Anak menggunakan Similaritas Simple Matching Coefficient," Jurnal Elekha, vol. 4, No.1, Maret U. Ungkawa, D. Rosmala, and F. Aryanti, "Pembangunan Aplikasi Travel Recommender dengan Metode Case Based Reasoning," Jurnal Informatika. Y. Nurdiansyah, "Case Based Reasoning untuk Pendukung Diagnosa Gangguan pada Anak Autis," Jurnal Sistem Informasi, vol. 2,No.1, Maret
BAB 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 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 terperinciCase-Based Reasoning Untuk Diagnosa Penyakit Respirologi Anak Menggunakan Similaritas Simple Mathcing Coefficient
17 Case-Based Reasoning Untuk Diagnosa Penyakit Respirologi Anak Menggunakan Similaritas Simple Mathcing Coefficient Tursina Prodi Teknik Informatika, Fakultas Teknik Universitas Tanjungpura Jl. Ahmad
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 terperinciPENENTUAN PENANGANAN KERUSAKAN MESIN PRODUKSI RESLETING DI PT. HERO TOP ZIP MENGGUNAKAN CASE BASED REASONING DAN SORENSEN COEFFICIENT
Penentuan Penanganan Kerusakan Mesin Produksi Resleting (Prakasa dkk.) PENENTUAN PENANGANAN KERUSAKAN MESIN PRODUKSI RESLETING DI PT. HERO TOP ZIP MENGGUNAKAN CASE BASED REASONING DAN SORENSEN COEFFICIENT
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Bahan bangunan merupakan salah satu faktor yang penting untuk membuat sebuah rumah, untuk
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Bahan bangunan merupakan salah satu faktor yang penting untuk membuat sebuah rumah, untuk menghitung kebutuhan bahan bangunan seperti semen, besi,
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 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 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 I PENDAHULUAN 1. 1 Latar Belakang Dan Permasalahan Pendidikan merupakan sesuatu yang sangat penting, namun tidak semua orang dapat menempuh
BAB I PENDAHULUAN 1. 1 Latar Belakang Dan Permasalahan Pendidikan merupakan sesuatu yang sangat penting, namun tidak semua orang dapat menempuh pendidikan sesuai yang diharapkan. Salah satu permasalahan
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 terperinciPENENTUAN PEMULIHAN KESEHATAN IBU HAMIL MENGGUNAKAN TEKNIK CASE BASED REASONING DAN MANHATTAN DISTANCE
F.8 PENENTUAN PEMULIHAN KESEHATAN IBU HAMIL MENGGUNAKAN TEKNIK CASE BASED REASONING DAN MANHATTAN DISTANCE Teguh Munawar Ahmad *, Yulison Herry Chrisnanto, Rezki Yuniarti Program StudiInformatika, Fakultas
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 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 terperinciALGORITMA NEAREST NEIGHBOR
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
Lebih terperinciCase Base Reasoning Penentuan Harga Rumah Dengan Menggunakan Metode Tversky (Studi Kasus: Kota Pontianak)
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 1, (2017) 1 Case Base Reasoning Penentuan Harga Rumah Dengan Menggunakan Metode Tversky (Studi Kasus: Kota Pontianak) Hendra 1, Tursina 2, Rudy
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 terperinciREKOMENDASI PENANGANAN ANAK BERKEBUTUHAN KHUSUS PADA SEKOLAH LUAR BIASA NEGERI CITEUREUP MENGGUNAKAN CASE BASED REASONING DAN NEAREST NEIGHBORS
Rekomendasi Penanganan Anak Berkebutuhan Khusus... (Padilah dkk.) REKOMENDASI PENANGANAN ANAK BERKEBUTUHAN KHUSUS PADA SEKOLAH LUAR BIASA NEGERI CITEUREUP MENGGUNAKAN CASE BASED REASONING DAN NEAREST NEIGHBORS
Lebih terperinciPERBANDINGAN 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 terperinciBAB I PENDAHULUAN. faktor yang mempengaruhi seseorang dalam memilih pasangan hidup, dan
BAB I PENDAHULUAN 1.1 Latar Belakang Manusia adalah mahluk sosial yang memiliki kebutuhan untuk menjalin hubungan dengan orang lain termasuk kebutuhan akan pasangan hidup. Banyak faktor yang mempengaruhi
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 terperinciCASE-BASED REASONING (CBR) PADA SISTEM PAKAR IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN SINGKONG DALAM USAHA MENINGKATKAN PRODUKTIVITAS TANAMAN PANGAN
CASE-BASED REASONING (CBR) PADA SISTEM PAKAR IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN SINGKONG DALAM USAHA MENINGKATKAN PRODUKTIVITAS TANAMAN PANGAN Oleh: Minarni, Indra Warman, Wenda Handayani Jurusan Teknik
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 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 terperinciSistem Pakar Identifikasi Penyakit Tanaman Padi Menggunakan Case-Based Reasoning
Sistem Pakar Identifikasi Penyakit Tanaman Padi Menggunakan Case-Based Reasoning Minarni 1, Indra Warman 2 Jurusan Teknik Informatika Institut Teknologi Padang Padang, Indonesia 1 minarni1706@gmail.com,
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 terperinciBAB I PENDAHULUAN 1BAB I PENDAHULUAN
BAB I PENDAHULUAN 1BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit gigi merupakan salah satu penyakit yang dapat menyerang semua orang, namun di sisi lain jumlah dokter gigi di Indonesia masih sangat sedikit
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 terperinciDIAGNOSIS KERUSAKAN KOMPUTER MENGGUNAKAN METODE SIMILARITY JACCARD COEFFICIENT
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 2, (2017) 40 DIAGNOSIS KERUSAKAN KOMPUTER MENGGUNAKAN METODE SIMILARITY JACCARD COEFFICIENT Annisa 1, Tursina 2, Helen Sasty Pratiwi 3 Program
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 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 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Empiris Ada beberapa penelitian terkait yang pernah dilakukan mengenai Penerapan Metode Probabilitas Bayesian dan Nearest Neighbour dalam Sistem Pakar Berbasis Case
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Mata adalah organ fotosensitif yang kompleks dan berkembang lanjut yang memungkinkan analisis cermat tentang bentuk, intensitas cahaya, dan warna yang dipantulkan
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 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 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 terperinciSISTEM BERBASIS KASUS UNTUK PENANGANAN MAHASISWA BERMASALAH (STUDI KASUS : TEKNIK INFORMATIKA UII)
SISTEM BERBASIS KASUS UNTUK PENANGANAN MAHASISWA BERMASALAH (STUDI KASUS : TEKNIK INFORMATIKA UII) Chanifah Indah Ratnasari Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam Indonesia
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 terperinciPenerapan Case Based Reasoning (CBR) untuk Mendiagnosa Jenis Pecandu Narkoba
Penerapan Case Based Reasoning (CBR) untuk Mendiagnosa Jenis Pecandu Narkoba Andik Adi Suryanto 1, Imron Rosyidi 2, Miftahul Ulum 3, Adi Wendra 4 1,2,3,4 Jurusan Teknik Informatika, FT, Universitas PGRI
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 terperinciIMPLEMENTASI SISTEM PAKAR DIAGNOSA PENYAKIT GIGI DAN MULUT MENGGUNAKAN METODE HYBRID CASE-BASED DAN RULE-BASED REASONING
IMPLEMENTASI SISTEM PAKAR DIAGNOSA PENYAKIT GIGI DAN MULUT MENGGUNAKAN METODE HYBRID CASE-BASED DAN RULE-BASED REASONING M. Abdurrachman Irfandi 1, Ade Romadhony 2, Siti Saadah 3 1,2,3 Prodi S1 Teknik
Lebih terperinciPOLA KEMAMPUAN ANAK BERDASARKAN RAPOR MENGGUNAKAN TEXT MINING DAN KLASIFIKASI NEAREST NEIGHBOR
Seminar Nasional Teknologi Informasi dan Multimedia 07 STMIK AMIKOM Yogyakarta, 4 Februari 07 ISSN : 30-3805 POLA KEMAMPUAN ANAK BERDASARKAN RAPOR MENGGUNAKAN TEXT MINING DAN KLASIFIKASI NEAREST NEIGHBOR
Lebih terperinciKLASIFIKASI HELPDESK UNIVERSITAS JENDERAL ACHMAD YANI MENGGUNAKAN CONCEPT FREQUENCY-INVERSE DOCUMENT FREQUENCY (CF-IDF) DAN K-NEAREST NEIGHBORS (K-NN)
Klasifikasi Helpdesk Universitas Jenderal Achmad ni... (Herawan dkk.) KLASIFIKASI HELPDESK UNIVERSITAS JENDERAL ACHMAD YANI MENGGUNAKAN CONCEPT FREQUENCY-INVERSE DOCUMENT FREQUENCY (CF-IDF) DAN K-NEAREST
Lebih terperinciImplementasi Case Base Reasoning Untuk Mendiagnosa Penyakit Gigi dan Mulut Implementation of Case-Based Reasoning for Diagnosing Oral Disease
Implementasi Case Base Reasoning Untuk Mendiagnosa Penyakit Gigi dan Mulut Implementation of Case-Based Reasoning for Diagnosing Oral Disease Fryda Fatmayati* 1, Kusrini 2, Emha Taufiq Lutfi 3 Magister
Lebih terperinciFuzzy Case-Based Reasoning: Implementasi Logika Fuzzy pada Case-Based Reasoning
Jurnal Generic, Vol. 8, No. 1, Maret 2013, pp. 171~182 ISSN: 1907-4093 (print), 2087-9814 (online) 171 Fuzzy Case-Based Reasoning: Implementasi Logika Fuzzy pada Case-Based Reasoning Abdiansah 1 1 Jurusan
Lebih terperinciCASE BASE REASONING UNTUK MENENTUKAN DAERAH MENENTUKAN DAERAH BERPOTENSI DEMAM BERDARAH (Studi Kasus Kota Pontianak)
CASE BASE REASONING UNTUK MENENTUKAN DAERAH MENENTUKAN DAERAH BERPOTENSI DEMAM BERDARAH (Studi Kasus Kota Pontianak) Tursina 1 Prodi Teknik Informatika, Fakultas Teknik, Universitas Tanjungpura Jl. Ahmad
Lebih terperinciCase Based Reasoning Untuk Mendeteksi Kerusakan Harddisk
Case Based Reasoning Untuk Mendeteksi Kerusakan Harddisk Nola Ritha 1, M. Nurtanzis Sutoyo 2 1 Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja Ali Haji 2 Sistem Informasi, Fakultas Teknologi
Lebih terperinciJURNAL INFORMATIKA PEMBANGUNAN APLIKASI TRAVEL RECOMMENDER DENGAN METODE CASE BASE REASONING
PEMBANGUNAN APLIKASI TRAVEL RECOMMENDER DENGAN METODE CASE BASE REASONING Uung Ungkawa [1], Dewi Rosmala [2], Fanny Aryanti [3] Jurusan Teknik Informatika Institut Teknologi Nasional Bandung uung@itenas.ac.id,
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Penyakit demam dengue atau demam berdarah merupakan penyakit infeksi yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes aegepty dan Aedes albopictus
Lebih terperinciFuzzy Case-Based Reasoning: Implementasi Logika Fuzzy pada Case-Based Reasoning
Jurnal Generic, Vol. 8, No. 1, Maret 2013, pp. 1~11 1 Fuzzy Case-Based Reasoning: Implementasi Logika Fuzzy pada Case-Based Reasoning Abdiansah Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciCase Based Reasoning (CBR) Untuk Pendeteksi Penyakit Pada Tanaman Kacang Kedelai Berbasis Web
Case Based Reasoning (CBR) Untuk Pendeteksi Penyakit Pada Tanaman Kacang Kedelai Berbasis Web Erni Sulastri, Eneng Tita Tosida, Fajar Delli Program Studi Ilmu Komputer FMIPA Universitas Pakuan Jl. Pakuan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mahasiswa merupakan bagian terpenting dalam menentukan kualitas suatu perguruan tinggi. Kualitas perguruan tinggi dapat dinilai dari mutu dosen dan tenaga kependidikan,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Abnormal Psychology merupakan salah satu cabang dalam ilmu psikologi yang berupaya untuk memahami pola perilaku abnormal dan cara menolong orang-orang
Lebih terperinciSISTEM DETEKSI AWAL PENYAKIT TBC DENGAN METODE CBR
SISTEM DETEKSI AWAL PENYAKIT TBC DENGAN METODE CBR Arnes Yuli Vandika* 1, Ahmad Cucus 2 1,2 Ilmu Komputer - Universitas Bandar Lampung (UBL) e-mail: arnes@ubl.ac.id 1, ahmad.cucus@ubl.ac.id 2 Abstrak Penyakit
Lebih terperinciIMPLEMENTASI CASE BASED REASONING UNTUK MENENTUKAN TUJUAN WISATA
IMPLEMENTASI CASE BASED REASONING UNTUK MENENTUKAN TUJUAN WISATA Billy Kadmiel *, Lukito Edi Nugroho, Silmi Fauziati Jurusan Teknik Eletro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada
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 terperinciBAB I PENDAHULUAN. Sistem pakar merupakan salah satu cabang kecerdasan buatan yang
BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar merupakan salah satu cabang kecerdasan buatan yang mempelajari bagaimana mengadopsi cara seorang pakar berpikir dan bernalar dalam menyelesaikan suatu
Lebih terperinciMEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN METODE JACCARD COEFFICIENT
MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN METODE JACCARD COEFFICIENT (Studi Kasus: Mahasiswa Program Studi Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Tanjungpura) Khairul
Lebih terperinciRidho Muktiadi 1, Sri Kusumadewi 2. JUITA p-issn: (print); e-issn: (online); Volume VI, Nomor 1, Mei 2018
Sistem Pendukung Keputusan Penentuan Jenis Tindakan Preventif untuk Daerah dengan Kejadian Luar Biasa Penyakit di Kabupaten Banyumas (Decision Support System for Determining Type of Preventive Actions
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Pada saat melakukan sebuah penelitian, metodologi penelitian sangat penting sebagai pengumpul data yang akurat. Metode penelitian juga berguna untuk menyusun tahapan tahapan
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 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 terperinciPENERAPAN METODOLOGI PENALARAN BERBASIS KASUS DALAM MENDIAGNOSA KERUSAKAN KOMPUTER
PENERAPAN METODOLOGI PENALARAN BERBASIS KASUS DALAM MENDIAGNOSA KERUSAKAN KOMPUTER SANDY KOSASI Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Pontianak Jln. Merdeka No.
Lebih terperinciIMPLEMENTASI CASE BASED REASONING UNTUK DIAGNOSA PENYAKIT BERDASARKAN GEJALA KLINIS DAN HASIL PEMERIKSAAN HEMATOLOGI DENGAN PROBABILITAS BAYES
IMPLEMENTASI CASE BASED REASONING UNTUK DIAGNOSA PENYAKIT BERDASARKAN GEJALA KLINIS DAN HASIL PEMERIKSAAN HEMATOLOGI DENGAN PROBABILITAS BAYES (Studi Kasus: RSUD Rejang Lebong) Azizi Satria Bararah 1,
Lebih terperinciPenerapan Case-Based Reasoning Pada Sistem Cerdas Untuk Pendeteksian dan Penanganan Dini Penyakit Sapi
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Penerapan Case-Based Reasoning Pada Sistem Cerdas Untuk Pendeteksian dan Penanganan Dini Penyakit Sapi Irlando Moggi Prakoso, Wiwik Anggraeni, Ahmad Mukhlason
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
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan teknologi begitu pesat terutama dalam bidang komputer, sehingga tidak berlebihan apabila komputer dijadikan alat untuk memperingan beban
Lebih terperinci1 2 Jurnal INTENSIF, Vol.1, No.1, Februari 2017 ISSN:
Sistem Rekomendasi Destinasi Pariwisata Menggunakan Metode Hibrid Case Based Reasoning dan Location Based Service Sebagai Pemandu Wisatawan di Banyuwangi 1 Dedy Hidayat Kusuma, 2 Moh. Nur Shodiq 1,2 Teknik
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Hewan ternak ayam memiliki banyak manfaatnya seperti telur dan dagingnya tidak terlepas dari kebutuhan konsumsi sehari-hari. Namun, ada permasalahan utama yang hampir
Lebih terperinciANALISIS KOMPARASI SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT DALAM PENENTUAN PENERIMA BEASISWA
ANALISIS KOMPARASI SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT DALAM PENENTUAN PENERIMA BEASISWA Siti Nurhayati Magister Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperinciModel Aplikasi Penentuan Jenis Beasiswa Berbasis Algoritma K-NN Termodifikasi
ISSN: 2089-3787 1181 Model Aplikasi Penentuan Jenis Beasiswa Berbasis Algoritma K-NN Termodifikasi Soegiarto 1, Bahar 2 Program Studi Teknik Informatika, STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Di Era Globalisasi ini masalah kesehatan merupakan masalah kompleks. Datangnya penyakit merupakan hal yang tidak bisa ditolak meskipun kadang dapat dicegah atau dihindari.
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 terperinciPERANCANGAN APLIKASI KONSELING MAHASISWA MENGGUNAKAN METODE CASE BASED REASONING. Syaiful Hendra 1*, Sri Kusumadewi 2
PERANCANGAN APLIKASI KONSELING MAHASISWA MENGGUNAKAN METODE CASE BASED REASONING Syaiful Hendra 1*, Sri Kusumadewi 2 1 Program Studi Teknik Informatika, STMIK Adhi Guna Jl. Undata No 3 Palu, Sulawesi Tengah
Lebih terperinciSISTEM DIAGNOSA PENYAKIT MUSANG DENGAN METODE CASE BASED REASONING BERBASIS WEB
SISTEM DIAGNOSA PENYAKIT MUSANG DENGAN METODE CASE BASED REASONING BERBASIS WEB Muhamad Rheza, Herfina, Adriana Sari Aryani. Program Studi Ilmu Komputer FMIPA Universitas Pakuan Jl. Pakuan Po. Box 452
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Pakar Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK 1. Pendahuluan Dewasa ini kesibukan masyarakat semakin lama semakin bertambah. Hal tersebut menyebabkan terbatasnya kegiatan kegiatan yang dapat dilakukan oleh masyarakat. Selain
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 terperinciModel Penentuan Jenis Beasiswa Menggunakan Algoritma K-NN Kombinasi Basis Aturan Dan Basis Pengetahuan
ISSN: 2089-3787 579 Model Penentuan Jenis Beasiswa Menggunakan Algoritma K-NN Kombinasi Basis Aturan Dan Basis Pengetahuan Bahar, Nidia Rosmawanti STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru bahararahman@gmail.com,
Lebih terperinciUPI YPTK Jurnal KomTekInfo Vol. 4, No. 2, Desember 2017, Hal ISSN : Copyright 2017 by LPPM UPI YPTK Padang
PENERAPAN CASE BASED REASONING DENGAN ALGORITMA NEAREST NEIGHBOR UNTUK PT.TELKOM AKSES ILham Rabbil 1), Shary Armonitha Lusinia 2), Rima Liana Gema 3) Teknik Informatika, Sumatera Barat, Universitas Putra
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESTISIDA PADA TANAMAN JAGUNG BISI 2 MENGGUNAKAN METODE CBR
semantik, Vol.1, No.2, Jul-Des 2015, pp. 69-76 ISSN: 2460-1446Ily pp. 1~5 69 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESTISIDA PADA TANAMAN JAGUNG BISI 2 MENGGUNAKAN METODE CBR Yaseruddin * 1, Muh. Ihsan
Lebih terperinciPREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI
PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI Rizka Munia Yogaswara 1), Gunawan Abdillah 2), Dian Nursantika
Lebih terperinciPurwokerto 53182, Telp. (0281)
BAB IV METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang dilakukan adalah penelitian pengembangan yaitu mengembangkan dalam penentuan tingkat kesesuaian lahan untuk tanaman Jati menggunakan sistem
Lebih terperinciPENERAPAN METODE PROBABILITAS BAYESIAN DAN NEAREST NEIGHBOUR DALAM SISTEM PAKAR BERBASIS CASE BASED REASONING (CBR) KOMPETENSI KOMPUTASI SKRIPSI
PENERAPAN METODE PROBABILITAS BAYESIAN DAN NEAREST NEIGHBOUR DALAM SISTEM PAKAR BERBASIS CASE BASED REASONING (CBR) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN RIRIN PUSPITA DEWI NIM. 1108605045 PROGRAM STUDI
Lebih terperinciGambar 7. Tahapan Proses penelitian
BAB III METODE PENELITIAN 3.1. Alur Penelitian Secara umum, metode penelitian yang digunakan tersusun dalam suatu diagram alur penelitian yang dapat disajikan Gambar 7. Diagram alur tersebut memperlihatkan
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. kesehatan akan memeriksa dan melakukan diagnosa. Bila dokter cukup sibuk dan
BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar menirukan perilaku seorang pakar dalam menangani suatu persoalan. Pada suatu kasus seorang pasien mendatangi dokter untuk memeriksa badannya yang mengalami
Lebih terperinciPENERAPAN CASE BASED REASONING (CBR) UNTUK MENDIAGNOSIS PENYAKIT STROKE MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENERAPAN CASE BASED REASONING (CBR) UNTUK MENDIAGNOSIS PENYAKIT STROKE MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Moh. Zainuddin 1, Khasnur Hidjah 2, I Wayan Tunjung 3 1,2 Program Studi Teknik Informatika,
Lebih terperinciKNOWLEDGE MANAGEMENT SYSTEM PADA KERUSAKAN MESIN COMPUTER NUMERICALLY CONTROLLED
KNOWLEDGE MANAGEMENT SYSTEM PADA KERUSAKAN MESIN COMPUTER NUMERICALLY CONTROLLED Rd. Galih Prawira Martakusumah 1), Tacbir Hendro Pudjiantoro 2), Rezki Yuniarti 3) 1), 2) Program Studi Informatika, Fakultas
Lebih terperinciTEKNIK VECTOR SPACE MODEL (VSM) DALAM PENENTUAN PENANGANAN DAMPAK GAME ONLINE PADA ANAK
F.13 TEKNIK VECTOR SPACE MODEL (VSM) DALAM PENENTUAN PENANGANAN DAMPAK GAME ONLINE PADA ANAK Bania Amburika 1*,Yulison Herry Chrisnanto 1, Wisnu Uriawan 2 1 Jurusan Informatika, Fakultas MIPA, Universitas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MENENTUKAN TUJUAN WISATA PENDAKIAN MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION
SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN TUJUAN WISATA PENDAKIAN MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION Yudhi Giryanto 1), Gunawan Abdillah 2), Dian Nursantika 3)
Lebih terperinciIDENTIFIKASI KUALITAS PERMUKIMAN KUMUH MENGGUNAKAN METODE CASE BASE REASONING DAN FUZZY K-NEAREST NEIGHBOR (Studi Kasus: Kelurahan Kota Bengkulu)
IDENTIFIKASI KUALITAS PERMUKIMAN KUMUH MENGGUNAKAN METODE CASE BASE REASONING DAN FUZZY K-NEAREST NEIGHBOR (Studi Kasus: Kelurahan Kota Bengkulu) Misia Dispa Bainamus 1, Ernawati 2, Endina Putri Purwandari
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 terperinciKLASIFIKASI KECENDERUNGAN PENYAKIT MATA DI JAWA BARAT DENGAN ASSOCIATION RULE DAN NAÏVE BAYES CLASSIFIER
KLASIFIKASI KECENDERUNGAN PENYAKIT MATA DI JAWA BARAT DENGAN ASSOCIATION RULE DAN NAÏVE BAYES CLASSIFIER Zillan Taufiq Budiman 1), Wina Witanti 2), Dian Nursantika 3) 1), 2), 3) Informatika Universitas
Lebih terperinciPENGEMBANGAN SISTEM PAKAR PENDETEKSI PENYAKIT PADA KUCING DENGAN METODE CASE BASED REASONING DAN CERTAINTY FACTOR BERBASIS ANDROID
Volume 3, Edisi 2, Februari 2017 PENGEMBANGAN SISTEM PAKAR PENDETEKSI PENYAKIT PADA KUCING DENGAN METODE CASE BASED REASONING DAN CERTAINTY FACTOR BERBASIS ANDROID Galuh Gupita 1, Budi Harijanto 2, Yuri
Lebih terperinciPenerapan Case Based Reasoning pada Sistem Pendukung Keputusan Penanganan Komplain Penyewa Mall
138 Penerapan Case Based Reasoning pada Sistem Pendukung Keputusan Penanganan Komplain Penyewa Mall Meivi Kartikasari, Purnomo Budi Santoso, dan Erni Yudaningtyas Abstract One of the factors affecting
Lebih terperinciSistem Pakar Dasar. Ari Fadli
Sistem Pakar Dasar Ari Fadli fadli.te.unsoed@gmail http://fadli84.wordpress.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan
Lebih terperinciSISTEM PAKAR IDENTIFIKASI KEMAMPUAN OTAK PADA ANAK SEKOLAH DASAR MENGGUNAKAN ALGORITMA BACKWARD CHAINING
Seminar Nasional Teknologi Informasi dan Multimedia 06 SISTEM PAKAR IDENTIFIKASI KEMAMPUAN OTAK PADA ANAK SEKOLAH DASAR MENGGUNAKAN ALGORITMA BACKWARD CHAINING Galih Hermawan ), Muhammad Qadhafi Laksono
Lebih terperinci