CLUSTERING K- MEANS ANALYSIS. (Studi Kasus : Koleksi Perpustakaan) Warnia Nengsih 1) 1)
|
|
- Adi Hartanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 CLUSTERING K- MEANS ANALYSIS (Studi Kasus : Koleksi Perpustakaan) Warnia Nengsih 1) 1) Department of Computer Politeknik Caltex Riau Indonesia warnia@pcr.ac.id Commented [h1]: Jika cumin 1 author tidak perlu diberi nomor. Apakah formatnya sudah mengikuti format SNTIKI? Pls checked Abstrak Koleksi perpustakaan merupakan salahsatu indikator untuk menentukan kualitas sebuah perpustakaan.semakin lengkap koleksi dan memenuhi kebutuhan pengunjungnya menjadi magentik tersendiri akan keberadaan perpustakaan tersebut. Tentunya pengelola perpustakaan harus memperhatikan aspek pengadaaan koleksi ini. Untuk mewujudkan pengadaan koleksi sehingga keefektifan dan konsep tepat guna bisa diperoleh maka perlu adanya analysis pengadaan kebutuhan koleksi perpustakaan. Penelitian ini menggunakan teknik k-means clustering untuk menentukan koleksi apa yang diminati oleh pengunjung sehingga membantu dalam penentuan kebijakan pengadaan koleksi. Berdasarkan kriteria pengunjung dan kecenderungan peminjaman koleksi diperoleh cluster koleksi audio visual, koleksi referensi dan koleksi serial. Koleksi-koleksi tersebut merupakan jenis koleksi yang paling diminati oleh pengunjung sehingga penambahan koleksi kategori ini menjadi skala prioritas, sementara koleksi umum dan koleksi digital memiliki minat pengunjung yang rendah. Commented [h2]: Sebaiknya hasil yang diperoleh dibuat dengan data yang lebih rinci Keywords: K-means,clustering, pengadaaan koleksi, perpustakaan A. Pendahuluan Pengadaan koleksi yang tepat sasaran pada sebuah perpustakaan menjadi sebuah keharusan. Sehingga pengadaan koleksi tidak hanya sebagai upaya untuk menambah kuantitas saja tetapi juga harus dlihat dari aspek kualitas dan aspek kemanfaatannya. salahsatu teknik data mining yang memberikan deskripsi cluster sebuah item. Sehingga hasil simulasi memberikan pengetahuan tentang kebijakan pengadaan koleksi pada sebuah perpustakaan. Aspek tepat gunanya harus disesuaikan dengan kebutuhan pengunjung dan harus disesuaikan dengan kebutuhan budaya serta karakteristik dari pengguna. Kesulitan dalam menentukan jenis koleksi apa yang seharusnya perlu menjadi prioritas untuk diperbanyak atau tidak, harus menjadi pengetahuan penting bagi para pengelola perpustakaan. Pengelola perpustakaan harus memiliki pengetahuan berdasarkan data pengunjung, sehingga tidak terjadi kesalahan dalam pengadaan. Dalam rangka mewujudkan hal tersebut perlu adanya analisis lebih dalam dengan menggunakan k- means clustering. K-Means clustering merupakan B. Dasar Teori 1. Koleksi perpustakaan Koleksi perpustakaan merupakan salahsatu indikator kualitas sebuah perpustakaan. Perpustakaan yang mempunyai koleksi dengan kuantitas dan jenis koleksi yang beragam menjadi sebuah keharusan, karena seyogyanya konsep perpustakaan sebagai media untuk memperoleh ilmu. Bagaimanapun bentuk dan formatnya jika item-item tersebut dimanfaatkan dan mempunyai nilai guna bagi pengunjung perpustakaan, maka definisi tersebut sudah mengarah pada koleksi perpustakaan. Ade Kohar (2003 : 6) mengatakan, Koleksi perpustakaan adalah yang mencakup berbagai
2 format bahan sesuai dengan perkembangan dan kebutuhan alternatif para pemakai perpustakaan terhadap media rekam informasi. Beragam jenis koleksi perpustakaan adalah : a. Koleksi umum Koleksi umum bisa berbentuk cetak dan tercetak tidak terbatas untuk semua bidang, namun bisa dipinjamkan dan tidak harus diakses dilingkungan perpustakaan. b. Koleksi Referensi Koleksi yang bisa berbentuk cetak dan tercetak tidak terbatas untuk semua bidang, dengan jumlah yang terbatas dan sifat yang terbatas sehingga hanya bisa digunakan oleh pengunjung di area perpustakaan seperti kamus, ensiklopedia, biografi. c. Koleksi Fiksi /non fiksi Merupakan koleksi buku yang pada umumnya termasuk ke dalam kategori koleksi umum d. Koleksi serial Seperti jurnal, buletin, terbitan berkala, komik serial,majalah, surat kabar atau laporan berkala dan sebagainya e. Koleksi audio visual Seperti film, format CD,gambar, mp3, mp4,video, lukisan, piringan hitam dan sebagainya. f. Koleksi digital Seperti e-book, e-journal dan sebagainya Koleksi yang lengkap biasanya identik dengan pengunjung pada perpustakaan tersebut. Semakin lengkap dan banyak jenis koleksi menjadi daya magnet bagi pengunjung di samping hal-hal lain tentunya seperti faktor kenyamanan dan faktor pelayanan. Namun koleksi merupakan faktor internal yang harus menjadi perhatian manajemen perpustakaan sehingga tercapainya tujuan perpustakaan. Pemilihan koleksi dan jumlah harus berdasarkan kriteria data pengunjung perpustakaan tersebut, sehingga pengadaan koleksi tidak sebatas pengadaan biasa, namun pengadaan dilakukan sesuai dengan kebutuhan. Maka seyogyanya pengadaan tersebut harus menyesuaikan dengan prilaku pengunjung yang sudah ada. Kegiatan ini disebut juga dengan pengembangan koleksi. Ada dua hal penting yang harus diperhatikan dalam pengembangan koleksi yaitu kegiatan pemilihan dan pengadaan. Tentunya dua kegiatan ini tetap mengacu pada konsep sesuai dengan kebutuhan pengunjung. Sejumlah kegiatan yang berkaitan dengan penentuan dan koordinasi kebijakan seleksi, menilai kebutuhan pemakai, pemakaian koleksi, evaluasi koleksi, identifikasi kebutuhan koleksi, seleksi bahan pustaka, perencanaan kerjasama sumberdaya koleksi, pemeliharaan koleksi, dan penyiangan koleksi perpustakaan itu merupakan definisi dari konsep pengembangan koleksi Menurut Ade Kohar (2003 : 6), Menurut buku Perpustakaan Perguruan Tinggi (2004 : 26), Tujuan pengembangan koleksi perpustakaan perlu dirumuskan dan disesuaikan dengan kebutuhan sivitas akademika di perguruan tinggi agar perpustakaan dapat secara terencana mengembangkan koleksinya. Hal itu berarti bahwa pengadaan koleksi harus disesuaikan dengan karakter, budaya dan kebutuhan penggunanya. Menurut Sutarno NS (2006 : 118), manfaat pengembangan koleksi antara lain : 1. Membantu menetapkan metode untuk menilai bahan pustaka yang harus dibeli. 2. Membantu merencanakan bentuk-bentuk kerja sama dengan perpustakaan lain, seperti pinjam Commented [h3]: Perhatikan format penulisan refferensi di SNTIKI, biasanya cukup Kohar (2003) tanpa halaman. 6 untuk menyatakan halamannya.
3 antar perpustakaan, kerjasama dalam pengadaan, dan sebagainya. 3. Membantu identifikasi bahan pustaka yang perlu dipindahkan ke gudang atau dikeluarkan dari koleksi. 4. Membantu dalam merencanakan anggaran jangka panjang dengan menetapkan prioritasprioritas dan garis besar sasaran pengembangan. 5. Membantu memilih cara terbaik untuk pengadaan. Berikut merupakan langkah-langkah pada k-means start Tentukan jumlah cluster Pusat cluster Hitung nilai euclidean Semua kegiatan untuk menambah atau mengadakan koleksi dengan melakukan pemilihan dan penilaian koleksi disebut dengan pengembangan koleksi. Menurut buku Perpustakaan Perguruan Tinggi (2004 : 25), kebijakan pengembangan koleksi didasari atas beberapa asas yaitu : Kelompokkan obyek berdasar jarak minimum Nilai sudah diperoleh Belum 1. Relevan dengan kebutuhan pengguna 2. Berorientasi kepada kebutuhan pengguna 3. Kelengkapan 4. Kemutakhiran 2. Algoritma K-Means K-means merupakan salahsatu algoritma pada teknik clustering di dalam data mining, clustering merupakan teknik unsupervised yang tidak memerlukan data training dan data testing. Pada algoritma ini akan ditentukan terlebih dahulu jumlah cluster yang untuk kategori data dan pemilihan centroid point tidak harus ditentukan dan dibatasi, hal ini berarti bahwa boleh memilih sembarang objek untuk penentuan titik tengah cluster. Sudah end Gambar 1. Flowchart algoritma K-Means clustering Seperti yang terlihat pada gambar 1 maka algoritma k-means clustering sebagai berikut : 1. Menentukan jumlah cluster. 2. Menentukan pusat baru cluster 3. Menghitung jarak terdekat dengan menggunakan nilai euclidean. 4. Menampilkan hasil berdasarkan jarak yang terendah yang dihasilkan. 5. Jika belum ditemukan hasil yang sesuai, iterasi akan dilanjutkan, namun jika sudah ditemukan, hasil akan dilanjutkan. Commented [h4]: Pengertian ini menurut siapa? Untuk menghindari plagiarism lengkapi dengan refferensi
4 Adapun formula untuk mencari nilai euclidean adalah : dimana : d ij = Jarak objek P = Dimensi data X ik X jk = Koordinat dari obyek i = Koordinat dari obyek j Terdapat enam cluster yang ditentukan diantaranya cluster 1 (koleksi umum),cluster 2 (Koleksi referensi),clsuter 3 (koleksi fiksi), cluster 4 (koleksi serial),cluster 5(koleksi audio visual), cluster 6 (koleksi digital). Sehingga dari hasil simulasi diperoleh analisa jenis koleksi yang menjadi fokus untuk pengadaan serta jenis koleksi apa yang tak perlu ditambah. Berikut meruapakan flowchart sistem : Mulai Sementara untuk mencari nilai pusat cluster baru dapat menggunakan rumus Data Pengunjung perpustakaan K-means clustering C. Implementasi dan Hasil Pengadaan kebutuhan koleksi perpustakaan, jenis koleksi apa yang perlu ditambah dan yang tidak perlu ditambah,sehingga pengadaan koleksi sesuai dengan kebutuhan pengunjung pada perpustakaan. Analisa menggunakan k-means clustering akan membantu pengelola perpustakaan dalam mendefinisikan kebutuhan untuk tercapainya nilai tepat guna dan tepat sasaran. Pada penelitian ini data yang diolah berdasarkan data pengunjung perpustakaan. Simulasi berdasarkan usia, gender, pekerjaan dan level pendidikan pengunjung. Dari data pengunjung dan empat variabel tersebut akan ditentukan bahwa pengunjung dengan kriteria tertentu lebih dominan untuk melakukan peminjaman jenis koleksi tertentu. Hasil Pengolahan Selesai Gambar 2. Flowchart sistem Tabel 1 menunjukkan data pengunjung perpustakaan yang akan diolah dengan menggunakan k-means clustering, simulasi berdasarkan empat variabel yang berkaitan dengan pengunjung perpustakaan
5 Tabel 1 data pengunjung perpustakaan Dari data tersebut tentukan jumlah cluster kemudian tentukan pusat cluster acak. Tabel 3 Jarak setiap data pada pusat cluster 6, ,1962 4, , , , , ,2361 1, , , , , , , , , ,4495 2, , , , ,1623 2, , , , , , , , , , ,2426 3, , , , , ,4142 2, , , , , ,4721 3, , , , ,6904 3, , , , ,4641 2, , , , , ,4772 4, , , , , , , , , ,1623 2, , , , ,1231 3, , , , , ,4721 3, , , , ,1962 3, , , , , , , , ,1623 2, , , , , ,4641 2, , , , , , , , , ,4142 1, , , ,2361 2, , , , , ,2361 1, , , , Tabel 2 Pusat cluster acak Berikut merupakan hasil cluster sementara, pada tabel 4 terlihat tujuh data pada cluster 1, delapan data pada cluster 2, satu data pada cluster 3, enam data pada cluster 4, dua data pada cluster 5. Berdasarkan data pusat cluster baru, selanjutnya menentukan jarak terdekat setiap cluster seperti yang ditunjuk pada tabel 2
6 Tabel 4 Hasil cluster sementara Iterasi dilanjutkan sampai ditemukan hasil cluster yang sama. Tabel 5 Hasil cluster akhir Tabel 5 merupakan hasil cluster akhir setelah melalui beberapa iterasi, diperoleh sembilan kriteria masuk ke dalam cluster 5 (koleksi audio visual), tujuh kriteria masuk ke dalam cluster 4 (koleksi serial) dan terdapat delapan kriteria masuk ke dalam cluster 2 (koleksi referensi ). Sehingga dari hasil k means clustering diperoleh analisis bahwa pengadaan koleksi lebih fokus pada jenis koleksi audio visual, koleksi serial dan koleksi referensi serta koleksi umum. Koleksi fiksi dan koleksi digital tidak perlu dilakukan penambahan karena minat pengunjung untuk jenis koleksi ini sangat kecil. D. Kesimpulan Pengunjung dengan kriteria tertentu lebih dominan untuk melakukan peminjaman jenis koleksi tertentu. Terdapat sembilan kriteria yang masuk ke dalam c5 (koleksi audio visual), tujuh kriteria yang masuk ke dalam c4( koleksi serial) dan delapan kriteria yang masuk ke dalam c2 ( koleksi referensi). Koleksi fiksi
7 dan koleksi digital tidak perlu dilakukan penambahan karena minat pengunjung untuk jenis koleksi ini sangat kecil. DAFTAR PUSTAKA [1] Darmono Manajemen dan Tata Kerja Perpustakaan Sekolah. Jakarta: Grasindo. [2] Garcia-Molina, Hector; Ullman, JD., & Widom, Jennifer Database systems the complete book, International edition. New Jersey, Prentice Hall. [3] Bafadal, Ibrahim Pengelolaan Perpustakaan Sekolah. Jakarta: Bumi Aksara. [4] Pal, Shankar K & Mitra, Pabitra Pattern Recognition algorithms for data mining. CRC Press. [5] Yusuf, Pawit M dan Suhendar, Yaya Pedoman Penyelenggaraan Perpustakaan Sekolah. Jakarta: Kencana. [6] Wright, Peggy, Knowledge Discovery In Databases: Tools and Techniques, [7] Tan, Pang-Ning,; Steinbach,Michael; Kumar,Vipin. Data Mining Cluster Analysis: Basic Concepts and Algorithms. wwwusers.cs.umn.edu/ ~kumar /dmbook/-16k. [8] J. A. Hartigan (1975) Clustering Algorithms. Wiley. J. A. Hartigan and M. A. Wong (1979). A K-Means Clustering Algorithm. Applied Statistics 28 (1): [9] Teknomo, Kardi. Numerical Example of K- Means Clustering, an/numericalexample.htmnu [10] Berkhin, Pavel. Survey on clustering data mining techniques, g_survey.pdf [11] William, Graham, Data Mining Cluster, 6_2005/ maths3346-clusters-2x2.pdf
Kata kunci: Cluster, Knowledge Discovery in Database, Algoritma K-Means,
K- Pembentukan cluster dalam Knowledge Discovery in Database dengan Algoritma K-Means Oleh: Sri Andayani Jurusan Pendidikan Matematika FMIPA UNY,email: andayani@uny.ac.id Abstrak Pembentukan cluster merupakan
Lebih terperincidengan Algoritma K Means
K Pembentukan cluster dalam Knowledge Discovery in Database dengan Algoritma K Means Oleh: Sri Andayani Jurusan Pendidikan Matematika FMIPA UNY,email: andayani@uny.ac.id Abstrak Pembentukan cluster merupakan
Lebih terperinciMETODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami
METODE CLUSTERING DENGAN ALGORITMA K-MEANS Oleh : Nengah Widya Utami 1629101002 PROGRAM STUDI S2 ILMU KOMPUTER PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA SINGARAJA 2017 1. Definisi Clustering
Lebih terperinciPENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN
PENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN Fauziah Nur1, Prof. M. Zarlis2, Dr. Benny Benyamin Nasution3 Program Studi Magister Teknik Informatika, Universitas
Lebih terperinci2015 KONTRIBUSI KEBIJAKAN PENGADAAN KOLEKSI SIRKULASI TERHADAP PENINGKATAN FREKUENSI PEMINJAMAN BAHAN PUSTAKA DI SEKOLAH MENENGAH ATAS
A. Latar Belakang Masalah BAB I PENDAHULUAN Perpustakaan merupakan sumber informasi bagi seluruh masyarakat harus dapat mengelola informasi sebaik-baiknya, apalagi dengan meledaknya perkembangan ilmu pengetahuan
Lebih terperinciStudent Clustering Based on Academic Using K-Means Algoritms
Student Clustering Based on Academic Using K-Means Algoritms Hironimus Leong, Shinta Estri Wahyuningrum Faculty of Computer Science, Faculty of Computer Science Unika Soegijapranata marlon.leong@gmail.com
Lebih terperinciGIS berbasis Web untuk Pemetaan Lahan menggunakan Classifier Model
Jurnal Komputer Terapan Vol. 2, No. 1, Mei 2016, 1-6 1 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id GIS berbasis Web untuk Pemetaan Lahan menggunakan Classifier Model Abstrak Warnia Nengsih Politeknik
Lebih terperinciPENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS
Jurnal Ilmiah ILKOM Volume 8 mor (Agustus 16) ISSN: 87-1716 PENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS Widya Safira Azis 1 dan Dedy Atmajaya 1 safiraazis18@gmail.com dan dedy.atmajaya@umi.ac.id
Lebih terperinciCLUSTERING MENGGUNAKAN K-MEANS ALGORITHM (K-MEANS ALGORITHM CLUSTERING)
CLUSTERING MENGGUNAKAN K-MEANS ALGORITHM (K-MEANS ALGORITHM CLUSTERING) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang Abstract Classification is the process of organizing
Lebih terperinciK-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia
K-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia Okta Riveranda 1), Warnia Nengsih, S.Kom., M.Kom. 2) 1) Program Studi Sistem Informasi, Politeknik Caltex Riau, Pekanbaru 28265, email: okta12si@mahasiswa.pcr.ac.id
Lebih terperinciPERANAN PERPUSTAKAAN SEKOLAH Syamsul Alam WidyaiswaraLPMP Sulawesi Selatan
PERANAN PERPUSTAKAAN SEKOLAH Syamsul Alam WidyaiswaraLPMP Sulawesi Selatan Abstrak: Perpustakaan sekolah bertujuan memberikan pelayanan bahan pustaka kepada peserta didik, guru, dan tenaga kependidikan
Lebih terperinciBAB II LANDASAN TEORI. yang terdiri dari komponen-komponen atau sub sistem yang berorientasi untuk
BAB II LANDASAN TEORI 2.1 Sistem Menurut Gondodiyoto (2007), sistem adalah merupakan suatu kesatuan yang terdiri dari komponen-komponen atau sub sistem yang berorientasi untuk mencapai suatu tujuan tertentu.
Lebih terperinciBAB I PENDAHULUAN. efektivitas dan efisiensi kerja tercapai. STIKOM Surabaya merupakan salah
BAB I PENDAHULUAN 1.1 Latar belakang masalah Solusi pemanfaatan teknologi komputer sebagai alat bantu dalam mendukung kegiatan operasional suatu bidang usaha memudahkan manusia dalam mendapatkan data atau
Lebih terperinciPENGEMBANGAN KOLEKSI PERPUSTAKAAN DI PERPUSTAKAAN KOPERTIS WILAYAH X
PENGEMBANGAN KOLEKSI PERPUSTAKAAN DI PERPUSTAKAAN KOPERTIS WILAYAH X Sri Wahyuni 1, Elva Rahmah 2 Program Studi Ilmu Informasi Perpustakaan dan Kearsipan FBS Universitas Negeri Padang Email: wahyuni.sri97@yahoo.co.id
Lebih terperinciGIS berbasis Web untuk Pemetaan Lahan menggunakan Classifier Model
Jurnal... Vol. XX, No. X, Bulan 20XX, XX-XX 1 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id GIS berbasis Web untuk Pemetaan Lahan menggunakan Classifier Model Warnia Nengih Politeknik Caltex Riau,
Lebih terperinciBAB 3 ANALISA SISTEM
BAB 3 ANALISA SISTEM Pada perancangan suatu sistem diperlakukan analisa yang tepat, sehingga proses pembuatan sistem dapat berjalan dengan lancar dan sesuai seperti yang diinginkan. Setelah dilakukan analisis
Lebih terperinciDATA MINING DENGAN METODE CLUSTERING UNTUK PENGOLAHAN INFORMASI PERSEDIAAN OBAT PADA PUSKESMAS PANDANARAN SEMARANG
DATA MINING DENGAN METODE CLUSTERING UNTUK PENGOLAHAN INFORMASI PERSEDIAAN OBAT PADA PUSKESMAS PANDANARAN SEMARANG Joanna Ardhyanti Mita Nugraha 1, Yupie Kusumawati 2 1,2 Sistem Informasi, Fakultas Ilmu
Lebih terperinciANALISIS PENGELOMPOKAN JUMLAH PENUMPANG BUS TRANS JOGJA MENGGUNAKAN METODE CLUSTERING K-MEANS DAN AGGLOMERATIVE HIERARCHICAL CLUSTERING (AHC)
ANALISIS PENGELOMPOKAN JUMLAH PENUMPANG BUS TRANS JOGJA MENGGUNAKAN METODE CLUSTERING K-MEANS DAN AGGLOMERATIVE HIERARCHICAL CLUSTERING (AHC) Lisna Zahrotun Program Studi Teknik Informatika Universitas
Lebih terperinciBAB II KAJIAN TEORITIS
BAB II KAJIAN TEORITIS 2.1 Perpustakaan Perguruan Tinggi 2.1.1 Pengertian Perpustakaan Perguruan Tinggi Perpustakaan perguruaan tinggi merupakan salah satu sarana dalam melaksanakan program pendidikan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMASARAN PRODUK MENGGUNAKAN DATA MINING DENGAN K-MEANS CLUSTERING
Seminar Nasional Sistem Informasi Indonesia, 22 September 2014 SISTEM PENDUKUNG KEPUTUSAN PEMASARAN PRODUK MENGGUNAKAN DATA MINING DENGAN K-MEANS CLUSTERING Arief Samuel Gunawan 1), Evasaria Magdalena
Lebih terperinciPENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR
PENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciLAPORAN KEGIATAN PENELITIAN
LAPORAN KEGIATAN PENELITIAN Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang Oleh : Asroni,
Lebih terperinciPENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA
PENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Madura Kampus Universitas Trunojoyo
Lebih terperinciPERATURAN KEPALA PERPUSTAKAAN NASIONAL REPUBLIK INDONESIA NOMOR 13 TAHUN 2017 TENTANG STANDAR NASIONAL PERPUSTAKAAN PERGURUAN TINGGI
SALINAN PERATURAN KEPALA PERPUSTAKAAN NASIONAL REPUBLIK INDONESIA NOMOR 13 TAHUN 2017 TENTANG STANDAR NASIONAL PERPUSTAKAAN PERGURUAN TINGGI DENGAN RAHMAT TUHAN YANG MAHA ESA KEPALA PERPUSTAKAAN NASIONAL
Lebih terperinciClustering Data Ujian Tengah Semester (UTS) Data Mining Menggunakan Algoritma K-Means
Clustering Data Ujian Tengah Semester (UTS) Data Mining Menggunakan Algoritma K-Means Ginanjar Abdurrahman 1) 1) Jurusan Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Jl. Karimata
Lebih terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 3 1 Mahasiswa Program Studi Matematika
Lebih terperinciPEMERINTAH PROPINSI DAERAH KHUSUS IBUKOTAJAKARTA KEPUTUSAN GUBERNUR PROPINSI DAERAH KHUSUS NOMOR 94 TAHUN 2004 TENTANG
PEMERINTAH PROPINSI DAERAH KHUSUS IBUKOTA JAKARTA KEPUTUSAN GUBERNUR PROPINSI DAERAH KHUSUS IBUKOTAJAKARTA NOMOR 94 TAHUN 2004 TENTANG PENGATURAN JAM KERJA LAYANAN DAN KEANGGOTAAN PERPUSTAKAAN UMUM DI
Lebih terperinciFuzzy C-means Clustering menggunakan Cluster Center Displacement
Fuzzy C-means Clustering menggunakan Cluster Center Displacement Fitri Hidayah Sundawati 1), Jadi Suprijadi 2), Titi Purwandari 3) 1) Mahasiswa Statistika Terapan, UniversitasPadjadjaran-Indonesia 2) Pengajar
Lebih terperinciMEMANFAATKAN ALGORITMA K-MEANS DALAM MENENTUKAN PEGAWAI YANG LAYAK MENGIKUTI ASESSMENT CENTER UNTUK CLUSTERING PROGRAM SDP
MEMANFAATKAN ALGORITMA K-MEANS DALAM MENENTUKAN PEGAWAI YANG LAYAK MENGIKUTI ASESSMENT CENTER UNTUK CLUSTERING PROGRAM SDP Page 87 Iin Parlina 1, Agus Perdana Windarto 2, Anjar Wanto 3, M.Ridwan Lubis
Lebih terperinciBAB 1 PENDAHULUAN. Wiley & Sons, 2003, Hal : 1. 1 Poe Vidette, Klauer Patricia dan Brobst Stephen, Building A Data WareHouse for Decision Support
BAB 1 PENDAHULUAN 1.1. Pendahuluan Dewasa ini fungsi komputer semakin dimanfaatkan baik pada perusahaan menengah ke atas maupun pada perusahaan kecil. Adapun fungsi dari komputer itu sendiri adalah mengolah
Lebih terperinci76 JURNAL ILMIAH SEMESTA TEKNIKA Vol. 18, No. 1, 76-82, Mei 2015
76 JURNAL ILMIAH SEMESTA TEKNIKA Vol. 18, No. 1, 76-82, Mei 2015 Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika
Lebih terperinciEvaluasi Pemanfaatan Koleksi Bilingual Pada Perpustakaan Sekolah HighScope Indonesia Bali
Evaluasi Pemanfaatan Koleksi Bilingual Pada Bali Ni Made Ayu Apti Ismayuri¹, Richard Togaranta Ginting², Ni Putu Premierita Haryanti³ Fakultas Ilmu Sosial dan Ilmu Politik Universitas Udayana madeayuapti@yahoo.com¹,richardtogaranta@yahoo.com²,premierita@yahoo.com³
Lebih terperinciSistem Rekomendasi Film menggunakan Bisecting K-Means dan Collaborative Filtering
Sistem Rekomendasi Film menggunakan Bisecting K-Means dan Collaborative Filtering Arwin Halim 1, Hernawati Gohzali 2, Dita Maria Panjaitan 3, Ilham Maulana 4 1,2,3,4 Jurusan Teknik Informatika, STMIK Mikroskil,
Lebih terperinciDATA MINING. Pertemuan 9. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi
DATA MINING 3 SKS Semester 6 S1 Sistem Informasi Pertemuan 9 Nizar Rabbi Radliya nizar.radliya@yahoo.com Universitas Komputer Indonesia 2016 Clustering Data Mining Penklusteran (clustering) digunakan untuk
Lebih terperinciMETODE NON HIERARCHY ALGORITMA K-MEANS DALAM MENGELOMPOKKAN TINGKAT KELARISAN BARANG (STUDI KASUS : KOPERASI KELUARGA BESAR SEMEN PADANG)
METODE NON HIERARCHY ALGORITMA K-MEANS DALAM MENGELOMPOKKAN TINGKAT KELARISAN BARANG (STUDI KASUS : KOPERASI KELUARGA BESAR SEMEN PADANG) Fakultas Ilmu Komputer, Universitas Putra Indonesia YPTK Padang
Lebih terperinciClustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means
Clustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means Sri Redjeki Andreas 1), Andreas Pamungkas, Pamungkas Hastin 2), Hastin Al-fatah Al-fatah 3) 1)2)3) STMIK dzeky@akakom.ac.id
Lebih terperinciPENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS
PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika Universitas Indraprasta PGRI Abstract. The purpose of this study was to
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan mahasiswa berdasarkan status gizi Body Mass Index (BMI) dan ukuran kerangka.
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi perguruan tinggi yang bergerak di bidang pendidikan, yang di dalamnya terdapat
Lebih terperinciCLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS
CLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS Muhammad Toha, 1), I Ketut Edy Purnama 2) dan Surya Sumpeno 3) 1) Bidang Keahlian Telematika (Konsentrasi CIO) Jurusan Teknik Elektro
Lebih terperinci2017, No Undang-Undang Nomor 23 Tahun 2014 tentang Pemerintahan Daerah (Lembaran Negara Republik Indonesia Tahun 2014 Nomor 244, Tambahan Le
BERITA NEGARA REPUBLIK INDONESIA No.699, 2017 PERPUSNAS. Perpustakaan Kabupaten/Kota. Standar Nasional. PERATURAN KEPALA PERPUSTAKAAN NASIONAL REPUBLIK INDONESIA NOMOR 8 TAHUN 2017 TENTANG STANDAR NASIONAL
Lebih terperinciBAB II KAJIAN TEORI. A. Perpustakaan Sekolah. 1. Pengertian Perpustakaan Sekolah. Perpustakaan merupakan salah satu bagian penting terutama bagi
4 BAB II KAJIAN TEORI A. Perpustakaan Sekolah 1. Pengertian Perpustakaan Sekolah Perpustakaan merupakan salah satu bagian penting terutama bagi sekolah dan besar pengaruhnya terhadap mutu pendidikan. Dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di lakukan oleh Muhammad Toha dkk (2013), Sylvia Pretty Tulus (2014), Johan
Lebih terperinciKLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING
KLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING Ari Kurniawan, Mochamad Hariadi S2 Teknik Elektro (Telematika), Institut Teknologi Sepuluh
Lebih terperinciKLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS
KLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS Nunik Mariastuti Wijilestari, Moch. Hariadi Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 60
Lebih terperinciPERATURAN KEPALA PERPUSTAKAAN NASIONAL REPUBLIK INDONESIA NOMOR 9 TAHUN 2017 TENTANG STANDAR NASIONAL PERPUSTAKAAN PROVINSI
SALINAN PERATURAN KEPALA PERPUSTAKAAN NASIONAL REPUBLIK INDONESIA NOMOR 9 TAHUN 2017 TENTANG STANDAR NASIONAL PERPUSTAKAAN PROVINSI DENGAN RAHMAT TUHAN YANG MAHA ESA KEPALA PERPUSTAKAAN NASIONAL REPUBLIK
Lebih terperinciKLASTERISASI PROSES SELEKSI PEMAIN MENGGUNAKAN ALGORITMA K-MEANS
1 KLASTERISASI PROSES SELEKSI PEMAIN MENGGUNAKAN ALGORITMA K-MEANS (Study Kasus : Tim Hockey Kabupaten Kendal) Alith Fajar Muhammad Jurusan Teknik Informatika FIK UDINUS, Jl. Nakula No. 5-11 Semarang-50131
Lebih terperinciBAB IV PEMBAHASAN. Pada penelitian ini menggunakan data mahasiswa Fakultas Teknik alumni
BAB IV PEMBAHASAN Pada penelitian ini menggunakan data mahasiswa Fakultas Teknik alumni 2013-2015, rentan waktu itu di jadikan sebagai bahan penelitian karena cukup relevan dengan tahun sekarang, faktor
Lebih terperinciImplementasi Algoritma K-Means Dalam Keputusan Pemberian Beasiswa (Studi Kasus SMA Santo Bernadus Pekalongan) Artikel Ilmiah
Implementasi Algoritma K-Means Dalam Keputusan Pemberian Beasiswa (Studi Kasus SMA Santo Bernadus Pekalongan) Artikel Ilmiah Peneliti: Valentino Giarto (672011005) Magdalena A. Ineke Pakereng, M.Kom. Program
Lebih terperinciPENERAPAN ALGORITMA K-MEANS PADA KUALITAS GIZI BAYI DI INDONESIA
PENERAPAN ALGORITMA K-MEANS PADA KUALITAS GIZI BAYI DI INDONESIA Diajeng Tyas Purwa Hapsari Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email :
Lebih terperinci.: Analisis Gerombol - Bagian 2 :.
seri tulisan data mining.: Analisis Gerombol - Bagian 2 :. Penggerombolan Tak Berhirarki - Algoritma k-means Bagus Sartono bagusco@gmail.com June 4, 2016 Abstract Pada seri tulisan ini akan dipaparkan
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN
BAB IV ANALISIS DAN PERANCANGAN 4.1. Analisa 4.1.1 Analisis Data Pada tahap analisa data ini akan dibahas mengenai citra CT Scan yang akan dilakukan proses segmentasi atau pengelompokan data. Data citra
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Perpustakaan Perguruan Tinggi 2.1.1 Pengertian Perpustakaan Perguruan Tinggi Perpustakaan perguruan tinggi merupakan perpustakaan yang tergabung dalam lingkungan lembaga pendidikan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Faktor penentu bagi usaha atau bisnis apapun pada masa sekarang ini adalah kemampuan untuk menggunakan informasi seefektif mungkin. Penggunaan data secara tepat karena
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dewasa ini informasi telah menjadi kebutuhan primer masyarakat dan mendapat tempat penting dalam aktivitas masyarakat sehari-hari. Dosen pengajar membutuhkan
Lebih terperinciKLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING
KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING Moh Ahsan Universitas Kanjuruhan Malang ahsan@unikama.ac.id ABSTRAK. Universitas Kanjuruhan Malang
Lebih terperinciBAB II KAJIAN TEORITIS
BAB II KAJIAN TEORITIS 2.1 Perpustakaan Perguruan Tinggi 2.1.1 Pengertian Perpustakaan Perguruan Tinggi Perpustakaan perguruan tinggi merupakan salah satu sarana dalam melaksanakan program pendidikan dan
Lebih terperinciANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM)
ANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM) Nurani 1, Hamdan Gani 2 1 nurani_nanni@yahoo.com, 2 hamdan.gani.inbox@gmail.com
Lebih terperinciPENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING PENENTUAN JURUSAN BAHASA MANDARIN GERMAN DAN PRANCIS
PENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING PENENTUAN JURUSAN BAHASA MANDARIN GERMAN DAN PRANCIS Ardi Mardiana Fakultas Teknik, Universitas Majalengka Email: aim@ft.unma.ac.id Abstract Grouping language
Lebih terperinciPenerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta)
Penerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta) Universitas Islam Negeri Syarif Hidayatullah Jakarta email: nurhayati@uinjkt.ac.id
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. berupa Tugas Akhir, Laporan Penelitian, jurnal maupun artikel. Karya tulis ini mengenai
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Dalam menyusun Tugas Akhir ini penulis merujuk pada beberapa karya tulis berupa Tugas Akhir, Laporan Penelitian, jurnal maupun artikel. Karya
Lebih terperinciPENGELOMPOKKAN ANGKA PARTISIPASI PENDIDIKAN WAJIB BELAJAR SE-INDONESIA MENGGUNAKAN METODE FUZZY C-MEANS. Abstrak
1 PENGELOMPOKKAN ANGKA PARTISIPASI PENDIDIKAN WAJIB BELAJAR SE-INDONESIA MENGGUNAKAN METODE FUZZY C-MEANS Nila Yuliani 1) Mardhiah Fadli 2) Warnia Nengsih 3) Program Studi Sistem Informasi Politeknik Caltex
Lebih terperinciSARANA DAN PRASARANA DI PERPUSTAKAAN SD NEGERI KOTAGEDE 3 YOGYAKARTA
SARANA DAN PRASARANA DI PERPUSTAKAAN SD NEGERI KOTAGEDE 3 YOGYAKARTA LAPORAN TUGAS AKHIR Diajukan untuk Memenuhi Salah Satu Syarat Kelulusan Program Studi Ilmu Perpustakaan D3 Fakultas Adab dan Ilmu Budaya
Lebih terperinciBAB II TINJAUAN PUSTAKA. perguruan tinggi yang berfungsi menyediakan serta menyebarluaskan
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Perpustakaan Perguruan Tinggi Perpustakaan Perguruan Tinggi merupakan perpustakaan yang terdapat pada perguruan tinggi yang berfungsi menyediakan serta menyebarluaskan
Lebih terperinciPENGELOMPOKAN NASABAH BANK MENGGUNAKAN ALGORITMA K- MEANS UNTUK MEMBERIKAN PENAWARAN YANG TEPAT
PENGELOMPOKAN NASABAH BANK MENGGUNAKAN ALGORITMA K- MEANS UNTUK MEMBERIKAN PENAWARAN YANG TEPAT Ismail Setiawan 1) 1) Magister Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperinciBAB 1 PENDAHULUAN Building A Data WareHouse for Decision Support Second Edition Data Mining : Concepts, Models, Methods, and Algorithms
BAB 1 PENDAHULUAN 1.1. Pendahuluan Mesin hitung bernama Komputer sejak satu dekade ini telah tumbuh dan berkembang dengan pesat. Perkembangan ini meliputi sisi teknologi, kapasitas media penyimpanan, dan
Lebih terperinciPengadaan Bahan Pustaka Untuk Perpustakaan Sekolah Gatot Subrata
Pengadaan Bahan Pustaka Untuk Perpustakaan Sekolah Gatot Subrata Abstrak: Pengadaan bahan pustaka merupakan kunci utama dalam mewujudkan koleksi perpustakaan yang berkualitas dan sesuai dengan kebutuhan
Lebih terperinciPENERAPAN ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) CLUSTERING UNTUK MELIHAT GAMBARAN UMUM KEMAMPUAN AKADEMIK MAHASISWA
PENERAPAN ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) CLUSTERING UNTUK MELIHAT GAMBARAN UMUM KEMAMPUAN AKADEMIK MAHASISWA 1 Yulison Herry Chrisnanto, 2 Gunawan Abdillah 1,2 Jurusan Informatika Fakultas
Lebih terperinciProsiding SENATEK 2015 Fakultas Teknik, Universitas Muhammadiyah Purwokerto Purwokerto, 28 November 2015, ISBN
SISTEM KLASTERISASI MENGGUNAKAN METODE K-MEANS DALAM MENENTUKAN POSISI ACCESS POINT BERDASARKAN POSISI PENGGUNA HOTSPOT DI UNIVERSITAS MUHAMMADIYAH PURWOKERTO Achmad Fauzan*, Abid Yanuar Badharudin, Feri
Lebih terperinciJURNAL KLASIFIKASI JENIS TANAMAN MANGGA BERDASARKAN TULANG DAUN MENGGUNAKAN METODE K-MEANS
JURNAL KLASIFIKASI JENIS TANAMAN MANGGA BERDASARKAN TULANG DAUN MENGGUNAKAN METODE K-MEANS Oleh: Ina Dewi Safitri 12.1.03.02.0275 Dibimbing oleh : 1. Rini Indrianti, M.Kom 2. Resty Wulanningrum, M.Kom
Lebih terperinciPENERAPAN METODE KLASTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI TEKNIK INFORMATIKA STRATA SATU
PENERAPAN METODE KLASTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI TEKNIK INFORMATIKA STRATA SATU Gita Premashanti Trayasiwi Program Studi Teknik Informatika S1,
Lebih terperinciCLUSTERING MOTIVASI BELAJAR SISWA ELEARNING BERBASIS ALGORITMA K-MEANS
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 379~383 379 CLUSTERING MOTIVASI BELAJAR SISWA ELEARNING BERBASIS ALGORITMA K-MEANS Sismadi AMIK BSI JAKARTA e-mail: sismadi.ssm@bsi.ac.id
Lebih terperinciALGORITMA k-nearest NEIGHBOR DALAM KLASIFIKASI DATA HASIL PRODUKSI KELAPA SAWIT PADA PT. MINAMAS KECAMATAN PARINDU
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 02, No.1(2013), hal. 33-38. ALGORITMA k-nearest NEIGHBOR DALAM KLASIFIKASI DATA HASIL PRODUKSI KELAPA SAWIT PADA PT. MINAMAS KECAMATAN PARINDU
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. tempat bagi para mahasiswa maupun dosen untuk belajar dan menambah
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Permasalahan Perpustakaan merupakan salah satu gudang ilmu pengetahuan bagi sebagian masyarakat. Perpustakaan STIKOM Surabaya merupakan salah satu tempat
Lebih terperinciDESCRIPTIVE MODELLING MENGGUNAKAN K-MEANS UNTUK PENGCLUSTERAN TINGKAT KEMISKINAN DI PROPINSI RIAU
DESCRIPTIVE MODELLING MENGGUNAKAN K-MEANS UNTUK PENGCLUSTERAN TINGKAT KEMISKINAN DI PROPINSI RIAU Warnia Nengsih 1) 1) Sistem Informasi/Komputer,Politeknik Caltex Riau-Pekanbaru warnia@pcr.ac.id 1) Abstrak
Lebih terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 1 Mahasiswa Program Studi Matematika FSM
Lebih terperinciBAB I PENDAHULUAN. kemajuan teknologi informasi adalah munculnya perkembangan informasi yang
BAB I PENDAHULUAN A. Latar Belakang Masalah Era informasi memunculkan dampak- dampak perkembangan baru dalam berbagai macam aspek kehidupan, terlebih dengan adanya kemajuan teknologi informasi. Dengan
Lebih terperinciBAB I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Keberhasilan pendidikan di sekolah tergantung pada sistem pembelajaran yang dimotori oleh empat komponen utama, yaitu: siswa, guru, sistem kurikulum dan sarana-prasarana.
Lebih terperinciPERATURAN KEPALA PERPUSTAKAAN NASIONAL REPUBLIK INDONESIA NOMOR 14 TAHUN 2017 TENTANG STANDAR NASIONAL PERPUSTAKAAN KHUSUS
SALINAN PERATURAN KEPALA PERPUSTAKAAN NASIONAL REPUBLIK INDONESIA NOMOR 14 TAHUN 2017 TENTANG STANDAR NASIONAL PERPUSTAKAAN KHUSUS DENGAN RAHMAT TUHAN YANG MAHA ESA KEPALA PERPUSTAKAAN NASIONAL REPUBLIK
Lebih terperinciBab I Pendahuluan. Fungsi tersebut adalah sebagai sarana simpan karya manusia, fungsi informasi,
Bab I Pendahuluan 1.1 Latar Belakang Selama berabad-abad keberadaan perpustakaan tetap dipertahankan karena perpustakaan mempunyai fungsi yang berkaitan dengan kepentingan masyarakat. Fungsi tersebut adalah
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Informasi Pengertian Sistem Informasi pada dasarnya merupakan hasil dari dua arti, yakni sistem dan informasi yang digabungkan. Berikut definisi sistem menurut para ahli
Lebih terperinci(M.3) CLUSTERING PENGGUNA WEBSITE BPS MENGGUNAKAN ALGORITMA SEQUENCE DBSCAN (SEQDBSCAN) DENGAN JARAK SIMILARITAS S 3 M
(M.3) CLUSTERING PENGGUNA WEBSITE BPS MENGGUNAKAN ALGORITMA SEQUENCE DBSCAN (SEQDBSCAN) DENGAN JARAK SIMILARITAS S 3 M 1Toza Sathia Utiayarsih, 2 Yadi Suprijadi, 3 Bernik Maskun 1Mahasiswa Magister Statistika
Lebih terperinciData Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata
Data Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata Cakra Ramadhana 1, Yohana Dewi Lulu W 2, Kartina Diah K. W. 3 1,2 Program Studi Sistem Informasi, Politeknik
Lebih terperinciPERBAIKAN INISIALISASI K-MEANS MENGGUNAKAN GRAF HUTAN YANG MINIMUM. Achmad Maududie 1 Wahyu Catur Wibowo 2. Abstrak
PERBAIKAN INISIALISASI K-MEANS MENGGUNAKAN GRAF HUTAN YANG MINIMUM Achmad Maududie 1 Wahyu Catur Wibowo 2 1 Program Studi Sistem Informasi, Universitas Jember 2 Fakultas Ilmu Komputer, Universitas Indonesia,
Lebih terperinciPENGELOMPOKAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS
PENGELOMPOKAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS Narwati Dosen Fakultas Teknologi Informasi Abtrack Makalah ini membahas pengelompokan mahasiswa berdasarkan data akademik menggunakan teknik clustering
Lebih terperinciMETODE ADAPTIVE-SECTING DIVISIVE CLUSTERING DENGAN PENDEKATAN GRAF HUTAN YANG MINIMUM
METODE ADAPTIVE-SECTING DIVISIVE CLUSTERING DENGAN PENDEKATAN GRAF HUTAN YANG MINIMUM Achmad Maududie 1), Wahyu Catur Wibowo 2) 1) Program Studi Sistem Informasi, Universitas Jember 2) Fakultas Ilmu Komputer,
Lebih terperinciBadan Perpustakaan, Arsip dan Dokumentasi Daerah dan Ketersediaan Koleksi untuk Kebutuhan Pengguna (User)
Available online at http://jurnal.radenfatah.ac.id/index.php/intelektualita Badan Perpustakaan, Arsip dan Dokumentasi Daerah Fakultas Adab dan Humaniora Universitas Islam Negeri Raden Fatah Palembang,
Lebih terperinciBAB I PENDAHULUAN. informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga
BAB I PENDAHULUAN I.1. Latar Belakang Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga informasi akan menjadi
Lebih terperinciMAKALAH PERAN PERPUSTAKAAN SEKOLAH DASAR UNTUK KECERDASAN ANAK. Untuk memenuhi Tugas Ujian Akhir Semester Pengelolaan Perpustakaan Pendidikan
MAKALAH PERAN PERPUSTAKAAN SEKOLAH DASAR UNTUK KECERDASAN ANAK Untuk memenuhi Tugas Ujian Akhir Semester Pengelolaan Perpustakaan Pendidikan Dosen pengampu : Nanik Arkiyah, M.IP Disusun oleh : Anggia Dwi
Lebih terperinciDesain dan Implementasi Alat Participatory Environmental Sensing Untuk Meningkatkan Densitas Ketersediaan Data Lingkungan
Prosiding Seminar Nasional Teknologi Elektro Terapan 2017 Vol.01 No.01, ISSN: 2581-0049 Desain dan Implementasi Alat Participatory Environmental Sensing Untuk Meningkatkan Densitas Ketersediaan Data Lingkungan
Lebih terperinciTAKARIR. : Mengelompokkan suatu objek yang memiliki kesamaan. : Kelompok atau kelas
TAKARIR Data Mining Clustering Cluster Iteratif Random Centroid : Penggalian data : Mengelompokkan suatu objek yang memiliki kesamaan. : Kelompok atau kelas : Berulang : Acak : Pusat area KDD (Knowledge
Lebih terperinciPengenalan Pola. K-Means Clustering
Pengenalan Pola K-Means Clustering PTIIK - 2014 Course Contents 1 Definisi k-means 2 Algoritma k-means 3 Studi Kasus 4 Latihan dan Diskusi K-Means Clustering K-Means merupakan salah satu metode pengelompokan
Lebih terperinciTANGGAPAN PEMUSTAKA TERHADAP KETERSEDIAAN KOLEKSI DI POJOK JAWA BARAT ABSTRACT
TANGGAPAN PEMUSTAKA TERHADAP KETERSEDIAAN KOLEKSI DI POJOK JAWA BARAT 1, Yunus Winoto 2, Kusnandar 3 Departemen Ilmu Informasi dan Perpustakaan Fakultas Ilmu Komunikasi Universitas Padjadjaran Corresponding
Lebih terperinciREKOMENDASI PEMBELIAN PERSONAL KOMPUTER DENGAN METODE RANKED CLUSTERING
REKOMENDASI PEMBELIAN PERSONAL KOMPUTER DENGAN METODE RANKED CLUSTERING Fadly Shabir 1 dan Abdul Rachman M 2 1 kyofadly@gmail.com, 2 emanrstc@yahoo.co.id 1 Stimik Handayani, 2 Universitas Muslim Indonesia
Lebih terperinciPerancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors Gede Aditra
Lebih terperinciPENGEMBANGAN APLIKASI PENENTUAN TINGKAT KEUNTUNGAN PADA E- COMMERCE DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN APRIORI
PENGEMBANGAN APLIKASI PENENTUAN TINGKAT KEUNTUNGAN PADA E- COMMERCE DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN APRIORI Gunawan 1, Fandi Halim 2, Tony Saputra Debataraja 3, Julianus Efrata Peranginangin 4
Lebih terperinciBAB I PENDAHULUAN. Perpustakaan perguruan tinggi di era informasi saat ini perlu melakukan
BAB I PENDAHULUAN 1.1 Latar Belakang Perpustakaan perguruan tinggi di era informasi saat ini perlu melakukan perubahan dan peningkatan pelayanan kepada penggunannya. Hal ini berkaitan dengan perkembangan
Lebih terperinciPENGENALAN BASIS DATA. By Novareza Klifartha
PENGENALAN BASIS DATA By Novareza Klifartha Referensi Materi Kuliah Basis Data pada Kent State University oleh Yuri Breitbart Hector Garcia-Molina, Jeffrey D. Ullman, Jennifer Widom, Database Systems,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Latar belakang penelitian ini dimulai dari banyaknya kejadian serangan yang sering terjadi di Internet. Serangan tersebut diantaranya adalah SYN Flood, IP
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. menerapkan metode clustering dengan algoritma K-Means untuk penelitiannya.
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Salah satu cara untuk mengetahui faktor nilai cumlaude mahasiswa Fakultas Teknik Universitas Muhammadiyah Yogyakarta adalah dengan menerapkan
Lebih terperinci