APLIKASI DIAGNOSIS PENYAKIT DIABETES MELITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING

Ukuran: px
Mulai penontonan dengan halaman:

Download "APLIKASI DIAGNOSIS PENYAKIT DIABETES MELITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING"

Transkripsi

1 semantik, Vol.2, No.1, Jan-Jun 2016, pp ISSN : (Online) 177 APLIKASI DIAGNOSIS PENYAKIT DIABETES MELITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING Indah Lestari Sumitro *1, Ika Purawanti Ningrum 2, Rahmat Ramadhan 3 *1,2,3 Jurusan Teknik Informatika, Fakultas Teknik, Universitas Halu Oleo, Kendari *1 nama ku9@gmail.com, 2 ika.purwanti.n@gmail.com, 3 rahmat.ramadhan@innovcenter.org Abstrak Fuzzy Multi Criteria Decision Making (FMCDM) dapat dikatakan MCDM (Multi Criteria Decision Making) dengan data fuzzy. Data fuzzy dapat terjadi pada setiap alternatif atau tingkat kepentingan pada setiap kriteria. Setiap kriteria atau gejala-gejala dan jenis alternatif penyakit biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan oleh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik. Penelitan ini dilakukan untuk membantu pengambilan keputusan dalam menentukan jenis penyakit Diabetes Melitus (DM) yang diderita dari beberapa altematif jenis penyakit DM sesuai dengan gejala-gejala yang ditentukan. Sistem dibuat dengan mengambil beberapa kelompok jenis penyakit DM sebagai data yang akan dipakai dalam perhitungan. Pengujian sistem dengan menerapkan perhitungan confusion matrix memperoleh hasil accuracy yaitu 100%, sensitivity yaitu 100%, dan specificity yaitu (tidak terhingga). Keluaran dari sistem ini berupa alternatif-alternatif penyakit yaitu Normal atau tidak terdiagnosa berpenyakit DM, Pradiabetes, DM tipe 1, dan DM tipe 2. Kata kunci Confusion Matrix, Diabetes Melitus, Fuzzy Multi Criteria DecisionMaking. Abstract Fuzzy Multi Criteria Decision Making (FMCDM) can be seen as MCDM (Multi Criteria Decision Making) with fuzzy data. Fuzzy data can be applied for every alternatives or level of importance in every criterion. Every criteria or indications and kind of disease alternatives usually contains unpredictable values that prediction which given by decision maker done by qualitative and represented linguistically. This research aims to help the decision maker to determine category of Diabetes Mellitus (DM) which suffered from each categories of DM which related to indications that being determined. The system created by taking some categories of DM as data which will be used in calculation. The experiment that used the confusion matrix method resulted the values of accuracy is 100%, sensitivity is 100% and specificity is (infinite). The output of this system is alternatives of this diseased which Normal or undetected of DM, Pradiabetes, DM type 1, and DM type 2. Keywords Confusion Matrix, Diabetes Melitus, Fuzzy Multi Criteria DecisionMaking. 1. PENDAHULUAN Diabetes Melitus (DM) yang umum dikenal sebagai kencing manis adalah penyakit yang ditandai dengan peningkatan kadar gula darah yang terusmenerus dan bervariasi, terutama setelah makan. Pada umumnya dikenal 2 tipe diabetes, yaitu diabetes tipe 1 (tergantung insulin), dan diabetes tipe 2 (tidak tergantung insulin). Diabetes Melitus merupakan penyakit penyebab kematian yang mempunyai rank cukup tinggi di dunia termasuk di Indonesia. Ketua Persatuan Diabetes Indonesia (Persadia) Pusat, Prof. Sidartawan Soegondo mengatakan penderita diabetes di Indonesia cenderung naik dari tahun ke tahun. Sebagian besar penderita mengidap penyakit ini akibat faktor keturunan dan pola hidup yang tidak sehat [1]. Dalam mendiagnosis penyakit Diabetes Melitus ada beberapa hal yang perlu diperhatikan yaitu peningkatan kadar gula Received June 1 st,2012; Revised June 25 th, 2012; Accepted July 10 th, 2012

2 178 Aplikasi Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Fuzzy MCDM darah yang terus meningkat apabila tidak ditangani sejak awal, sering berkemih/buang air kecil terutama pada malam hari, merasakan haus yang berlebihan, serta hal yang paling mendasar ketika seseorang menderita penyakit Diabetes Melitus yaitu adanya riwayat keluarga yang menderita penyakit yang sama. Oleh karena itu diperlukan sebuah perangkat lunak yang dapat mendiagnosis penyakit Diabetes Melitus sehingga nantinya akan menghasilkan output berupa jenis penyakit DM yang diderita. Fuzzy Multi Criteria Decision Making (FMCDM) adalah MCDM dengan data fuzzy. Data fuzzy dapat terjadi pada setiap alternatif atau tingkat kepentingan pada setiap kriteria. Setiap kriteria atau gejala-gejala yang dialami dan jenis alternatif penyakit biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan oleh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik [2]. Pada beberapa kasus yang telah menerapkan metode fuzzy multi-criteria decision making ini diantaranya yaitu penerapan fuzzy multi-criteria decision making untuk mendiagnosis penyakit tropis dengan metode agregasi. Pada kasus ini dihasilkan jenis penyakit dengan menggunakan metode agregasi berdasarkan gejala-gejala yang dirasakan pasien [3]. Penelitian lain yang juga menggunakan metode serupa yaitusistem Pendukung Keputusan Pemilihan Jenis Sakit Kepala dengan menggunakan metode FuzzyMCDM. Setiap kriteria atau gejala-gejala yang dialami dan jenis alternatif penyakit biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan oleh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik sehingga menghasilkan output berupa daftar jenis alternatif penyakit yang dialami [4]. Penelitian lain juga dilakukan oleh [5] yang berjudul Hesitant Fuzzy Linguistic Multi Criteria Decision-Making Method Based on Generalized Prioritizied Aggregation Operator. Penelitian ini membahas tentang kriteria yang ada pada Multi Criteria Decision Making (MCDM) memiliki tingkat prioritas yang berbeda dan nilai kriteria berbentuk angka Hesitant Fuzzy Linguistik (HFLNs). Hasil dari penelitian ini menunjukkan bahwa metode yang diusulkan dalam penelitian ini layak dan efektif dalam memecahkan masalah IJCCS Vol. x, No. x, July 201x : first_page end_page MCDM dengan HFLNs. Penelitian lain juga yang menggunakan metode serupa dalam penyelesaian kasusnya yaitu Penerapan Fuzzy Multi Criteria Decision Making Untuk Mendiagnosis Penyakit Kulit Pyoderma Dengan Metode Agregasi. Pada penelitian ini, penerapan metode fuzzy multy-criteria decision making untuk mendiagnosis penyakit kulit pyoderma dengan metode agregasi yang digunakan untuk menyelesaikan suatu kemungkinan munculnya gejala yang sama dari gangguan yang berbeda.sistem ini menghasilkan kemungkinan penyakit yang diderita pengguna yang berupa persentase penyakit. Sistem ini dapat digunakan untuk mendiagnosis awal kemungkinan penyakit kulit [6]. Berawal dari kasus tersebut, muncul ide untuk membuat suatu aplikasi menggunakan metode fuzzy multi-criteria decision making (FMCDM). Metode ini sangat cocok dengan kasus diagnosis penyakit Diabetes Melitus karena terdapat alternatif-alternatif dari jenis penyakit Diabetes Melitus, sehingga diperlukan suatu sistem yang dapat membantu pengambilan keputusan dalam menentukan jenis penyakit Diabetes Melitus yang diderita dari beberapa alternatif penyakit Diabetes Melitus sesuai dengan gejala-gejala fisik yang diinputkan. Berdasarkan uraian tersebut, maka penulis membangun sebuah aplikasi dengan melakukan penelitian dan menulis tugas akhir yang berjudul APLIKASI DIAGNOSIS PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING berbasis java. Dalam aplikasi yang akan dibangun terdapat 4 hasil diagnosis yaitu normal/tidak terdiagnosis penyakit Diabetes Melitus, pradiabetes, Diabetes Melitus tipe 1, dan Diabetes Melitus tipe 2. Aplikasi ini diharapkan dapat menjadi alternatif solusi untuk mengatasi masalah yang sering dialami oleh penderita penyakit Diabetes Melitus berdasarkan gejala- gejala yang diderita pasien. 2. METODE PENELITIAN 2. 1 Sistem Penunjang Keputusan Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun

3 Sumitro, Ningrum dan Ramadhan IJCCSISSN: kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat [7] Fuzzy Multi Criteria Decision Making Pada penelitian ini penulis menggunakan metode Fuzzy Multi Criteria Decision Making (FMCDM) dalam mendiagnosis penyakit Diabetes Melitus. Metode ini memerlukan kriteria-kriteria dan bobot untuk melakukan perhitungannya sehingga akan didapat alternatif terbaik sebagai hasil output sistem [2]. Flowchart metode Fuzzy Multi Criteria Decision Making secara keseluruhan dapat dijelaskan seperti pada Gambar 1. Mulai Representasi Masalah Pada metode Fuzzy Multi Criteria Decision Making (FMCDM) ada 3 langkah penting yang harus dikerjakan, yaitu : 1. Representasi masalah. 2. Evaluasi himpunan fuzzy pada setiap alternatif keputusan. 3. Melakukan seleksi terhadap alternatif yang optimal. a. Representasi Masalah 1. Identifikasi tujuan dan kumpulan alternatif keputusan Mempresentasikan permasalahan dengan melakukan pengidentifikasi tujuan pencarian dalam mengetahui alternatif penyakit Diabetes Melitus. Terdapat 4 (empat) alternatif penyakit Diabetes Melitus. Dapat dilihat pada Tabel 1. Tabel 1 Alternatif penyakit diabetes mellitus (Sumber : dr. Topan Binawan, SP.PD., M.Kes) No. Alternatif Nama Penyakit 1 A1 Normal / tidak terdiagnosa berpenyakit Diabetes Melitus (DM) 2 A2 Pradiabetes 3 A3 Diabetes Melitus tipe 1 4 A4 Diabetes Melitus tipe 2 Evaluasi himpunan fuzzy Mengevaluasi bobot pada setiap kriteria dan derajat kecocokan dan alternatif terhadap kriteria Agregasi bobot Hasil diagnosis tertinggi Y = 1 k (o a ) Q = 1 k (P b ) Z = 1 k (q c ) Menyeleksi alternatif optimal I (F) = 1 (ac + b + (1 a)a) 2 Selesai Gambar 1 Flowchart metode FMCDM 2. Identifikasi kriteria Berdasarkan alternatif pada Tabel 1 memiliki beberapa kriteria yang dibutuhkan untuk menentukan jenis penyakit Diabetes Melitus yang diderita oleh pasien penderita penyakit Diabetes Melitus. Adapun kriterianya dijelaskan pada Tabel 2. Tabel 2 Kriteria Variabel Kriteria Keterangan G1 Umur Data fuzzy Indeks Masa Data fuzzy G2 Tubuh (IMT) G3 Haus berlebih Data fuzzy Lapar yang Data fuzzy G4 berlebih Sering berkemih Data fuzzy G5 terutama malam hari Berat badan Data nonfuzzy G6 menurun Data nonfuzzy G7 Penglihatan kabur Mudah infeksi Data fuzzy G8 pada kulit G9 Nyeri atau baal Data fuzzy Title of manuscript is short and clear, implies research results (First Author)

4 180 Aplikasi Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Fuzzy MCDM G10 Sering capek Data fuzzy G11 Mudah ngantuk Data fuzzy G12 Gula Darah Puasa Data fuzzy (GDP) Gula darah 2 jam Data fuzzy G13 Post Prandial (GDPP) G14 Faktor turunan Data nonfuzzy Berdasarkan dari 14 kriteria yang terdapat pada Tabel 2 terbagi menjadi 2 jenis data yaitu data fuzzy dan data non-fuzzy. Adapun data fuzzy yang terdapat pada Tabel 2 yaitu haus berlebih, umur, IMT (Indeks Masa Tubuh), lapar yang berlebih, sering berkemih terutama malam hari, berat badan menurun, mudah infeksi pada kulit, nyeri atau baal, sering capek, mudah ngantuk, Gula Darah Puasa (GDP), dan Gula Darah 2 jam Post Prandial (GDPP). Disebut data fuzzy karena pada kriteria yang telah disebutkan sebelumnya memiliki variabel linguistik yang bernilai samar/kabur. Adapun data non-fuzzy yaitu penglihatan kabur, faktor turunan, dan berat badan menurun. Disebut data non-fuzzy karena pada kriteria yang telah disebutkan sebelumnya memiliki variabel linguistik yang bernilai benar atau salah. 3. Membangun struktur hirarki Dari alternatif dan kriteria dapat dibangun struktur hirarki dari permasalahan tersebut. Gambar 2 menunjukkan struktur hirarki. b. Evaluasi Himpunan Fuzzy Dalam tahap evaluasi himpunan fuzzy ini, ada tiga sub tahapan, antara lain: 1. Memilih himpunan rating untuk bobotbobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Himpunan rating untuk bobot derajat kepentingan setiap alternatif dengan kriterianya akan dibagi sesuai dengan kriteria yang digunakan. Di mana G = {G1, G2, G3, G4, G5, G6, G7, G8, G9, G10, G11, G12, G13, G14}, G1 = Umur, G2 = Indeks Masa Tubuh (IMT), G3 = Haus berlebih, G4 = Mudah lapar, G5 = Sering berkemih, G6 = Berat badan menurun, G7 = Penglihatan kabur, G8 = Gambar 2 Struktur Hirarki IJCCS Vol. x, No. x, July 201x : first_page end_page Mudah infeksi, G9 = Mudah nyeri, G10 = Mudah lelah, G11 = Mudah ngantuk, G12 = Gula darah puasa (GDP), G13 = Gula darah 2 jam PP (Post Prandial) (GDPP) dan G14 = Faktor turunan. Dan A = {A1, A2, A3, A4}, A1 = Normal / Tidak terdiagnosa berpenyakit DM, A2 = Pradiabetes, A3 = Diabetes Melitustipe 1 dan A4 = Diabetes Melitus tipe 2. Dari masing-masing kriteria pada Tabel 1 akan ditentukan bobot-bobotnya berdasarkan bilangan fuzzy segitiga. Dalam hal ini nilai yang diperoleh dari fuzzy segitiga bukan hasil dari perhitungan derajat keanggotaan, tetapi nilai dari data fuzzy yang direpresentasikan ke

5 Sumitro, Ningrum dan Ramadhan IJCCSISSN: dalam bobot nilai yang diperoleh dari hasil wawancara kepada pakar. Fuzzy segitiga digunakan untuk memudahkan dalam merepresentasikan nilai titik rendah, tengah, dan tinggi pada data fuzzy. Adapun bobotbobotnya dijelaskan pada Tabel 3. Tabel 3 Bobot kepentingan kriteria penyakit diabetes melitus Kriteria Haus berlebih Lapar yang berlebih Sering berkemih terutama pada malam hari Mudah infeksi pada kulit Mudah ngantuk Nyeri atau baal Sering capek Penglihatan kabur Indeks masa tubuh (IMT) Faktor turunan Berat badan menurun Gula darah puasa (GDP) Variabel Bobot Linguistik Y Q Z Tidak Jarang Ya ½ Porsi Porsi > 1 Porsi Normal Sering Sangat sering Tidak Jarang Ya Tidak pernah Jarang Sering Tidak pernah Jarang Sering Tidak pernah Jarang Sering Tidak Ya 0 0/5 1 Kurus Sedang Gemuk Obesitas Ya Tidak Normal Drastis GDP 1 (GDP < 100) GDP 2 (GDP 100 dan GDP Gula darah 2 jam Post Prandial (GDPP) Umur 125) GDP 3 (GDP > 125 dan GDP 200) GDP 4 (GDP > 200) GDPP 1 (GDPP < 140) GDPP 2 (GDPP 140 dan GDPP 200) GDPP 3 (GDPP > 200 dan GDPP 300) GDPP 4 (GDPP > 300) Usia 1 (0 18 tahun) Usia 2 (17 30 tahun) Usia 3 )25 40 tahun) Usia 4 ( > 40 tahun) Himpunan rating untuk derajat kecocokan yang merepresentasikan bobot kepentingan untuk setiap kriteria sebagai berikut : TB = Tidak Berperngaruh KB = Kurang Berpengaruh CB = Cukup Berpengaruh B = Berpengaruh SB = Sangat Berpengaruh Fungsi keanggotaan untuk setiap elemen direpresentasikan dengan menggunakan bilangan fuzzy segitiga. Untuk menentukan bobot nilai pada derajat kecocokan yaitu sama halnya dengan menentukan bobot nilai pada derajat kepentingan hanya saja yang membedakan adalah variabel linguistik yang dimiliki oleh derajat kecocokan. Tabel 4 Merupakan tabel bobot derajat kecocokan. Tabel 4 Bobot derajat kecocokan Bobot Variabel Linguistik Y Q Z Tidak Berpengaruh Title of manuscript is short and clear, implies research results (First Author)

6 182 Aplikasi Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Fuzzy MCDM Kurang Berpengaruh Cukup Berpengaruh Berpengaruh Sangat Berpengaruh Mengevaluasi bobot-bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya yang ditunjukkan oleh Tabel 5, 6, 7 dan 8. Tabel 5 Derajat kecocokan alternatif terhadap kriteria keputusan Alternatif G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G14 A1 CB B B B CB B CB CB CB B B A2 CB B CB B CB B CB CB CB B CB A3 CB CB CB CB CB CB B B CB CB SB A4 CB CB CB CB B B B B CB B CB Tabel 6 Derajat kecocokan untuk kriteria umur Kriteria G1 Kondisi Normal Pradiabetes Alternatif Diabetes Melitus I UMUR >= 15 & UMUR <= 24 SB KB SB KB UMUR >= 25 & UMUR <=34 SB CB CB CB UMUR >= 35 & UMUR <= 44 SB B B B UMUR >= 45 SB KB KB SB Diabetes Melitus II Tabel 7 Derajat kecocokan untuk kriteria gula darah puasa Alternatif Kriteria Kondisi Diabetes Diabetes Normal Pradiabetes Melitus I Melitus II GDP < 100 SB KB KB KB GDP >= 100 dan GDP TB B B CB <= 125 G12 GDP > 125 dan GDP TB B B SB <= 200 GDP > 200 TB B B SB Tabel 8 Derajat kecocokan untuk kriteria gula darah 2 jam PP Alternatif Kriteria Kondisi Diabetes Diabetes Normal Pradiabetes Melitus I Melitus II GDPP < 140 SB KB KB KB GDPP >= 140 dan TB B B CB GDPP <= 200 G13 GDPP > 200 dan TB B B SB GDPP <= 300 GDPP > 300 TB B B SB 3. Mengagregasikan bobot-bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya dengan menggunakan Persamaan (2), (3) dan (4). F = (Y, Q, Z ) Y = 1 k o, a Tabel 9 Indeks kecocokan fuzzy Q = 1 k p, b Z = 1 k q, c i = 1,2,3,, n c. Seleksi Alternatif Optimal Memprioritaskan alternatif keputusan berdasarkan hasil agregasi untuk proses perangkingan alternatif keputusan dengan menggunakan metode nilai total integral pada Persamaan (5). Setelah diperoleh hasil dari perhitungan pada Persamaan 5, maka dipilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal. I (F) = 1 (αc + b + (1 α)a) 2 3. HASIL DAN PEMBAHASAN Berdasarkan dari hasil perhitungan menggunakan Persamaan (2), (3) dan (4) pada setiap alternatif didapatkan nilai indeks kecocokan fuzzy untuk setiap alternatif yang ditunjukkan oleh Tabel 9. Indeks Kecocokam Alternatif Fuzzy Y Q Z A A A A (1) (2) (3) (4) (5) Dengan mensubtitusikan indeks kecocokan fuzzy pada Tabel 9 ke Persamaan (5) dengan mengambil derajat keoptimasan (α) = 0 (tidak optimis), (α) = 0,5 (optimis), IJCCS Vol. x, No. x, July 201x : first_page end_page

7 Sumitro, Ningrum dan Ramadhan IJCCSISSN: (α) = 1 (sangat optimis), maka akan diperoleh nilai total integral untuk setiap alternatif yang ditunjukkan oleh Tabel 10. Alternatif A 1 Nama penyakit Normal/tidak terdiagnosa berpenyakit DM Tabel 10 Hasil nilai total integral Nilai Total Integral α = 0 α = 0, 5 α = 1 Jumlah 0,187 0, ,929 A 2 Pradiabetes 0,215 0, ,018 A 3 Diabetes Melitus tipe 1 0,214 0, ,985 A 4 Diabetes Melitus tipe 2 0,232 0, ,063 Dari perhitungan data sampel menggunakan metode fuzzy multi criteria decision making diperoleh hasil nilai perhitungan alternatif dengan prioritas tertinggi sebagai alternatif yang optimal yaitu alternatif A 4, sehingga penyakit Diabetes Melitustipe 2 terpilih sebagai penyakit optimal untuk diagnosis penyakit Diabetes Melitus. 3.1 Form Diagnosis Form diagnosis merupakan tampilan antarmuka yang muncul ketika memilih menu diagnosis. Pada Form diagnosis user menginput data diri dan gejala pasien. Gambar 3 Merupakan gambar tampilan form Diagnosis pada aplikasi diagnosis penyakit Diabetes Melitus. Gambar 3 Tampilan form diagnosis Pada form diagnosis user akan menginput data diri pasien serta memilih gejala yang terdapat disebelah kanan pengisian data diri pasien. Setelah data diri dan gejala di-input maka user akan memilih tombol proses. Tombol proses berguna untuk memproses data yang telah di-input. Apabila user memilih tombol proses maka akan muncul tampilan informasi bahwa data telah berhasil disimpan ke dalam database sistem. Gambar 4 merupakan gambar tampilan informasi data berhasil disimpan. Title of manuscript is short and clear, implies research results (First Author)

8 184 Aplikasi Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Fuzzy MCDM Gambar 4 Tampilan informasi data berhasil 3.2 Form Hasil Diagnosis Form hasil diagnosis merupakan tampilan antar muka yang tampil ketika tombol proses pada form diagnosis dipilih. Pada form hasil diagnosis sistem menampilkan data diri pasien, gejala yang diderita, hasil perhitungan metode fuzzy multi criteria decision making dan jenis penyakit Diabetes Melitus yang terdiagnosis. Gambar 5 merupakan gambar tampilan form Hasil Diagnosis pada aplikasi diagnosis penyakit Diabetes Melitus. Pada form hasil diagnosis tersedia tombol print. Tombol print berfungsi untuk mencetak data hasil diagnosis yang terdiri dari : id pasien, nama, umur, jenis kelamin, tinggi badan, berat badan, IMT, riwayat keluarga penderita Diabetes Melitus, gula darah puasa, gula darah puasa, gula darah 2 jam PP, dan hasil diagnosis. Gambar 6 Merupakan gambar tampilan print Hasil Diagnosis Gambar 6 Tampilan print hasil diagnosis Gambar 5 Tampilan form hasil diagnosis IJCCS Vol. x, No. x, July 201x : first_page end_page 3.3 Confussion Matriks Dalam pengujian sistem dilakukan proses perhitungan akurasi untuk 20 data uji. Hasil klasifikasi dengan sistem pakar untuk 20 data uji ditunjukkan pada Tabel 11. Tabel 11 Hasil klasifikasi data uji No Hasil Diagnosis Sistem Pakar 1 Diabetes Melitus II Diabetes Melitus II 2 Pradiabetes Pradiabetes 3 Pradiabetes Pradiabetes 4 Pradiabetes Pradiabetes 5 Pradiabetes Pradiabetes 6 Pradiabetes Pradiabetes 7 Pradiabetes Pradiabetes 8 Pradiabetes Pradiabetes

9 Sumitro, Ningrum dan Ramadhan IJCCSISSN: Diabetes Melitus II Diabetes Melitus II 10 Diabetes Melitus II Diabetes Melitus II 11 Diabetes Melitus II Diabetes Melitus II 12 Diabetes Melitus II Diabetes Melitus II 13 Diabetes Melitus II Diabetes Melitus II 14 Diabetes Melitus II Diabetes Melitus II 15 Diabetes Melitus II Diabetes Melitus II 16 Diabetes Melitus II Diabetes Melitus II 17 Diabetes Melitus II Diabetes Melitus II 18 Diabetes Melitus II Diabetes Melitus II 19 Diabetes Melitus II Diabetes Melitus II 20 Diabetes Melitus II Diabetes Melitus II Berdasarkan data pada Tabel 11 maka dibentuk tabel confussion matriks yang ditunjukkan oleh Tabel 12. Actual Tabel 12 Klasifikasi data uji Pakar Sistem Pakar 20 0 Sistem 0 0 Berdasarkan Tabel 12 didapatkan nilai Sensitivity, Specificity, dan Accuracy menggunakan perhitungan confusion matrix dengan detail perhitungan sebagai berikut : Sensitivity TP Sensitivity = TP + FN 100% = % = 100% Specificity Specificity = Predicted TN TN + FP 100% = 100% = Accuracy: TP + TN Accuracy = TP + FN + TN + FP 100% = 100% = 100% Berdasarkan perhitungan akurasi yang telah dilakukan diperoleh hasil untuk Sensitivity = 100%, Specifity =, Accuracy = 100%. Dari hasil pengujian menggunakan perhitungan confusion matriks aplikasi diagnosis penyakit Diabetes Melitus dapat dipertimbangkan untuk membantu pakar dalam mengambil keputusan untuk mendiagnosis penyakit Diabetes Melitus. 4. KESIMPULAN Setelah melakukan implementasi dan pengujian aplikasi diagnosis penyakit Diabetes Melitus dapat ditarik kesimpulan yaitu peneliti dapat menerapkan metode Fuzzy Multi Criteria Decision Makingdalam pembuatan aplikasi diagnosa penyakit Diabetes Melitus yang dapat memberikan solusi dalam mendiagnosis penyakit Diabetes Melitus serta pada pengujian sistem menggunakan confusion matrix diperoleh hasil untuk Accuracy yaitu 100%, Sensitivity yaitu 100%, dan Specificity yaitu (tak terhingga). 5. SARAN Berdasarkan hasil penelitian, ada beberapa saran untuk pengembangan sistem lebih lanjut, diantaranya sebagai berikut : 1. Dalam penelitian selanjutnya diharapkan algoritma Fuzzy Multi Criteria Decision Making dapat dibandingkan dengan metode atau algoritma lain pada penelitian yang sama 2. Dalam penelitian selanjutnya diharapakan menggunakan data yang lebih banyak sehingga menghasilkan data yang lebih bervariasi. DAFTAR PUSTAKA [1] PERKENI, 2011, Pengelolan dan Pencegahan Diabetes Mellitus Tipe 2 di Indonesia,Perkumpulan Endkrinologi Indonesia. [2] Siregar, K.R., 2014, Diagnosa Penyakit Hepatitis Menggunakan Fuzzy Multi Criteria Decision Making, Skripsi, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, Medan. [3] Rika R. dan Retantyo W., 2011, Penerapan Fuzzy Multi Criteria Decision Making (FMCDM) Untuk Diagnosis Penyakit Tropis, Seminar Nasional Informatika UPN Veteran,Yogyakarta. Title of manuscript is short and clear, implies research results (First Author)

10 186 Aplikasi Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Fuzzy MCDM [4] Cahyo, S.W., 2008, Sistem Pendukung Keputusan Pemilihan Jenis Sakit Kepala dengan Menggunakan Metode Fuzzy MCDM, Skripsi, Jurusan Teknik Informatika Universitas Islam Indonesia, Yogyakarta. [5] Wu, J.T.,Wang, J.Q., Wang, J., Zang, H.Y., danchen, X.H., 2014, Hesitant Fuzzy Linguistic Multi Criteria Decision-Making Method Based on Generalized Prioritizied Aggregation Operator, The Scientific World Journal Vol. 2014, School of Business Central South University Changsha , China. [6] Zainir V, 2013, Penerapan Fuzzy Multi Criteria Decision Making Untuk Mendiagnosa Penyakit Kulit Pyoderma Dengan Metode Agregasi, Skripsi, Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Baru, Pekanbaru. [7] Turban, E., Joy E. A., Ting-Peng L., Negnevitsky, M. dan Setiawan S., 2005, Decision Support Systems and Intelligence System, Penerbit : Andi Offset, Yogyakarta. IJCCS Vol. x, No. x, July 201x : first_page end_page

BAB III METODE PENELITIAN. terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar

BAB III METODE PENELITIAN. terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar BAB III METODE PENELITIAN Bab III berisi tentang metode penelitian. Metode penelitian yang digunakan terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar aplikasi. A. Teknik

Lebih terperinci

Desain Model Fuzzy Gejala Penyakit Untuk Sistem Pakar Pendiagnosa Penyakit Anak

Desain Model Fuzzy Gejala Penyakit Untuk Sistem Pakar Pendiagnosa Penyakit Anak IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Desain Model Fuzzy Gejala Penyakit Untuk Sistem Pakar Pendiagnosa Penyakit Anak Natalia 1, Bella Halim 2, Gasim 3 1,2 STMIK GI MDP; Jl. Rajawali

Lebih terperinci

Kata kunci : Metode Logika Fuzzy Tsukamoto, Metode Bayes, Sistem Pakar, Diabetes Melitus, Backward Chaining

Kata kunci : Metode Logika Fuzzy Tsukamoto, Metode Bayes, Sistem Pakar, Diabetes Melitus, Backward Chaining semantik, Vol.2, No., Jan-Jun 26, pp. -2 ISSN: 246-446JCCS, V ANALISIS PERBANDINGAN METODE BAYES DAN METODE FUZZY TSUKAMOTO TERHADAP HASIL DIAGNOSIS PENYAKIT DIABETES MELITUS DALAM APLIKASI SISTEM PAKAR

Lebih terperinci

SISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM

SISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM Marganda Simarmata [1], Dahlan Abdullah [2] 1.Program Studi Teknik Informatika

Lebih terperinci

SISTEM PENUNJANG KEPUTUSAN PENANGANAN PRIORITAS KERUSAKAN JALAN DENGAN MEMBANDINGKAN METODE TOPSIS AHP

SISTEM PENUNJANG KEPUTUSAN PENANGANAN PRIORITAS KERUSAKAN JALAN DENGAN MEMBANDINGKAN METODE TOPSIS AHP semantik, Vol.1, No.1, Jan-Jun, pp. 33-42 ISSN: 2460-1446-1520 33 SISTEM PENUNJANG KEPUTUSAN PENANGANAN PRIORITAS KERUSAKAN JALAN DENGAN MEMBANDINGKAN METODE TOPSIS Retno Yuliawanti * 1, Statiswaty 2,

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN JUMLAH BERAS MISKIN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)

SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN JUMLAH BERAS MISKIN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW) semantik, Vol.2, No.1, Jan-Jun 2016, pp. 39-46 ISSN : 2502-8928 (Online) 39 SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN JUMLAH BERAS MISKIN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW) Dewi Angrawati* 1,

Lebih terperinci

Perbandingan Metode AHP-SAW Dengan FMCDM-SAW Pada Pemberian Pinjaman Modal Usaha Pertanian

Perbandingan Metode AHP-SAW Dengan FMCDM-SAW Pada Pemberian Pinjaman Modal Usaha Pertanian 625 Perbandingan Metode AHP-SAW Dengan FMCDM-SAW Pada Pemberian Pinjaman Modal Usaha Pertanian Biasty Handayani, Ruliah S. STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru efekbiass@gmail.com, twochandra@gmail.com

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BANTUAN LANGSUNG TUNAI (BLT) DENGAN METODE ANALYTICAL HIERARCHY PROCESS

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BANTUAN LANGSUNG TUNAI (BLT) DENGAN METODE ANALYTICAL HIERARCHY PROCESS semantik, Vol.2, No.1, Jan-Jun 2016, pp. 257-266 ISSN : 2502-8928 (Online) 257 SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BANTUAN LANGSUNG TUNAI (BLT) DENGAN METODE ANALYTICAL HIERARCHY PROCESS

Lebih terperinci

FUZZY MULTI-CRITERIA DECISION MAKING

FUZZY MULTI-CRITERIA DECISION MAKING Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas

Lebih terperinci

IMPLEMENTASI METODE CERTAINTY FACTOR UNTUK MENDETEKSI GANGGUAN PERKEMBANGAN ANAK BERBASIS MOBILE HANDPHONE

IMPLEMENTASI METODE CERTAINTY FACTOR UNTUK MENDETEKSI GANGGUAN PERKEMBANGAN ANAK BERBASIS MOBILE HANDPHONE IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 IMPLEMENTASI METODE CERTAINTY FACTOR UNTUK MENDETEKSI GANGGUAN PERKEMBANGAN ANAK BERBASIS MOBILE HANDPHONE Marganda Simarmata [1], Dahlan Abdullah

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Defenisi Sistem Pendukung Keputusan (Decision Support System)

BAB 2 LANDASAN TEORI. 2.1 Defenisi Sistem Pendukung Keputusan (Decision Support System) BAB 2 LANDASAN TEORI 2.1 Defenisi Sistem Pendukung Keputusan (Decision Support System) Pada dasarnya Sistem Pendukung Keputusan ini merupakan pengembangan lebih lanjut dari sistem informasi manajemen terkomputerisasi

Lebih terperinci

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK DIAGNOSIS PENYAKIT TROPIS

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK DIAGNOSIS PENYAKIT TROPIS PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK DIAGNOSIS PENYAKIT TROPIS Rika Rosnelly 1, Retantyo Wardoyo 2 STMIK Potensi Utama 1 Jl. KL. Yos Sudarso Km. 6,5 No. 3A Tj. Mulia Medan 1 rika@potensi-utama.ac.id

Lebih terperinci

SISTEM INFORMASI KEPEGAWAIAN FAKULTAS TEKNIK UNIVERSITAS HALU OLEO SUB-SISTEM UTILITY DAN PENGGAJIAN

SISTEM INFORMASI KEPEGAWAIAN FAKULTAS TEKNIK UNIVERSITAS HALU OLEO SUB-SISTEM UTILITY DAN PENGGAJIAN semantik, Vol.2, No.1, Jan-Jun 2016, pp. 187-194 ISSN : 2502-8928 (Online) 187 SISTEM INFORMASI KEPEGAWAIAN FAKULTAS TEKNIK UNIVERSITAS HALU OLEO SUB-SISTEM UTILITY DAN PENGGAJIAN Muhammad Ichwan Utari*

Lebih terperinci

P14 FMADM Dengan Pengembangan. A. Sidiq P.

P14 FMADM Dengan Pengembangan. A. Sidiq P. P14 FMADM Dengan Pengembangan A. Sidiq P. http://sidiq.mercubuana-yogya.ac.id Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta

Lebih terperinci

IMPROVE K-MEANS TERHADAP STATUS NILAI GIZI PADA BALITA

IMPROVE K-MEANS TERHADAP STATUS NILAI GIZI PADA BALITA semantik, Vol.3, No.1, Jan-Jun 2017, pp. 143-148 ISSN: 2502-8928 (Online) 143 IMPROVE K-MEANS TERHADAP STATUS NILAI GIZI PADA BALITA Puspita Sari* 1, Bambang Pramono 2, La Ode Hasnuddin S. Sagala 3 *1,2,3

Lebih terperinci

PERANGKAT LUNAK BANTU MENENTUKAN PILIHAN SEPEDA MOTOR BEKAS DI BEDAGAN DENGAN METODE FUZZY

PERANGKAT LUNAK BANTU MENENTUKAN PILIHAN SEPEDA MOTOR BEKAS DI BEDAGAN DENGAN METODE FUZZY IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 n1 PERANGKAT LUNAK BANTU MENENTUKAN PILIHAN SEPEDA MOTOR BEKAS DI BEDAGAN DENGAN METODE FUZZY TAHANI SOFTWARE OPTIONS HELP DETERMINE USED MOTORCYCLES

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESTISIDA PADA TANAMAN JAGUNG BISI 2 MENGGUNAKAN METODE CBR

SISTEM 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 terperinci

JURNAL EMPLOYEE ASSESSMENT DECISION SUPPORT SYSTEM USING FUZZY BEST MULTI CRITERIA DECISION MAKING (FMCDM) CASE STUDY CUSTOM CAPS KEDIRI

JURNAL EMPLOYEE ASSESSMENT DECISION SUPPORT SYSTEM USING FUZZY BEST MULTI CRITERIA DECISION MAKING (FMCDM) CASE STUDY CUSTOM CAPS KEDIRI JURNAL SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KARYAWAN TERBAIK MENGGUNAKAN METODE FUZZY MULTY CRITERIA DECISION MAKING (FMCDM) STUDI KASUS TOPI CUSTOM KEDIRI EMPLOYEE ASSESSMENT DECISION SUPPORT SYSTEM USING

Lebih terperinci

Jurusan Sistem Informasi, STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara 1. Mahasiswa STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara 2,3,4

Jurusan Sistem Informasi, STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara 1. Mahasiswa STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara 2,3,4 IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Sistem Pendukung Keputusan Dengan Menggunakan Metode Electre Dalam Merekomendasikan Dosen Berprestasi Bidang Ilmu Komputer (Study Kasus di AMIK

Lebih terperinci

SPK PEMBERIAN BONUS TAHUNAN KARYAWAN PT. TAMBORA MANDIRI CABANG PALEMBANG DENGAN METODE SAW

SPK PEMBERIAN BONUS TAHUNAN KARYAWAN PT. TAMBORA MANDIRI CABANG PALEMBANG DENGAN METODE SAW IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 1 SPK PEMBERIAN BONUS TAHUNAN KARYAWAN PT. TAMBORA MANDIRI CABANG PALEMBANG DENGAN METODE SAW 1 Triyana Widya Ningrum, 2Sherly Valentina, 3Dafid STMIK MDP; Jalan Rajawali

Lebih terperinci

Penentuan Lokasi Usaha Percetakan Menggunakan Metode FMCDM

Penentuan Lokasi Usaha Percetakan Menggunakan Metode FMCDM ISSN: 0216-3284 1337 Penentuan Lokasi Usaha Percetakan Menggunakan Metode FMCDM Haryadi Fauzan, Hugo Aprilianto Program Studi Teknik Informatika, STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru, Telp.(0511)

Lebih terperinci

IMPLEMENTASI METODE FUZZY C-MEANS PADA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MUSTAHIK DI BAZNAS KENDARI

IMPLEMENTASI METODE FUZZY C-MEANS PADA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MUSTAHIK DI BAZNAS KENDARI semantik, Vol.2, No.1, Jan-Jun 2016, pp. 155-168 ISSN : 2502-8928 (Online) 155 IMPLEMENTASI METODE FUZZY C-MEANS PADA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MUSTAHIK DI BAZNAS KENDARI Restin Welinda* 1,

Lebih terperinci

SISTEM PENILAIAN KINERJA KARYAWAN DENGAN METODE FUZZY MULTICRITERIA DECISION MAKING (Studi Kasus : PT. PANCA ARNYS)

SISTEM PENILAIAN KINERJA KARYAWAN DENGAN METODE FUZZY MULTICRITERIA DECISION MAKING (Studi Kasus : PT. PANCA ARNYS) SISTEM PENILAIAN KINERJA KARYAWAN DENGAN METODE FUZZY MULTICRITERIA DECISION MAKING (Studi Kasus : PT. PANCA ARNYS) Muslim Alamsyah Program Studi Teknik Informatika Fakultas Teknik Universitas Yudharta

Lebih terperinci

SISTEM PAKAR DETEKSI DINI PENYALAHGUNAAN NARKOBA MENGGUNAKAN TEOREMA BAYES EXPERT SYSTEM FOR EARLY DETECTION OF DRUGS ABUSE USING BAYES THEOREM

SISTEM PAKAR DETEKSI DINI PENYALAHGUNAAN NARKOBA MENGGUNAKAN TEOREMA BAYES EXPERT SYSTEM FOR EARLY DETECTION OF DRUGS ABUSE USING BAYES THEOREM IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 198-1520 1 SISTEM PAKAR DETEKSI DINI PENYALAHGUNAAN NARKOBA MENGGUNAKAN TEOREMA BAYES EXPERT SYSTEM FOR EARLY DETECTION OF DRUGS ABUSE USING BAYES THEOREM Cicih

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Keputusan merupakan kegiatan memilih suatu strategi atau tindakan dalam pemecahan suatu masalah. Dalam kehidupan sehari-hari manusia selalu dihadapkan pada permasalahan

Lebih terperinci

Optimalisasi Pemilihan Jalur Peminatan Mahasiswa Dengan Menggunakan Metode Multi Inferensi

Optimalisasi Pemilihan Jalur Peminatan Mahasiswa Dengan Menggunakan Metode Multi Inferensi Jurnal VOI STMIK Tasikmalaya Vol.5, No.1-67 Optimalisasi Pemilihan Jalur Peminatan Mahasiswa Dengan Menggunakan Metode Multi Inferensi Optimization Of Students Specialisation Lines By Using Multi Inference

Lebih terperinci

SISTEM DIAGNOSA PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE CEERTAINTY FACTOR

SISTEM DIAGNOSA PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE CEERTAINTY FACTOR SISTEM DIAGNOSA PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE CEERTAINTY FACTOR Budi Cahyo Saputro (1) Rosa Delima (2) Joko Purwadi (3) blacs_mamba@yahoo.com rosa@ukdw.ac.id jokop@ukdw.ac.id Abstraksi

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN PADA PT. SULTRA INTI RODA PERKASA MENGGUNAKAN METODE WEIGHTED PRODUCT

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN PADA PT. SULTRA INTI RODA PERKASA MENGGUNAKAN METODE WEIGHTED PRODUCT semantik, Vol.2, No., Jan-Jun 20, pp. 29-0 ISSN : 202-8928 (Online) 29 SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN PADA PT. SULTRA INTI RODA PERKASA MENGGUNAKAN METODE WEIGHTED PRODUCT (WP) DAN SIMPLE

Lebih terperinci

IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL

IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL INFOKAM Nomor II/Th. X/September/14 23 IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL SUMARDI (Dosen Amik JTC Semarang) ABSTRAK

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARWAYAN MENGGUNAKAN METODE MULTIFACTOR EVALUATION PROCESS PADA PT. KONSUIL WILAYAH SULAWESI TENGGARA

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARWAYAN MENGGUNAKAN METODE MULTIFACTOR EVALUATION PROCESS PADA PT. KONSUIL WILAYAH SULAWESI TENGGARA semantik, Vol.2, No.1, Jan-Jun 2016, pp. 341-348 ISSN : 2502-8928 (Online) 341 SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARWAYAN MENGGUNAKAN METODE MULTIFACTOR EVALUATION PROCESS PADA PT. KONSUIL WILAYAH

Lebih terperinci

Rancang Bangun Sistem Pembuatan Surat Keputusan dan Sertifikat di STMIK GI MDP

Rancang Bangun Sistem Pembuatan Surat Keputusan dan Sertifikat di STMIK GI MDP IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Rancang Bangun Sistem Pembuatan Surat Keputusan dan Sertifikat di STMIK GI MDP Pringka Arwanda Sirwandi, Fransiska PS., S.SI., M.T.I., Mulyati, SE,

Lebih terperinci

PENGGUNAAN METODE FUZZY MULTI ATTRIBUTE DECISION MAKING DALAM PENDUKUNG KEPUTUSAN MEMILIH PROGRAM STUDI

PENGGUNAAN METODE FUZZY MULTI ATTRIBUTE DECISION MAKING DALAM PENDUKUNG KEPUTUSAN MEMILIH PROGRAM STUDI PENGGUNAAN METODE FUZZY MULTI ATTRIBUTE DECISION MAKING DALAM PENDUKUNG KEPUTUSAN MEMILIH PROGRAM STUDI Hetty Rohayani. Ah, ST, M.Eng Teknik Informatika, STIKOM Dinamika Bangsa Jln. Jendral Sudirman, The

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2. 1. Fuzzy Logic Fuzzy logic pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia

Lebih terperinci

SIMPEG FAKULTAS TEKNIK UNIVERSITAS HALU OLEO SUB-SISTEM KEPEGAWAIAN DAN RIWAYAT JABATAN

SIMPEG FAKULTAS TEKNIK UNIVERSITAS HALU OLEO SUB-SISTEM KEPEGAWAIAN DAN RIWAYAT JABATAN semantik, Vol.2, No.1, Jan-Jun 2016, pp. 211-220 ISSN : 2502-8928 (Online) 211 SIMPEG FAKULTAS TEKNIK UNIVERSITAS HALU OLEO SUB-SISTEM KEPEGAWAIAN DAN RIWAYAT JABATAN Harley Sebastian S Mangiri* 1, Ika

Lebih terperinci

SISTEM INFORMASI PENGELOLAAN ODI (ORPHAN DETAIL INFORMATION) BERBASIS CLIENT SERVER DI KANTOR BAITULMAAL MUAMALAT

SISTEM INFORMASI PENGELOLAAN ODI (ORPHAN DETAIL INFORMATION) BERBASIS CLIENT SERVER DI KANTOR BAITULMAAL MUAMALAT IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM INFORMASI PENGELOLAAN ODI (ORPHAN DETAIL INFORMATION) BERBASIS CLIENT SERVER DI KANTOR BAITULMAAL MUAMALAT Dahlan Abdullah Program Studi Teknik

Lebih terperinci

PANDUAN PENCARIAN RUTE GEDUNG DAN RUANGAN PADA FAKULTAS DI UNIVERSITAS HALU OLEO MENGGUNAKAN ALGORITMA DIJKSTRA BERBASIS MACROMEDIA FLASH

PANDUAN PENCARIAN RUTE GEDUNG DAN RUANGAN PADA FAKULTAS DI UNIVERSITAS HALU OLEO MENGGUNAKAN ALGORITMA DIJKSTRA BERBASIS MACROMEDIA FLASH semantik, Vol.1, No.2, Jul-Des 2015, pp. 45-56 ISSN: 2460-1446Ily pp. 1~5 45 PANDUAN PENCARIAN RUTE GEDUNG DAN RUANGAN PADA FAKULTAS DI UNIVERSITAS HALU OLEO MENGGUNAKAN ALGORITMA DIJKSTRA BERBASIS MACROMEDIA

Lebih terperinci

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PERFORMANCE SEKOLAH DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING (MCDM) SKRIPSI

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PERFORMANCE SEKOLAH DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING (MCDM) SKRIPSI PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PERFORMANCE SEKOLAH DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING (MCDM) SKRIPSI REZA FERIANSYAH 071401023 PROGRAM STUDI S1 ILMU KOMPUTER

Lebih terperinci

PENERAPAN METODE EXPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN DALAM PENENTUAN KUANTITAS PRODUKSI ROTI (STUDI KASUS PERUSAHAAN ROTI DHIBA KENDARI)

PENERAPAN METODE EXPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN DALAM PENENTUAN KUANTITAS PRODUKSI ROTI (STUDI KASUS PERUSAHAAN ROTI DHIBA KENDARI) semantik, Vol.2, No.1, Jan-Jun 2016, pp. 229-236 ISSN : 2502-8928 (Online) 229 PENERAPAN METODE EXPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN DALAM PENENTUAN KUANTITAS PRODUKSI ROTI (STUDI KASUS PERUSAHAAN

Lebih terperinci

PENERAPAN ALGORITMA DIJKSTRA DAN FUZZY LOGIC SUGENO PADA GAME ZOMBIE SHOOTER

PENERAPAN ALGORITMA DIJKSTRA DAN FUZZY LOGIC SUGENO PADA GAME ZOMBIE SHOOTER IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN ALGORITMA DIJKSTRA DAN FUZZY LOGIC SUGENO PADA GAME ZOMBIE SHOOTER Andryano Pratama 1, Fadli Delta Rizky 2, Daniel Udjulawa 3 3 STMIK GI

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Sistem pendukung keputusan (SPK) Konsep sistem pendukung keputusan atau decision support system (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton

Lebih terperinci

Implementasi Metode Forward Chaining untuk Mendiagnosa PenyebabPenyakit Tanaman Singkong

Implementasi Metode Forward Chaining untuk Mendiagnosa PenyebabPenyakit Tanaman Singkong EnJOI, Vol.1, No.1, Januari 2016, pp. 22~28 ISSN: 2502-2237 22 Implementasi Metode Forward Chaining untuk Mendiagnosa PenyebabPenyakit Tanaman Singkong Iluh Dewi Sari *1, Ade Irna 2, Andi Tenri Sumpala

Lebih terperinci

Analisis Sistem Pendukung Keputusan Dalam Memilih Program Studi Menggunakan Metode Logika Fuzzy

Analisis Sistem Pendukung Keputusan Dalam Memilih Program Studi Menggunakan Metode Logika Fuzzy Analisis Sistem Pendukung Keputusan Dalam Memilih Program Studi Menggunakan Metode Logika Fuzzy Hetty Rohayani Teknik Informatika, STIKOM Dinamika Bangsa Jambi Email : hetty_mna@yahoo.com Abstract STIKOM

Lebih terperinci

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN SISWA/I SMA SWASTA BINAGUNA TANAH JAWA DENGAN METODE NAIVE BAYES

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN SISWA/I SMA SWASTA BINAGUNA TANAH JAWA DENGAN METODE NAIVE BAYES IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN SISWA/I SMA SWASTA BINAGUNA TANAH JAWA DENGAN METODE NAIVE BAYES Victor Marudut Mulia Siregar

Lebih terperinci

Implementasi Metode Dempster Shafer Pada Sistem Pakar Untuk Diagnosa Jenis-jenis Penyakit Diabetes Melitus

Implementasi Metode Dempster Shafer Pada Sistem Pakar Untuk Diagnosa Jenis-jenis Penyakit Diabetes Melitus Implementasi Metode Dempster Shafer Pada Sistem Pakar Untuk Diagnosa Jenis-jenis Penyakit Diabetes Melitus Dewi Pratama Kurniawati Jurusan Teknik Informatika. Fakultas Ilmu Komputer Universitas Dian Nuswantoro,

Lebih terperinci

Sistem Pendukung Keputusan untuk Pemilihan Rektor Universitas Lancang Kuning

Sistem Pendukung Keputusan untuk Pemilihan Rektor Universitas Lancang Kuning Zamzami, Sistem Pendukung Keputusan untuk Pemilihan Rektor Universitas Lancang Kuning n 55 Sistem Pendukung Keputusan untuk Pemilihan Rektor Universitas Lancang Kuning Zamzami 1, Elvira Asril 2, Fajrizal

Lebih terperinci

Perancangan Sistem Informasi Manajemen Pemasangan Dan Pembayaran Iklan Pada Sumeks Cindo

Perancangan Sistem Informasi Manajemen Pemasangan Dan Pembayaran Iklan Pada Sumeks Cindo IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Perancangan Sistem Informasi Manajemen Pemasangan Dan Pembayaran Iklan Pada Sumeks Cindo Erika Mutiara Dewi 1, Wella Oktarina 2, Mulyati 3, Desi

Lebih terperinci

SISTEM PENUNJANG KEPUTUSAN PENENTUAN LOKASI TERBAIK TEMPAT PEMBUANGAN SAMPAH SEMENTAR MENGGUNAKAN METODE BROWN GIBSON

SISTEM PENUNJANG KEPUTUSAN PENENTUAN LOKASI TERBAIK TEMPAT PEMBUANGAN SAMPAH SEMENTAR MENGGUNAKAN METODE BROWN GIBSON semantik, Vol., No., Jul-Des 06, pp. 5- ISSN: 50-898 (Online) 5 SISTEM PENUNJANG KEPUTUSAN PENENTUAN LOKASI TERBAIK TEMPAT PEMBUANGAN SAMPAH SEMENTAR MENGGUNAKAN METODE BROWN GIBSON Riska Ayu Pratiwi *,

Lebih terperinci

P13 Fuzzy MCDM. A. Sidiq P.

P13 Fuzzy MCDM. A. Sidiq P. P13 Fuzzy MCDM A. Sidiq P. http://sidiq.mercubuana-yogya.ac.id Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta Tujuan Mahasiswa

Lebih terperinci

MEMBANGUN APLIKASI GAME DUA SATU (21) BERBASIS ANDROID MENGGUNAKAN METODE DEPTH FIRST SEARCH

MEMBANGUN APLIKASI GAME DUA SATU (21) BERBASIS ANDROID MENGGUNAKAN METODE DEPTH FIRST SEARCH semantik, Vol.1, No.2, Jul-Des 2015, pp. 63-68 ISSN: 2460-1446Ilx, pp. 1~5 63 MEMBANGUN APLIKASI GAME DUA SATU (21) BERBASIS ANDROID MENGGUNAKAN METODE DEPTH FIRST SEARCH Muhammad Fajar M * 1, Ika Purwanti

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBIMBING TUGAS AKHIR MENGGUNAKAN METODE WEIGHTED PRODUCT (WP)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBIMBING TUGAS AKHIR MENGGUNAKAN METODE WEIGHTED PRODUCT (WP) semantik, Vol.2, No.1, Jan-Jun 2016, pp. 247-256 ISSN : 2502-8928 (Online) 247 SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBIMBING TUGAS AKHIR MENGGUNAKAN METODE WEIGHTED PRODUCT (WP) Firayati* 1, Muh. Ihsan

Lebih terperinci

SISTEM PENDETEKSI JUMLAH MOBIL DALAM INTELLIGENT TRANSPORT SYSTEM (ITS) MENGGUNAKAN METODE VIOLA-JONES

SISTEM PENDETEKSI JUMLAH MOBIL DALAM INTELLIGENT TRANSPORT SYSTEM (ITS) MENGGUNAKAN METODE VIOLA-JONES semantik, Vol.2, No.1, Jan-Jun 2016, pp. 13-22 ISSN: 2502-8928 (Online) 13 SISTEM PENDETEKSI JUMLAH MOBIL DALAM INTELLIGENT TRANSPORT SYSTEM (ITS) MENGGUNAKAN METODE VIOLA-JONES Irmaya Citra Harwendhani*

Lebih terperinci

Oleh : Tutut Maitanti*, Ema Utami**, Emha Taufiq Luthfi**

Oleh : Tutut Maitanti*, Ema Utami**, Emha Taufiq Luthfi** PENERAPAN TOPSIS FUZZY MADM DALAM MEMBANGUN SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN BEASISWA Oleh : Tutut Maitanti*, Ema Utami**, Emha Taufiq Luthfi** STMIK AMIKOM YOGYAKARTA ABSTRAK Penelitian ini

Lebih terperinci

DAFTAR ISI BAB I PENDAHULUAN

DAFTAR ISI BAB I PENDAHULUAN DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pernyataan Keaslian Tugas Akhir... iii Lembar Pengesahan Penguji... iv Halaman Persembahan... v Motto... vi Kata Pengantar... vii

Lebih terperinci

IMPLEMENTASI ANALYTICAL NETWORK PROCESS (ANP) DALAM SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN

IMPLEMENTASI ANALYTICAL NETWORK PROCESS (ANP) DALAM SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN semantik, Vol., No., Jul-Des 016, pp. 15-4 ISSN: 50-898 (Online) 15 IMPLEMENTASI ANALYTICAL NETWORK PROCESS (ANP) DALAM SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN Lirna Frischa Dwi Putri 1, Statiswaty,

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARYAWAN DENGAN METODE SAW PADA PT DOK & PERKAPALAN KODJA BAHARI (PERSERO)

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARYAWAN DENGAN METODE SAW PADA PT DOK & PERKAPALAN KODJA BAHARI (PERSERO) IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARYAWAN DENGAN METODE SAW PADA PT DOK & PERKAPALAN KODJA BAHARI (PERSERO) PeiterBudiman 1,Suwirno Mawlan

Lebih terperinci

PENENTUAN TINGKAT RESIKO PENYAKIT DIABETES MELLITUS DENGAN METODE SUGENO DI RSUD UNDATA PROVINSI SULAWESI TENGAH

PENENTUAN TINGKAT RESIKO PENYAKIT DIABETES MELLITUS DENGAN METODE SUGENO DI RSUD UNDATA PROVINSI SULAWESI TENGAH JIMT Vol. 9 No. 1 Juni 2012 (Hal. 65-74) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X PENENTUAN TINGKAT RESIKO PENYAKIT DIABETES MELLITUS DENGAN METODE SUGENO DI RSUD UNDATA PROVINSI SULAWESI

Lebih terperinci

SPK PEMBERIAN KREDIT MENGGUNAKAN METODE WP (WEIGHTED PRODUCT) PADA BMT MU AMALAH SEJAHTERA KENDARI

SPK PEMBERIAN KREDIT MENGGUNAKAN METODE WP (WEIGHTED PRODUCT) PADA BMT MU AMALAH SEJAHTERA KENDARI semantik, Vol.3, No.1, Jan-Jun 2017, pp. 173-180 ISSN: 202-8928 (Online) 173IJCCS, SPK PEMBERIAN KREDIT MENGGUNAKAN METODE WP (WEIGHTED PRODUCT) PADA BMT MU AMALAH SEJAHTERA KENDARI Abdul Jalil* 1, Ika

Lebih terperinci

Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa)

Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) Agus Perdana Windarto* 1, Dedy Hartama

Lebih terperinci

SISTEM PENENTU MENU HARIAN PASIEN PENYAKIT ASAM URAT

SISTEM PENENTU MENU HARIAN PASIEN PENYAKIT ASAM URAT semantik, Vol.3, No.1, Jan-Jun 2017, pp. 39-46 ISSN : 2502-8928 (Online) 39 SISTEM PENENTU MENU HARIAN PASIEN PENYAKIT ASAM URAT Hadi Ibrahim Tri Saputra *1, Bambang Pramono 2, Isnawaty 3 *1,2,3 Jurusan

Lebih terperinci

PEMERINGKATAN PENERIMA BEASISWA BANTUAN BELAJAR MAHASISWA DI FAKULTAS MIPA UNS MENGGUNAKAN FUZZY SIMPLE ADDITIVE WEIGHTING

PEMERINGKATAN PENERIMA BEASISWA BANTUAN BELAJAR MAHASISWA DI FAKULTAS MIPA UNS MENGGUNAKAN FUZZY SIMPLE ADDITIVE WEIGHTING PEMERINGKATAN PENERIMA BEASISWA BANTUAN BELAJAR MAHASISWA DI FAKULTAS MIPA UNS MENGGUNAKAN FUZZY SIMPLE ADDITIVE WEIGHTING Oleh NUR INDAH NIM. M0109055 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian

Lebih terperinci

PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK DENGAN METODE PROFILE MATCHING DI PT SUARA MERDEKA

PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK DENGAN METODE PROFILE MATCHING DI PT SUARA MERDEKA IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK DENGAN METODE PROFILE MATCHING DI PT SUARA MERDEKA DEVELOPMENT OF DECISION SUPPORT

Lebih terperinci

PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN NASABAH YANG BERPOTENSI MEMBUKA SIMPANAN DEPOSITO DENGAN FUZZY MCDM

PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN NASABAH YANG BERPOTENSI MEMBUKA SIMPANAN DEPOSITO DENGAN FUZZY MCDM 1 PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN NASABAH YANG BERPOTENSI MEMBUKA SIMPANAN DEPOSITO DENGAN FUZZY MCDM Meirisa Sarastri Fakultas Teknik Informatika, Universitas Dian Nuswantoro

Lebih terperinci

PEMILIHAN LOKASI BARU BTS TELKOMSEL CABANG KOTA KENDARI MENGGUNAKAN METODE SAW DAN TOPSIS BERBASIS WEB GIS

PEMILIHAN LOKASI BARU BTS TELKOMSEL CABANG KOTA KENDARI MENGGUNAKAN METODE SAW DAN TOPSIS BERBASIS WEB GIS semantik, Vol.3, No.1, Jan-Jun 2017, pp. 47-54 ISSN : 2502-8928 (Online) 47 PEMILIHAN LOKASI BARU BTS TELKOMSEL CABANG KOTA KENDARI MENGGUNAKAN METODE SAW DAN TOPSIS BERBASIS WEB GIS Muhammad Abdillah

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan

BAB 2 TINJAUAN PUSTAKA Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan 22 BAB 2 TINJAUAN PUSTAKA 2.1. Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan 2.1.1. Definisi Sistem Sistem adalah kumpulan objek seperti orang, sumber daya, konsep dan prosedur yang dimaksudkan

Lebih terperinci

SISTEM PAKAR MENENTUKAN JENIS PENYAKIT BURUNG KENARI MENGGUNAKAN FORWARD CHAINING

SISTEM PAKAR MENENTUKAN JENIS PENYAKIT BURUNG KENARI MENGGUNAKAN FORWARD CHAINING IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISEM PAKAR MENENUKAN JENIS PENAKI BURUNG KENARI MENGGUNAKAN FORWARD CHAINING EXPER SSEM O DEERMINE DISEASE PE ON CANAR USING FORWARD CHAINING Fuad

Lebih terperinci

Aplikasi Rekomendasi Pemilihan Gitar Akustik dengan Metode TOPSIS

Aplikasi Rekomendasi Pemilihan Gitar Akustik dengan Metode TOPSIS IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 19781520 Aplikasi Rekomendasi Pemilihan Gitar Akustik dengan Metode TOPSIS Septya Maharani 1, Biyondi Kurniawan 2, Dyna Marisa Khairin 3 Universitas Mulawarman,

Lebih terperinci

BAB I PENDAHULUAN. Setiap manusia pernah mengalami sakit. Penyakit yang diderita oleh setiap

BAB I PENDAHULUAN. Setiap manusia pernah mengalami sakit. Penyakit yang diderita oleh setiap BAB I PENDAHULUAN A. Latar Belakang Setiap manusia pernah mengalami sakit. Penyakit yang diderita oleh setiap makhluk berbeda satu dan yang lainnya. Sakit merupakan suatu keadaan dimana tubuh tidak berada

Lebih terperinci

SISTEM PENUNJANG KEPUTUSAN PEMILIHAN HOTEL DI KOTA KENDARI MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB

SISTEM PENUNJANG KEPUTUSAN PEMILIHAN HOTEL DI KOTA KENDARI MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB semantik, Vol.2, No.1, Jan-Jun 2016, pp. 331-340 ISSN : 2502-8928 (Online) 331 SISTEM PENUNJANG KEPUTUSAN PEMILIHAN HOTEL DI KOTA KENDARI MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB Arisandi *1, Muh.

Lebih terperinci

Sistem Informasi Geografis Kecamatan Ilir Barat II Berbasis Mobile

Sistem Informasi Geografis Kecamatan Ilir Barat II Berbasis Mobile IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Sistem Informasi Geografis Kecamatan Ilir Barat II Berbasis Mobile Ahmad Padhli 1, Dedy Hermanto 2 1,2 STMIK GI MDP; Jalan Rajawali 14, Palembang,

Lebih terperinci

3. Fungsi Keanggotaan Himpunan Fuzzy Operator Operator Fuzzy Logika Fuzzy D. Sistem Pendukung Keputusan

3. Fungsi Keanggotaan Himpunan Fuzzy Operator Operator Fuzzy Logika Fuzzy D. Sistem Pendukung Keputusan DAFTAR ISI HALAMAN JUDUL... i PERSETUJUAN... ii PENGESAHAN... iii PERNYATAAN... iv MOTTO... v HALAMAN PERSEMBAHAN... vi ABSTRAK... vii KATA PENGANTAR... viii DAFTAR ISI... x DAFTAR TABEL... xiii DAFTAR

Lebih terperinci

PENERAPAN METODE FUZZY SAW UNTUK PENYELEKSIAN BEASISWA BIDIKMISI (STUDI KASUS : UNIVERSITAS POTENSI UTAMA)

PENERAPAN METODE FUZZY SAW UNTUK PENYELEKSIAN BEASISWA BIDIKMISI (STUDI KASUS : UNIVERSITAS POTENSI UTAMA) PENERAPAN METODE FUZZY SAW UNTUK PENYELEKSIAN BEASISWA BIDIKMISI (STUDI KASUS : UNIVERSITAS POTENSI UTAMA) Wiwi Verina, Rofiqoh Dewi Teknik InformatikaUniversitas Potensi Utama Jl. K.L. Yos Sudarso Km

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Keunggulan manusia dibandingkan dengan makhluk lainnya terletak pada kecerdasannya, dengan kecerdasannya ini manusia dapat menguasai ilmu pengetahuan dan teknologi.

Lebih terperinci

DAFTAR ISI HALAMAN PERNYATAAN KEASLIAN HASIL TUGAS AKHIR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR. BAB I PENDAHULUAN j 1.

DAFTAR ISI HALAMAN PERNYATAAN KEASLIAN HASIL TUGAS AKHIR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR. BAB I PENDAHULUAN j 1. DAFTAR ISI HALAMANJUDUI LEMBAR PENGESAHAN DOSEN PEMBIMBING. LEMBAR PENGESAFIAN DOSEN PENGUJI HALAMAN PERSEMBAHAN HALAMAN MOTTO HALAMAN PERNYATAAN KEASLIAN HASIL TUGAS AKHIR KATAPENGANTAR SAR1 TAKARIR ii

Lebih terperinci

IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PADA SUPPLIER FURNITURE MENGGUNAKAN MODEL PROMETHEE ABSTRAK

IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PADA SUPPLIER FURNITURE MENGGUNAKAN MODEL PROMETHEE ABSTRAK IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PADA SUPPLIER FURNITURE MENGGUNAKAN MODEL PROMETHEE Alexander Setiawan, Agustinus Noertjahyana, Willy Saputra Jurusan Teknik Informatika, Fakultas Teknologi Industri

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN CUTI PEGAWAI MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN CUTI PEGAWAI MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION SISTEM PENDUKUNG KEPUTUSAN PENENTUAN CUTI PEGAWAI MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) (STUDI KASUS DI KANTOR PELAYANAN PERBENDAHARAAN NEGARA YOGYAKARTA)

Lebih terperinci

Implementasi FMCDM Sebagai Alternatif Penentuan Dalam Pemilihan Lokasi Perumahan

Implementasi FMCDM Sebagai Alternatif Penentuan Dalam Pemilihan Lokasi Perumahan Implementasi FMCDM Sebagai Alternatif Penentuan Dalam Pemilihan Lokasi Perumahan Yeffiansjah Salim Sekolah Tinggi Manajemen dan Informatika (STMIK) Indonesia Banjarmasin Jl. Pangeran Hidayatullah Banua

Lebih terperinci

MODEL FUZZY MADM METODE AHP SEBAGAI MEDIA MENENTUKAN JENIS SAKIT KEPALA BERDASARKAN GEJALANYA

MODEL FUZZY MADM METODE AHP SEBAGAI MEDIA MENENTUKAN JENIS SAKIT KEPALA BERDASARKAN GEJALANYA MODEL FUZZY MADM METODE AHP SEBAGAI MEDIA MENENTUKAN JENIS SAKIT KEPALA BERDASARKAN GEJALANYA Suhendi Saputra Jurusan Sistem Informasi STMIK Pringsewu Lampung Jl. Wisma Rini No. 09 pringsewu Lampung website:

Lebih terperinci

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA DENGAN FUZZY MULTICRITERIA DECISION MAKING (STUDI KASUS : SMA NEGERI 2 DENPASAR)

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA DENGAN FUZZY MULTICRITERIA DECISION MAKING (STUDI KASUS : SMA NEGERI 2 DENPASAR) PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA DENGAN FUZZY MULTICRITERIA DECISION MAKING (STUDI KASUS : SMA NEGERI 2 DENPASAR) Ni Komang Sri Julyantari Sistem Komputer, STMIK STIKOM BALI Jl

Lebih terperinci

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN PRODUK LAPTOP MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING.

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN PRODUK LAPTOP MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING. PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN PRODUK LAPTOP MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING Naskah Publikasi diajukan oleh Dadang Setiawan 08.11.2540 kepada JURUSAN TEKNIK

Lebih terperinci

PENERAPAN METODE WEIGHTED PRODUCT DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LAPTOP BERBASIS WEB

PENERAPAN METODE WEIGHTED PRODUCT DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LAPTOP BERBASIS WEB semantik, Vol.2, No.1, Jan-Jun 2016, pp. 169-176 ISSN : 2502-8928 (Online) 169 PENERAPAN METODE WEIGHTED PRODUCT DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LAPTOP BERBASIS WEB Nur Arifah Syafitri * 1,

Lebih terperinci

ANALISIS SISTEM PENDUKUNG KEPUTUSAN DALAM MEMILIH PROGRAM STUDI MENGGUNAKAN METODE LOGIKA FUZZY

ANALISIS SISTEM PENDUKUNG KEPUTUSAN DALAM MEMILIH PROGRAM STUDI MENGGUNAKAN METODE LOGIKA FUZZY KNTI 0 NLISIS SISTEM PENDUKUNG KEPUTUSN DLM MEMILIH PROGRM STUDI MENGGUNKN METODE LOGIK FUZZY HETTY ROHYNI. H, STIKOM Dinamika Bangsa bstrak STIKOM Dinamika Bangsa Jambi merupakan Perguruan Tinggi yang

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Descriptive Research Penelitian deskriptif adalah metode penelitian yang digunakan untuk menmukan pengetahuan yang seluas-luasnya terhadap objek penelitian pada suatu masa

Lebih terperinci

PERBANDINGAN METODE PROFILE MATCHING DAN SIMPLE ADDITIVE WEIGHTING PADA PENENTUAN JURUSAN SISWA KELAS X SMA N 2 NGAGLIK

PERBANDINGAN METODE PROFILE MATCHING DAN SIMPLE ADDITIVE WEIGHTING PADA PENENTUAN JURUSAN SISWA KELAS X SMA N 2 NGAGLIK Jurnal Ilmiah DASI Vol. 1 No. 1 Maret 2015, hlm 1-22 ISSN: 1411-3201 PERBANDINGAN METODE PROFILE MATCHING DAN SIMPLE ADDITIVE WEIGHTING PADA PENENTUAN JURUSAN SISWA KELAS X SMA N 2 NGAGLIK Bety Wulan Sari

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DENGAN METODE FUZZY MADM

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DENGAN METODE FUZZY MADM echno.om, Vol. 13, No. 2, Mei 2014: 99-107 SISEM PENDUKUNG KEPUUSAN PENERIMAAN PEGAWAI DENGAN MEODE FUZZY MADM Denni Aldi Ramadhani 1, Setia Astuti 2 1,2 Program Studi eknik Informatika, Fakultas Ilmu

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Sistem Pendukung Keputusan (SPK) 2.1.1 Konsep Sistem Pendukung Keputusan Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Systems (DSS) pertama kali diperkenalkan

Lebih terperinci

BAB I PENDAHULUAN. Lulusan kedokteran gigi di tuntut untuk menyelesaikan pasien dengan

BAB I PENDAHULUAN. Lulusan kedokteran gigi di tuntut untuk menyelesaikan pasien dengan BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Lulusan kedokteran gigi di tuntut untuk menyelesaikan pasien dengan berbagai macam penyakit mulut, jaringan keras gigi dan jaringan lunak mulut. Kelainan jaringan

Lebih terperinci

PENALARAN BERBASIS KASUS UNTUK DIAGNOSA PENYAKIT BUSUK BUAH PADA TANAMAN KAKAO DENGAN MENGGUNAKAN ALGORITMA BAYESIAN

PENALARAN BERBASIS KASUS UNTUK DIAGNOSA PENYAKIT BUSUK BUAH PADA TANAMAN KAKAO DENGAN MENGGUNAKAN ALGORITMA BAYESIAN PENALARAN BERBASIS KASUS UNTUK DIAGNOSA PENYAKIT BUSUK BUAH PADA TANAMAN KAKAO DENGAN MENGGUNAKAN ALGORITMA BAYESIAN Achmad Lukman Teknik Komputer, STMIK EL RAHMA Yogyakarta e-mail: mecaman@gmail.com,

Lebih terperinci

SISTEM INFORMASI AKADEMIK SUB-SISTEM : UTILITY DAN EPSBED (STUDI KASUS : FAKULTAS TEKNIK UNIVERSITAS HALU OLEO)

SISTEM INFORMASI AKADEMIK SUB-SISTEM : UTILITY DAN EPSBED (STUDI KASUS : FAKULTAS TEKNIK UNIVERSITAS HALU OLEO) semantik, Vol.2, No.1, Jan-Jun 2016, pp. 221-228 ISSN : 2502-8928 (Online) 221 SISTEM INFORMASI AKADEMIK SUB-SISTEM : UTILITY DAN EPSBED (STUDI KASUS : FAKULTAS TEKNIK UNIVERSITAS HALU OLEO) Christine

Lebih terperinci

Rita Hamdani. STMIK Pelita Nusantara Medan Jalan Iskandar Muda No.1, Merdeka, Medan Baru, Sumatera Utara

Rita Hamdani. STMIK Pelita Nusantara Medan Jalan Iskandar Muda No.1, Merdeka, Medan Baru, Sumatera Utara PENERAPAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTIONDAN SIMPLE ADDITIVE WEIGHTING DALAM PEMBERIAN BEASISWA DI POLITEKNIK POLIPROFESI MEDAN Rita Hamdani STMIK Pelita Nusantara

Lebih terperinci

MODEL SISTEM PENENTUAN PRIORITAS PENERIMA BEASISWA BERBASIS MULTI CRITERIA DECISION MAKING

MODEL SISTEM PENENTUAN PRIORITAS PENERIMA BEASISWA BERBASIS MULTI CRITERIA DECISION MAKING MODEL SISTEM PENENTUAN PRIORITAS PENERIMA BEASISWA BERBASIS MULTI CRITERIA DECISION MAKING Fitriyadi 1, Ratna Fitriani 2 Program Studi Teknik Informatika STMIK Banjarbaru 1,2 fitriyadi_6291@yahoo.co.id

Lebih terperinci

Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 1, (2016) 1

Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 1, (2016) 1 Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 1, (2016) 1 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DOSEN TERBAIK MENGGUNAKAN METODE PROMETHEE ( STUDI KASUS: TEKNIK INFORMATIKA UNIVERSITAS TANJUNGPURA

Lebih terperinci

Rancang Bangun Aplikasi Pemilihan Presiden dan Wakil Presiden Mahasiswa Secara Online Berbasis Android

Rancang Bangun Aplikasi Pemilihan Presiden dan Wakil Presiden Mahasiswa Secara Online Berbasis Android IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 31 Rancang Bangun Aplikasi Pemilihan Presiden dan Wakil Presiden Mahasiswa Secara Online Berbasis Android Meiyi Darlies *1, Maria Agustin 2, M. Suryawan

Lebih terperinci

IMPLEMENTASI KAMUS KATA SERAPAN BAHASA INDONESIA INGGRIS DENGAN FITUR AUTO COMPLETE TEXT

IMPLEMENTASI KAMUS KATA SERAPAN BAHASA INDONESIA INGGRIS DENGAN FITUR AUTO COMPLETE TEXT semantik, Vol.2, No.1, Jan-Jun 2016, pp. 23-28 ISSN : 2502-8928 (Online) 23 IMPLEMENTASI KAMUS KATA SERAPAN BAHASA INDONESIA INGGRIS DENGAN FITUR AUTO COMPLETE TEXT MENGGUNAKAN ALGORITMA INTERPOLATION

Lebih terperinci

Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi

Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 39 Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi Irwan

Lebih terperinci

Perancangan Sistem Informasi Akademik Pada SMPK Frater Xaverius 1 Palembang

Perancangan Sistem Informasi Akademik Pada SMPK Frater Xaverius 1 Palembang IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Perancangan Sistem Informasi Akademik Pada SMPK Frater Xaverius 1 Palembang Irvan Setiawan 1, Dwi Cahyo Muliansha 2, Dien Novita 3, M.Ezar Al Rivan

Lebih terperinci

Bab 3 Metodologi Penelitian dan Percobaan Pendahuluan

Bab 3 Metodologi Penelitian dan Percobaan Pendahuluan Bab 3 Metodologi Penelitian dan Percobaan Pendahuluan 3.1 Tahapan Penelitian Tahapan penelitian untuk membuat model prediksi dilakukan dalam 3 (tiga) tahap kegiatan yang ditunjukkan Gambar 3.1. Gambar

Lebih terperinci

PENERAPAN METODE CERTAINTY FACTOR UNTUK SISTEM PAKAR DIAGNOSA PENYAKIT DIABETES MELITUS PADA RSUD BUMI PANUA KABUPATEN POHUWATO

PENERAPAN METODE CERTAINTY FACTOR UNTUK SISTEM PAKAR DIAGNOSA PENYAKIT DIABETES MELITUS PADA RSUD BUMI PANUA KABUPATEN POHUWATO ILKOM Jurnal Ilmiah Volume 9 Nomor 3 Desember 2017 PENERAPAN METODE CERTAINTY FACTOR UNTUK SISTEM PAKAR DIAGNOSA PENYAKIT DIABETES MELITUS PADA RSUD BUMI PANUA KABUPATEN POHUWATO Annahl Riadi annahlriadi@gmail.com

Lebih terperinci

PERBANDINGAN METODE PENUNJANG KEPUTUSAN MCDM (MULTI CRITERIA DECISION MAKING) PADA PEMILIHAN SISWA UNGGULAN BIDANG INSTRUMENTASI LOGAM

PERBANDINGAN METODE PENUNJANG KEPUTUSAN MCDM (MULTI CRITERIA DECISION MAKING) PADA PEMILIHAN SISWA UNGGULAN BIDANG INSTRUMENTASI LOGAM PERBANDINGAN METODE PENUNJANG KEPUTUSAN MCDM (MULTI CRITERIA DECISION MAKING) PADA PEMILIHAN SISWA UNGGULAN BIDANG INSTRUMENTASI LOGAM Ali Hidayat, Eneng Tita Tosida dan Boldson H.S Email : free.vate@gmail.com

Lebih terperinci

PERANCANGAN SISTEM INFORMASI SURVEI SOSIAL EKONOMI DAERAH (SUSEDA) (Studi Kasus : Badan Pusat Statistik Kabupaten Soppeng)

PERANCANGAN SISTEM INFORMASI SURVEI SOSIAL EKONOMI DAERAH (SUSEDA) (Studi Kasus : Badan Pusat Statistik Kabupaten Soppeng) JTRISTE, Vol.1, No.1, Februari 2014, pp. 22~27 ISSN: 2355-3677 PERANCANGAN SISTEM INFORMASI SURVEI SOSIAL EKONOMI DAERAH (SUSEDA) (Studi Kasus : Badan Pusat Statistik Kabupaten Soppeng) Oleh M. Afdal Tahir

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER DENGAN METODE ANALYTICHAL HIERARCHY PROCESS

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER DENGAN METODE ANALYTICHAL HIERARCHY PROCESS SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER DENGAN METODE ANALYTICHAL HIERARCHY PROCESS 1 Rikky Wisnu Nugrha, 2 Romi 1 Program Studi Komputerisasi Akuntansi Politeknik LPKIA 2 Program Studi Sistem Informasi

Lebih terperinci