PERANCANGAN APLIKASI DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK DIAGNOSA PENYAKIT PADA ANAK NASKAH PUBLIKASI

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERANCANGAN APLIKASI DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK DIAGNOSA PENYAKIT PADA ANAK NASKAH PUBLIKASI"

Transkripsi

1 PERANCANGAN APLIKASI DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK DIAGNOSA PENYAKIT PADA ANAK (Studi Kasus: BPS Amaah) NASKAH PUBLIKASI diajuka oleh Nofitriyai kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA YOGYAKARTA 2015

2

3 PERANCANGAN APLIKASI DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK DIAGNOSA PENYAKIT PADA ANAK (Studi Kasus: BPS Amaah) Nofitriyai 1), Armadyah Amborowati 2), 1) Tekik Iformatika STMIK AMIKOM Yogyakarta 2) Dose Tekik Iformatika STMIK AMIKOM Yogyakarta Jl Rigroad Utara, Codogcatur, Depok, Slema, Yogyakarta Idoesia ofitriyai.@studets.amikom.ac. 1), armadyah.a@amikom.ac. 2) Abstract Susceptible to iterferece, espcially childre. Parets who lack a uderstadig of health, etrust the matter to experts or specialists who uderstad more about health. However, sometimes the eperts or specialisthave weakesses i workig hours (of practice) ad a limited umber of patiets that have to wait for the queue. For that the patietmay experiece disappoitetmet, cosequetly comfort felt by the patiet or the doctor himself distracted. Therefore parets eed a expert who ca facilitate i diagosig diseases. Because of them that we eed a tool that ca diagose diseases such as data miig. With the help of data miig is expected to assist physicias i the treatmet of paties or with data miig also a physicia assistat ca also help treat patiets. The problems that occur are dealt with a casethat is capable of searchig for data reiforce the results of the decisio ad the expected decisio techique C4.5 algorithm geerated wll be accurate. The results of this study will produce a output that is featurig a selectio of the paties symptoms, types of illess ad it s maagemet. Keywords data miig, choice of symptoms, type of disease, C4.5 algorithm, BPS 1. Pedahulua Perkembaga duia kesehata saat ii sagatlah petig, itu karea kesadara masyarakat aka mafaat kesehata sudah tiggi sehigga peigkata jumlah kesehata setiap tahu megalami keaika. Dega demikia buka tak mugki dapat meimbulka masalah bagi setiap aggota medis dalam mediagosa dega baik. BPS Amaah merupaka salah satu cotoh Lembaga Ba Praktek Swasta yag bisa membatu permasalaha kesehata yag ada di masyarakat. Namu, terkadag terdapat pula kelemahaya seperti jam kerja (praktek) terbatas da bayakya pasie sehigga harus meuggu atria. Selai itu, pihak BPS masih mediagosa peyakit pasie secara maual. Oleh karea itu, dibutuhka sebuah sistem yag dapat membatu mediagosa peyakit pasie agar mempermudah para teaga medis. Dega itu aplikasi ii aka membatu pihak lembaga terkait agar dapat mediagosa peyakit yag derita oleh pasie. Dimaa, aplikasi ii aka megimplemetasika Data Miig megguaka algoritma C Pembahasa Data miig adalah seragkaia proses utuk meggali ilai tambah dari suatu kumpula data, berupa pegetahua dalam database yag selama ii tak diketahui secara maual. Data miig adalah proses yag megguaka tekik statistik, matematika, kecerdasa buata da machie learig utuk megekstrasi iformasi yag bermafaat da pegetahua yag terkait dari berbagai database besar [1]. Algoritma C4.5 merupaka algoritma yag diguaka utuk membetuk poho keputusa. Dega metode poho keputusa kita dapat megubah fakta yag sagat besar mejadi poho keputusa yag merepresetasika atura [1]. Sebuah poho keputusa adalah sebuah struktur yag dapat diguaka utuk membagi kumpula data yag besar mejadi himpua - himpua record yag lebih kecil dega meerapka seragkai atura keputusa. Dega masig - masig ragkaia pembagia, aggota himpua hasil mejadi mirip satu dega yag lai [1]. Pediatri berasal dari bahasa Yuai yaitu pedos yag berarti aak da iatrica yag berarti pegobata. Arti bahasa Idoesia yag sebearya ialah ilmu pegobata aak [2]. 2.1 Aalisis Peyakit Utuk megetahui suatu peyakit perlu diketahui dahulu gejala-gejala yag dirasaka. Meskipu haya dari gejala kliis (lagsug) dari situ dokter dapat megambil suatu kesimpula berupa peyakit yag derita. Adapu gejala yag diguaka pada aplikasi ii yaitu, demam, peuoia, mutah, batuk pilek da sesak afas Ispa Ifeksi salura perafasa atas (Ispa) adalah ifeksi yag terutama megeai struktur salura perafasa diatas larig, tetapi kebayaka peyakit ii mgeai bagia salura atas da bawah secara beruruta [3]. 1

4 2.1.2 Kulit Kulit adalah orga tubuh petig palig luar dari mausia yag membatasi ligkuga dalam da luar tubuh mausia. Fugsiya disampig dipegaruhi oleh kerusaka struktur juga oleh peyakit [4]. 2.2 Aalisa Data Data yag berada di sistem adalah berupa yag dimiliki oleh pasie, ilai da kemugkiaya. Data yag dimaksud adalah data yag miimal mempuyai dua kolom, yaitu satu kolom sebagai kolom da satu kolom utuk kolom target. Secara umum algoritma C4.5 utuk membagu poho keputusa adalah sebagai berikut : 1. Pilih sebagai akar 2. Buat cabag utuk tiap ilai 3. Bagi kasus dalam cabag 4. Ulagi proses utuk setiap cabag sampai semua kasus pada cabag memiliki kelas yag sama. Utuk memilih sebagai akar, dasarka pada ilai gai tertiggi dari yag ada, aka diguaka rumus : p i : jumlah partisi S : proporsi dari S i terhadap S Selajutya, aka diuraika pejelasa lebih terperici megeai tiap-tiap lagkah dalam pembetuka poho keputusa dega megguaka algoritma C4.5 deperti dibawah ii. Tabel 1 Perhituga ode 1 Dari tabel perhituga diata, maka diperoleh poho keputusa seperti pada gambar beikut. Keteraga : S : himpua kasus A : : jumlah partisi pada A Si : jumlah kasus pada partisi ke -i S : jumlah kasus pada S Usia 0-1 tahu 1-5 tahu 6-12 tahu Kulit 1.1 Sesak afas Ispa Sedagka sebagai berikut : utuk perhituga etropi Ya Tak Ispa peumoia Ya Tak Keteraga : Ispa Kulit S A : himpua kasus : fitur Gambar 1 Hasil akhir poho keputusa 2

5 2.3 Peracaga Basis Data Etity Relatioship Diagram Etity Relatioship Diagram adalah gambar atau diagram yag meujukka iformasi yag dibuat, disimpa da diguaka dalam sistem bisis [5]. terstruktur. DFD serig diguaka utuk meggambarka suatu sistem yag telah ada atau sistem baru yag aka dikembagka secara logika tapa mempertimbagka ligkuga fisik dimaa data tersebut megalir atau disimpa [5]. _paret o_rm usia 1 ilai_ jeis_kelami pasie megetahui poho keputusa c45 demam jml_kasus_ispa peumoia jml_kasus_kulit mutah proses batuk_pilek 1 sesak_afas lakuka rule_c45 _paret rule o_rm testig rule_peetu_keputusa miig _c45 ilai rule_c45 keputusa_c45 cocok jml_kasus_ispa jml_kasus_kulit _rule_c45 poho etropy ilai_ if_gai if_gai_gai Gambar 4 DataFlow Diagram Gambar 2 Etity Relatioship Diagram Relasi Tabel data_pasie testig o_rm _rule_c45 keputusa_c Flowchart Flowchart Data Pasie Pada proses algoritma form proses miig aka terjadi pegiputa data keputusa yag berasal dari etitas pasie. Pada tahap ii semua proses pegiputa data aka dikumpulka mejadi satu kemudia aka ditetuka hasil keputusaya dega megguaka tekik miig algoritma C4.5. Berikut ii adalah gambar Flowchart dari proses data pasie. o_rm usia jeis_kelami demam peumoia mutah batuk_pilek sesak_afas miig_c45 ilai_ jml_kasus_ispa jml_kasus_kulit proses etropy if_gai if_gai_temp rule_peetu_keputusa _rule_c45 ilai_ cocok poho rule_c45 _paret rule proses poho_keputusa ilai paret jml_kasus_ispa jml_kasus_kulit proses _rule_c45 Gambar 3 Relasi Tabel Data Flow Diagram Data Flow Diagram merupaka alat ayg diguaka pada metodologi pegembaga sistem yag Gambar 5 Flowchart data pasie 3

6 Flowchart Proses Keputusa Form keputusa merupaka proses hasil akhir yag dilakuka oleh peggua utuk memudahka melihat hasil keputusa berdasarka masig-masig variabel yag aka diuji satu persatu. Dimulai dari poho pertama yag ditetuka oleh program da selajutya program aka membuka kemugkia variabel berikutya sesuai hasil perhituga. Setelah terjadi proses tersebut maka hasil akhir aka diperoleh keputusa yag ditetuka program berdasarka hasil dari perhituga akhir. Dibawah ii adalah Flowchart dari Form proses keputusa. Gambar 7 Halama data iput pasie Setelah data kasus dimasukka dalam program, proses selajutya adalah dega melakuka perhituga megguaka tekik algortima C4.5 da aka membetuk poho keputusa. Poho keputusa yag dihasilka dari program adalah sebagai berikut : Gambar 8 Halama poho keputusa Gambar 6 Flowchart proses keputusa Setelah poho keputusa terbetuk, maka program aka meghasilka tahapa akhir yaitu jeis peyakit yag derita oleh pasie. Hasil dari program tersebut adalah sebagai berikut : 2.4 Implemetasi Sistem Implemetasi sistem merupaka tahap meletakka sistem yag dikembagka setelah melakuka aalisis da racaga sistem. Tahap implemetasi dilakuka ketika sistem telah melalui tahap pegujia, pegujia sistem dilakuka utuk megetahui apakah program telah bebas dari kesalaha-kesalaha sebelum diterapka. Dibawah ii adalah tampila form data pasie, fugsiya utuk megiputka data kasus pasie, secara maual atau dalam betuk file *.csv. Gambar 9 Halama kosultasi 4

7 2.5 Pegujia Program Pada pegujia sistem ii aka dilakuka megguaka Black Box Testig. Pada Black Box Testig ii cara pegujiaya dega mejalaka atau megeksekusi uit atau modul, kemudia diamati, apakah hasil dari uit sesuai dega proses bisis yag diigika Screeshot Halama Kosultasi Tabel 2 Pegujia Black Box Meu Pegujia Hasil Pegujia iput Pegisia data pasie Baik data Pegujia ambil Meyimpa hasil iput Baik file.csv ke database Pegujia lihat Meampilka data Baik data iput masukka Pegujia lakuka miig C45 Meampilka hasil dari proses miig C45 Baik Pegujia poho Meampilka poho Baik keputusa keputusa da rule Pegujia daftar Meampilka daftar Baik peyakit peyakit yag termasuk kelompok Ispa da Kulit Pegujia Meampilka hasil Baik kosultasi diagosa pasie Pegujia meu Meampilka meu Baik lai-lai batua da pembuat program Gambar 10 Halama kosultasi Screeshot Data Masuka Pasie Tabel 3 Pegujia Form Kosultasi Gambar 11 Data masuka pada Ms. Excel Data masukka No RM Usia Jeis kelami Demam Peumoia Mutah Batuk pilek Sesak afas Kasus da Hasil Pegujia Yag Pegamata diharapka Dapat Data yag meampilka ditampilka data sesuai sesuai dega o dega rm, usia, yag jeis kelami, gejala da derita jeis oleh pasie peyakit yag derita oleh pasie Kesimpula [ ] Diterima [ ] Ditolak Berdasarka hasil perbadiga diatas, ilai yag dihasilka oleh program memiliki akurasi 90 %, dilihat dari data pada Ms. Excel dega data yag dimasukka pada program aplikasi, beserta sreeshot sebagai bukti akurasi. Oleh karea itu, dapat disimpulka bahwa program ii dapat di implemetasika di lapaga. 3. Kesimpula Berdasarka hasil peelitia da pembahasa yag telah dilakuka, maka dapat diambil kesimpula, yaitu : 2.6 Pegeceka Nilai Akurasi Pegeceka ilai akurasi pada program bertujua utuk megetahui seberapa siapkah pogram utuk diimplemetasika di lapaga. Pegeceka ilai akurasi dapat dilihat seperti dibawah ii. 1. Data Miig dapat diguaka utuk membatu pihak BPS Amaah dalam mediagosa peyakit pada aak. Dimaa proses diagosa yag dilakuka berdasarka pada rule poho keputusa yag terbetuk sebelumya. 5

8 2. Sistem mampu megimplemetasika poho keputusa megguaka algoritma C4.5 dega cara megiputka data kasus pasie yag aka di diagosa. 3. Hasil peelitia ii merupaka gambara dalam melihat implemetasi dari tekik data miig di lapaga. Armadyah Amborowati, memperoleh gelar Sarjaa Komputer (S.Kom) Jurusa Sistem Iformasi STMIK AMIKOM Yogyakarta. Memperoleh gelar Master of Egieerig (M.Eg) Program Pasca Sarjaa Magister Tekologi Iformasi Fakultas Tekik Elektro Uiversitas Gajah Mada Yogyakarta. Saat ii mejadi Dose di STMIK AMIKOM Yogyakarta. Sara 4. Data yag dapat diambil haya file yag berekstesi *.csv (Comma Delimited). Megigat keterbatasa yag dimiliki oleh peulis, baik pegetahua, waktu maupu pemikira, maka peulis dapat memberika beberapa gambara sebagai sara yag dapat dipakai sebagai acua yag aka datag, atara lai : 1. Selama melakuka peelitia ada variabel yag dibutuhka, amu dari pihak BPS memiliki sedikit data megeai gejala-gejala yag derita oleh pasie. 2. Meyempuraka segala kekuraga program yag belum diketahui oleh peulis, seperti meambahka variabel data yag dibutuhka utuk proses diagosa. 3. Utuk pegembaga sistem sebaikya data yag ditambahka ke dalam sistem di update secara berkala utuk meghasilka data yag lebih akurat da dibuat tampila yag lebih baik lagi karea diilai masih sagat sederhaa. Daftar Pustaka [1] Kusrii da Emha Taufiq Luthfi Algoritma Data Miig. Yogyakarta: Adi [2] Gilbert, P Peyakit yag Lazim pada Aak-Aak. Jakarta: Arca [3] Behrma, E Richard da Victor C. Vaugha Ilmu Kesehata Aak. Jakarta : Buku Kedoktera EGC [4] Akhsi, Zulkoi Parasitologi Utuk Keperawata, Kesehata Masyarakat da Tekik Ligkuga. Yogyakarta : Nuha Medika. [5] Al Fatta, Haif Aalisis Da Peracaga Sistem Iformasi Yogyakarta: Adi. Biodata Peulis Nofitriyai, memperoleh gelar Sarjaa Komputer (S.Kom), jurusa Tekik Iformatika STMIK Amikom Yogyakarta, lulus tahu

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka

Lebih terperinci

Sistem Pakar Deteksi Diabetes Mellitus Menggunakan Metode Bayesian Berbasis Web

Sistem Pakar Deteksi Diabetes Mellitus Menggunakan Metode Bayesian Berbasis Web Sistem Deteksi Diabetes Mellitus Megguaka Metode Bayesia Berbasis Web Voy Pawaka Program Studi Tekik Iformatika Jurusa Tekik Elektro Fakultas Tekik Uiversitas Tajugpura e-mail: voypwk@gmail.com Abstrak

Lebih terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB IV IMPLEMENTASI DAN PENGUJIAN BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. Istalasi Software da Hardware Dalam pembuata program ii, peulis megguaka Microsoft Visual Studio 2008, utuk implemetasiya megguaka program Crystal Report 8 utuk membuat

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

Universitas Dian Nuswantoro Jalan Nakula 1 No 5-11, (024) , Semarang

Universitas Dian Nuswantoro Jalan Nakula 1 No 5-11, (024) , Semarang PENERAPAN DATA MINING KLASIFIKASI DENGAN MENGGUNAKAN ALGORITMA C4.5 PADA DATA NASABAH KREDIT DI BANK KREDIT DESA (BKD) KABUPATEN REMBANG Dia Rusdiaa Sari Uiversitas Dia Nuswatoro Jala Nakula 1 No 5-11,

Lebih terperinci

BAB V METODOLOGI PENELITIAN

BAB V METODOLOGI PENELITIAN BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

Murien Nugraheni 1), Sri Hartati 2) 1,2) Program Studi Ilmu Komputer

Murien Nugraheni 1), Sri Hartati 2) 1,2) Program Studi Ilmu Komputer SISTEM PENALARAN BERBASIS KASUS UNTUK PENDUKUNG DIAGNOSIS GANGGUAN PENYAKIT PADA UNGGAS (Case Based Reasoig System to Support Diagosis of Diseases i Poultry) Murie Nugrahei 1), Sri Hartati 2) 1,2) Program

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT Jural Iformatika Mulawarma Vol. 10 No. 2 September 2015 20 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT Necy Nurjaah 1), Zaial Arifi 2), Dya Marisa Khairia 3) 1,2,3)

Lebih terperinci

PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER

PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER ISSN : 2338-4018 PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER Agik Damai Istato (agik_damai@yahoo.co.id) Muhammad Hasbi (mhasbi@sius.ac.id)

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

BAB IV ANALISIS KERJA PRAKTEK

BAB IV ANALISIS KERJA PRAKTEK BAB IV ANALISIS KERJA PRAKTEK 4.1. Aalisis Sistem 4.1.1. Aalisis Dokume Aalisis dokume bertujua utuk megetahui spesifikasi iformasi yag ada dalam sistem yag dipakai utuk dokume. Dokumedokume tersebut diataraya

Lebih terperinci

BAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh

BAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka

Lebih terperinci

BAB IV ANALISA DAN PERANCANGAN

BAB IV ANALISA DAN PERANCANGAN 4.1Aalisa Sistem Lama BAB IV ANALISA DAN PERANCANGAN Sistem yag ada di UIN SUSKA Riau dalam pegiformasia tetag kampus bagi calo mahasiswa biasaya dega melihat iformasi dari website resmi kampus UIN yag

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

KELAYAKAN ALGORITMA C45 SEBAGAI PENDUKUNG KEPUTUSAN DALAM PENGAJUAN PENERIMA BEASISWA

KELAYAKAN ALGORITMA C45 SEBAGAI PENDUKUNG KEPUTUSAN DALAM PENGAJUAN PENERIMA BEASISWA KELAKAN ALGORITMA C45 SEBAGAI PENDUKUNG KEPUTUSAN DALAM PENGAJUAN PENERIMA BEASISWA Jose Augusto Duarte Guterres Tekik Iformatika STIKOM ARTHA BUANA KUPANG Jl. Sam Ratulagi III No. 1 Kupag NTT. No Telp.

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

METODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki

METODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki 18 III. METODE PENELITIAN A. Subyek da Tempat Peelitia Subjek peelitia adalah siswa kelas X2 SMA Budaya Badar Lampug Tahu Ajara 2010-2011 dega jumlah siswa 40 orag yag terdiri dari 19 siswa lakilaki da

Lebih terperinci

Aplikasi Program untuk Mendiagnosa Penyakit Kandungan Menggunakan Metode Waterfall

Aplikasi Program untuk Mendiagnosa Penyakit Kandungan Menggunakan Metode Waterfall Jural Tekik Komputer, Aplikasi Program utuk Mediagosa Peyakit Kaduga Megguaka Metode Waterfall Ridwasyah Program Studi (Tekik Iformatika) STMIK Nusa Madiri Jakarta Jl. Damai No. 8 Warug Jati Barat (Margasatwa),

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh

Lebih terperinci

PERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING

PERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING PERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING Moch Arifi 1, Rizal Cahya Pratama 1 Sekolah Tiggi Maajeme Iformatika Da Tekik Komputer Surabaya Jl.

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

KLASIFIKASI MUTASI JABATAN STRUKTURAL PEGAWAI NEGERI SIPIL MENGGUNAKAN METODE DECISION TREE

KLASIFIKASI MUTASI JABATAN STRUKTURAL PEGAWAI NEGERI SIPIL MENGGUNAKAN METODE DECISION TREE KLASIFIKASI MUTASI JABATAN STRUKTURAL PEGAWAI NEGERI SIPIL MENGGUNAKAN METODE DECISION TREE Yati, I Ketut Edy Purama, da Surya Sumpeo Tekik Elektro,Istitut Tekologi Sepuluh Nopember Alamat: Gedug B, C

Lebih terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai 37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih terperinci

Implementasi Framework Laravel Pada Aplikasi Digitalisasi Arsip Sekretariat Organisasi Mahasiswa STMIK STIKOM Bali

Implementasi Framework Laravel Pada Aplikasi Digitalisasi Arsip Sekretariat Organisasi Mahasiswa STMIK STIKOM Bali Koferesi Nasioal Sistem & Iformatika 207 STMIK STIKOM Bali, 0 Agustus 207 Implemetasi Framework Laravel Pada Aplikasi Digitalisasi Arsip Sekretariat Orgaisasi Mahasiswa STMIK STIKOM Bali Lilis Yuigsih

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

SISTEM INFORMASI PERSEWAAN PERALATAN PESTA MENGGUNAKAN SMS GATEWAY BERBASIS WEB PADA PERSEWAAN AR MUSIC DENGAN TAMBAHAN FITUR HELP DESK

SISTEM INFORMASI PERSEWAAN PERALATAN PESTA MENGGUNAKAN SMS GATEWAY BERBASIS WEB PADA PERSEWAAN AR MUSIC DENGAN TAMBAHAN FITUR HELP DESK Prosidig SENTIA 06 Politekik Negeri Malag Volume 8 ISSN: 085-347 SISTEM INFORMASI PERSEWAAN PERALATAN PESTA MENGGUNAKAN SMS GATEWAY BERBASIS WEB PADA PERSEWAAN AR MUSIC DENGAN TAMBAHAN FITUR HELP DESK

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

BAB 2 LANDASAN TEORITIS

BAB 2 LANDASAN TEORITIS BAB LANDAAN TEORITI.. Deskripsi Teori... Aalisis Ragam Multivariate Yag dimaksud dega aalisis ragam multivariate (multivariate aalysis of variace MANOVA) meurut Gaspersz (99, p486) adalah suatu pegembaga

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PARU-PARU MENGGUNAKAN ALGORITMA BAYES

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PARU-PARU MENGGUNAKAN ALGORITMA BAYES Semiar Nasioal Tekologi Iformasi da Multimedia 2016 SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PARU-PARU MENGGUNAKAN ALGORITMA BAYES Ibu Titto Dessetiadi 1), Ade Pujiato 2), M. Gustafiato Ardi 3) 1), 2, 3)

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

III. METODELOGI PENELITIAN

III. METODELOGI PENELITIAN III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

Perancangan Aplikasi Tari Bali Klasik Berbasis Web

Perancangan Aplikasi Tari Bali Klasik Berbasis Web Koferesi Nasioal Sistem & Iformatika 207 STMIK STIKOM Bali, 0 Agustus 207 Peracaga Aplikasi Bali Klasik Berbasis Web Nyoma Utami Jauhari ), Ni Luh Ayu Kartika Yuias S 2), Made Rudita 3) STIKOM Bali Jala

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011. III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id

Lebih terperinci

SISTEM PAKAR DIAGNOSA PENYAKIT DIABETES MELITUS MENGGUNAKAN TEOREMA BAYES

SISTEM PAKAR DIAGNOSA PENYAKIT DIABETES MELITUS MENGGUNAKAN TEOREMA BAYES SISTEM PAKAR DIAGNOSA PENYAKIT DIABETES MELITUS MENGGUNAKAN TEOREMA BAYES Cha Uswatu Khasaah 1), Nuzul Dwi Profesiigrum 2), Ade Pujiato 3) 1), 2, 3) Tekik Iformatika STMIK AMIKOM Yogyakarta Jl Rig Road

Lebih terperinci

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN

Lebih terperinci

METODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa

METODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa III. METODE PENELITIAN A. Lokasi da Waktu Peelitia Peelitia tetag Potesi Ekowisata Huta Magrove ii dilakuka di Desa Merak Belatug, Kecamata Kaliada, Kabupate Lampug Selata. Peelitia ii dilaksaaka atara

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Dalam peulisa Tugas Akhir ii, peulis melakuka studi literatur yaitu dega membaca berbagai pustaka, serta literatur lai yag ada kaitaya dega tulisa yag peulis kemukaka. Peeliti

Lebih terperinci

III. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar

III. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar III. METODE PENELITIAN A. Subjek da Tempat Peelitia Subjek dari peelitia adalah siswa kelas.b SMA Muhammadiyah 2 Badar Lampug Tahu Ajara 2011-2012 dega jumlah siswa 40 orag yag terdiri dari 15 siswa laki-laki

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

Beberapa metode pengembangan sistem : a. Metode pengembangan Evolusioner

Beberapa metode pengembangan sistem : a. Metode pengembangan Evolusioner PENDEKATAN PENGEMBANGAN SISTEM Beberapa metode pegembaga sistem : a. Metode pegembaga Evolusioer b. Metode pegembaga Re-usable c. Metode Prototypig d. Metode Pegembaga berorietasi objek a. METODE PENGEMBANGAN

Lebih terperinci

Bab 3 Kerangka Pemecahan Masalah

Bab 3 Kerangka Pemecahan Masalah Bab 3 Keragka Pemecaha Masalah 3.1. Metode Pemecaha Masalah Peelitia ii disajika dalam lagkah-lagkah seperti ag terdapat pada gambar dibawah ii. Peajia secara sistematis dibuat agar masalah ag dikaji dalam

Lebih terperinci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT MENTAL PADA ANAK MENGGUNAKAN ALGORITMA BAYES

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT MENTAL PADA ANAK MENGGUNAKAN ALGORITMA BAYES Semiar Nasioal Tekologi Iformasi da Multimedia 2016 SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT MENTAL PADA ANAK MENGGUNAKAN ALGORITMA BAYES Ade Pujiato 1), Ibu Titto Dessetiadi 2), M. Gustafiato Ardi 3) 1),

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab BAB III METODE PENELITIAN Metode peelitia merupaka suatu cara atau prosedur utuk megetahui da medapatka data dega tujua tertetu yag megguaka teori da kosep yag bersifat empiris, rasioal da sistematis.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

Cara Pengisian Pada File Excel

Cara Pengisian Pada File Excel Cara Pegisia Pada ile Excel Pada tabel realisasi da keuaga ias Pekerjaa Umum Bia Marga Propisi Jawa Timur ii terdiri dari beberapa kolom seperti dibawah ii: atker Tahu Bula Adapu cara pegisia dari masig-masig

Lebih terperinci

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A. Jeis Peelitia BAB III METODE PENELITIAN Peelitia ii termasuk peelitia pegembaga (Developmet Research) karea peeliti igi megembagka peragkat pembelajara sub pokok bahasa bilaga. Peragkat pembelajara

Lebih terperinci

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa III. METODE PENELITIAN A. Settig Peelitia Peelitia ii merupaka peelitia tidaka kelas yag dilaksaaka pada siswa kelas VIIIB SMP Muhammadiyah 1 Sidomulyo Kabupate Lampug Selata semester geap tahu pelajara

Lebih terperinci

UNIVERSITAS BINA NUSANTARA. Program Ganda Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006

UNIVERSITAS BINA NUSANTARA. Program Ganda Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006 UNIVERSITAS BINA NUSANTARA Program Gada 2005-2006 Skripsi Sarjaa Program Gada Semester Gajil 2005/2006 PEMBANGKITAN FRAKTALUNTUK MENINGKATKAN EFISIENSI KERJA DESAINER GRAFIS MENGGUNAKAN METODE NEWTON RAPHSON

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI III.1 Peambaga Teks (Text Miig) Text Miig memiliki defiisi meambag data yag berupa teks dimaa sumber data biasaya didapatka dari dokume, da tujuaya adalah mecari kata-kata yag dapat

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

BAB II TEORI MOTOR LANGKAH

BAB II TEORI MOTOR LANGKAH BAB II TEORI MOTOR LANGKAH II. Dasar-Dasar Motor Lagkah Motor lagkah adalah peralata elektromagetik yag megubah pulsa digital mejadi perputara mekais. Rotor pada motor lagkah berputar dega perubaha yag

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi

Lebih terperinci

BAB III METOE PENELITIAN. penelitian ini, hanya menggunakan kelas eksperimen tanpa adanya kelas

BAB III METOE PENELITIAN. penelitian ini, hanya menggunakan kelas eksperimen tanpa adanya kelas BAB III METOE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia eksperime. Karea pada peelitia ii, haya megguaka kelas eksperime tapa adaya kelas cotrol. Peelitia ii megguaka pedekata kuatitatif.

Lebih terperinci

METODE PENELITIAN. 3.1 Kerangka Pemikiran

METODE PENELITIAN. 3.1 Kerangka Pemikiran 24 III. METODE PENELITIN 3.1 Keragka Pemikira BMT l-fath IKMI melakuka fugsi meyalurka daa dega melakuka pembiayaa kepada UMKM. Produk pembiayaa yag dimiliki BMT l-fath IKMI adalah Murabahah da Iarah.

Lebih terperinci

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 37 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii termasuk peelitia pegembaga, yaitu pegembaga buku teks matematika. Model pegembaga yag diguaka adalah model 4-D (four D models) dari Thigaraja

Lebih terperinci

HASIL DAN PEMBAHASAN Formulasi Perencanaan

HASIL DAN PEMBAHASAN Formulasi Perencanaan HASIL DAN PEMBAHASAN Formulasi Berdasarka hasil observasi da wawacara yag telah dilakuka, kebutuha iformasi terhadap kaleder akademik mejadi salah satu bagia yag petig pada Sistem Iformasi Maajeme Akademik,

Lebih terperinci

PERANCANGAN SITUS WEBSITE SISTEM PEMASARAN PADA PT. RADJAWALI MENGGUNAKAN BAHASA PEMROGRAM PHP DAN DATABASE MYSQL

PERANCANGAN SITUS WEBSITE SISTEM PEMASARAN PADA PT. RADJAWALI MENGGUNAKAN BAHASA PEMROGRAM PHP DAN DATABASE MYSQL Jural Sais da Tekologi Vol 7 o 2, Desember 207 PERANCANGAN SITUS WEBSITE SISTEM PEMASARAN PADA PT. RADJAWALI MENGGUNAKAN BAHASA PEMROGRAM PHP DAN DATABASE MYSQL Eko Amri Jaya Sistem Iformasi, Sekolah Tiggi

Lebih terperinci

Entity Relationship Diagram

Entity Relationship Diagram Tahap pembuata ER-Diagram Etity Relatioship Diagram Tahap pembuata ER-Diagram Awal (Prelimiary Desig) Meracag diagram basis data yag dapat megakomodasi kebutuha peyimpaa data terhadap sistem. Tahap Optimasi

Lebih terperinci

SISTEM INFORMASI PEMBAYARAN TUNAI TOKO MERGIN KLATEN NASKAH PUBLIKASI. diajukan oleh Rita Sanjaya Dwi Riyani

SISTEM INFORMASI PEMBAYARAN TUNAI TOKO MERGIN KLATEN NASKAH PUBLIKASI. diajukan oleh Rita Sanjaya Dwi Riyani SISTEM INFORMASI PEMBAYARAN TUNAI TOKO MERGIN KLATEN NASKAH PUBLIKASI diajuka oleh Rita Sajaya 2.02.8323 Dwi Riyai 2.02.8324 kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA YOGYAKARTA

Lebih terperinci

ABSTRAK. Kata Kunci : Pendaftaran training, Framework

ABSTRAK. Kata Kunci : Pendaftaran training, Framework PERANGKAT LUNAK PENDAFTARAN TRAINING BERBASIS WEB Studi Kasus : PT IFORBIT MADYAN PERSADA BANDUNG Dady Akhmad Rahadiasyah 1, Adji Julio Maulaa 2 1,2 Program Studi Maajeme Iformatika PKN LPKIA Jl. Soekaro

Lebih terperinci