SISTEM IDENTIFIKASI PENYAKIT TANAMAN KACANG KEDELAI MENGGUNAKAN METODE NAIVE BAYES
|
|
- Yenny Kurnia
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM IDENTIFIKASI PENYAKIT TANAMAN KACANG KEDELAI MENGGUNAKAN METODE NAIVE BAYES Nopiyanti 1, Eneng Tita Tosida 2 dan Aries Maesya 3 Program Studi Ilmu Komputer-FMIPA Universitas Pakuan Jl. Pakuan PO BOX 452, Bogor Telp/Fax (0251) nopiyanti2@gmail.com 1, enengtitatosida@unpak.ac.id 2, a.maesya@gmail.com 3 ABSTRAK Kedelai merupakan tanaman pangan berupa semak yang tumbuh tegak. Seiring waktu, pertumbuhan kacang kedelai tidak lepas dari penyakit yang mengganggu perkembangannya. Untuk mengetahui penyakit yang menyerang tanaman kacang kedelai, maka perlu dilakukan suatu identifikasi untuk mengetahui penyakit kacang kedelai melalui sebuah sistem pakar menggunakan metode Naive Bayes. Sumber data yang digunakan berasal dari UCI Learning yang berjumlah 264 data dengan 15 jenis penyakit dan 35 atribut. Namun pada proses pembuatannya dilakukan seleksi atribut terlebih dahulu untuk meminimalisir atribut-atribut yang tidak diperlukan. Setelah seleksi dilakukan, didapat 10 atribut hasil seleksi yang dimasukan kedalam sistem. Untuk mengetahui akurasi sistem, maka dilakukan pembagian data menggunakan metode k-fold cross validation. Setelah dilakukan pengujian, didapat nilai akurasi terbesar sebesar 76% dengan jumlah 10 atribut dan nilai akurasi sebesar 82% dengan jumlah 35 atribut. Hal ini menunjukan bahwa sistem yang dibangun dapat melakukan klasifikasi atau identifikasi dengan cukup baik apabila menggunakan 35 atribut. Kata Kunci : UCI Learning, Naive Bayes, K-fold Cross Validation. ABSTRACT Soybean is a kind of crops that grows as straight bushes. As the time goes by, the growth of soybean is never fall apart from its diseases. To know the diseases that attack soybean, it is needed to do an identification of soybean diseases through a system using Naïve Bayes method. 264 data sources come from UCI Learning with 15 diseases and 35 attributives were used. However, during the process, there is a selection toward the data to minimize the presence of unused attributives. After selection, it was chosen 10 attributives included to the system. To know the accuracy of the system, data distribution using k-fold cross validation is done. After testing, degree of accuracy shown is 76 % if the number of attributives is 10, while degree accuracy shown is 82 % if the number of attributives is 35. It shows that built system is able to do classification and identification in sufficient enough way if it uses 35 attributives. Keywords : UCI Learning, Naive Bayes, K-fold Cross Validation. I. PENDAHULUAN Kedelai merupakan tanaman pangan berupa semak yang tumbuh tegak (AAK, 1989). Seiring waktu, pertumbuhan kacang kedelai tidak lepas dari penyakit yang mengganggu perkembangannya. Untuk mengidentifikasi penyakit kacang kedelai maka harus diamati beberapa hal yang menjadi karakteristik berbagai jenis penyakit
2 tersebut, diantaranya waktu tanam tanaman, kondisi daun, temperatur lingkungan, luas area tanaman yang diserang penyakit, kondisi akar, kondisi buah dan lain-lain. Salah satu cara yang dapat dilakukan untuk mengidentifikasi penyakit tanaman kacang kedelai yaitu dengan memanfaatkan teknologi komputer melalui sebuah sistem pakar. Salah satu sistem pakar yang digunakan pada bidang pertanian adalah sistem pakar untuk mendiagnosa hama dan penyakit kedelai edamame berdasarkan gejala kerusakannya [1]. Sistem pakar ini digunakan untuk mendiagnosis 12 jenis hama dan 4 jenis penyakit kedelai edamame berdasarkan gejala kerusakannya dengan metode inference tree dan forward chaining. Hasil pengujiannya menunjukan bahwa tingkat ketepatannya sesuai dengan data jenis hama dan penyakit kedelai edamame. Ketepatan dari aplikasi program sistem pakar ditunjukan dengan nilai 100 yang didapatkan dari perhitungan jumlah jawaban dibagi dengan jumlah gejala dikalikan dengan 100%. Berdasarkan hasil penelitian sebelumnya dan identifikasi permasalahan maka pada penelitian ini dibangun sebuah sistem pakar untuk mengklasifikasi penyakit tanaman kacang kedelai menggunakan metode Naive Bayes. Data penyakit kacang kedelai diperoleh dari UCI Learning Repository ( /datasets) [2]. Manfaat dari penelitian ini, diharapkan dapat digunakan sebagai alat bantu yang mempermudah seorang pakar atau orang yang meneliti contohnya dari Balai Penelitian (LIPI) dalam melakukan identifikasi penyakit kacang kedelai yang berbasis web. Selain itu, tidak menutup kemungkinan sistem pakar ini digunakan oleh petani dan penyuluh pertanian yang bukan dibidang penyakit tanaman sehingga dapat menggantikan peran dari seorang pakar penyakit tanaman khususnya penyakit kacang kedelai. II. TINJAUAN PUSTAKA Sistem Pakar Sistem pakar adalah sistem berbasis komputer yang menggunakan ilmu pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli atau seorang pakar dalam bidang yang bersangkutan [3]. Naive Bayes Algoritma Naive Bayes merupakan salah satu algoritma yang terdapat pada teknik klasifikasi. Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman dimasa sebelumnya sehingga dikenal sebagai Teorema Bayes. Teorema tersebut dikombinasikan dengan Naive dimana diasumsikan kondisi antar atribut saling bebas. Klasifikasi Naive Bayes diasumsikan bahwa ada atau tidak ciri tertentu dari sebuah kelas tidak ada hubungannya dengan ciri dari kelas lainnya [4]. Untuk klasifikasi dengan data kontinyu digunakan rumus Densitas Gauss : P(X i = x i Y = y j ) = (1) Keterangan : P : Peluang X i : Atribut ke i x i : Nilai atribut ke i Y : Kelas yang dicari Y j : Sub kelas Y yang dicari µ : Mean, menyatakan rata-rata dari seluruh atribut σ : Deviasi standar, menyatakan varian dari seluruh atribut Adapun alur dari metode Naive Bayes adalah sebagai berikut : 1. Baca data training 2. Hitung Jumlah dan probabilitas, namun apabila data numerik maka: a. Cari nilai mean dan standar deviasi dari masing masing parameter yang merupakan data numerik. b. Cari nilai probabilistik dengan cara menghitung jumlah data yang sesuai dari kategori yang sama dibagi dengan jumlah data pada kategori tersebut.
3 No Penyakit Date Precip Temp Crop Hist Area Damaged Severity Leafspot Size 3. Mendapatkan nilai dalam tabel mean, standar deviasi dan probabilitas. Gambar 4. Skema Bayes III. METODE PENELITIAN Dalam metode penelitian ini, akan dijelaskan proses pembuatan sistem serta langkah-langkah yang sesuai dengan tahapan sistem pakar termasuk pengumpulan data. Tahapan-tahapan tersebut dijelaskan dalam skema seperti pada gambar 1: a. Identifikasi Masalah Sudah banyak sistem yang dikembangkan untuk mengidentifikasi penyakit kacang kedelai dengan berbagai metode. Namun masih banyak sistem yang belum maksimal melakukan identifikasi, salah satu solusi yaitu dengan dibuatnya sistem pakar mengenai identifikasi penyakit kacang kedelai menggunakan metode naive bayes. b. Mencari Sumber dan Akuisisi Pengetahuan Dalam pembuatan sistem diperlukan beberapa data dan informasi mengenai penyakit dan gejala serta faktor-faktor penyebab adanya penyakit yang menyerang tanaman kacang kedelai. Sumber data yang digunakan dalam penelitian berasal dari UCI Learning yaitu terdiri dari 15 (lima belas) penyakit seperti diaporthe stem canker, charcoal rot dan lain-lain. Setiap penyakit terdiri dari 35 atribut atau gejala serta faktorfaktor penyebab adanya penyakit yang menyerang tanaman kacang kedelai seperti Date, Precip, Temp dan lain-lain. Namun setelah dilakukan seleksi atribut dengan menghilangkan atribut yang banyak memiliki nilai 0, atribut tersebut tidak dimasukan kedalam sistem, maka dari itu atribut yang pada awalnya berjumlah 35 atribut, setelah dilakukan seleksi menjadi 10 atribut. Data set kacang kedelai yang diperoleh sebanyak 264 data, berikut adalah rincian data kacang kedelai dari UCI Learning dan selengkapnya dapat dilihat pada lampiran. Tabel 1. Data Set Kacang Kedelai (Soybean)... Gambar 1. Tahapan Penelitian 1 Dsc Cr Rrr Pr Bsr
4 6 Pm Dm Bs Bb Bp Pss Ant Pls As Fels *Sumber : Tabel 2. Atribut atau Gejala serta Faktorfaktor yang Mempengaruhi Gambar 2. Perancangan Flowchart Sistem. d. Implementasi Dalam sistem ini, software yang digunakan untuk implementasi sistem adalah XAMPP sebagai server dan Notepad++ untuk pengkodeannya. Algoritma yang digunakan didasari perhitungan dari model klasifikasi Naive Bayes dengan langkahlangkah sebagai berikut: *Sumber : c. Perancangan Flowchart Sistem. Flowchart yaitu untuk representasi grafik dari langkah-langkah yang harus diikuti dalam menyelesaikan suatu permasalahan yang diawali dengan penerimaan input, pemrosesan input, dan diakhiri dengan penampilan output. Gambar 3. Perancangan Flowchart Processing. e. Pengujian Sistem Pengujian validitas dilakukan dengan menguji data yang telah dibagi ke dalam matriks data uji menggunakan metode k-fold cross validation. Data uji tersebut kemudian diuji dengan menghitung nilai probabilitas menggunakan naive bayes.
5 No Date Precip Temp Crop Hist Area Damaged... Leafspot Size Penyakit Prediksi K-fold Cross Validation merupakan metode untuk memperkirakan generalisasi galat berdasarkan resampling. Hasil diperkirakan dari generalisasi galat biasanya digunakan untuk pemilihan di antara model yang bervariasi. Dalam K-fold Cross Validation, data dibagi secara acak menjadi k himpunan bagian yang ukurannya hampir sama satu sama lain. Himpunan bagian yang dihasilkan yaitu S1, S2, S3,..., Sk digunakan sebagai pelatihan dan pengujian yang masing-masing diulang sebanyak k kali. Pada percobaan ke-i, himpunan bagian Si digunakan sebagai data pengujian dan himpunan bagian lainnya digunakan sebagai data pelatihan dan seterusnya Setelah pengujian dilakukan, kemudian dilakukan perhitungan akurasi untuk mengetahui akurasi yang dicapai algoritma naive bayes. Tingkat akurasi dihitung dengan cara : Tingkat Akurasi = %...(2) Tingkat akurasi menunjukan tingkat kebenaran pengklasifikasian data terhadap kelas sebenarnya. Semakin rendah nilai akurasi maka semakin tinggi kesalahan klasifikasi. Tingkat akurasi yang baik adalah tingkat akurasi yang mendekati nilai 100%. HASIL DAN PEMBAHASAN Hasil Hasil yang didapat dari pembuatan Sistem Identifikasi Penyakit Tanaman Kacang Kedelai Menggunakan Metode Naive Bayes akan dijelaskan seperti berikut ini: Misalkan diketahui data yang diinputkan sebagai berikut : Gambar 5. Tampilan output hasil identifikasi Pembahasan Pada percobaan pertama menggunakan algoritma Naive Bayes terlebih dahulu tanpa menggunakan seleksi atribut. Percobaan tersebut menggunakan 264 data dan 35 atribut serta digunakan juga 8- fold Cross Validation untuk validasi. Berikut tabel pembagian data latih dan data uji: Tabel 10. Tabel Pembagian data latih dan uji Fold Pelatihan Pengujian Fold 1 S2,S3,S4,S5,S6,S7,S8 S1 Fold 2 S1,S3,S4,S5,S6,S7,S8 S2 Fold 3 S1,S2,S4,S5,S6,S7,S8 S3 Fold 4 S1,S2,S3,S5,S6,S7,S8 S4 Fold 5 S1,S2,S3,S4,S6,S7,S8 S5 Fold 6 S1,S2,S3,S4,S5,S7,S8 S6 Fold 7 S1,S2,S3,S4,S5,S6,S8 S7 Fold 8 S1,S2,S3,S4,S5,S6,S7 S8 Pada percobaan pertama (fold 1) menggunakan S2,S3,S4,S5,S6,S7 dan S8 sebagai data latih dan S1 sebagai data uji yang berisi 33 record. Tabel 11. Tabel Percobaan Pertama Gambar 4. Form proses identifikasi Maka akan menghasilkan nilai probabilitas pada penyakit ant = atau 77,43% dan menempati nilai tertinggi dibanding kelas penyakit kacang kedelai yang lain dsc ant dsc dsc cr cr rrr rrr pr pr pr pr bsr bsr bsr pm bsr bsr pm pm
6 No Date Precip Temp Crop Hist Area Damaged... Leafspot Size Penyakit Prediksi fels As Percobaan pertama menghasilkan akurasi sebesar: Akurasi = = x 100% = 64% Pada percobaan kedua (fold 2) menggunakan S1,S3,S4,S5,S6,S7 dan S8 sebagai data latih dan S2 sebagai data uji yang berisi 33 record. Tabel 12. Tabel Percobaan Kedua dsc dsc dsc dsc cr bsr rrr rrr pr pr pr pr bsr bsr bsr bsr bsr bsr pm bsr fels bb Percobaan kedua menghasilkan akurasi sebesar: Akurasi = = x 100% = 67% Percobaan tersebut dilakukan selama 8 kali karena setiap percobaan mendapatkan nilai akurasi yang berbeda yang disebabkan oleh data yang diambil secara acak pada setiap percobaan walaupun tetap dibagi kedalam 8 bagian yang hampir sama jumlahnya dan diambil nilai akurasi yang tertinggi. Nilai akurasi dapat dihitung berdasarkan rumus pada persamaan 2. Berikut adalah grafik perbandingan akurasi dari seluruh percobaan yang sudah dilakukan menggunakan 35 atribut dan 10 atribut: 100% 80% 60% 40% 20% 0% Atribut 35 Atribut Gambar 6. Grafik Perbandingan Akurasi Dari seluruh percobaan yang telah dilakukan, percobaan dengan menggunakan 10 atribut menghasilkan nilai akurasi yang paling tinggi yaitu 76%, sementara percobaan dengan 35 atribut menghasilkan akurasi paling tinggi sebesar 82%. Hal ini menunjukan bahwa model yang dibangun dengan 35 atribut dapat melakukan klasifikasi dengan cukup baik. Adapun kelemahan dari naive bayes itu sendiri adalah satu probabilitas tidak bisa mengukur seberapa dalam tingkat keakuratannya, selain itu apabila probabilitas kondisionalnya adalah nol maka probabilitas prediksi juga akan bernilai nol. KESIMPULAN Sistem Identifikasi Penyakit Tanaman Kacang Kedelai secara umum menampilkan suatu sistem untuk mengidentifikasi penyakit yang menyerang tanaman kacang kedelai menggunakan metode Naive Bayes. Sumber data yang digunakan berasal dari UCI Learning yang berjumlah 264 data dengan 15 jenis penyakit dan 35 atribut. Namun pada proses pembuatannya dilakukan seleksi atribut terlebih dahulu untuk meminimalisir atribut-atribut yang tidak diperlukan. Setelah seleksi dilakukan, didapat 10 atribut hasil seleksi yang dimasukan kedalam sistem. Untuk mengetahui akurasi sistem, maka dilakukan pembagian data menggunakan metode k-fold cross validation. Setelah dilakukan pengujian, didapat nilai akurasi terbesar
7 sebesar 76% dengan jumlah 10 atribut dan nilai akurasi sebesar 82% dengan jumlah 35 atribut. Hal ini menunjukan bahwa sistem yang dibangun dapat melakukan klasifikasi atau identifikasi dengan cukup baik apabila menggunakan 35 atribut. SARAN 1. Diharapkan sistem dapat dikembangkan dengan menambah parameter input dan dapat menangani data dalam jumlah besar sehingga akurasi dapat mencapai 100%. 2. Dalam tahap pengembangan selanjutnya, sistem identifikasi ini dapat dikembangkan menjadi lebih praktis dalam bentuk mobile programming atau berbasis android. DAFTAR PUSTAKA [1] Destarianto Prawidya, Penerapan Metode Inference Tree dan Forward Chaining dalam Sistem Pakar Diagnosis Hama dan Penyakit Kedelai Edamame Berdasarkan Gejala Kerusakannya: Universitas Brawijaya Malang. [2] C. J. Merz, P. Merphy, UCI Repository of Machine Learning Database,( arn/mlrrepository.html) [3] Kusrini, Aplikasi Sistem Pakar Menentukan Faktor Kepastian Pengguna dengan Metode Kuantifikasi Pertanyaan : Andi, Yogyakarta. [4] Bustami, Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi: Universitas Malikussaleh.
Case 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 III METODOLOGI PENELITIAN. Dataset
BAB III METODOLOGI PENELITIAN Metodologi penelitian diuraikan dalam skema tahap penelitian untuk memberikan petunjuk atau gambaran yang jelas, teratur, dan sistematis seperti yang ditunjukkan pada Gambar
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : - Algoritma Naïve Bayes Classifier
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : Tabel 2.1 Penelitian sebelumnya Parameter Penulis Objek Metode Hasil
Lebih terperinciKLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION
KLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION Betrisandi betris.sin@gmail.com Universitas Ichsan Gorontalo Abstrak Pendapatan untuk perusahaan asuransi
Lebih terperinciBAB I PENDAHULUAN. sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik
BAB I PENDAHULUAN BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar adalah sistem yang mempekerjakan pengetahuan manusia yang ditangkap dalam komputer untuk memecahkan masalah yang biasanya membutuhkan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pertukaran informasi di zaman modern ini telah sampai pada era digital. Hal ini ditandai dengan semakin dibutuhkannya teknologi berupa komputer dan jaringan internet
Lebih terperinciAlfa Saleh. Teknik Informatika Universitas Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A, Tanjung Mulia, Medan
PENERAPAN DATA MINING DENGAN METODE KLASIFIKASI NAÏVE BAYES UNTUK MEMPREDIKSI KELULUSAN MAHASISWA DALAM MENGIKUTI ENGLISH PROFICIENCY TEST (Studi Kasus : Universitas Potensi Utama) Alfa Saleh Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Education data mining merupakan penelitian didasarkan data di dunia pendidikan untuk menggali dan memperoleh informasi tersembunyi dari data yang ada. Pemanfaatan education
Lebih terperinciSISTEM CERDAS DIAGNOSA PENYAKIT AYAM
SISTEM CERDAS DIAGNOSA PENYAKIT AYAM PRASETYO ADHY PRABOWO Program Studi Ilmu Komputer, FIK Universitas Dian Nuswantoro Jl. Nakula I No. 5-11, Semarang, 50131 Abstrak : Seiring perkembangan tekhnologi,
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN:
KAJIAN KOMPARASI ALGORITMA C4.5, NAÏVE BAYES DAN NEURAL NETWORK DALAM PEMILIHAN PENERIMA BEASISWA (Studi Kasus pada SMA Muhammadiyah 4 Jakarta ) Ulfa Pauziah Program Studi Teknik Informatika, Universitas
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini adalah penelitian eksperimen dengan langkah-langkah atau metode penelitian sebagai berikut: 1. Penentuan Masalah Penentuan masalah ini diperoleh dari studi literature
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Internet saat ini merupakan kebutuhan pokok yang tidak bisa dipisahkan dari segenap sendi kehidupan. Berbagai pekerjaan ataupun kebutuhan dapat dilakukan melalui media
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Data yang digunakan pada penelitian ini merupakan data sentimen dari pengguna aplikasi android yang memberikan komentarnya pada fasilitas user review
Lebih terperinciMoch. Ali Machmudi 1) 1) Stmik Bina Patria
UJI PENGARUH KARAKTERISTIK DATASET PADA PERFORMA ALGORITMA KLASIFIKASI Moch. Ali Machmudi 1) 1) Stmik Bina Patria 1) Jurusan Manjemen Informatika-D3 Email : 1 aliadhinata@gmail.com 1) Abstrak Tujuan utama
Lebih terperinciPENERAPAN DATA MINING DALAM MENENTUKAN JURUSAN SISWA
PENERAPAN DATA MINING DALAM MENENTUKAN JURUSAN SISWA Alfa Saleh Teknik Informatika Universitas Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A, Tanjung Mulia, Medan Email : alfasoleh1@gmail.com Abstrak
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Di bidang kedokteran, saat ini sudah memanfaatkan teknologi komputer yaitu sistem pakar untuk meningkatkan pelayanan yang lebih baik pada masyarakat. Sistem
Lebih terperinciAkurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa
Akurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa dengan Metode NAÏVE BAYES M. Ridwan Effendi Fakultas Komputer Jurusan Sistem Informasi Universitas Mohammad Husni Thamrin Jakarta Email :
Lebih terperinciSISTEM PAKAR PENGENALAN GEJALA DINI PENYAKIT EPILEPSI MENGGUNAKAN METODE NAÏVE BAYES
SISTEM PAKAR PENGENALAN GEJALA DINI PENYAKIT EPILEPSI MENGGUNAKAN METODE NAÏVE BAYES Bayu Hendra Setiawan 1, Edy Mulyanto, SSi, M.Kom 2 Program Studi Fakultas Ilmu Komputer, Universitas Dian Nuswantoro
Lebih terperinciPENERAPAN NAIVE BAYES CLASSIFIER DALAM IDENTIFIKASI PENYAKIT ANTRAKS PADA SAPI ABSTRAK
PENERAPAN NAIVE BAYES CLASSIFIER DALAM IDENTIFIKASI PENYAKIT ANTRAKS PADA SAPI,, Program Studi Ilmu Komputer, F-MIPA Universitas Pakuan Email : hassolthine@gmail.com Program Studi Ilmu Komputer, F-MIPA
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Pendahuluan
BAB 1 PENDAHULUAN 1.1 Pendahuluan Komputer merupakan salah satu teknologi yang berkembang cepat seiring dengan kemajuan informasi sekarang ini. Hal inilah yang mendorong manusia untuk mengikuti perkembangan
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Teknologi semakin berkembang seiring dengan berjalannya waktu. Disadari atau tidak, sebagian besar kehidupan ini dibantu oleh teknologi dan banyak sekali manfaat yang
Lebih terperinciBAB III METODOLOGI PENELITIAN
40 BAB III METODOLOGI PENELITIAN 3.1 DESAIN PENELITIAN Dalam melakukan penelitian, dibutuhkan desain penelitian agar penelitian yang dilakukan dapat berjalan dengan baik. Berikut ini merupakan desain penelitian
Lebih terperinciBAB I PENDAHULUAN. tindakan di antara beberapa alternatif yang tersedia. Setiap proses pengambilan. mencapai tujuan melalui pelaksanaan atau tindakan.
BAB I PENDAHULUAN I.1. Latar Belakang Pengambilan keputusan dapat dianggap sebagai suatu hasil atau keluaran dari proses mental atau kognitif yang membawa pada pemilihan suatu jalur tindakan di antara
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alur Metodologi Penelitian Adapun alur metodologi penelitian yang akan dipakai dalam menyelesaikan penelitian tugas akhir ini adalah sebagai berikut: Gambar 3.1 Alur Metodologi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang 1.2 Rumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Diagnosis penyakit yang diderita oleh seorang penderita harus dapat dilakukan dengan tepat dan akurat, karena kesalahan diagnosis berakibat fatal dan bisa membahayakan
Lebih terperinciBAB I PENDAHULUAN. Peminatan atau bidang peminatan adalah sebuah jurusan yang harus di
BAB I PENDAHULUAN I. Latar Belakang Peminatan atau bidang peminatan adalah sebuah jurusan yang harus di ambil oleh mahasiswa untuk menentukan arah kompetensi dan keahlian mahasiswa tersebut yang mana di
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Pada penelitian Sistem Pakar Diagnosa Awal Kanker Serviks Menggunakan Metode Naive Bayes Berbasis Android Dalam penelitian ini, untuk mengidentifikasi
Lebih terperinciBAB I PENDAHULUAN. sayur yang banyak dikonsumsi oleh masyarakat di seluruh dunia, terutama di
BAB I PENDAHULUAN I.1. Latar Belakang Buah tomat (Lycopersicum esculentum. Mill. L.) merupakan tanaman sayur yang banyak dikonsumsi oleh masyarakat di seluruh dunia, terutama di Indonesia. Tomat (Lycopersicon
Lebih terperinciBAB I PENDAHULUAN. dinding sistem pencernaan, mulai dari mulut hingga ke anus. Tapi kondisi ini
BAB I PENDAHULUAN I.1. Latar Belakang Penyakit crohn adalah salah satu penyakit radang usus dan merupakan kondisi jangka panjang yang mana peradangan bisa terjadi pada seluruh lapisan dinding sistem pencernaan,
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Pada proses penelitian ini dilakukan beberapa tahapan mulai dari tahap awal yaitu tahap inisiasi, pengembangan model, dan tahap terakhir pengembangan prototipe. Dalam tahapan inisiasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu tanggung jawab sosial PT. Telkom dalam program kemitraan dengan masyarakat sekitarnya adalah memberikan kredit lunak bagi pelaku Usaha Kecil Menengah (UKM).
Lebih terperinciSISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT SALURAN PENCERNAAN MENGGUNAKAN METODE DEMPSTER SHAFER
SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT SALURAN PENCERNAAN MENGGUNAKAN METODE DEMPSTER SHAFER 1 Yasidah Nur Istiqomah (07018047), 2 Abdul Fadlil (0510076701) 1 Program Studi Teknik Informatika 2 Program
Lebih terperinciSISTEM PAKAR UNTUK MENENTUKAN TIPE AUTISME PADA ANAK USIA 7-10 TAHUN MENGGUNAKAN METODE FORWARD CHAINING. Agam Krisna Setiaji
1 SISTEM PAKAR UNTUK MENENTUKAN TIPE AUTISME PADA ANAK USIA 7-10 TAHUN MENGGUNAKAN METODE FORWARD CHAINING Agam Krisna Setiaji Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro,
Lebih terperinciImplementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga
Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga 207 Alfa Saleh Universitas Potensi Utama E-mail: alfasoleh1@gmail.com Abstrak Peranan listrik sangat
Lebih terperinciPENERAPAN NAÏVE BAYES UNTUK PREDIKSI KELAYAKAN KREDIT
PENERAPAN NAÏVE BAYES UNTUK PREDIKSI KELAYAKAN KREDIT Dedy Ahmad Kurniawan 1), Danny Kriestanto 2) Teknik Informatika, STMIK AKAKOM e-mail: dedyahmad.akakom10@gmail.com 1), danny@akakom.ac.id 2) ABSTRAK
Lebih terperinciKLASIFIKASI PADA DATA MINING MENGGUNAKAN NAIVE BAYESIAN CLASSIFIER CLASSIFICATION FOR DATA MINING USING NAIVE BAYESIAN CLASSIFIER
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2005 KLASIFIKASI PADA DATA MINING MENGGUNAKAN NAIVE BAYESIAN CLASSIFIER CLASSIFICATION FOR DATA MINING USING NAIVE BAYESIAN CLASSIFIER Agustina Ratna Puspitasari¹,
Lebih terperinciSistem Diagnosis Penyakit Hati Menggunakan Metode Naïve Bayes
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2666-2671 http://j-ptiik.ub.ac.id Sistem Diagnosis Penyakit Hati Menggunakan Metode Naïve Bayes
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit Kanker merupakan suatu peyakit yang paling ditakuti oleh masyakat karena proses penyembuhannya yang sulit, efek yang ditimbulkan dan memerlukan biaya yang
Lebih terperinciBAB I PENDAHULUAN. yaitu dengan suatu media konsultasi yang bersifat online. mengemukakan pesoalan-persoalan yang terjadi kemudian pakar akan
BAB I PENDAHULUAN I.1 Latar Belakang Media konsultasi merupakan sebuah media atau sarana untuk berkomunikasi atau berinteraksi antara seorang pakar dengan pengguna. Dalam bidang medis kegiatan konsultasi
Lebih terperinciBAB I PENDAHULUAN. membantu proses dan cara berpikir manusia yang disebut sebagai artificial
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan semakin berkembangnya pengetahuan, teknologi komputer juga mengalami kemajuan yang sangat signifikan dari tahun ke tahun. Hal ini ditandai dengan berkembangnya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Rolettha (2002, hal: 1) menyatakan bahwa kelapa sawit merupakan salah satu tanaman komoditas andalan sumber devisa non-migas bagi Indonesia. Perkembangan perkelapa
Lebih terperinciSistem Pakar untuk Mendiagnosa Penyakit Kucing Menggunakan Metode Backward Chaining
Sistem Pakar untuk Mendiagnosa Penyakit Kucing Menggunakan Metode Backward Chaining Mardiah Fadhli Politeknik Caltex Riau Jl. Umbansari No.1, telp/fax: 0761 53939/0761 554224 e-mail: rika@pcr.ac.id Abstrak
Lebih terperinciPENGEMBANGAN SISTEM PAKAR DIAGNOSIS PENYAKIT DAN HAMA PADA TANAMAN SEMANGKA BERBASIS ANDROID
PENGEMBANGAN SISTEM PAKAR DIAGNOSIS PENYAKIT DAN HAMA PADA TANAMAN SEMANGKA BERBASIS ANDROID Imas Siti Munawaroh¹, Dini Destiani Siti Fatimah² Jurnal Algoritma Sekolah Tinggi Teknologi Garut Jl. Mayor
Lebih terperinciREKOMENDASI TOPIK TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA DI UNIVERSITAS MUHAMMADIYAH JEMBER MENGGUNAKAN METODE NAÏVE BAYESIAN CLASSIFIER
REKOMENDASI TOPIK TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA DI UNIVERSITAS MUHAMMADIYAH JEMBER MENGGUNAKAN METODE NAÏVE BAYESIAN CLASSIFIER Titis Suwartiningsih (11 1065 1116) 1, Bagus Setya Rintyarna,
Lebih terperinciPERBANDINGAN DECISION TREE
84 2015 Jurnal Krea-TIF Vol: 03 No: 02 PERBANDINGAN DECISION TREE PADA ALGORITMA C 4.5 DAN ID3 DALAM PENGKLASIFIKASIAN INDEKS PRESTASI MAHASISWA (Studi Kasus: Fasilkom Universitas Singaperbangsa Karawang)
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Dasar Penelitian Penelitian ini dilakukan berdasarkan rumusan masalah yang telah dijabarkan pada bab sebelumnya yaitu untuk mengklasifikasikan kelayakan kredit calon debitur
Lebih terperinciDIAGNOSIS PENYAKIT KANKER PAYUDARA MENGGUNAKAN METODE NAIVE BAYES BERBASIS DESKTOP
1 DIAGNOSIS PENYAKIT KANKER PAYUDARA MENGGUNAKAN METODE NAIVE BAYES BERBASIS DESKTOP Achmad Ramadhan Safutra 1, Dwi Wahyu Prabowo 1 1 Jurusan Sistem Informasi, Fakultas Ilmu Komputer Universitas Darwan
Lebih terperinciBAB II TINJAUAN PUSTAKA. sekumpulan besar data yang tersimspan dalam penyimpanan dengan
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Data Mining A. Pengertian Data Mining Menurut Gartner Group data mining adalah suatu proses menemukan hubungan yang berarti, pola, dan kecenderungan dengan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Makanan pokok manusia adalah nasi yang merupakan hasil dari tanaman padi. Dengan alasan demikian sehingga pertanian pangan mempunyai arti yang sangat penting bagi kehidupan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Pada bab ini akan membahas mengenai uraian singkat hasil-hasil penelitian atau analisis terdahulu yang ada hubungannya dengan permasalahan yang akan ditinjau dalam tugas akhir.
Lebih terperinciPENERAPAN ALGORITMA NAIVE BAYES UNTUK MENGKLASIFIKASI DATA NASABAH ASURANSI
PENERAPAN ALGORITMA NAIVE BAYES UNTUK MENGKLASIFIKASI DATA NASABAH ASURANSI Bustami Teknik Informatika, Universitas Malikussaleh Reuleut, Aceh Utara, Aceh-Indonesia E-mail : busabiel@gmail.com ABSTRAK
Lebih terperinciSISTEM PAKAR KNOWLEDGE-BASED UNTUK DIAGNOSA SAKIT KEPALA
SISTEM PAKAR KNOWLEDGE-BASED UNTUK DIAGNOSA SAKIT KEPALA Ach. Ulul Azmi Rojabi 1 Yusriel Ardian 2 1 Sistem Informasi, Universitas Kanjuruhan Malang, rojabi@live.com 2 Sistem Informasi, Universitas Kanjuruhan
Lebih terperinciBAB I PENDAHULUAN. produksi secara keseluruhan sangat ditentukan oleh pemilihan jenis perlengkapan
1 BAB I PENDAHULUAN I.1. Latar Belakang Perlengkapan penanganan bahan merupakan bagian terpadu perlengkapan mekanis dalam setiap usaha industri modern. Dalam setiap perusahaan proses produksi secara keseluruhan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. fold Cross Validation, metode Convolutional neural network dari deep learning
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Program P rinsip kerja program yaitu dengan melakukan pra pengolahan citra terhadap foto fisik dari permukaan buah manggis agar ukuran seluruh data
Lebih terperinciPENERAPAN ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI KEPUTUSAN NASABAH TELEMARKETING DALAM MENAWARKAN DEPOSITO
PENERAPAN ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI KEPUTUSAN NASABAH TELEMARKETING DALAM MENAWARKAN DEPOSITO Wahyu Nurjaya WK 1, Yusrina Adani 2 Program Studi Sistem Informasi, STMIK LPKIA Bandung Program
Lebih terperinciJurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017 50 APLIKASI KLASIFIKASI ALGORITMA C4.5 (STUDI KASUS MASA STUDI MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN
Lebih 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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Studi Sebelum melakukan penelitian penulis terlebih dahulu melakukan tinjauan pustaka dari penelitian lain dan penelitian tentang prediksi penjurusan
Lebih terperinciKata kunci: Klasifikasi, warna kulit, naïve bayes
PENGKLASIFIKASI GENUS PANTHERA (HARIMAU, SINGA, JAGUAR DAN MACAN TUTUL DENGAN METODE NAIVE BAYES Program Studi Informatika, Program Teknologi Informasi dan Ilmu Komputer, Agus Suryanto, Brian Andrianto,
Lebih terperinciPenerapan Data Mining Untuk Menampilkan Informasi Pertumbuhan Berat Badan Ideal Balita dengan Menggunakan Metode Naive Bayes Classifier
Penerapan Data Mining Untuk Menampilkan Informasi Pertumbuhan Berat Badan Ideal Balita dengan Menggunakan Metode Naive Bayes Classifier Octia Nuraeni 55410244 Teknik Informatika Pembimbing : Dr. Riza Adrianti
Lebih terperinciSISTEM PREDIKSI PENGUNDURAN DIRI PESERTA DIDIK MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER
SISTEM PREDIKSI PENGUNDURAN DIRI PESERTA DIDIK MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER ARTIKEL SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperinciAplikasi Sistem Pakar untuk Diagnosa Hama Jeruk dan Pengobatannya Menggunakan Metode Certainty Factor
Aplikasi Sistem Pakar untuk Diagnosa Hama Jeruk dan Pengobatannya Menggunakan Metode Certainty Factor Yudi 1, Laila 2 STMIK IBBI Jl. Sei Deli No. 18 Medan, Telp. 061-4567111, Fax. 061-4527548 e-mail: ynn_linc@yahoo.com
Lebih terperinciPembangunan Aplikasi Sistem Pakar untuk Diagnosis Penyakit Tanaman Padi
Pembangunan Aplikasi Sistem Pakar untuk Diagnosis Penyakit Tanaman Padi Rika Sofa 1, Dini Destiani 2, Ate Susanto 3 Jurnal Algoritma Sekolah Tinggi Teknologi Garut (STT-Garut) Jl. Mayor Syamsu No 2 Garut
Lebih terperinciBAB I PENDAHULUAN. seperti layaknya seorang pakar (human exspert). Seorang pakar atau ahli (human
BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar atau exspert system merupakan sebuah program komputer yang dirancang untuk memodelkan serta kemampuan menyelesaikan masalah seperti layaknya seorang pakar
Lebih terperinci( ) ( ) (3) II-1 ( ) ( )
BAB II LANDASAN TEORI 2.1 Naïve Bayes Classifier 2.1.1 Teorema Bayes Bayes merupakan teknik prediksi berbasis probabilistik sederhana yang berdasar pada penerapan teorema Bayes (atau aturan Bayes) dengan
Lebih terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Kelinci merupakan hewan pengerat yang berbulu lembut yang dapat dijadikan hewan peliharaan karena keindahannya, sebagai bahan konsumsi, dan sebagai percobaan. pada
Lebih terperinciIMPLEMENTASI DATA MINING DENGAN NAIVE BAYES CLASSIFIER UNTUK MENDUKUNG STRATEGI PEMASARAN DI BAGIAN HUMAS STMIK AMIKOM YOGYAKARTA
IMPLEMENTASI DATA MINING DENGAN NAIVE BAYES CLASSIFIER UNTUK MENDUKUNG STRATEGI PEMASARAN DI BAGIAN HUMAS STMIK AMIKOM YOGYAKARTA Erik Hadi Saputra 1), Burhan Alfironi Muktamar 2) 1), 2) Teknik Informatika
Lebih terperinciABSTRAK. Kata Kunci: Aplikasi, Sistem Pakar, dan Sepeda Motor. vi Universitas Kristen Maranatha
ABSTRAK Penelitian ini bertujuan untuk menganalisis cara mendeteksi kerusakan sepeda motor dan mengetahui cara penanganan pada kerusakan yang telah terdeteksi. Aplikasi ini dirancang mengunakan metode
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Sistem yang Berjalan Analisa sistem pada yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Sistem Pendukung Keputusan Pemberian
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penentuan dosen pembimbing tugas akhir masih dilakukan secara manual di Jurusan Teknik Informatika UMM yang hanya mengandalkan pengetahuan personal tentang spesialisasi
Lebih terperinciPENERAPAN METODE DECISON TREE UNTUK PENGKLASIFIKASIAN JENIS PLASMA NUTFAH PADI BERBASIS WEB
PENERAPAN METODE DECISON TREE UNTUK PENGKLASIFIKASIAN JENIS PLASMA NUTFAH PADI BERBASIS WEB Wati Helanasari, Dra. Sri Setyaningsih, M.Si¹ dan Arie Qur ania,m.kom² Program Studi Ilmu Komputer-FMIPA Universitas
Lebih terperinciBAB I PENDAHULUAN. asing lagi bagi petani, tetapi masalahnya adalah apakah penyakit tersebut
BAB I PENDAHULUAN I.1. Latar Belakang Penyakit pada tanaman senantiasa dijumpai pada setiap tanaman tidaklah asing lagi bagi petani, tetapi masalahnya adalah apakah penyakit tersebut menimbulkan kerugian
Lebih terperinciPERANCANGAN SISTEM PAKAR UNTUK MENDETEKSI HAMA DAN PENYAKIT PADA TANAMAN CENGKEH BERBASIS WEBSITE
PERANCANGAN SISTEM PAKAR UNTUK MENDETEKSI HAMA DAN PENYAKIT PADA TANAMAN CENGKEH BERBASIS WEBSITE 1 Endriyono, 2 Sri Winiarti (0516127501) 1,2 Program Studi Teknik Informatika Universitas Ahmad Dahlan
Lebih terperinciAPLIKASI KLASIFIKASI PEMENUHAN GIZI PADA LANSIA MENGGUNAKAN METODE DECISION TREE ID3
APLIKASI KLASIFIKASI PEMENUHAN GIZI PADA LANSIA MENGGUNAKAN METODE DECISION TREE ID3 SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Sistem
Lebih terperinciSISTEM PAKAR PENDETEKSI PENYAKIT MATA BERBASIS ANDROID
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 2, (2017) 57 SISTEM PAKAR PENDETEKSI PENYAKIT MATA BERBASIS ANDROID Aditiawarman 1, Helfi Nasution 2, Tursina 3 Program Studi Teknik Informatika,
Lebih terperinciABSTRAK. Kata kunci: temperamen, kepribadian, Hippocrates, sinonim, antonim, pembelajaran mesin. Universitas Kristen Maranatha
ABSTRAK Hubungan antar manusia sering kali mengalami gangguan karena perbedaan kepribadian. Tipe-tipe kepribadian pada dasarnya memiliki kesamaan dan perbedaan yang sudah dikelompokkan oleh teori Hippocrates,
Lebih terperinciBAB III PEMBAHASAN. Sumber data diperoleh dari Koperasi X yang terdiri dari 3 file excel
BAB III PEMBAHASAN A. Sumber Data Sumber data diperoleh dari Koperasi X yang terdiri dari 3 file excel peminjam dengan jaminan sertifikat tanah, tunjuk, dan Buku Pemilik Kendaraan Bermotor (BPKB) serta
Lebih terperinciSISTEM PAKAR DIAGNOSIS KERUSAKAN NOTEBOOK MENGUNAKAN METODE INFERENSI FORWARD CHAINING DAN TEOREMA BAYES (STUDI KASUS JOGJA COMPUTER) SKRIPSI
SISTEM PAKAR DIAGNOSIS KERUSAKAN NOTEBOOK MENGUNAKAN METODE INFERENSI FORWARD CHAINING DAN TEOREMA BAYES (STUDI KASUS JOGJA COMPUTER) SKRIPSI Disusun Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana
Lebih terperinciPEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5
PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Jurusan Sistem Informasi, STMIK Indonesia 1 syam@stmik-indonesia.ac.id,
Lebih terperinciPenggunaan Deep Learning untuk Prediksi Churn pada Jaringan Telekomunikasi Mobile Fikrieabdillah
ISSN : 2355-9365 e-proceeding of Engineering : Vol3, No2 Agustus 2016 Page 3882 Penggunaan Deep Learning untuk Prediksi Churn pada Jaringan Telekomunikasi Mobile Fikrieabdillah Ilmu Komputasi Universitas
Lebih terperinciSISTEM UNTUK DETEKSI KERUSAKAN MESIN DIESEL MOBIL PANTHER DENGAN METODE NAÏVE BAYES
ISSN : 2338-4018 SISTEM UNTUK DETEKSI KERUSAKAN MESIN DIESEL MOBIL PANTHER DENGAN METODE NAÏVE BAYES Wawan Singgih P (wawan.sinus@gmail.com) Didik Nugroho (didikhoho@gmail.com) Yustina Retno WU (yustina.retno@gmail.com)
Lebih terperinciBAB II. Beberapa aplikasi pendeteksi penyakit pada tanaman antara lain :
BAB II Tinjauan Pustaka Penelitian ini akan dikembangkan suatu aplikasi pendeteksi penyakit pada tanaman Kelapa Sawit dengan menggunakan metode Forward Chaining dan berjalan di Piranti Mobile berbasis
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer dan smartphones semakin hari pesat baik hardware maupun software, sehingga menjadi motivasi untuk mencoba mengembangkan suatu aplikasi
Lebih terperinciSISTEM PAKAR DIAGNOSIS PENYAKIT INFEKSI SALURAN PERNAPASAN AKUT PADA ANAK MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER
SISTEM AKAR DIAGNOSIS ENYAKIT INFEKSI SALURAN ERNAASAN AKUT ADA ANAK MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Hendra Effendi Teknik Informatika STMIK alcomtech Jl. Basuki Rahmat No. 05, alembang 30129,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciRancang Bangun Sistem Pendukung Keputusan Penerimaan Beasiswa Menggunakan Meotde Naive Bayes Classiffier
Rancang Bangun Sistem Pendukung Keputusan Penerimaan Beasiswa Menggunakan Meotde Naive Bayes Classiffier Riani Dewi H 1, Yunita 2, Novi Indrawati 3 Mahasiswa Program Studi Teknik Informatika Fakultas Teknik
Lebih terperinciSistem Pakar Diagnosis Penyakit Demam: DBD, Malaria dan Tifoid Menggunakan Metode K-Nearest Neighbor Certainty Factor
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 5, Mei 2017, hlm. 426-435 http://j-ptiik.ub.ac.id Sistem Pakar Diagnosis Penyakit Demam: DBD, Malaria dan Tifoid
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 terperinciIMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI DATA NASABAH BANK DALAM PENAWARAN DEPOSITO BERJANGKA DENGAN MENGGUNAKAN ALGORITMA KLASIFIKASI NAIVE BAYES
IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI DATA NASABAH BANK DALAM PENAWARAN DEPOSITO BERJANGKA DENGAN MENGGUNAKAN ALGORITMA KLASIFIKASI NAIVE BAYES Nama : Muhammad Rizki NPM : 54410806 Jurusan Pembimbing
Lebih terperinciEXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS
EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS Agus Sasmito Aribowo Teknik Informatika. UPN Veteran Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281
Lebih terperinciAPLIKASI PENENTUAN ANGGOTA KELAS UNGGULAN DENGAN METODE NAÏVE BAYES
APLIKASI PENENTUAN ANGGOTA KELAS UNGGULAN DENGAN METODE NAÏVE BAYES SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Teknik (S.Kom) Pada Program Studi Teknik Informatika Oleh:
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Secara sederhana data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Data mining
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Masalah Analisis masalah bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Sistem Penunjang Keputusan Untuk Menentukan Kualitas Ekspor
Lebih terperinciTEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
PERANCANGAN APLIKASI UNTUK MENDIAGNOSA AWAL GANGGUAN PADA KEHAMILAN DENGAN PENDEKATAN SISTEM PAKAR SKRIPSI Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana (S.Kom) Pada Program Teknik
Lebih terperinciBAB I Pendahuluan. dirasakan meningkat pesat, terlebih lagi perkembangan di bidang teknologi. khususnya dalam menunjang kegiatan sehari-hari.
BAB I Pendahuluan 1.1 Latar Belakang Pada masa sekarang ini perkembangan teknologi dan komunikasi dirasakan meningkat pesat, terlebih lagi perkembangan di bidang teknologi komputer yang mendorong penggunaan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Data yang digunakan dalam penelitian ini adalah data warehouse
1.1.Pengumpulan data BAB IV HASIL DAN PEMBAHASAN Data yang digunakan dalam penelitian ini adalah data warehouse Graduation Universitas Muhammadiyah Yogyakarta pada Fakultas Teknik UMY tahun kelulusan 2013,
Lebih terperinciPENGEMBANGAN SISTEM PAKAR BERBASIS ATURAN UNTUK MENENTUKAN MATA KULIAH YANG AKAN DIAMBIL ULANG (REMEDIAL) DENGAN METODE FORWARD CHAINING
PENGEMBANGAN SISTEM PAKAR BERBASIS ATURAN UNTUK MENENTUKAN MATA KULIAH YANG AKAN DIAMBIL ULANG (REMEDIAL) DENGAN METODE FORWARD CHAINING HARIYADI Program Studi Teknik Elektro UMSB ABSTRAK Nilai IP (Indeks
Lebih terperinciBAB I PENDAHULUAN. akurat. Sistem pakar juga dapat diterapkan di bidang perkebunan.
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan dunia teknologi informasi saat ini telah mempengaruhi segala aspek kehidupan manusia, bahkan di dalam bidang-bidang di luar disiplin ilmu komputer. Salah
Lebih terperinciPENERAPAN ALGORITMA C5.0 DALAM PENGKLASIFIKASIAN DATA MAHASISWA UNIVERSITAS NEGERI GORONTALO
PENERAPAN ALGORITMA C5.0 DALAM PENGKLASIFIKASIAN DATA MAHASISWA UNIVERSITAS NEGERI GORONTALO Wandira Irene, Mukhlisulfatih Latief, Lillyan Hadjaratie Program Studi S1 Sistem Informasi / Teknik Informatika
Lebih terperinci