BAB I 1 PENDAHULUAN. atas sekelompok vertebra, invertebrate discs, saraf, otot, medulla, dan sendi
|
|
- Hengki Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB I 1 PENDAHULUAN 1.1 Latar Belakang Tulang punggung merupakan bagian dari tulang belakang yang tersusun atas sekelompok vertebra, invertebrate discs, saraf, otot, medulla, dan sendi (Berthonnaud et al., 2005). Tulang punggung sebagai bagian dari tulang belakang mempunyai peranan penting pada tubuh manusia. Fungsi utama dari tulang punggung adalah menopang tubuh manusia, pelindung medulla spinalis dan pusat saraf, serta sebagai poros pergerakan tubuh (Rocha et al., 2011). Beberapa penelitian menyatakan bahwa pada tahun 2012, lebih kurang orang di United States mengalami cidera tulang belakang atau SCI (Spinal Cord Injury), dengan rentang sampai orang (National Spinal Cord Injury Statistical Center, 2012). Salah satu penyebab terbesar SCI adalah trauma pada tulang punggung (Vogel et al., 2004). Trauma yang terjadi pada tulang punggung dapat mempengaruhi kemampuan sumsum tulang belakang untuk mengirim dan menerima pesan dari otak ke sistem tubuh yang mengendalikan sensorik dan motorik. Trauma tersebut dapat disebabkan oleh berbagai macam faktor (American Association of Neurological Surgeons, 2005). Disc hernia dan spondylolisthesis merupakan contoh dari penyakit atau gangguan yang dapat terjadi pada tulang punggung. Disc hernia merupakan penyakit pada tulang punggung yang dapat menyebabkan kelumpuhan. Sedangkan spondylolisthesis dapat menyebabkan rasa sakit dan gangguan saraf (Rocha et al., 2011). 1
2 2 Klasifikasi penyakit pada tulang punggung (vertebral column) merupakan salah satu implementasi dari teknik pembelajaran mesin (machine learning) di bidang kedokteran. Penelitian tentang klasifikasi penyakit atau kerusakan tulang dan sendi dari sistem kerangka masih jarang dilakukan karena belum adanya suatu database yang memiliki atribut numeric yang secara kuantitatif mampu menggambarkan penyakit tersebut (Neto dan Barreto, 2009). Padahal sistem klasifikasi tersebut dapat digunakan sebagai second opinion oleh para ahli radiologi sehingga dapat meningkatkan produktivitas dan konsistensi diagnosis dari ahli radiologi tersebut mengingat bahwa penyakit pada tulang dan sendi dari sistem kerangka memiliki dampak yang buruk dan dapat mengganggu aktivitas para penderita. Berdasarkan permasalahan di atas, pada penelitian ini, dipilih dataset Vertebral Column yang merupakan salah satu dataset dari UCI Machine Learning Repository. Dataset tersebut diambil oleh Dr. Henrique da Mota di Group of Applied Research in Orthopaedics (GARO) dari Médico-Chirurgical de Réadaptation des Massues, Lyon, France. Dataset tersebut memiliki enam atribut, yaitu pelvic incidence, pelvic tilt, lumbar lordosis angle, sacral slope, pelvic radius, dan grade of spondylolisthesis dan memiliki 310 instance. Keenam atribut parameter digunakan untuk mengklasifikasikan data ke dalam tiga kelas, yaitu hernia, spondylolisthesis, dan normal. Dataset dengan tiga kelas dipilih agar dapat menghasilkan suatu sistem yang dapat melakukan diagnosis penyakit yang lebih spesifik dibandingkan dengan memakai dataset yang memiliki dua kelas, yaitu kelas normal dan abnormal.
3 3 Pada penelitian ini, akan ditentukan metode klasifikasi terbaik diantara dua metode yang mungkin dapat digunakan untuk melakukan klasifikasi penyakit pada tulang punggung. Kedua metode tersebut adalah decision tree (J48) dan Bagging dengan J48 sebagai base learnernya. Secara umum, decision tree merupakan metode yang mudah direpresentasikan atau dipahami oleh manusia karena dapat memberikan gambaran secara visual. Selain itu, decision tree juga dapat digunakan untuk data yang memiliki atribut dengan tipe numeric seperti dataset Vertebral Column yang digunakan pada penelitian ini. Namun, decision tree merupakan metode yang tidak stabil, karena itu perlu adanya metode lain untuk dapat mengatasi kelemahan tersebut dan Bagging merupakan salah satu metode yang dapat digunakan (Witten et al., 2011). Performa dari kedua metode klasifikasi tersebut akan dievaluasi menggunakan metode 10-fold cross-validation. Dan parameter yang digunakan untuk mengevaluasi metode klasifikasi yang digunakan adalah TP rate (True Positive rate), FP rate (False Positive rate), accuracy, dan ROC (Receiver Operating Characteristic) AUC (Area Under the Curve). Parameter tersebut dipilih untuk dapat menganalisis ketepatan metode klasifikasi yang digunakan dalam melakukan klasifikasi penyakit pada tulang punggung mengingat bahwa ketelitian prediksi merupakan hal yang penting di dunia medis karena berkaitan dengan kesehatan atau keselamatan manusia. 1.2 Rumusan Masalah Masalah yang dirumuskan berdasarkan penjelasan latar belakang adalah sebagai berikut.
4 4 1. Penelitian tentang klasifikasi penyakit atau kerusakan tulang dan sendi dari sistem kerangka masih jarang dilakukan. Padahal sistem klasifikasi dapat meningkatkan produktivitas dan konsistensi para ahli radiologi dalam melakukan diagnosis. 2. Secara umum, decision tree merupakan metode yang mudah direpresentasikan oleh manusia dan dapat digunakan pada atribut dengan tipe numeric. Meskipun demikian, decision tree merupakan metode yang tidak stabil sehingga perlu adanya metode lain untuk mengatasi kelemahan tersebut, terutama dalam melakukan klasifikasi penyakit pada tulang punggung. 1.3 Batasan Masalah Ada beberapa batasan yang dilakukan dalam penelitian ini, yang dijabarkan sebagai berikut. 1. Batasan subjek penelitian adalah dataset dari UCI Mechine Learning Repository, yaitu dataset Vertebral column yang memiliki tiga kelas (disc hernia, spondylolistesis, dan normal). Dataset tersebut memiliki 6 parameter yang digunakan untuk menentukan kelas, yaitu pelvic incidence, pelvic tilt, lumbar lordosis angle, sacral slope, pelvic radius, dan grade of spondylolisthesis dengan instance sebanyak Batasan sistem adalah penelitian menggunakan WEKA untuk tahap klasifikasi dan evaluasi data. Metode klasifikasi yang digunakan adalah metode J48 dan Bagging dengan J48 sebagai base learner. Metode J48 yang digunakan merupakan J48 yang menggunakan tree
5 5 pruning dan tanpa pembentukan aturan keputusan. Sedangkan metode evaluasi yang digunakan adalah 10-fold cross validation. 3. Parameter yang digunakan untuk mengetahui performa dari metode klasifikasi yang digunakan adalah TP rate, FP rate, accuracy, dan ROC AUC. 1.4 Tujuan Penelitian Tujuan diadakan penelitian ini adalah sebagai berikut. 1. Melakukan klasifikasi penyakit pada tulang punggung dengan menggunakan metode J48 dan Bagging dengan J48 sebagai base learner. Dan mengevaluasinya berdasarkan nilai accuracy, TP rate, FP rate, dan ROC AUC. 2. Mengevaluasi performa metode Bagging dalam meningkatkan performa metode J48 berdasarkan nilai accuracy, TP rate, FP rate, dan ROC AUC. 3. Menentukan metode terbaik untuk klasifikasi penyakit pada tulang punggung diantara kedua metode yang digunakan dalam penelitian ini. 1.5 Manfaat Penelitian Manfaat penelitian dari klasifikasi dataset Vertebral column adalah untuk memberikan referensi metode apa yang dapat digunakan untuk klasifikasi penyakit pada tulang punggung sehingga dapat dibangun sebuah sistem klasifikasi yang berfungsi sebagai second opinion bagi para ahli radiologi atau dokter dalam mendiagnosis penyakit pada tulang punggung.
6 6 1.6 Keaslian Penelitian Penelitian tentang implementasi dari teknik machine learning di bidang kedokteran seperti cardiology, radiology, dan pathology sudah banyak dilakukan sebelumnya dengan berbagai macam penyakit yang digunakan sebagai objek penelitian. Penyakit pada tulang belakang merupakan salah satu penyakit yang menjadi objek penelitian. Terdapat dua macam dataset Vertebral Column di UCI Machine Learning Repository, yaitu dataset yang memiliki dua kelas dan tiga kelas. Beberapa metode telah diuji pada kedua dataset tersebut untuk mendapatkan hasil klasifikasi dengan kualitas performa yang baik. Salah satu penelitian tentang klasifikasi penyakit pada tulang punggung dilakukan oleh Rocha et al. (2011) dengan menggunakan metode rejection, yaitu rejectsvm untuk klasifikasi penyakit pada tulang punggung ke dalam dua kelas, yaitu normal dan abnormal. Kotti dan Diamantaras (2012) menggunakan metode Mean Squared Slack (MSS) untuk melakukan klasifikasi pada dua dataset yang berbeda dan salah satunya adalah dataset penyakit pada tulang punggung yang memiliki dua kelas, yaitu normal dan abnormal. Sedangkan Redy et al. (2012) menggunakan metode Naïve Bayes untuk dua dataset Vertebral Column yang berbeda. Satu dataset merupakan klasifikasi penyakit pada tulang punggung yang memiliki dua kelas, dan satu lagi dataset yang memiliki tiga kelas. Hasil penelitian menunjukkan bahwa Naïve Bayes memiliki accuracy sebesar %. Dewasa ini, berbagai penelitian menggunakan metode ensemble untuk dapat meningkatkan akurasi hasil klasifikasi di bidang kesehatan telah banyak
7 7 dilakukan. Salah satu penelitian tentang klasifikasi penyakit dengan menggunakan metode ensemble dilakukan oleh Tu et al. (2009) yang menggunakan algoritme Bagging dengan decision tree (J48) sebagai base learner untuk melakukan klasifikasi apakah seorang pasien mempunyai penyakit jantung atau tidak. Performa dari metode klasifikasi yang digunakan akan dievaluasi berdasarkan tiga parameter, yaitu sensitivity, specificity, dan accuracy. Hasil penelitian tersebut menunjukkan bahwa Bagging dapat meningkatkan performa dari J48. Ya-Qin et al. (2009) menggunakan Bagging untuk meningkatkan performa dari decision tree (C5). Metode tersebut digunakan untuk mengklasifikasikan penderita breast cancer yang dapat bertahan hidup dan yang tidak dapat bertahan hidup. Hasil penelitian menunjukkan bahwa Bagging dapat meningkatkan performa dari C5. Asha et al. (2011) membandingkan beberapa metode ensemble untuk mengklasifikasikan penyakit tuberculosis (TB), apakah merupakan pulmonary tuberculosis (PTB) ataukah retroviral PTB. Metode ensemble yang digunakan adalah Bagging, AdaBoost, dan Random Forest. Hasil penelitian menunjukkan bahwa Bagging memiliki sensitivity, specificity, dan accuracy yang paling tinggi. Lavanya dan Usha Rani (2012) menggunakan Bagging untuk meningkatkan performa dari decision tree (CART). Metode ensemble tersebut diimplementasikan pada tiga dataset breast cancer yang berbeda. Hasil penelitian menunjukkan bahwa Bagging dapat meningkatkan performa dari CART. Penelitian tentang klasifikasi penyakit pada tulang punggung dan penelitian tentang metode ensemble di bidang kedokteran yang pernah dilakukan sebelumnya dapat diringkas seperti pada Tabel 1.1.
8 8 Tabel 1.1 Ringkasan penelitian tentang metode ensemble yang pernah dilakukan sebelumnya No. Author Tahun Judul Penelitian Metode 1. Rocha et al Diagnostic of Phatology on the Vertebral Column with Embedded Reject Option rejectsvm 2. Kotti dan Diamantaras 2012 Towards Minimizing The Energy of Slack Variables For Binary Classification Mean Squared Slack (MSS) 3. Reddy et al Tu et al Ya-Qin et al Asha et al Classification of Vertebral Column using Naïve Bayes Technique Effective of Heart Disease through Bagging Approach Decision Tree Based Predictive Models For Breast Cancer Survivability On Imbalanced Data Diagnosis of Tuberculosis using Ensemble Methods Naïve Bayes Bagging dan decision tree (J48) Bagging dan C5 AdaBoost, Bagging, dan Random Forest 7. Lavanya dan Usha Rani 2012 Ensemble Decision Tree Classifier for Breast Cancer Data CART dan Bagging Berdasarkan penelitian sebelumnya, belum ada penelitian yang melakukan klasifikasi penyakit pada tulang punggung yang memiliki tiga kelas menggunakan metode J48 dan Bagging dengan J48 sebagai base learner. Pada penelitian ini, metode Bagging digunakan untuk meningkatkan performa dari J48. Enam atribut parameter yang digunakan untuk menentukan klasifikasi pada dataset Vertebral
9 9 Column adalah pelvic incidence, pelvic tilt, lumbar lordosis angle, sacral slope, pelvic radius, dan grade of spondylolisthesis. Enam atribut parameter tersebut nantinya akan digunakan untuk menentukan apakah seorang pasien menderita penyakit disc hernia, spondylolisthesis, atau normal. Perangkat lunak yang digunakan dalam penelitian ini adalah WEKA. 1.7 Sistematika Penulisan BAB I : PENDAHULUAN Pada bab ini dijelaskan latar belakang, rumusan masalah, batasan, tujuan, manfaat dan keaslian penelitian. BAB II : TINJAUAN PUSTAKA DAN LANDASAN TEORI Pada bab ini dijelaskan teori-teori dan penelitian terdahulu yang digunakan sebagai acuan dan dasar dalam penelitian. BAB III : METODE PENELITIAN Pada bab ini dijelaskan metode yang digunakan dalam penelitian meliputi langkah kerja, alat dan bahan, serta alur penelitian. BAB IV : HASIL DAN PEMBAHASAN Pada bab ini dipaparkan hasil penelitian dan pembahasannya. BAB V : KESIMPULAN DAN SARAN Pada bab ini ditulis kesimpulan akhir dari penelitian dan saran untuk pengembangan penelitian selanjutnya.
Bab IV Eksperimen. 4.1 Dataset. 4.2 Kakas
Bab IV Eksperimen 4.1 Dataset Eksperimen dilakukan dengan menggunakan 28 buah dataset yang diambil dari UCI dataset repository. LAMPIRAN B berisi mengenai properti dari 28 buah dataset yang digunakan dalam
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
1.1 Latar belakang BAB I PENDAHULUAN Paru-paru adalah organ penting yang merupakan salah satu organ vital bagi kehidupan manusia. Organ ini memiliki peranan pada sistem pernapasan, karena dapat memenuhi
Lebih terperinciPENERAPAN ALGORITMA NAÏVE BAYES UNTUK DETEKSI BAKTERI E-COLI
PENERAPAN ALGORITMA NAÏVE BAYES UNTUK DETEKSI BAKTERI E-COLI Laily Hermawanti Program Studi Teknik informatika Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Diponegoro 1B Jogoloyo Demak Telpon
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini adalah penelitian eksperimen dengan langkah-langkah atau metode penelitian sebagai berikut: 1. Penentuan Masalah Penentuan masalah ini diperoleh dari studi literature
Lebih terperinciBAB III METODOLOGI PENELITIAN. Dataset
BAB III METODOLOGI PENELITIAN Metodologi penelitian diuraikan dalam skema tahap penelitian untuk memberikan petunjuk atau gambaran yang jelas, teratur, dan sistematis seperti yang ditunjukkan pada Gambar
Lebih terperinciPENERAPAN ALGORITMA KLASIFIKASI C4.5 UNTUK DIAGNOSIS PENYAKIT KANKER PAYUDARA
PENERAPAN ALGORITMA KLASIFIKASI C4.5 UNTUK DIAGNOSIS PENYAKIT KANKER PAYUDARA Laily Hermawanti Program Studi Teknik Informatika Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Diponegoro No. 1B
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Data yang digunakan pada penelitian ini merupakan data sentimen dari pengguna aplikasi android yang memberikan komentarnya pada fasilitas user review
Lebih terperinciKLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION
KLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION Betrisandi betris.sin@gmail.com Universitas Ichsan Gorontalo Abstrak Pendapatan untuk perusahaan asuransi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pendidikan adalah salah satu aspek terpenting bagi kehidupan manusia, yang dapat mempengaruhi manusia itu sendiri, juga menjadi faktor pendukung dalam setiap sektor
Lebih terperinciMETODE KLASIFIKASI DATA MINING DAN TEKNIK SAMPLING SMOTE MENANGANI CLASS IMBALANCE UNTUK SEGMENTASI CUSTOMER PADA INDUSTRI PERBANKAN
Metode Klasifikasi Data Mining dan Teknik Sampling Smote... METODE KLASIFIKASI DATA MINING DAN TEKNIK SAMPLING SMOTE MENANGANI CLASS IMBALANCE UNTUK SEGMENTASI CUSTOMER PADA INDUSTRI PERBANKAN Hairani
Lebih terperinciDIAGNOSA PREDIKSI PENYAKIT JANTUNG DENGAN MODEL ALGORITMA NAÏVE BAYES DAN ALGORITMA C4.5
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 7~12 7 DIAGNOSA PREDIKSI PENYAKIT JANTUNG DENGAN MODEL ALGORITMA NAÏVE BAYES DAN ALGORITMA C4.5 Tri Retnasari 1, Eva Rahmawati 2 1 STMIK
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pertukaran informasi di zaman modern ini telah sampai pada era digital. Hal ini ditandai dengan semakin dibutuhkannya teknologi berupa komputer dan jaringan internet
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit Kanker merupakan suatu peyakit yang paling ditakuti oleh masyakat karena proses penyembuhannya yang sulit, efek yang ditimbulkan dan memerlukan biaya yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Setiap siswa di dalam kelas memiliki karakteristik diri yang berbeda beda, seperti : jujur, empati, sopan, menghargai dan sebagainya. Karakteristik diri tersebut berperan
Lebih terperinciPERBANDINGAN ALGORITMA C4.5 DENGAN C4.5 BAGGING DALAM MEMPREDIKSI DAN ANALISA DATA SET PEMILIH MINYAK PELUMAS MESIN (OLI) PADA KEDARAAN RODA DUA
D.1 PERBANDINGAN ALGORITMA C4.5 DENGAN C4.5 BAGGING DALAM MEMPREDIKSI DAN ANALISA DATA SET PEMILIH MINYAK PELUMAS MESIN (OLI) PADA KEDARAAN RODA DUA Tri Ginanjar Laksana *, Fahrudin Mukti Wibowo Jurusan
Lebih terperinciKOMPARASI ALGORITMA NAÏVE BAYES DAN K- NEAREST NEIGHBOR UNTUK DETEKSI KANKER PAYUDARA
KOMPARASI ALGORITMA NAÏVE BAYES DAN K- NEAREST NEIGHBOR UNTUK DETEKSI KANKER PAYUDARA 3) Rayung Wulan 1), Mei Lestari 2), Ni Wayan Parwati Septiani Program Studi Informatika Universitas Indraprasta PGRI
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinci1. Model Prediksi Ini Menggunakan Tools RapidMiner
1. Model Prediksi Ini Menggunakan Tools RapidMiner RapidMiner memiliki keunggulan tersendiri, RapidMiner merupakan aplikasi data mining berbasis sistem open-source dunia yang terkemuka dan ternama. Tersedia
Lebih terperinciTINJAUAN PUSTAKA. Definisi Data Mining
TINJAUAN PUSTAKA Definisi Data Mining Sistem Manajemen Basis Data tingkat lanjut dan teknologi data warehousing mampu untuk mengumpulkan banjir data dan untuk mentransformasikannya ke dalam basis data
Lebih terperinciBAB I PENDAHULUAN. untuk bisa mengeluarkan pendapat dan ekspresi secara bebas. Itu artinya perusahaan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pesatnya perkembangan media sosial menawarkan pengguna kesempatan untuk bisa mengeluarkan pendapat dan ekspresi secara bebas. Itu artinya perusahaan tidak lagi memiliki
Lebih terperinciPerbandingan 5 Algoritma Data Mining untuk Klasifikasi Data Peserta Didik
Perbandingan 5 Algoritma Data Mining untuk Klasifikasi Data Peserta Didik Imam Sutoyo AMIK BSI JAKARTA e-mail: imam.ity@bsi.ac.id Abstrak - Klasifikasi peserta didik merupakan kegiatan yang sangat penting
Lebih terperinciBab I Pendahuluan. 1.1 Latar Belakang
Bab I Pendahuluan 1.1 Latar Belakang Klasifikasi merupakan task dari data mining yang bertujuan untuk memberikan label kelas terhadap suatu data. Pemberian label kelas ini dilakukan oleh classifier. Suatu
Lebih terperinciRULE-BASED CLASSIFIER UNTUK MENDETEKSI PENYAKIT LIVER
Bianglala Informatika Vol. II No 1 Maret 2014 RULE-BASED CLASSIFIER UNTUK MENDETEKSI PENYAKIT LIVER Pudji Widodo Program Studi Manajemen Informatika AMIK Bina Sarana Informatika Yogyakarta Jalan Ring Road
Lebih terperinciPENERAPAN ALGORITMA C4.5 BERBASIS ADABOOST UNTUK PREDIKSI PENYAKIT JANTUNG
PENERAPAN ALGORITMA C4.5 BERBASIS ADABOOST UNTUK PREDIKSI PENYAKIT JANTUNG Abdul Rohman ) Abstrak Penyakit jantung adalah terjadinya penyumbatan sebagian atau total dari suatu lebih pembuluh darah, akibatnya
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Rumah sakit merupakan suatu institusi atau organisasi kesehatan yang melalui tenaga medis profesional memberikan pelayanan kesehatan, asuhan keperawatan, diagnosis
Lebih terperinciMemprediksi Waktu Memperbaiki Bug dari Laporan Bug Menggunakan Klasifikasi Random Forest
156 JURNAL SISTEM DAN INFORMATIKA Memprediksi Waktu Memperbaiki Bug dari Laporan Bug Menggunakan Klasifikasi Random Forest Nur Fajri Azhar 1) dan Siti Rochimah 2) 1, 2) Teknik Informatika, Institut Teknologi
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Seperti halnya semua algoritma dalam pattern recognition pada real-world domain, Support Vector Machine juga selalu mengalami masalah pada tingginya dimensi data yang
Lebih terperinciBABI PENDAHULUAN. 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Kanker payudara adalah jenis kanker yang dimulai pada sel-sel payudara sebagai sekelompok sel kanker, yang kemudian dapat menyerang jaringan di sekitarnya atau menyebar
Lebih terperinciSNIPTEK 2014 ISBN: KLASIFIKASI GANGGUAN MOTORIK KASAR ANAK MENGGUNAKAN NAIVE BAYES SERTA OPTIMASI DENGAN PSO DAN ADABOOST
SNIPTEK 2014 ISBN: 978-602-72850-5 -7 KLASIFIKASI GANGGUAN MOTORIK KASAR ANAK MENGGUNAKAN NAIVE BAYES SERTA OPTIMASI DENGAN PSO DAN ADABOOST Kadek Wibowo STMIK Nusa Mandiri kadek.kwo26@gmail.com Sfenrianto
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kanker adalah suatu penyakit dimana terjadi pertumbuhan berlebihan atau perkembangan tidak terkontrol dari sel-sel jaringan pada bagian tubuh tertentu. Kanker payudara
Lebih terperinciALGORITMA K-NEAREST NEIGHBOR BERBASIS FORWARD SELECTION UNTUK MENDIAGNOSIS PENYAKIT JANTUNG KORONER
KOMPUTAKI Vol.3, No.1 Februari 2017 ALGORITMA K-NEAREST NEIGHBOR BERBASIS FORWARD SELECTION UNTUK MENDIAGNOSIS PENYAKIT JANTUNG KORONER Achmad Nuruddin Safriandono email : udinozz@gmail.com Abstrak K-Nearest
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penelitian terkait Penelitian ini sebelumnya dilakukan studi kepustakaan dari penelitian terdahulu sebagai dasar atau acuan untuk menyelesaikan tugas akhir. Dari studi kepustakaan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penentuan dosen pembimbing tugas akhir masih dilakukan secara manual di Jurusan Teknik Informatika UMM yang hanya mengandalkan pengetahuan personal tentang spesialisasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu tanggung jawab sosial PT. Telkom dalam program kemitraan dengan masyarakat sekitarnya adalah memberikan kredit lunak bagi pelaku Usaha Kecil Menengah (UKM).
Lebih terperinciKLASIFIKASI GANGGUAN MOTORIK KASAR ANAK MENGGUNAKAN NAIVE BAYES SERTA OPTIMASI DENGAN PSO DAN ADABOOST
JURNAL ILMU PENGETAHUAN VOL. 1. NO. 1 AGUSTUS 2015 KLASIFIKASI GANGGUAN MOTORIK KASAR ANAK MENGGUNAKAN NAIVE BAYES SERTA OPTIMASI DENGAN PSO DAN ADABOOST Kadek Wibowo Program Studi Ilmu Komputer STMIK
Lebih terperinciIMPLEMENTASI ALGORITMA ID3 UNTUK KLASIFIKASI PERFORMANSI MAHASISWA (STUDI KASUS ST3 TELKOM PURWOKERTO)
IMPLEMENTASI ALGORITMA ID3 UNTUK KLASIFIKASI PERFORMANSI MAHASISWA (STUDI KASUS ST3 TELKOM PURWOKERTO) Andika Elok Amalia 1), Muhammad Zidny Naf an 2) 1), 2) Program Studi Informatika ST3 Telkom Jl D.I.
Lebih terperinciMoch. Ali Machmudi 1) 1) Stmik Bina Patria
UJI PENGARUH KARAKTERISTIK DATASET PADA PERFORMA ALGORITMA KLASIFIKASI Moch. Ali Machmudi 1) 1) Stmik Bina Patria 1) Jurusan Manjemen Informatika-D3 Email : 1 aliadhinata@gmail.com 1) Abstrak Tujuan utama
Lebih terperinciAnalisis Kualitas Data dan Klasifikasi Data Pasien Kanker
Analisis Kualitas Data dan Klasifikasi Data Pasien Kanker Ahmad Fathan Hidayatullah, Alan Dwi Prasetyo, Dantik Puspita Sari, Intan Pratiwi Jurusan Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang
Lebih terperinciISSN: Yogyakarta, 27 Juli 2017 CITEE 2017
Analisis Perbandingan Metode Over-Sampling Adaptive Synthetic-Nominal (ADASYN-N) dan Adaptive Synthetic-kNN (ADSYN-kNN) untuk Data dengan Fitur Nominal-Multi Categories Sri Rahayu 1, Teguh Bharata Adji
Lebih terperinciBAB II TINJAUAN PUSTAKA
digilib.uns.ac.id BAB II TINJAUAN PUSTAKA 2. 1. Dasar Teori 2. 1. 1 Data mining Data mining merupakan suatu proses penemuan pola dan pengetahuan atau informasi yang menarik dari data dengan jumlah yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Dalam era yang semakin berkembang ini, penggunaan data mining semakin banyak dalam berbagai bidang dan menjadi bagian dari perkembangan teknologi informasi
Lebih terperinciDIAGNOSIS PENYAKIT KANKER PAYUDARA MENGGUNAKAN METODE NAIVE BAYES BERBASIS DESKTOP
1 DIAGNOSIS PENYAKIT KANKER PAYUDARA MENGGUNAKAN METODE NAIVE BAYES BERBASIS DESKTOP Achmad Ramadhan Safutra 1, Dwi Wahyu Prabowo 1 1 Jurusan Sistem Informasi, Fakultas Ilmu Komputer Universitas Darwan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terkait Menurut [6] penelitian tentang Decision Tree untuk diagnosis Diabetes Type II dengan algoritma C4.5 menghasilkan akurasi 78, 176% dengan melakukan teknik
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Pada proses penelitian ini dilakukan beberapa tahapan mulai dari tahap awal yaitu tahap inisiasi, pengembangan model, dan tahap terakhir pengembangan prototipe. Dalam tahapan inisiasi
Lebih terperinciPenerapan Data Mining Classification Untuk Prediksi Perilaku Pola Pembelian Terhadap Waktu Transaksi Menggunakan Metode Naïve Bayes
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Penerapan Data Mining Classification Untuk Prediksi Perilaku Pola Pembelian Terhadap Waktu Transaksi Menggunakan Metode
Lebih terperinciPENERAPAN ALGORITMA C4.5 BERBASIS ADABOOST UNTUK PREDIKSI PENYAKIT JANTUNG
PENERAPAN ALGORITMA C4.5 BERBASIS ADABOOST UNTUK PREDIKSI PENYAKIT JANTUNG Abdul Rohman 1, Vincent Suhartono 2, Catur Supriyanto 3 123 Pasca Sarjana Teknik Informatika Universitas Dian Nuswantoro ABSTRACT
Lebih terperinciPenghitungan k-nn pada Adaptive Synthetic-Nominal (ADASYN-N) dan Adaptive Synthetic-kNN (ADASYN-kNN) untuk Data Nominal- Multi Kategori
Penghitungan k-nn pada Adaptive Synthetic-Nominal (ADASYN-N) dan Adaptive Synthetic-kNN (ADASYN-kNN) untuk Data Nominal- Multi Kategori Abstrak 1 Sri Rahayu, 2 Teguh Bharata Adji & 3 Noor Akhmad Setiawan
Lebih terperinciPARTICLE SWARM OPTIMIZATION UNTUK MENINGKATKAN AKURASI PREDIKSI PEMASARAN BANK
Jurnal PILAR Nusa Mandiri Vol 14 No. 1, Maret 2018 83 PARTICLE SWARM OPTIMIZATION UNTUK MENINGKATKAN AKURASI PREDIKSI PEMASARAN BANK Ridwansyah 1 ; Esty Purwaningsih 2 1 Program Studi Teknik Informatika
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada BAB II ini akan disampaikan materi-materi yang berkaitan dengan konsep data mining, yang merupakan landasan bagi pembahasan klasifikasi untuk evaluasi kinerja pegawai. 2. 1 Tinjauan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Abnormal Psychology merupakan salah satu cabang dalam ilmu psikologi yang berupaya untuk memahami pola perilaku abnormal dan cara menolong orang-orang
Lebih terperinci1. PENDAHULUAN 1.1. Latar Belakang
1. PENDAHULUAN 1.1. Latar Belakang Kanker merupakan salah satu penyakit yang dapat beresiko pada kematian atau lebih dikenal dengan penyakit pembunuh. Salah satu penyakit pembunuh diantaranya kanker prostat
Lebih terperinciBAB I PENDAHULUAN I.1. Latar Belakang Masalah
BAB I PENDAHULUAN I.1. Latar Belakang Masalah Data mining merupakan sebuah proses ekstraksi untuk mendapatkan suatu informasi yang sebelumnya tidak diketahui dari sebuah data (Witten et al., 2011). Mempersiapkan
Lebih terperinciPENERAPAN TEKNIK DATA MINING UNTUK MENENTUKAN HASIL SELEKSI MASUK SMAN 1 GIBEBER UNTUK SISWA BARU MENGGUNAKAN DECISION TREE
PENERAPAN TEKNIK DATA MINING UNTUK MENENTUKAN HASIL SELEKSI MASUK SMAN 1 GIBEBER UNTUK SISWA BARU MENGGUNAKAN DECISION TREE Castaka Agus Sugianto Program Studi Teknik lnformatika Politeknik TEDC Bandung
Lebih terperinciPENERAPAN ALGORTIMA C4.5 UNTUK PENENTUAN KELAYAKAN KREDIT
Jurnal Techno Nusa Mandiri Vol. XIV, No. 1 Maret 2017 9 PENERAPAN ALGORTIMA C4.5 UNTUK PENENTUAN KELAYAKAN KREDIT Siti Nur Khasanah Sistem Informasi STMIK Nusa Mandiri Jakarta Jl. Damai No 8 Warung Jati
Lebih terperinciPendahuluan : Evaluasi*
MMA10991 Topik Khusus - Machine Learning Pendahuluan : Evaluasi* Dr. rer. nat. Hendri Murfi * Beberapa bagian dari slide ini adalah terjemahan dari slide Data Mining oleh I. H. Witten, E. Frank dan M.
Lebih terperinciANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT SKRIPSI. Oleh :
ANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT SKRIPSI Oleh : Frista Yulianora 1401128832 Muchammad Hasbi Latif 1401136065 Rika Jubel Febriana
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Education data mining merupakan penelitian didasarkan data di dunia pendidikan untuk menggali dan memperoleh informasi tersembunyi dari data yang ada. Pemanfaatan education
Lebih terperinciBAB 2. Landasan Teori
BAB 2 Landasan Teori 2.1 Pengertian Data Mining Menurut Han dan Kamber (2011:6) menjelaskan bahwa Data Mining merupakan pemilihan atau menggali pengetahuan dari jumlah data yang banyak. Berbeda dengan
Lebih terperinciKLASIFIKASI METODE NAIVE BAYES UNTUK KELANCARAN PEMBAYARAN KREDIT LEASING SEPEDA MOTOR
Technologia Vol 8, No.3, Juli September 2017 146 KLASIFIKASI METODE NAIVE BAYES UNTUK KELANCARAN PEMBAYARAN KREDIT LEASING SEPEDA MOTOR Fakultas Teknologi Informasi Universitas Islam Kalimantan Muhammad
Lebih terperinciSWABUMI VOL IV No. 1, Maret 2016 ISSN X
PENERAPAN PARTICLE SWARM OPTIMIZATION (PSO) UNTUK SELEKSI ATRIBUT DALAM MENINGKATKAN AKURASI PREDIKSI DIAGNOSIS PENYAKIT HEPATITIS DENGAN METODE ALGORITMA C4.5 Lis Saumi Ramdhani Program Studi Manajemen
Lebih terperinciANALISIS PENENTUAN KARYAWAN TERBAIK MENGGUNAKAN METODE ALGORITMA NAIVE BAYES (STUDI KASUS PT. XYZ)
ANALISIS PENENTUAN KARYAWAN TERBAIK MENGGUNAKAN METODE ALGORITMA NAIVE BAYES (STUDI KASUS PT. XYZ) Ulfa Pauziah Tehnik Informatika, Universitas Indraprasta PGRI pelangi_ulfa@yahoo.com Abstrak. Di dalam
Lebih terperinciANALISIS PREDIKSI CHURN MENGGUNAKAN METODE LOGISTIC REGRESSION
ANALISIS PREDIKSI CHURN MENGGUNAKAN METODE LOGISTIC REGRESSION DAN ALGORITMA DECISION TREE Cici Olivia, Indwiarti 2, Yulian Sibaroni 3 Ilmu Komputasi Universitas Telkom Bandung 40257, Indonesia chiciolivia@gmail.com,
Lebih terperinciBABI PENDAHULUAN 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Tubuh manusia tersusun atas berbagai macam organ vital yang menunjang kehidupan. Salah satu contoh organ vital manusia adalah jantung. Jantung bertugas memompa darah
Lebih terperinciPENDEKATAN METODE FEATURE EXTRACTION DENGAN ALGORITMA NAÏVE BAYES
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 19~24 19 PENDEKATAN METODE FEATURE EXTRACTION DENGAN ALGORITMA NAÏVE BAYES Riski Annisa AMIK BSI Pontianak e-mail: riski.rnc@bsi.ac.id
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Studi Sebelum melakukan penelitian penulis terlebih dahulu melakukan tinjauan pustaka dari penelitian lain dan penelitian tentang prediksi penjurusan
Lebih terperinciPENGKOMBINASIAN POHON KEPUTUSAN DATA PENCILAN KELAS DAN POHON KEPUTUSAN DATA NORMAL UNTUK PENINGKATAN AKURASI PREDIKSI CACAT PERANGKAT LUNAK
PENGKOMBINASIAN POHON KEPUTUSAN DATA PENCILAN KELAS DAN POHON KEPUTUSAN DATA NORMAL UNTUK PENINGKATAN AKURASI PREDIKSI CACAT PERANGKAT LUNAK Utomo Pujianto 1, Daniel Oranova Siahaan 2 1 Jurusan Teknik
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
33 BAB IV HASIL DAN PEMBAHASAN 4.1 Pengolahan Data Data yang dipergunakan dalam tugas akhir ini merupakan data karyawan PT Perkbunan Nusantara IX Kebun Blimbing pada tahun 2015. Jumlah data yang digunakan
Lebih terperinciPERBANDINGAN TEKNIK SAMPLING DALAM RANDOM FOREST PADA KELAS IMBALANCED
PERBANDINGAN TEKNIK SAMPLING DALAM RANDOM FOREST PADA KELAS IMBALANCED Studi Kasus Perilaku Seksual Remaja di Indonesia Hasil SDKI 2012 Yogo Aryo Jatmiko 1, Septiadi Padmadisastra 2, Anna Chadidjah 3 Prodi
Lebih terperinciBAB I PENDAHULUAN. WHO Department of Gender, Women and Health mengatakan dalam. jurnal Gender in lung cancer and smoking research bahwa kematian yang
BAB I PENDAHULUAN 1.1 Latar Belakang WHO Department of Gender, Women and Health mengatakan dalam jurnal Gender in lung cancer and smoking research bahwa kematian yang disebabkan oleh kanker paru-paru telah
Lebih terperinciPERBANDINGAN ALGORITMA DATA MINING NAIVE BAYES DAN BAYES NETWORK UNTUK MENGIDENTIFIKASI PENYAKIT TIROID
Jurnal PILAR Nusa Mandiri Vol.14, No. 1 Maret 2018 21 PERBANDINGAN ALGORITMA DATA MINING NAIVE BAYES DAN BAYES NETWORK UNTUK MENGIDENTIFIKASI PENYAKIT TIROID Bambang Wijonarko Teknik Komputer AMIK BSI
Lebih terperinciPERBANDINGAN KINERJA ALGORITME C4.5 DAN NAÏVE BAYES MENGKLASIFIKASI PENYAKIT DIABETES
PERBANDINGAN KINERJA ALGORITME C4.5 DAN NAÏVE BAYES MENGKLASIFIKASI PENYAKIT DIABETES Hendra Marcos 1, Hengky Setiawan Utomo 2 1,2 Program Studi Teknik Informatika, STMIK Amikom Purwokerto Jl. Pol. Soemarto
Lebih terperinciMETODE ENSEMBLE PADA CART UNTUK PERBAIKAN KLASIFIKASI KEMISKINAN DI KABUPATEN JOMBANG
METODE ENSEMBLE PADA CART UNTUK PERBAIKAN KLASIFIKASI KEMISKINAN DI KABUPATEN JOMBANG MUHAMMAD JAMAL MUTTAQIN 1311 201 205 PEMBIMBING DR. BAMBANG WIDJANARKO OTOK, M.SI. SANTI PUTERI RAHAYU, M.SI., PH.D.
Lebih terperinciBAB I PENDAHULUAN. masalah kecerdasan, desain, pemilihan, implementasi, dan monitoring (Tripathi,
BAB I PENDAHULUAN 1.1 Latar Belakang Pengambilan suatu keputusan dapat membantu dalam mencari solusi dari sekian banyak solusi yang ada. Pengambilan keputusan adalah hasil dari suatu proses yang termasuk
Lebih terperinciPREDIKSI NILAI PROYEK AKHIR MAHASISWA MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING
Seminar Nasional Sistem Informasi Indonesia, 2-4 Nopember 2015 PREDIKSI NILAI PROYEK AKHIR MAHASISWA MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING Paramita Mayadewi 1), Ely Rosely 2) 1,2 D3 Manajemen Informatika,
Lebih terperinciPENERAPAN ADABOOST UNTUK KLASIFIKASI SUPPORT VECTOR MACHINE GUNA MENINGKATKAN AKURASI PADA DIAGNOSA CHRONIC KIDNEY DISEASE
PENERAPAN ADABOOST UNTUK KLASIFIKASI SUPPORT VECTOR MACHINE GUNA MENINGKATKAN AKURASI PADA DIAGNOSA CHRONIC KIDNEY DISEASE Eka Listiana 1*, Much Aziz Muslim 1 1 Program Studi Teknik Informatika, Fakultas
Lebih terperinciData Mining II Estimasi
Data Mining II Estimasi Matakuliah Data warehouse Universitas Darma Persada Oleh: Adam AB Data Mining-2012-a@b 1 Tahapan proses datamining Input (Data) Metode (Algoritma Data Mining) Output (Pola/Model/
Lebih terperinciKLASIFIKASI PELANGGAN DENGAN ALGORITME POHON KEPUTUSAN DAN PELUANG PELANGGAN YANG MERESPONS PENAWARAN DENGAN REGRESI LOGISTIK
KLASIFIKASI PELANGGAN DENGAN ALGORITME POHON KEPUTUSAN DAN PELUANG PELANGGAN YANG MERESPONS PENAWARAN DENGAN REGRESI LOGISTIK YUANDRI TRISAPUTRA & OKTARINA SAFAR NIDA (SIAP 16) Pendahuluan Latar Belakang
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Terdahulu Rohmaniah (2017) menganalisis model ambang hujan untuk peringatan dini pergerakan tanah di wilayah Indonesia menggunakan data curah hujan harian berbasis
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : - Algoritma Naïve Bayes Classifier
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : Tabel 2.1 Penelitian sebelumnya Parameter Penulis Objek Metode Hasil
Lebih terperinciBAB I PENDAHULUAN. Hal ini dibuktikan dengan adanya fakta yang diungkap oleh World Health
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Manusia dapat mendeteksi rangsangan dari luar tubuh dengan adanya alat tubuh yang dinamakan indera. Indera yang digunakan untuk mendeteksi adanya rangsangan
Lebih terperinciBAB I PENDAHULUAN. sistem peredaran darah orang lain. Sebelum ditransfusikan, periksa kembali sifat
BAB I PENDAHULUAN 1.1 Latar Belakang Donor darah adalah proses pengambilan darah dari seseorang secara sukarela untuk disimpan di bank darah untuk kemudian dipakai pada transfusi darah [1]. Seleksi donor
Lebih terperinciABSTRAK. Kata kunci : sistem pakar, penyakit gigi, konsultasi, algoritma ID3. vi Universitas Kristen Maranatha
ABSTRAK Aplikasi sistem pakar diagnosa penyakit gigi dengan pembelajaran mesin ini dibuat untuk membantu pasien dan juga pakar untuk melakukan diagnosa awal penyakit yang dialami pasien berdasarkan gejala-gejala
Lebih terperinciISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6880
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 205 Page 6880 ANALISIS PREDIKSI CHURN MENGGUNAKAN METODE LOGISTIC REGRESSION DAN ALGORITMA DECISION TREE Cici Olivia, Indwiarti 2, Yulian
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Internet saat ini merupakan kebutuhan pokok yang tidak bisa dipisahkan dari segenap sendi kehidupan. Berbagai pekerjaan ataupun kebutuhan dapat dilakukan melalui media
Lebih terperinciKAJIAN ALGORITMA NAÏVE BAYES DALAM PEMILIHAN PENERIMAAN BEASISWA TINGKAT SMA
KAJIAN ALGORITMA NAÏVE BAYES DALAM PEMILIHAN PENERIMAAN BEASISWA TINGKAT SMA Virgana 1), Ulfa Pauziah 2) dan Michael Sonny 3) 1), 2),3) Teknik Informatika Universitas Indraprasta PGRI Jl Nangka No. 58
Lebih terperinciKomparasi dan Analisis Kinerja Model Algoritma SVM dan PSO-SVM (Studi Kasus Klasifikasi Jalur Minat SMA)
Jurnal Teknik Informatika dan Sistem Informasi e-issn : 2443-2229 Komparasi dan Analisis Kinerja Model Algoritma SVM dan PSO-SVM (Studi Kasus Klasifikasi Jalur Minat SMA) Theopilus Bayu Sasongko Program
Lebih terperinciBAB I PENDAHULUAN. jurusan ditentukan berdasarkan standar kriteria tiap jurusan.
BAB I PENDAHULUAN 1.1 Latar Belakang Pratiwi (2014) berpendapat Sekolah Menengah Atas (SMA) merupakan suatu instansi pendidikan yang di dalamnya terdapat proses pengambilan keputusan jurusan siswa kelas
Lebih terperinciPEMBUATAN SISTEM CERDAS UNTUK DETEKSI DINI PENYAKIT JANTUNG DENGAN MENGGUNAKAN ALGORITMA DECISION TREE DAN FUZZY CLUSTERING
PEMBUATAN SISTEM CERDAS UNTUK DETEKSI DINI PENYAKIT JANTUNG DENGAN MENGGUNAKAN ALGORITMA DECISION TREE DAN FUZZY CLUSTERING Titi Mei Tatilah Program Studi Teknik Informatika, Universitas Dian Nuswantoro
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jantung adalah organ dalam tubuh manusia yang memiliki peran penting pada sistem peredaran darah. Jantung merupakan pompa paling efisien dan tahan lama yang dikenal
Lebih terperinciPREDIKSI KEPUTUSAN KLIEN TELEMARKETING UNTUK DEPOSITO PADA BANK MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION
PREDIKSI KEPUTUSAN KLIEN TELEMARKETING UNTUK DEPOSITO PADA BANK MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION Ruhmi Sulaehani ruhmisulaehani@yahoo.co.id Universitas Ichsan Gorontalo Abstrak
Lebih terperinciIMPLEMENTASI TEKNIK DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA PADA UNIVERSITAS BINA DARMA PALEMBANG
IMPLEMENTASI TEKNIK DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA PADA UNIVERSITAS BINA DARMA PALEMBANG Andri 1), Yesi Novaria Kunang 2), Sri Murniati 3) 1,2,3) Jurusan Sistem Informasi Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA. mengenai penelitian terdahulu, tentang prediksi lama masa studi mahasiswa,
BAB II TINJAUAN PUSTAKA 2.1 Terdahulu Dalam penelitian ini, peneliti juga menyertakan beberapa uraian singkat mengenai penelitian terdahulu, tentang prediksi lama masa studi mahasiswa, klasifikasi, metode
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA C4.5 DAN NAIVE BAYES UNTUK KETEPATAN PEMILIHAN KONSENTRASI MAHASISWA. Abstrak
PERBANDINGAN KINERJA ALGORITMA C4.5 DAN NAIVE BAYES UNTUK KETEPATAN PEMILIHAN KONSENTRASI MAHASISWA Wiwit Supriyanti 1), Kusrini 2), Armadyah Amborowati 3) STMIK AMIKOM Yogyakarta 1),2),3) Email : wiwitsupriyanti13@gmail.com
Lebih terperinciIMPLEMENTASI WEB SERVICE DAN ANALISIS KINERJA ALGORITMA KLASIFIKASI DATA MINING UNTUK MEMPREDIKSI DIABETES MELLITUS
IMPLEMENTASI WEB SERVICE DAN ANALISIS KINERJA ALGORITMA KLASIFIKASI DATA MINING UNTUK MEMPREDIKSI DIABETES MELLITUS Doni Setyawan Fakultas Ilmu Komputer, Program Studi Teknik Informatika Universitas Widya
Lebih terperinciSistem Pakar Diagnosis Penyakit Demam: DBD, Malaria dan Tifoid Menggunakan Metode K-Nearest Neighbor Certainty Factor
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 5, Mei 2017, hlm. 426-435 http://j-ptiik.ub.ac.id Sistem Pakar Diagnosis Penyakit Demam: DBD, Malaria dan Tifoid
Lebih terperinciPenerapan Algoritma C4.5 Untuk Menentukan Kesesuaian Lensa Kontak dengan Mata Pasien
1 Penerapan Algoritma C4.5 Untuk Menentukan Kesesuaian Lensa Kontak dengan Mata Pasien Ketut Wisnu Antara 1, Gede Thadeo Angga Kusuma 2 Jurusan Pendidikan Teknik Informatika Universitas Pendidikan Ganesha
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 2 NO. 1 SEPTEMBER 2010
PERBANDINGAN METODE K-NEAREST NEIGHBOR (KNN) dan METODE NEAREST CLUSTER CLASSIFIER (NCC) DALAM PENGKLASIFIKASIAN KUALITAS BATIK TULIS Nesi Syafitri 1 ABSTRACT Various problem that are related to classification
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Thyroid adalah kelenjar endokrin manusia berbentuk menyerupai kupu-kupu yang terletak di bagian leher. Namun, kelenjar kecil yang memiliki fungsi yang signifikan bagi
Lebih terperinciPROSIDING ISSN:
PM-19 PREDIKSI PERFORMA AKADEMIK SISWA PADA PELAJARAN MATEMATIKA MENGGUNAKAN BAYESIAN NETWORKS DAN ALGORITMA KLASIFIKASI MACHINE LEARNING Betha Nurina Sari Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinci