INTELEGENSI BUATAN. Mesin Pembelajaran (Machine Learning)
|
|
- Farida Kusnadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 INTELEGENSI BUATAN Mesin Pembelajaran (Machine Learning) M. Miftakul Amin, M. Eng. website : Jurusan Teknik Komputer Politeknik Negeri Sriwijaya Palembang 2016
2 Pendahuluan Learning mempunyai arti menambah pengetahuan, memahami atau menguasai dengan belajar, mengikuti instruksi atau melalui pengalaman. Machine Learning adalah salah satu disiplin ilmu dari Computer Science yang mempelajari bagaimana membuat komputer/mesin itu mempunyai suatu kecerdasan, Agar mempunyai suatu kecerdasan, komputer/mesin harus dapat belajar, Dengan kata lain, Machine Learning adalah suatu bidang keilmuan yang berisi tentang pembelajaran komputer/mesin untuk menjadi cerdas
3 Pendahuluan
4 Proses Belajar Supervised Learning Un-Supervised Learning
5 Metode K-NN K-Nearest Neighbor (K-NN) adalah suatu metode yang menggunakan algoritma supervised. Algoritma k-nearest neighbor (k-nn atau KNN) adalah sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Pada fase pembelajaran, algoritma ini hanya melakukan penyimpanan vektor-vektor fitur dan klasifikasi dari data pembelajaran. Pada fase klasifikasi, fitur-fitur yang sama dihitung untuk data test (yang klasifikasinya tidak diketahui). Jarak dari vektor yang baru ini terhadap seluruh vektor data pembelajaran dihitung, dan sejumlah k buah yang paling dekat diambil.
6 Contoh Kasus K-NN Sebuah perusahaan makanan ringan ingin mengklasifikasikan kualitas produknya ke dalam 2 kategori, yaitu kualitas BAIK dan BURUK. Untuk menilai kualitas tersebut,digunakan 2 variabel, yaitu: kenaikan derajat keasaman (%) dan penyusutan volume. Ada 10 sampel yang digunakan untuk keperluan pengujian seperti terlihat pada tabel.
7 Contoh Kasus K-NN Perusahaan ingin mengetahui apakah produk dengan kenaikan derajat keasaman sebesar 6% dan penyusutan volume sebesar 3% termasuk dalam kategori BAIK atau BURUK.
8 Contoh Kasus K-NN 1. Kita tentukan nilai K, misal K= Selanjutnya kita cari terlebih dahulu jarak data yang akan dievaluasi, yaitu r = (6, 3) terhadap setiap data pelatihan dengan menggunakan Euclidean. Jarak Euclidean data evaluasi r pada data pelatihan ke-i (X i ) dirumuskan sebagai: Dengan i=1..10, k/m=1..2
9 Contoh Kasus K-NN
10 Contoh Kasus K-NN Selanjutnya, data diurutkan berdasarkan jarak seperti terlihat pada Tabel. Apabila kita tetapkan nilai K=7, maka kita ambil 7 jarak terpendek. Pada urutan pertama sampai ketujuh, ada 4 kategori BAIK dan 3 kategori BURUK, sehingga untuk data evaluasi r = (6, 3) termasuk dalam kategori BAIK.
11 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. Contoh: Mencari solusi terhadap seorang pasien baru dengan menggunakan solusi dari pasien terdahulu. Untuk mecari pasien mana yang akan di gunakan maka di hitung kedekatan kasus pasien baru dengan semua kasus pasien lama. Kasus pasien lama dengan kedekatan terbesar yang akan di ambil untuk di gunakan pada kasus pasien baru.
12 Dari gambar terdapat 4 pasien lama yaitu A, B, C, dan D. Ketika ada pasien baru, maka solusi yang akan di ambil dengan mencari jarak antara pasien baru dengan semua pasien lama. Dengan jarak terdekatlah solusi dari pasien lama, dari gambar diatas solusi pasien lama B yang akan di gunakan karena mempunyai jarak yang paling pendek.
13 Kedekatan biasanya berada pada nilai 0 sampai dengan 1. Nilai 0 artinya kedua kasus mutlak tidak mirip, dan nilai 1 kasus mutlak mirip.
14
15
16
17
18
19
20
21
ALGORITMA 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 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 terperinciPengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP : Kelas :2D4 IT(B)
Pengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP :2110151042 Kelas :2D4 IT(B) Latar Belakang Buah pisang dan alpukat sangatlah familiar dengan warga asia,
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 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 terperinciIMPLEMENTASI K NEAREST NEIGHBOR (KNN) PADA KLASIFIKASI ARTIKEL WIKIPEDIA INDONESIA
IMPLEMENTASI K NEAREST NEIGHBOR (KNN) PADA KLASIFIKASI ARTIKEL WIKIPEDIA INDONESIA Erik Hardiyanto 1, Faisal Rahutomo 2, Dwi Puspitasari 3 Jurusan Teknologi Informasi, Program Studi Teknik Informatika,
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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Parkir adalah kegiatan manusia sehari-hari. Setiap pemilik kendaraan haruslah memarkir kendaraannya jika dibawa dalam beraktifitas. Dalam hal ini dikebanyakan tempat
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 terperinciOptimasi Teknik Klasifikasi Modified k Nearest Neighbor Menggunakan Algoritma Genetika
Optimasi Teknik Klasifikasi Modified k Nearest Neighbor Menggunakan Algoritma Genetika Siti Mutrofin 1, Arrie Kurniawardhani 2, Abidatul Izzah 3, Mukhamad Masrur 4 Universitas Pesantren Tinggi Darul Ulum
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 1 PENDAHULUAN. sistem analog menjadi sistem komputerisasi. Salah satunya adalah sistem
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi digital pada era ini berkembang sangat pesat. Hampir setiap tahun telah ditemukan ataupun dikembangkan sebuah inovasi teknologi baru.
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 terperinciPerancangan Sistem Penentuan Kunjungan Tempat Wisata Daerah Bali Menggunakan Metode K-Nearest Neighbour
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Perancangan Sistem Penentuan Kunjungan Tempat Wisata Daerah Bali Menggunakan Metode K-Nearest Neighbour Ni Made Dewi Kansa
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 terperinciBAB I PENDAHULUAN. Hasil studi kasus seorang psikolog perkembangan Deni Nasri,mengemukakan bahwa empat dari lima orang dewasa yang krisis kepribadian
BAB I PENDAHULUAN Pada bab ini berisi tentang latar belakang pembuatan dari sistem klasifikasi tipe pola asuh orang tua pada anak menggunakan k- nearest neighbor (KNN), rumusan masalah, tujuan, batasan
Lebih terperinciSISTEM INFORMASI REKOMENDASI TEMPAT PKL MENGGUNAKAN METODE NEAREST NEIGHBOUR DI SMK PEMUDA PAPAR
SISTEM INFORMASI REKOMENDASI TEMPAT PKL MENGGUNAKAN METODE NEAREST NEIGHBOUR DI SMK PEMUDA PAPAR SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program
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 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 terperinciDosen Program Studi Ilmu Komputer Universitas Pakuan Bogor
PENGENALAN KADAR TOTAL PADAT TERLARUT PADA BUAH BELIMBING BERDASAR CITRA RED-GREEN-BLUE MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS (PCA) SEBAGAI EKSTRAKSI CIRI DAN KLASIFIKASI K-NEAREST NEIGHBORHOOD (KNN)
Lebih terperinciBAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali
BAB I PENDAHULUAN 1.1. Latar Belakang Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali objek 3 dimensi. Sistem penglihatan manusia dapat membedakan berbagai macam objek 3 dimensi
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 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 terperinciPenghitungan k-nn pada Adaptive Synthetic-Nominal (ADASYN-N) dan Adaptive Synthetic-kNN (ADASYN-kNN) untuk Data Nominal- Multi Kategori
Penghitungan k-nn pada Adaptive Synthetic-Nominal (ADASYN-N) dan Adaptive Synthetic-kNN (ADASYN-kNN) untuk Data Nominal- Multi Kategori Abstrak 1 Sri Rahayu, 2 Teguh Bharata Adji & 3 Noor Akhmad Setiawan
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 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 terperinciPengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN)
Pengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN) Iman Ilmawan Muharam Manajemen Sistem Informasi Universitas Gunadarma Jl. Margonda Raya No. 100, Depok 16424, Jawa Barat ilmawan@sta.gunadarma.ac.id
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 terperinciSTUDI AWAL KLASIFIKASI ARTIKEL WIKIPEDIA BAHASA INDONESIA DENGAN MENGGUNAKAN METODA K NEAREST NEIGHBOR
STUDI AWAL KLASIFIKASI ARTIKEL WIKIPEDIA BAHASA INDONESIA DENGAN MENGGUNAKAN METODA K NEAREST NEIGHBOR Erik Hardiyanto 1), Faisal Rahutomo 1) 1 Jurusan Teknologi Informasi, Program Studi Teknik Informatika,
Lebih terperinciBAB II LANDASAN TEORI
6 BAB II LANDASAN TEORI 2 2.1 Tinjauan Pustaka Aplikasi sistem pendukung keputusan untuk menentukan penjurusan pada tingkat SMA sudah beberapa kali dilakukan dengan menggunakan metode yang bermacam-macam.
Lebih terperinciINTELEGENSI BUATAN. Sistem Pakar. M. Miftakul Amin, M. Eng. website :
INTELEGENSI BUATAN Sistem Pakar M. Miftakul Amin, M. Eng. e-mail: mmiftakulamin@gmail.com website : http://mafisamin.web.ugm.ac.id Jurusan Teknik Komputer Politeknik Negeri Sriwijaya Palembang 2015 1 Definisi
Lebih terperinciMODEL DATA MINING CAPAIAN PEMBELAJARAN. N. Tri Suswanto Saptadi. Definisi Kategori Model Naïve Bayesian k-nearest Neighbor Clustering 12/4/2015
1 MODEL DATA MINING N. Tri Suswanto Saptadi CAPAIAN PEMBELAJARAN Definisi Kategori Model Naïve Bayesian k-nearest Neighbor Clustering 1 3 Definisi Mining : proses atau usaha untuk mendapatkan sedikit barang
Lebih terperinciBAB II TINJAUAN PUSTAKA
2.1 Tinjauan Empiris BAB II TINJAUAN PUSTAKA Pada penelitian ini, peneliti menggunakan beberapa penelitian yang pernah dilakukan sebelumnya sebagai tinjauan studi. Berikut ialah tinjauan empiris yang digunakan:
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan sistematika tahapan yang dilaksanakan selama pembuatan penelitian tugas akhir. Secara garis besar metodologi penelitian tugas akhir ini dapat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI II.1 Text Mining Text Mining merupakan penerapan konsep dan teknik data mining untuk mencari pola dalam teks, proses penganalisaan teks guna menemukan informasi yang bermanfaat untuk
Lebih terperinciIMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS
IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS Yudis Anggara Putra Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di lakukan oleh Muhammad Toha dkk (2013), Sylvia Pretty Tulus (2014), Johan
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 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 terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. pembanding dalam penelitian yang akan penulis lakukan. Pustaka yang digunakan
1 BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Dalam penelitian ini, penulis menggunakan beberapa sumber pustaka. Sumber pustaka yang dimasudkan untuk digunakan sebagai pedoman dan pembanding
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 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
Bab 1 PENDAHULUAN 1.1 Latar Belakang Masalah Semakin hari semakin banyak inovasi, perkembangan, dan temuan-temuan yang terkait dengan bidang Teknologi Informasi dan Komputer. Hal ini menyebabkan semakin
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 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 terperinciK-SUPPORT VECTOR NEAREST NEIGHBOR UNTUK KLASIFIKASI BERBASIS K-NN
K-SUPPORT VECTOR NEAREST NEIGHBOR UNTUK KLASIFIKASI BERBASIS K-NN Eko Prasetyo 1) 1 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Bhayangkara Surabaya 2 Jalan A. Yani 11, Surabaya, 60231
Lebih terperinciAnalisis Kinerja Struktur Data Kd-Tree Pada Metode K-Nearest Neighbors
Riau Journal of Computer Science Vol.2 No.2 Tahun 2016 : 1-6 1 Analisis Kinerja Struktur Data Kd-Tree Pada Metode K-Nearest Neighbors Yuan Lukito Program Studi Teknik Informatika, Fakultas Teknologi Informasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini, akan dibahas dasar teori, penelitian terdahulu, kerangka pikir dan hipotesis yang mendasari penyelesaian permasalahan memprediksi inflasi dengan menggunakan algoritma
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Kartu Perlindungan Sosial (KPS) adalah kartu yang diterbitkan oleh Pemerintah Indonesia dalam Percepatan dan Perluasan Perlindungan Sosial (P4S). Rumah tangga yang
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 terperinciK-NEAREST NEIGHBOR UNTUK KLASIFIKASI PENILAIAN PADA VIRTUAL PATIENT CASE
Jurnal Arus Elektro Indonesia (JAEI) K-NEAREST NEIGHBOR UNTUK KLASIFIKASI PENILAIAN PADA VIRTUAL PATIENT CASE Kunti Eliyen eliyen.kunti@gmail.com Universitas Brawijaya Herman Tolle emang@ub.ac.id Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1.1 Data Mining Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi
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 IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN Bab ini membahas langkah-langkah dari implementasi dan pembahasan dari hasil penelitian yang telah dilakukan tentang klasifikasi aktivitas menggunakan algoritma k-nearest neighbor
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciBAB I PENDAHULUAN. penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dengan kemajuan teknologi yang sangat pesat ini sudah banyak aplikasi penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa disebut atau di artikan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital [3] Citra atau gambar didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y), di mana x dan y adalah koordinat bidang datar, dan harga fungsi f di setiap
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 terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
Lebih terperinciKLASIFIKASI GAMBAR GERAK PEMAIN BOLA VOLI DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN)
KLASIFIKASI GAMBAR GERAK PEMAIN BOLA VOLI DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN) Edis Siswanto Karo Karo,Dr. Pulung Nurtantio Andono, S.T.,M.KOM Program Studi Teknik Informatika, Fakultas
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 terperinciUKDW 1. BAB I PENDAHULUAN. 1.1.Latar Belakang Masalah
1. BAB I PENDAHULUAN 1.1.Latar Belakang Masalah Tanaman bunga di dunia saat ini sangat beragam dan setiap bunga memiliki ciri karakteristik tertentu agar dapat dibedakan dari satu bunga dengan yang lain.
Lebih terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (2017) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-116 (Online) Artikel Perancangan Aplikasi Prediksi Kelulusan Mahasiswa Tepat Waktu Pada
Lebih terperinciL ctur er: M. Mift Mi ak ft ul Am A i m n i,,s. Kom om,. M. M. ng.
POLITEKNIK NEGERI SRIWIJAYA Jurusan Teknik Komputer Program Studi D3 Teknik Komputer Lecturer: M. Miftakul Amin, S. Kom., M. Eng. Intelegensi Buatan Sesi 1 Pengantar Intelegensi Buatan 2015 Intelegensi
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Sebuah sistem berbasis pengetahuan memiliki dua elemen utama yaitu basis pengetahuan/knowledge based dan kemampuan penalaran/reasoning. Basis pengetahuan merupakan
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 terperinciJURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: ( Print) A-534
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-534 Rancang Bangun Sistem Navigasi Indoor Berbasis Integrasi Symbolik Location Model dan Wifi Based Positioning System Untuk
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 terperinciTipe Clustering. Partitional Clustering. Hirerarchical Clustering
Analisis Cluster Analisis Cluster Analisis cluster adalah pengorganisasian kumpulan pola ke dalam cluster (kelompok-kelompok) berdasar atas kesamaannya. Pola-pola dalam suatu cluster akan memiliki kesamaan
Lebih terperinciTUGAS AKHIR PERENCANAAN SISTEM DITRIBUSI HASIL PRODUKSI BUKU PADA PT. BINA PUTRA MANDIRI
TUGAS AKHIR PERENCANAAN SISTEM DITRIBUSI HASIL PRODUKSI BUKU PADA PT. BINA PUTRA MANDIRI Diajukan Sebagai Syarat Memperoleh Gelar Sarjana Teknik Jurusan Teknik Industri Fakultas Teknik Universitas Muhammadiyah
Lebih terperinciANALISA KLASIFIKASI KADAR KARAT EMAS MENGGUNAKAN METODE K-NEAREST NEIGHBOURS (KNN) Study Kasus : Toko Emas Batam City
ANALISA KLASIFIKASI KADAR KARAT EMAS MENGGUNAKAN METODE K-NEAREST NEIGHBOURS (KNN) Study Kasus : Toko Emas Batam City (Analysis Classification Levels Gold Rust Using Method K-Nearest Neighbours (KNN) Case
Lebih terperinciBAB I PENDAHULUAN. Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor
BAB I PENDAHULUAN 1.1 Latar Belakang Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor jenis mobil ataupun sepeda motor tidak lagi menjadi kebutuhan sekunder, melainkan telah menjadi
Lebih terperinciTRANSLASI BAHASA ISYARAT
TRANSLASI BAHASA ISYARAT Juniar Prima Rakhman), Nana Ramadijanti, S.Kom, M.Kom), Edi Satriyanto S.Si, M.Si) Jurusan Teknik Informatika, PENS ITS Surabaya Kampus ITS Sukolilo, Surabaya 60 08050 E-mail :
Lebih terperinciPROGRAM STUDI TEKNIK KOMPUTER JURUSAN TEKNIK KOMPUTER POLITEKNIK NEGERI SRIWIJAYA PALEMBANG TK Computer 1 (Multimedia) Hand On Lab 14
Jl Srijaya Negara Bukit Besar Palembang 30139, Telpon : +62711 353414 PROGRAM STUDI TEKNIK KOMPUTER JURUSAN TEKNIK KOMPUTER POLITEKNIK NEGERI SRIWIJAYA PALEMBANG TK Computer 1 (Multimedia) Hand On Lab
Lebih terperinciJULIO ADISANTOSO - ILKOM IPB 1
KOM341 Temu Kembali Informasi KULIAH #8 Text Classification (Manning, Ch.13, p.288/253) Ad Hoc Retrieval vs Standing Query User mencari informasi dengan memberikan satu atau lebih query terhadap koleksi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Batik Besurek 2.1.1 Sejarah Batik Besurek Bengkulu Kain Batik Besurek merupakan salah satu bentuk batik hasil kerajinan tradisional daerah Bengkulu yang telah diwariskan dari
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
6 BAB 2 TINJAUAN PUSTAKA 2.1 Konsep Dasar Interaksi Manusia dan Komputer Seseorang yang bekerja dengan komputer, akan melakukan interaksi dengan komputer. Cara yang lazim digunakan adalah pengguna memberikan
Lebih terperinciBAB I PENDAHULUAN. pemasaran bagi produk pertanian khususnya komoditi bawang merah sehingga
BAB I PENDAHULUAN 1.1 Latar Belakang Jumlah produksi bawang merah sampai tahun 2016 mencapai 1.300.000 ton.komoditas bawang merah termasuk yang paling banyak dikonsumsi oleh masyarakat jika dikaitkan dengan
Lebih terperinciK NEAREST NEIGHBOR DALAM IMPUTASI MISSING DATA. Susanti, Shantika Martha, Evy Sulistianingsih INTISARI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 07, No. 1 (2018), hal 9-14. K NEAREST NEIGHBOR DALAM IMPUTASI MISSING DATA Susanti, Shantika Martha, Evy Sulistianingsih INTISARI Missing data
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 terperinciPROGRAM BANTU PREDIKSI PENJUALAN BARANG MENGGUNAKAN METODE KNN Studi Kasus: U.D. ANANG
PROGRAM BANTU PREDIKSI PENJUALAN BARANG MENGGUNAKAN METODE KNN Studi Kasus: U.D. ANANG Rio Setyo Nugroho Katon Wijana Abstrak Dewasa ini ada beberapa perusahaan atau toko yang masih mengalami kesulitan
Lebih terperinciPENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN
PENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN Herfina 1) 1) Program Studi Ilmu Komputer, FMIPA Universitas Pakuan Jl. Pakuan PO BOX 452, Ciheuleut Bogora email : herfinario@yahoo.com
Lebih terperinciJurnal Komputer Terapan Vol. 3, No. 2, November 2017, Jurnal Politeknik Caltex Riau
Jurnal Komputer Terapan Vol. 3, No. 2, November 2017, 233-240 233 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Prediksi Ketepatan Waktu Lulus Mahasiswa dengan k- Nearest Neighbor dan Naïve Bayes
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Apa yang orang lain pikirkan telah menjadi sesuatu yang penting untuk menjadi pertimbangan dalam pengambilan keputusan (Pang and Lee, 2006). Sesuatu yang orang lain
Lebih terperinciKATA PENGANTAR. menyelesaikan penyusunan laporan tugas akhir APLIKASI KLASIFIKASI ARTIKEL TEKNOLOGI INFORMASI PADA MAJALAH CHIP
KATA PENGANTAR Syukur Alhamdulillah, puji dan syukur kami panjatkan kehadirat Allah SWT, karena dengan limpah dan rahmat dan karunia-nya penulis dapat menyelesaikan penyusunan laporan tugas akhir APLIKASI
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR
PENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR 1 Fandiansyah, 2 Jayanti Yusmah Sari, 3 Ika Purwanti Ningrum Jurusan Teknik Informatika, Fakultas Teknik Universitas
Lebih terperinciMENGELOMPOKKAN SISWA BERPRESTASI AKADEMIK DENGAN MENGGUNAKAN METODE K MEANS KELAS VII MTS HIDAYATUL
MENGELOMPOKKAN SISWA BERPRESTASI AKADEMIK DENGAN MENGGUNAKAN METODE K MEANS KELAS VII MTS HIDAYATUL Nur Jannah 1, Tony Yulianto 2 1,2) Jurusan Matematika, FMIPA Universitas Islam Madura (UIM) Jl. Bettet
Lebih terperinciOPTIMASI TEKNIK KLASIFIKASI MODIFIED K NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI TEKNIK KLASIFIKASI MODIFIED K NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA Optimization Techniques Modi ed k Nearest Neighbor Classi cation Using Genetic Algorithm Siti Mutro n 1, Abidatul
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Support Vector Machines (SVM) Setelah melalui proses training dan testing dengan metode Support Vector Machines (SVM), diperoleh hasil yang tertera
Lebih terperinciPEMBANGUNAN SISTEM INFORMASI PERSONEL PADA DINAS ADMINISTRASI PERSONEL ARMADA REPUBLIK INDONESIA KAWASAN BARAT
PEMBANGUNAN SISTEM INFORMASI PERSONEL PADA DINAS ADMINISTRASI PERSONEL ARMADA REPUBLIK INDONESIA KAWASAN BARAT Mia Narulita Anggraeni *, Tacbir Hendro Pudjiantoro, Agus Komarudin Program Studi Informatika,
Lebih terperinciSISTEM KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN)
SISTEM KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN) Fitri Yunita Fakultas Teknik dan Ilmu Komputer, Universitas Islam Indragiri Email:Fitriyun@gmail.com Abstrak Diabetes
Lebih terperinciARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR
ARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR Oleh: RIDHO ARY SUMARNO 13.1.03.02.0092 Dibimbing oleh : 1. Hermin Istiasih M.T., M.M. 2. Mochammad Bilal S.kom.,
Lebih terperinciPenerapan Case-Based Reasoning Dalam Menentukan Similarity Berdasarkan Kesesuaian Lahan Kelapa Sawit
ISSN: 085-6350 Yogyakarta, 7 Juli 017 CITEE 017 Penerapan -Based Reasoning Dalam Menentukan Similarity Berdasarkan Kesesuaian Kelapa Sawit Hamid Muhammad Jumasa, Silmi Fauziati, Adhistya Erna Permanasari
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 terperinciPERBANDINGAN KLASIFIKASI DOKUMEN TEKS MENGGUNAKAN METODE NAÏVE BAYES DENGAN K-NEAREST NEIGHBOR. Abstrak
ISSN 1858 4667 JURNAL LINK Vol 13/No.1/Januari 2010 PERBANDINGAN KLASIFIKASI DOKUMEN TEKS MENGGUNAKAN METODE NAÏVE BAYES DENGAN K-NEAREST NEIGHBOR Cahyo Darujati Fakultas Ilmu Komputer, Universitas Narotama
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 terperinciBAB I PENDAHULUAN. penjiplakan suatu tulisan. Neville (2010) dalam buku The Complete Guide to
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi dari tahun ke tahun selalu berkembang secara signifikan. Jumlah pengguna internet yang besar dan semakin berkembang mempunyai pengaruh
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Salah satu cara yang umum untuk melakukan interaksi dengan komputer adalah melalui penggunaan keyboard dan mouse. Namun, interaksi tersebut tidak dapat dilakukan oleh
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 terperinciBAB I PENDAHULUAN. Perkembangan teknologi informasi yang semakin cepat dan persaingan yang semakin
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi yang semakin cepat dan persaingan yang semakin global saat ini, menuntut setiap individu masyarakat untuk mampu mengembangkan
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM APPLE, IBM, DELL DAN HP MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS
APLIKASI PREDIKSI HARGA SAHAM APPLE, IBM, DELL DAN HP MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS Naila Fitriah 52409455 Teknologi Industri Teknik Informatika AGENDA Saham? Manfaat Prediksi Saham KNN? 2
Lebih terperinci