ANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT
|
|
- Leony Hardja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT Frista Yulianora Binus University, Jakarta, Indonesia, Muchammad Hasbi Latif Binus University, Jakarta, Indonesia, Rika Jubel Febriana Binus University, Jakarta, Indonesia, Abstract RSAL DR. Mintohardjo Hospital is owned by Indonesian Marine Force. In this hospital is rich of data but poor of knowledge. It is necessary to use data mining analysis. The purpose of this study is to conduct a comparison between J48 Decision Tree algorithm and Naïve Bayes algorithm to generate the better information to be applied in the process of outpatient care medical records of RSAL DR. Mintohardjo in the first quarter of 2012 in order to provide knowledge to the hospital or the Health Department Marine Force to be useful to society as one of its existing preventive measures such as counseling to prevent the disease developing in the region. The research methodology used for data collection is literature study and observation. The techniques used are classification and a method of Data Mining is the method of comparison, which comparing the J48 Decision Tree algorithm and Naive Bayes to classify patterns of disease. The conclusion after analyzing the Naïve Bayes algorithm is better at classifying diseases. Keywords: Decision Tree J48, Naïve Bayes, Medical Record, Comparison Abstrak RSAL DR. Mintohardjo adalah Rumah Sakit yang dimiliki oleh Angakatan Laut Indonesia. Data pasien di rumah sakit sangat banyak tetapi miskin pengetahuan, untuk itu diperlukan analisis menggunakan data mining. Tujuan penelitian ini adalah melakukan perbandingan antara algoritma Decision Tree J48 dan Naïve Bayes sehingga menghasilkan informasi algoritma yang lebih baik untuk diterapkan dalam mengolah data rekam medis rawat jalan RSAL DR. Mintohardjo pada triwulan pertama tahun 2012 guna memberikan knowledge kepada rumah sakit atau pihak Dinas Kesehatan Angakatan Laut yang berguna bagi masyarakat sebagai salah satu tindakan preventif seperti ada nya penyuluhan untuk mencegah penyakit yang berkembang di suatu wilayah. Metodologi penelitian yang digunakan untuk pengumpulan data yaitu studi kepustakaan dan studi lapangan, teknik yang digunakan adalah klasifikasi dan metode Data Mining yang digunakan adalah metode perbandingan, yaitu membandingkan algoritma Decision Tree J48 dan Naive Bayes dalam mengklasifikasikan pola penyakit. Kesimpulan yang didapat setelah dilakukan proses analisa adalah Algoritma Naïve Bayes lebih baik dalam melakukan pengklasifikasian penyakit. Kata kunci: Decision Tree J48, Naïve Bayes, Rekam Medis, Perbandingan
2 PENDAHULUAN Rumah sakit merupakan suatu institusi atau organisasi kesehatan yang melalui tenaga medis profesional memberikan pelayanan kesehatan, asuhan keperawatan, diagnosis serta pengobatan penyakit yang di derita oleh pasien. Kegiatan operasional yang terjadi di rumah sakit dapat menghasilkan dan mengumpulkan banyak nya data rekam medis setiap hari Tumpukan data rekam medis digunakan untuk kebutuhan operasional, bahkan tidak jarang juga tumpukan data tersebut dibiarkan begitu saja sehingga menyebabkan data yang begitu banyak tidak mengandung pengetahuan atau sering disebut dengan rich of data but poor of knowledge. Data rekam medis yang setiap hari selalu bertambah dapat digali untuk dijadikan informasi bagi pihak dinas kesehatan. Perkembangan teknologi yang demikian pesat menuntut banyak institusi pelayanan masyarakat untuk lebih mampu memberikan pelayanan yang berkualitas. Pengimplementasian teknologi informasi pun dilakukan di dalam organisasi kesehatan untuk menghasilkan informasi yang menjadi dasar dalam pengambilan keputusan serta meningkatkan efisiensi kerja dan pelayanan rumah sakit. Dengan alasan diatas, maka dibuatlah skripsi dengan judul ANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAIVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT METODE PENELITIAN Metodologi yang akan digunakan dalam penelitian ini menggunakan dua metode, yaitu : 1. Metode Pengumpulan Data Studi Pustaka Studi pustaka adalah teknik pengumpulan data dengan mengadakan studi penelaahan terhadap buku-buku, literatur-literatur, catatan-catatan, dan laporan-laporan yang ada hubungannya dengan masalah yang dipecahkan. Studi Lapangan Melakukan survei, wawancara, dan observasi dengan mengunjungi langsung ke RSAL Dr. Mintohardjo untuk mendapatkan data dan informasi yang dibutuhkan dalam penulisan skripsi. 2. Instrumen Penelitian Tabel yang digunakan adalah tabel Rekam Medis Pasien, dengan jumlah record sebanyak Teknik yang digunakan adalah Classification, dengan melakukan perbandingan antara algoritma Naive Bayes dan Decision Tree J48.
3 HASIL DAN BAHASAN Berikut adalah analisis dari perbandingan Algoritma Decision Tree J48 dan Naive Bayes dalam mengklasifikasikan pola penyakit 1. Arsitektur Data Mining 2. Perbandingan algoritma Decision Tree J48 dan Naive Bayes dalam mengklasifikasikan pola penyakit Pemecahan suatu masalah tidak hanya dapat diselesaikan oleh satu metode. Penyelesaian masalah bisa diselesaikan dengan menggunakan beberapa metode dan logika yang berlainan. Membandingkan metode mana yang dapat dinilai baik dalam penyelesaian masalah dapat dilihat dari berbagai aspek. Diantaranya : 1. Tingkat Kepercayaan tinggi (realibility). Hasil yang diperoleh dari proses memiliki akurasi yang tinggi dan benar 2. Proses yang efisien yaitu proses harus diselesaikan secepat mungkin dan frekuensi kalkulasi yang sependek mungkin. 3. Bersifat general, maksudnya tidak hanya menyelesaikan satu kasus saja, tetapi kasus lain yang lebih general. 4. Bisa dikembangkan (expendable). Harus menjadi sesuatu yang dapat dikembangkan lebih jauh bedasarkan requirement yang ada. 5. Mudah dimengerti, Siapa saja yang melihat, orang itu akan dapat dengan mudah memahami algoritma tersebut. Karena jika sulit untuk dimengerti, maka akan suliit untuk dikelola. 6. Portabilitas yang tinggi (portability). Bisa dengan mudah diimplementasikan dimana saja. 7. Precise(tepat, benar, teliti). Setiap instruksi harus ditulis dengan baik dan tidak ada keragu-raguan, dengan demikian setiap instruksi harus dinyatakan secara eksplisit dan tidak ada bagian yang dihilangkan karena user dianggap sudah mengerti. Dari hal tersebut, dapat dilakukan perbandingan algoritma Decision Tree J48 dan Naïve Bayes dari beberapa aspek yang bisa dibandingkan, seperti seberapa efektif algoritma tersebut dapat mengelompokkan pola penyakit, tingkat keakuratan dan aspek lainnya. Berikut perbandingan Algoritma Decision Tree dan J48 naive bayes.
4 Tabel 1 Perbandingan Precision DT J48 dan Naïve Bayes Tabel 2 Perbandingan Recall DT J48 dan Naïve Bayes
5 Tabel 3 Perbandingan F-Measure Decision Tree J48 dan Naïve Bayes 3. ROC AREA Untuk menentukan kinerja identifikasi, ROC (Receiver Operating Characteristic) adalah analisis yang digunakan. Berdasarkan kurva yang dibentuk oleh ROC kesalahan dalam distribusi dapat diidentifikasi oleh algoritma dengan baik. Gambar 1 ROC U00-U99
6 Gambar 2 ROC A00-B99 Gambar 3 ROC C00-D48 Gambar 4 ROC E00-E90 Gambar 5 ROC G00-G99
7 Gambar 6 ROC I00-I99 Gambar 7 ROC J00-J99 Gambar 8 ROC K00-K93
8 Gambar 9 ROC L00-L99 Gambar 10 ROC MOO-M99 Gambar 11 N00-N99
9 Gambar 12 ROC R00-R99 Gambar 13 ROC S00-T98 Gambar 14 ROC Z00-Z990
10 Tabel 4 Perbandingan Algoritma Decision Tree J48 dan Naïve Bayes KODE ICD-X Decision Tree Naïve Bayes Better U00-U Naïve Bayes A00-B Naïve Bayes C00-D Naïve Nayes E00-E Decision Tree G00-G Both I00-I Decision Tree J00-J Decision Tree K00-K Decision Tree L00-L Naïve Bayes M00-M Decision Tree N00-N Naïve Bayes R00-R Decision Tree S00-T Naïve Bayes Z00-Z Naïve Bayes Dari data tabel diatas Algoritma naïve bayes lebih baik dalam melakukan pengklasifikasian penyakit. Algoritma Naïve Bayes lebih baik dalam mengklasifikasikan penyakit dengan kode U00-U99,A00-B99, C00-D48, L00-L99, N00-N99, S00-T98 dan Z00-Z99. Sedangkan Algoritma Decision Tree J48 hanya baik dalam mengklasifikasikan penyakit dengan kode E00-E90, I00-I99, J00-J99, K00-K93, M00-M99 dan R00-R99. Sedangkan pengklasifikasian penyakit dengan kode icdx G00-G99, kedua algoritma sama-sama dapat mengklasfikasikannya dengan nilai ROC area yang sama. SIMPULAN DAN SARAN Simpulan Hasil dari penelitian yang telah dilakukan dapat diambil beberapa kesimpulan yaitu: 1. Perbandingan kedua algoritma ini menggunakan model pengujian yaitu cross validation. Hasil pengujian menggunakan cross validation yang dapat dilihat dari nilai correctly classified. 2. Pola penyakit yang paling berkembang pada triwulan pertama tahun 2012 adalah penyakit dengan kode icdx E00-E90 dengan diagnosis penyakit Endokrin, Nutrisi, dan Gangguan Metabolik pada wilayah DKI Jakarta. 3. Cross Validation dengan hasil yang terbaik dari metode Naïve Bayes data pada 7-10 fold adalah dan dari metode Decision Tree J48 pada 8 fold adalah Pada algoritma Naive Bayes, memiliki nilai F-Measure lebih baik dengan 7 class kode ICDX dibandingkan dengan nilai F-Measure pada algoritma Decision Tree J48 dengan 4 class kode ICDX. Dapat dikatakan algoritma Naive Bayes menghasilkan kinerja yang lebih baik dibandingkan algoritma Decision Tree J Algoritma Naïve Bayes, memiliki nilai ROC area lebih baik dengan 7 class kode ICDX dibandingkan dengan nilai ROC area pada algoritma Decision Tree J48 dengan 6 class kode ICDX. Dapat dikatakan algoritma Naïve Bayes menghasilkan kinerja yang lebih baik dibandingkan algoritma Decision Tree J48. Saran Adapun saran yang dapat diberikan dari beberapa kesimpulan diatas adalah: 1. Penelitian ini menggunakan data triwulan pertama pada tahun 2012, maka untuk mencari pola penyakit tahunan diperlukan data lebih dari 12 bulan, agar hasil yang didapat lebih baik.
11 2. Penerapan feature selection untuk memilih fitur terbaik untuk meningkatkan akurasi. 3. Penelitian ini menggunakan kriteria yaitu berdasarkan akurasi. Akan lebih baik jika semua kriteria diuji coba agar algoritma yang diteliti lebih teruji kinerjanya. REFERENSI Connolly, T. M., & Begg, C. E. (2010). Database System: A Practical Approach to Design, Implementation and Management. Boston: Pearson. Hall, J. A. (2011). Introduction to Accounting Information Systems. United States: South-Western Cangage Learning. Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques, 3rd Edition. USA: Morgan Kaufmann Publishers. Hoffer, J. A., Ramesh, V., & Topi, H. (2012). Modern Database Management, 11th Edition. New Jersey: Prentice Hall, Pearson Education Inc. Kimball, R., Ross, M., & Thornthwaite, W. (2010). The Kimball Group Reader : Relentlessly Practical Tools for Data Warehousing and Business Intelligence. USA: Wiley Publishing Inc. Linoff, G. S., & Berry, M. J. (2011). Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. Wiley Publishing. Inc: Indianapolis, Indiana. MacLennan, J., Tang, Z., & Crivat, B. (2009). Data Mining with Microsoft SQL Server Indianapolis: Wiley Publishing Inc. Mariscal, G., Marban, O., & Fernandez, C. (2010). A Survey of Data Mining and Knowledge Discovery Process Models and Methodologies. The Knowledge Engineering Review 25.2, Milovic, B., & Milovic, M. (2012). Prediction and Decision Making in Health Care using Data Mining. Kuwait Chapter of The Arabian Journal of Business and Management Review 1.12, Olson, D., & Shi, Y. (2013). Outlines and Highlights for Introduction Business Data Mining. USA: Cram101 Incorporated. Science, D. C. (2005). Data Mining with Open Source Machine Learning Software in Java. Retrieved from WEKA The University of Waikato: Sharma, G., Bhargava, D. N., Bhargava, D. R., & Mathuria, M. (2013). Decision Tree Analysis on J48 Algorithm for Data Mining. International Journal of Advanced Research in Computer Science and Software Engineering, Thomas, J. (2009). Medical Records and Issues in Negligence. Indian Journal of Urology 25.3, Turban, E., Aronson, J. E., Liang, T. P., & Sharda, R. E. (2011). Decision Support and Business Intelligence Systems 9th edit. New Jersey: Prentice Hall. Vercellis, C. (2009). Business Intelligence: Data Mining and Optimization for Decision Making. Chichester: Jon Wiley and Sons. Wicaksana, I. M., & Widiartha, I. M. (2012). Penerapan Metode Ant Colony Optimization pada Metode K-Harmonic Means untuk Klasterisasi data. Jurnal Ilmu Komputer vol 5 no 1, Witten, I. H., Frank, E., & Hall, M. A. (2011). Data Mining: Practical Machine Learning Tools and Techniques, 3rd Edition. New Zealand: Universitas of Waikato. RIWAYAT PENULIS Frista Yulianora lahir di kota Jakarta pada tanggal 11 Juli Penulis menamatkan pendidikan S1 di Binus University dalam bidang Sistem Informasi pada tahun Muchammad Hasbi Latif lahir di kota Jakarta pada tanggal 28 September Penulis menamatkan pendidikan S1 di Binus University dalam bidang Sistem Informasi pada tahun Rika Jubel Febriana lahir di kota Jakarta pada tanggal 5 Februari Penulis menamatkan pendidikan S1 di Binus University dalam bidang Sistem Informasi pada tahun 2014.
BAB 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 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 terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Konsep Data Mining : IT012274 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pengenalan RDBMS 2 SQL Mahasiswa dapat mnegrti dan memahami
Lebih terperinciPENGEMBANGAN PERANGKAT LUNAK DIAGNOSA PENYAKIT DIABETES MELLITUS TIPE II BERBASIS TEKNIK KLASIFIKASI DATA ABSTRACT
PENGEMBANGAN PERANGKAT LUNAK DIAGNOSA PENYAKIT DIABETES MELLITUS TIPE II BERBASIS TEKNIK KLASIFIKASI DATA Rodiyatul FS 1, Bayu Adhi Tama 2, Megah Mulya 3 1,2,3 Fakultas Ilmu Komputer, Universitas Sriwijaya
Lebih terperinciPERBANDINGAN DECISION TREE
84 2015 Jurnal Krea-TIF Vol: 03 No: 02 PERBANDINGAN DECISION TREE PADA ALGORITMA C 4.5 DAN ID3 DALAM PENGKLASIFIKASIAN INDEKS PRESTASI MAHASISWA (Studi Kasus: Fasilkom Universitas Singaperbangsa Karawang)
Lebih terperinciPENENTUAN PENERIMA BEASISWA PENINGKATAN PRESTASI AKADEMIK DENGAN ALGORITME C5.0
PENENTUAN PENERIMA BEASISWA PENINGKATAN PRESTASI AKADEMIK DENGAN ALGORITME C.0 Rachma Fauzia Azhary, Isnandar Slamet, Supriyadi Wibowo Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciLaudon, K. C., & Laudon, J. P. (2010). Management Information Systems : Managing the Digital Firm, 11th Edition. New Jersey: Prentice Hall.
REFERENSI Badan Ketahanan Pangan Kementerian Pertanian. (2013). Panduan Pengelolaan Cadangan Pangan Pemerintah Provinsi dan Kabupaten/Kota. Jakarta: Badan Ketahanan Pangan Kementerian Pertanian. Badan
Lebih terperinciBAB 4 HASIL DAN BAHASAN
BAB 4 HASIL DAN BAHASAN 4.1 Arsitekur Data Mining Gambar 4.1 Arsitektur Data Mining Gambar 4.1 menjelaskan arsitektur data mining yang akan dibuat. Pertama data yang didapat dari hasil pengumpulan data
Lebih terperinciSATUAN ACARA PERKULIAHAN PROGRAM PASCA SARJANA MAGISTER TEKNIK INFORMATIKA (MKom) UNIVERSITAS DIAN NUSWANTORO
Pertemuan Tujuan Instruksional Umum (TIU) 1 Mahasiswa memahami konsep business Tujuan Instruksional Khusus (TIK) Pokok Bahasan Sub Pokok Bahasan Teknik Pembelajaran 1. Mahasiswa dapat menjelaskan konsep
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 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 terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (2017) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-116 (Online) Artikel Perancangan Aplikasi Prediksi Kelulusan Mahasiswa Tepat Waktu Pada
Lebih terperinciImplementasi Metode K-Nearest Neighbor Pada Aplikasi Data Penjualan PT. Multitek Mitra Sejati
ISSN 2356-4393 Implementasi Metode K-Nearest Neighbor Pada Aplikasi Data Penjualan PT. Multitek Mitra Sejati Ferry Hermawan 1), Halim Agung 2) # Teknik Informatika, Fakultas Teknologi dan Desain, Universitas
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 terperinciPERANCANGAN DATA WAREHOUSE UNTUK DEMOGRAFI, PERKEMBANGAN PRODUK DAN PROMOSI PADA MANDIRI TABUNGAN RENCANA DI PT.BANK MANDIRI(PERSERO) TBK.
PERANCANGAN DATA WAREHOUSE UNTUK DEMOGRAFI, PERKEMBANGAN PRODUK DAN PROMOSI PADA MANDIRI TABUNGAN RENCANA DI PT.BANK MANDIRI(PERSERO) TBK. Nita Uswatun Hasanah Alfiana Binus University, Jakarta, DKI Jakarta,
Lebih terperinciPERANCANGAN SISTEM BASIS DATA TERINTEGRASI LAYANAN KESEHATAN PADA PUSKESMAS KECAMATAN TEBET
PERANCANGAN SISTEM BASIS DATA TERINTEGRASI LAYANAN KESEHATAN PADA PUSKESMAS KECAMATAN TEBET Andronov Dwi Wibowo Binus University, Jakarta, DKI Jakarta, Indonesia Adrianus Radityo Binus University, Jakarta,
Lebih terperinciPRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Data Mining Kode/SKS: SS / (2/1/0) Dosen : SWP, KF Semester : VII
RPS1SK08 Kurikulum 2014, Edisi : September2014 No.Revisi : 00 Hal: 1 dari 6 A. : 1. CP 3.2 : Melakukan analisis data dengan menggunakan program statistik 2. CP 10.3 : Mampu menganalisis big data dengan
Lebih terperinciPERANCANGAN DATAMART DAN APLIKASI BUSINESS INTELLIGENCE STUDI KASUS : BINUS CAREER DAN ALUMNI CENTER
PERANCANGAN DATAMART DAN APLIKASI BUSINESS INTELLIGENCE STUDI KASUS : BINUS CAREER DAN ALUMNI CENTER KEZIA MARGARET Binus University, Pademangan, Jakarta Utara, Indonesia THERESIA SURIANI Binus University,
Lebih terperinciANALISIS DAN PERANCANGAN DATA WAREHOUSE PENJUALAN, PEMBELIAN, DAN PERSEDIAAN UNTUK MENDUKUNG EKSEKUTIF DALAM PENGAMBILAN
ANALISIS DAN PERANCANGAN DATA WAREHOUSE PENJUALAN, PEMBELIAN, DAN PERSEDIAAN UNTUK MENDUKUNG EKSEKUTIF DALAM PENGAMBILAN KEPUTUSAN PADA PT. PUSAKA KALI AGUNG Penulis : Rustam Steven Edwin Laurentino Palit
Lebih terperinciANALISIS PERBANDINGAN IMPLEMENTASI KERNEL PADA LIBRARY LibSVM UNTUK KLASIFIKASI SENTIMEN MENGGUNAKAN WEKA
ANALISIS PERBANDINGAN IMPLEMENTASI KERNEL PADA LIBRARY LibSVM UNTUK KLASIFIKASI SENTIMEN MENGGUNAKAN WEKA Prawidya Destarianto 1, Wahyu Kurnia Dewanto 2, Hermawan Arief Putranto 3 1,2,3 Jurusan, Teknologi
Lebih terperinciKLASIFIKASI JENIS BIMBINGAN DAN KONSELING SISWA SMKN 1 KEDIRI MENGGUNAKAN NAIVE BAYES CLASSIFIER DAN NEAREST NEIGHBOR
Nusantara of Engginering (NoE)/Vol. 1/No. 2/ISSN: 255-668 22 KLASIFIKASI JENIS BIMBINGAN DAN KONSELING SISWA SMKN 1 KEDIRI MENGGUNAKAN NAIVE BAYES CLASSIFIER DAN NEAREST NEIGHBOR Erna Daniati Program Studi
Lebih terperinciTerbit online pada laman web jurnal : JURNAL RESTI. ( R e k a y a s a S i s t e m d a n T e k n o l o g i I n f o r m a s i )
Terbit online pada laman web jurnal : http://jurnal.iaii.or.id JURNAL RESTI ( R e k a y a s a S i s t e m d a n T e k n o l o g i I n f o r m a s i ) Vol. 1 No. 2 (2017) 82-89 ISSN Media Elektronik : 2580-0760
Lebih terperinciPERANCANGAN STRUKTUR DAN APLIKASI DATAWAREHOUSE PADA PELAYANAN KESEHATAN SINT CAROLUS. Ervyn. Binus University, Jakarta, DKI Jakarta, Indonesia.
PERANCANGAN STRUKTUR DAN APLIKASI DATAWAREHOUSE PADA PELAYANAN KESEHATAN SINT CAROLUS Ervyn Binus University, Jakarta, DKI Jakarta, Indonesia Selvi Binus University, Jakarta, DKI Jakarta, Indonesia dan
Lebih terperinciPERANCANGAN BASIS DATA PEMBELIAN DAN PENJUALAN PADA PT. SILINDER MEGAH PERKASA
PERANCANGAN BASIS DATA PEMBELIAN DAN PENJUALAN PADA PT. SILINDER MEGAH PERKASA Martinus Samuel Sugianto Komplek Departemen Sosial No. 4 Jakarta Timur, 08999353878, martinussamuels@gmail.com Licho Gustano
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK APLIKASI BANK SOAL PADA BINUS SCHOOL SERPONG
ANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK APLIKASI BANK SOAL PADA BINUS SCHOOL SERPONG Oleh Hari Wijaya 1301057564 Sevira Alvini Thomas 1301059891 Djauharry Noor D1348 ABSTRAK Tujuan penelitian
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 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 terperinciModel Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree
Scientific Journal of Informatics Vol. 3, No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan
Lebih terperinciEXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS
EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS Agus Sasmito Aribowo Teknik Informatika. UPN Veteran Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281
Lebih terperinciDATABASE DESIGN UNTUK MENGELOLA MUTASI PEGAWAI PADA BADAN KEPEGAWAIAN DAERAH BERBASIS WEB
DATABASE DESIGN UNTUK MENGELOLA MUTASI PEGAWAI PADA BADAN KEPEGAWAIAN DAERAH BERBASIS WEB Setyo Adi Nugroho Binus University, Jakarta, DKI Jakarta, Indonesia Arief Rahmansyah Binus Univeristy, Jakarta,
Lebih terperinciANALISIS DAN PERANCANGAN DATA WAREHOUSE PADA PT. MEGA SOLUSI TEKNOLOGI
ANALISIS DAN PERANCANGAN DATA WAREHOUSE PADA PT. MEGA SOLUSI TEKNOLOGI Hendrik Binus University, Jakarta, DKI Jakarta, Indonesia Ferdinand Binus University, Jakarta, DKI Jakarta, Indonesia Yossi Callista
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 terperinciPengolahan Data. Algoritma C4.5 Menghitung entropi : Data Training (75%) = 220 data Data Testing (25%) = 73 data
Algoritma C4.5 Menghitung entropi : engolahan Data Data Training (75%) = 220 data Data Testing (25%) = 73 data Entropi (y) = -p 1 log 2 p 1 p 2 log 2 p 2... p n log 2 p n Entropi IK -28/220*OG 2 (28/220)-156/220*OG
Lebih terperinciPERANCANGAN SISTEM BASIS DATA OPERASIONAL PADA SMP STRADA SANTO FRANSISKUS XAVERIUS 2
PERANCANGAN SISTEM BASIS DATA OPERASIONAL PADA SMP STRADA SANTO FRANSISKUS XAVERIUS 2 Swandy Binus University, Jakarta, DKI Jakarta, Indonesia David Binus University, Jakarta, DKI Jakarta, Indonesia Mario
Lebih terperinciPENERAPAN DATA MINING PADA CDR (CALL DETAILS RECORDS) UNTUK MENGETAHUI PROFILE INTEREST DARI PELANGGAN PT. XYZ
PENERAPAN DATA MINING PADA CDR (CALL DETAILS RECORDS) UNTUK MENGETAHUI PROFILE INTEREST DARI PELANGGAN PT. XYZ Joppy Justian Lukas Siswanto Tanutama, Ir., MM Laporan Teknis Jakarta, 19/02/2014 Disetujui:
Lebih terperinciAnalisa Data Mining Menggunakan Metode Bayes Untuk Mengukur Tingkat Kerusakan Mesin Motor (Studi Kasus Pada AHASS Astra Motor Kudus)
Analisa Data Mining Menggunakan Metode Bayes Untuk Mengukur Tingkat Kerusakan Mesin Motor (Studi Kasus Pada AHASS Astra Motor Kudus) Yunus Pradika FakultasIlmuKomputer, Universitas Dian Nuswantoro, Jl.
Lebih terperinciPERANCANGAN SISTEM DATA WAREHOUSE PADA RUMAH SAKIT PERMATA BUNDA
PERANCANGAN SISTEM DATA WAREHOUSE PADA RUMAH SAKIT PERMATA BUNDA Jefry; Hokki Yuanto; Henri Antonius Eka W Jurusan Sistem Informasi, Fakultas Ilmu Komputer, Bina Nusantara University Jln. Kebon Jeruk Raya
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 terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pasar modal merupakan salah satu bagian dari pasar keuangan, di samping pasar uang, yang sangat penting peranannya bagi pembangunan nasional pada umumnya dan bagi
Lebih terperinciBUSINESS PROCESS REENGINEERING PERSEDIAAN DAN PENYEWAAN PADA PT. RENT N PLAY
BUSINESS PROCESS REENGINEERING PERSEDIAAN DAN PENYEWAAN PADA PT. RENT N PLAY Devin Binus University, Jakarta, DKI Jakarta, Indonesia Edwin Binus University, Jakarta, DKI Jakarta, Indonesia Dan Rickson
Lebih terperinciKEAKURATAN KODE DIAGNOSA UTAMA DOKUMEN REKAM MEDIS PADA KASUS PARTUS DENGAN SECTIO CESAREAN DI RUMAH SAKIT PANTI WILASA CITARUM TAHUN 2009
Kean Kode Diagnosa Utama... - Eko A, Lily K, Dyah E KEAKURATAN KODE DIAGNOSA UTAMA DOKUMEN REKAM MEDIS PADA KASUS PARTUS DENGAN SECTIO CESAREAN DI RUMAH SAKIT PANTI WILASA CITARUM TAHUN 2009 Eko Arifianto
Lebih terperinciAnalisa Data Rekam Medis Menggunakan Teknik Data Mining Association Rules Dengan Algoritma Clustering
Analisa Data Rekam Medis Menggunakan Teknik Data Mining Association Rules Dengan Algoritma Clustering Edy Kurniawan e-mail : edy@umpo.ac.id Abstract Patient information data located in medical centers
Lebih terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : 56601 / Data Warehouse dan Data Mng Revisi 1 Satuan Kredit Semester : 3 sks Tgl revisi : 1 September 2014 Jml Jam kuliah
Lebih terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : 56607 / Bisnis Cerdas Revisi - Satuan Kredit Semester : 4 SKS Tgl revisi : - Jml Jam kuliah dalam seminggu : 200 menit Tgl
Lebih terperinciOleh : Selvia Lorena Br Ginting, Reggy Pasya Trinanda. Abstrak
TEKNIK DATA MINING MENGGUNAKAN METODE BAYES CLASSIFIER UNTUK OPTIMALISASI PENCARIAN PADA APLIKASI PERPUSTAKAAN (STUDI KASUS : PERPUSTAKAAN UNIVERSITAS PASUNDAN BANDUNG) Oleh : Selvia Lorena Br Ginting,
Lebih terperinciPrediksi Kenaikan Rata-Rata Volume Perikanan Tangkap Dengan Teknik Data Mining
117 Prediksi Kenaikan Rata-Rata Volume Perikanan Tangkap Dengan Teknik Data Mining Anik Andriani AMIK BSI Yogyakarta E-Mail: anik.aai@bsi.ac.id Abstrak Peningkatan jumlah permintaan terhadap kebutuhan
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan analisis dan pemodelan pada tahap sebelumnya, maka dapat diambil kesimpulan sebagai berikut: 1. Analisis proses bisnis yang dilakukan berdasarkan turunan
Lebih terperinciBAB 5 KESIMPULAN DAN SARAN
BAB 5 KESIMPULAN DAN SARAN 5.1. Kesimpulan Penelitian yang dilakukan di perusahaan Anugerah Jaya Abadi dilakukan untuk membuat suatu rancangan sistem produksi yang terintegrasi dengan tujuan meningkatkan
Lebih terperinciCONTOH KASUS DATA MINING
CONTOH KASUS DATA MINING CONTOH KASUS DATA MINING Sebuah rumah sakit ingin ingin menekan biaya perawatan pasien tanpa mengurangi kualitas pelayanan. Salahsatu potensi yang dapat dimanfaatkan pada penerapan
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA KLASIFIKASI NAÏVE BAYESIAN, LAZY-IBK, ZERO-R, DAN DECISION TREE- J48
PERBANDINGAN KINERJA ALGORITMA KLASIFIKASI NAÏVE BAYESIAN, LAZY-IBK, ZERO-R, DAN DECISION TREE- J48 Sulidar Fitri Teknik Informatika STMIK AMIKOM Yogyakarta email : inboxfitri@gmail.com Abstraksi Penelitian
Lebih terperinciPENERAPAN METODE ASSOCIATION RULE MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENEMUKAN POLA PEMINJAMAN BUKU
PENERAPAN METODE ASSOCIATION RULE MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENEMUKAN POLA PEMINJAMAN BUKU TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciSISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING
SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Teknik Informatika. UPN Veteran Yogyakarta Jl.
Lebih terperinciCatrine ( ) Binus University, Jakarta, Indonesia, Vania Kartika Utami ( )
PERANCANGAN SISTEM BASIS DATA UNTUK PENGAMBILAN KEPUTUSAN OPERASIONAL PEMBELIAN, PENJUALAN DAN PERSEDIAAN DALAM MENINGKATKAN MANAJEMEN DATA PADA AGEN SEMBAKO SEKAR WANGI Catrine (1501148066) Binus University,
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 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 terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : D22.5411 / Healthcare Datamng Revisi 1 Satuan Kredit Semester : 2 sks Tgl revisi : 1 Agustus 2014 Jml Jam kuliah dalam seminggu
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 terperinciANALISA REKAM MEDIS UNTUK MENENTUKAN POLA KELOMPOK PENYAKIT MENGGUNAKAN METODE KLASIFIKASI DENGAN ALGORITMA DECISION TREE J48
ANALISA REKAM MEDIS UNTUK MENENTUKAN POLA KELOMPOK PENYAKIT MENGGUNAKAN METODE KLASIFIKASI DENGAN ALGORITMA DECISION TREE J48 Edy Kurniawan 1) *), I Ketut Edy Purnama 2), Surya Sumpeno 3) 1) Pasca Sarjana
Lebih terperinciPENCARIAN ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI SEBAGAI BAHAN REKOMENDASI STRATEGI PEMASARAN PADA TOKO ACIICA
PENCARIAN ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI SEBAGAI BAHAN REKOMENDASI STRATEGI PEMASARAN PADA TOKO ACIICA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN BERBASIS DECISION TREE DALAM PEMBERIAN BEASISWA STUDI KASUS: AMIK BSI YOGYAKARTA
SISTEM PENDUKUNG KEPUTUSAN BERBASIS DECISION TREE DALAM PEMBERIAN BEASISWA STUDI KASUS: AMIK BSI YOGYAKARTA Anik Andriani Program Studi Manajemen Informatika, AMIK BSI Jakarta Jl. RS Fatmawati 24, Pondok
Lebih terperinciPenerapan Algoritma C4.5 Untuk Penentuan Jurusan Mahasiswa
Penerapan Algoritma C4.5 Untuk Penentuan Jurusan Mahasiswa Liliana Swastina Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) Indonesia Banjarmasin, Indonesia lilisera@gmail.com
Lebih terperinciKAJIAN PERANCANGAN RULE KENAIKAN JABATAN PADA PT. ABC
KAJIAN PERANCANGAN RULE KENAIKAN JABATAN PADA PT. ABC Harry Dhika Fakultas Teknik, Matematika dan IPA Universitas Indraprasta PGRI Email: dhikatr@yahoo.com ABSTRAK Penelitian ini membahas tentang cara
Lebih terperinciKlasifikasi Proses Penjurusan Siswa Tingkat SMA Menggunakan Data Mining
INFORMATICS FOR EDUCATORS AND PROFESSIONALS, Vol.1, No. 1, Desember 2016, 65 69 E-ISSN: 2548-3412 65 Klasifikasi Proses Penjurusan Siswa Tingkat SMA Menggunakan Data Mining Fata Nidaul Khasanah 1,* 1 Teknik
Lebih terperinciANALISIS DAN PERANCANGAN BASIS DATA PELAYANAN, PERAWATAN DAN PENGOBATAN BERBASIS APLIKASI DESKTOP PADA PUSKESMAS KECAMATAN CILANDAK
Universitas Bina Nusantara Jurusan Sistem Informasi Skripsi Sarjana Komputer Semester Genap tahun 2012/2013 ANALISIS DAN PERANCANGAN BASIS DATA PELAYANAN, PERAWATAN DAN PENGOBATAN BERBASIS APLIKASI DESKTOP
Lebih terperinciPENGELOMPOKAN DAN ANALISIS PELANGGAN DENGAN MENGGUNAKAN FUZZY C-MEANS CLUSTERING
PENGELOMPOKAN DAN ANALISIS PELANGGAN DENGAN MENGGUNAKAN FUZZY C-MEANS CLUSTERING Benedictus Andrian Henry Threstanto¹, Dhinta Darmantoro², Kiki Maulana³ ¹Teknik Informatika,, Universitas Telkom Abstrak
Lebih terperinciRANCANGAN SISTEM BASIS DATA UNTUK MENGELOLA DATA TRANSAKSI PEMBELIAN DAN PENJUALAN SAHAM PADA BAGIAN SETTLEMENT PT.
RANCANGAN SISTEM BASIS DATA UNTUK MENGELOLA DATA TRANSAKSI PEMBELIAN DAN PENJUALAN SAHAM PADA BAGIAN SETTLEMENT PT. CORFINA CAPITAL Ester Widya 1, Rufina 2, Linardi Lianto 3, Eka Miranda 4 1,2,3,4 School
Lebih terperinciEducational Data Mining untuk Mengetahui Pola Minat Kerja Mahasiswa
Educational Data Mining untuk Mengetahui Pola Minat Kerja Mahasiswa Daniel Swanjaya 1, Abidatul Izzah 2 1,2 Universitas Nusantara PGRI Kediri Kontak Person: Daniel Swanjaya 1, Abidatul Izzah 2 1,2 Kampus
Lebih terperinciPENERAPAN DECISION TREE UNTUK PENENTUAN POLA DATA PENERIMAAN MAHASISWA BARU
PENERAPAN DECISION TREE UNTUK PENENTUAN POLA DATA PENERIMAAN MAHASISWA BARU Aradea, Satriyo A., Ariyan Z., Yuliana A. Teknik Informatika Universitas Siliwangi Tasikmalaya Ilmu Komputer Universitas Diponegoro
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM BASIS DATA REGISTRASI, PEMILIHAN DAN PENILAIAN VENDOR PADA PT ADARO ENERGY
ANALISIS DAN PERANCANGAN SISTEM BASIS DATA REGISTRASI, PEMILIHAN DAN PENILAIAN VENDOR PADA PT ADARO ENERGY Andre Wahyu Wirawan; Rizki Apriliyarso; Fachri Anggi Maulana; Abdul Aziz Computer Science Department,
Lebih terperinciPEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5
PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Jurusan Sistem Informasi, STMIK Indonesia 1 syam@stmik-indonesia.ac.id,
Lebih terperinciANALISIS DAN PERANCANGAN BASIS DATA SISTEM E-LEARNING PADA SMA PGRI CIKAMPEK
ANALISIS DAN PERANCANGAN BASIS DATA SISTEM E-LEARNING PADA SMA PGRI CIKAMPEK Victor Nikko Chialendra Binus University, Jakarta, DKI Jakarta, Indonesia Dan Johan Binus University, Jakarta, DKI Jakarta,
Lebih terperinciDATABASE DESIGN PADA PT. CAKRA PRIMA PERKASA
DATABASE DESIGN PADA PT. CAKRA PRIMA PERKASA Jennifer Lovely Limah Universitas Bina Nusantara, Jalan Kebon Jeruk Raya Blok Samudra No.27, Jakarta Barat, 081369311122, jenniferlovelylimah@yahoo.com Gabriel
Lebih terperinciPemanfaatan Educational Data Mining (EDM)...
PEMANFAATAN EDUCATIONAL DATA MINING (EDM) UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS: TI-S1 UDINUS) Defri Kurniawan 1*, Wibowo Wicaksono 1 dan Yani Parti Astuti 1 1
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 terperinciSISTEM BASIS DATA PENJADWALAN, PENGGAJIAN DAN PENGELUARAN PADA JUNI ENTERTAINMENT
SISTEM BASIS DATA PENJADWALAN, PENGGAJIAN DAN PENGELUARAN PADA JUNI ENTERTAINMENT Nama Penulis : Juni Entertainment Jl. Nangka No.20 Cipete Utara Telp 021-7395026 Ahmad Marjuki 1401126575 Febrian Fadil
Lebih terperinciOPTIMALISASI DATA PADA BAGIAN PENJUALAN DENGAN MENGGUNAKAN DATA MART DI PT. XYZ
OPTIMALISASI DATA PADA BAGIAN PENJUALAN DENGAN MENGGUNAKAN DATA MART DI PT. XYZ Hendro Poerbo Prasetiya 1), Yogi Eka Sakti 2) 1), 2) Sistem Informasi Universitas Ma Chung Jl Villa Puncak Tidar N-01, Malang
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 terperinciPENERAPAN DATA MINING UNTUK RENCANA SUKSESI SUMBER DAYA MANUSIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR DI PT POS INDONESIA
PENERAPAN DATA MINING UNTUK RENCANA SUKSESI SUMBER DAYA MANUSIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR DI PT POS INDONESIA 1 Muhammad Hafiz Ardiansyah, 2 Wahyu Nurjaya WK 1 Program Studi Teknik Informatika,
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN:
KAJIAN KOMPARASI ALGORITMA C4.5, NAÏVE BAYES DAN NEURAL NETWORK DALAM PEMILIHAN PENERIMA BEASISWA (Studi Kasus pada SMA Muhammadiyah 4 Jakarta ) Ulfa Pauziah Program Studi Teknik Informatika, Universitas
Lebih terperinciSOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA
SOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA Ade Putra Fakultas Vokasi, Program Studi Komputerisasi Akuntansi Universitas Bina Darma
Lebih terperinciIMPLEMENTASI KLASIFIKASI DATA KEMACETAN ANGSURAN LEASING MOBIL DENGAN ALGORITMA C4.5
Technologia Vol 8, No.1, Januari Maret 2017 15 IMPLEMENTASI KLASIFIKASI DATA KEMACETAN ANGSURAN LEASING MOBIL DENGAN ALGORITMA C4.5 M. Edya Rosadi (edya@fti.uniska-bjm.ac.id) Nur Alamsyah (alam@fti.uniska-bjm.ac.id)
Lebih terperinciSistem Informasi Rekam Medis pada Puskesmas Sematang Borang
Seminar Perkembangan dan Hasil Penelitian Ilmu Komputer (SPHP-ILKOM) 605 Sistem Informasi Rekam Medis pada Puskesmas Sematang Borang Supermanto* 1, Ervi Cofriyanti 2 1,2 STMIK Global Informatika MDP Jl.
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE DESCISION TREE C4.5 Pada SMAK YOS SUDARSO BATU
SISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE DESCISION TREE C4.5 Pada SMAK YOS SUDARSO BATU Jonathan Rinaldy 1) 1) Program Studi Teknik Informatika, Sekolah Tinggi Informatika & Komputer
Lebih terperinciHery Suwandy Ompusunggu¹, Dhinta Darmantoro², Moch Arif Bijaksana³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
IMPLEMENTASI SELEKSI VARIABEL MENGGUNAKAN METODE CORRELATION-BASED FEATURE SELECTION DALAM TASK CLASSIFICATION VARIABLE SELECTION IMPLEMENTATION USING CORRELATION-BASED FEATURE SELECTION METHOD ON TASK
Lebih terperinciPERANCANGAN SISTEM INFORMASI AKUNTANSI PENJUALAN, PEMBELIAN, DAN PERSEDIAAN MATERIAL PADA PT MITRA SINERGI ADHITAMA
PERANCANGAN SISTEM INFORMASI AKUNTANSI PENJUALAN, PEMBELIAN, DAN PERSEDIAAN MATERIAL PADA PT MITRA SINERGI ADHITAMA 1 Ria Ayu Anggraini Binus University, Jakarta Barat, DKI Jakarta, Indonesia Tanty Oktavia,
Lebih terperinciAPLIKASI PENJUALAN, PEMBELIAN DAN RETUR PADA PT GLORIA CIPTA KARYA
APLIKASI PENJUALAN, PEMBELIAN DAN RETUR PADA PT GLORIA CIPTA KARYA Ivan Alexander, David Presly Cornelius, Fredick Soputra, Abdul Aziz Program Studi Teknik Informatika, Universitas Bina Nusantara Email
Lebih terperinciDATA MINING UNTUK REKOMENDASI KERJA BAGI ALUMI DENGAN ALGORITMA GARC(GAIN BASED ASSOCIATION RULE CLASSIFICTION)
DATA MINING UNTUK REKOMENDASI KERJA BAGI ALUMI DENGAN ALGORITMA GARC(GAIN BASED ASSOCIATION RULE CLASSIFICTION) Steffi Budi Fauziah¹, Shaufiah², Mahmud Dwi Suliiyo³ ¹Teknik Informatika,, Universitas Telkom
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 5
GARIS-GARIS BESAR PROGRAM PENGAJAR PROGRAM STUDI: S1 STEM INFORMA Semester : 5 Berlaku mulai: Gasal/2010 MATA KULIAH : DATA WAREHOUSE KODE MATA KULIAH / SKS : 4010103084 / 2 SKS MATA KULIAH PRASYARAT :
Lebih terperinciPERANCANGAN DATA WAREHOUSE UNTUK MENGHASILKAN LAPORAN ADHOC BAGIAN PENJUALAN, KLAIM, DAN PERSEDIAAN BARANG PADA PT.COMBIPHAR
PERANCANGAN DATA WAREHOUSE UNTUK MENGHASILKAN LAPORAN ADHOC BAGIAN PENJUALAN, KLAIM, DAN PERSEDIAAN BARANG PADA PT.COMBIPHAR Fredo Wilianto Rusli 1, David Soentoro 2, Tony Indra Sakti Santoso 3, Indrajani
Lebih terperinciIMPLEMENTASI DATA MINING DENGAN NAIVE BAYES CLASSIFIER UNTUK MENDUKUNG STRATEGI PROMOSI (Studi kasus Universitas Bina Darma Palembang)
J u r n a l 1 IMPLEMENTASI DATA MINING DENGAN NAIVE BAYES CLASSIFIER UNTUK MENDUKUNG STRATEGI PROMOSI (Studi kasus Universitas Bina Darma Palembang) Deny Wahyudi 1, A.Haidar Mirza,S.T.,M.Kom. 2, Merrieayu
Lebih terperinciPenerapan Algoritme C4.5 Pada Klasifikasi Produksi Ubi Jalar di Pulau Jawa
Penerapan Algoritme C4.5 Pada Klasifikasi Produksi Ubi Jalar di Pulau Jawa Seno Setiyawan 1, Yuliana Susanti 2,Tri Atmojo Kusmayadi 3 1,3 Program Studi Matematika FMIPA, Universitas Sebelas Maret 2 Program
Lebih terperinciKlasifikasi Berbasis Algoritma C4.5 untuk Deteksi Kenaikan Case Fatality Rate Demam Berdarah
Klasifikasi Berbasis Algoritma C4.5 untuk Deteksi Kenaikan Case Fatality Rate Demam Berdarah Anik Andriani Manajemen Informatika, AMIK BSI, Yogyakarta, Indonesia anik.aai@bsi.ac.id Abstract Extraordinary
Lebih terperinciSNIPTEK 2014 ISBN:
KOMPARASI MENGGUNAKAN ALGORITMA C4.5, NEURAL NETWORK DAN NAÏVE BAYES DALAM PREDIKSI UJIAN KOMPENTENSI SMK MAHADHIKA 4 JAKARTA Aswan Supriyadi Sunge STMIK Nusa Mandiri mardian82@gmail.com Kaman Nainggolan
Lebih terperinciKajian Penerapan Radial Base Function (RBF) Dalam Mendeteksi Penyakit Tuberculosis (Tb)
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 303~307 303 Kajian Penerapan Radial Base Function (RBF) Dalam Mendeteksi Penyakit Tuberculosis (Tb) Derry Wiliandani AMIK BSI Karawang
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 terperinciTechnologia Vol 7, No.3, Juli September OPTIMASI KLASIFIKASI PENILAIAN AKREDITASI LEMBAGA KURSUS MENGGUNAKAN METODE K-NN DAN NAIVE BAYES
Technologia Vol 7, No.3, Juli September 2016 148 OPTIMASI KLASIFIKASI PENILAIAN AKREDITASI LEMBAGA KURSUS MENGGUNAKAN METODE K-NN DAN NAIVE BAYES MUHAMMAD AMIN,S.Kom, M.Kom (maminbjm58@gmail.com) ABSTRACT
Lebih terperinciPERANGKAT LUNAK & REKAYASA PERANGKAT LUNAK
REKAYASA PERANGKAT LUNAK LANJUT PERANGKAT LUNAK & REKAYASA PERANGKAT LUNAK Defri Kurniawan M.Kom Refrensi content Why Software Engineering Perangkat Lunak (PL) Definisi Jenis-jenis berdasarkan Market,
Lebih terperinciPERANCANGAN DATA WAREHOUSE PADA PT. CENTRA INTI PRATAMA
PERANCANGAN DATA WAREHOUSE PADA PT. CENTRA INTI PRATAMA Steven Tandri Wijaya Jurusan Sistem Informasi, School of Information Systems, Universitas Bina Nusantara Jl. K.H. Syahdan No. 9, Kemanggisan/Palmerah,
Lebih terperinciPERBANDINGAN METODE KLASIFIKASI NAÏVE BAYES DAN K-NEAREST NEIGHBOR PADA ANALISIS DATA STATUS KERJA DI KABUPATEN DEMAK TAHUN 2012
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 831-838 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN METODE KLASIFIKASI NAÏVE BAYES DAN K-NEAREST NEIGHBOR
Lebih terperinciAnalisis dan Perancangan Perangkat Ajar Bahasa Jepang Berbasis Multimedia Untuk Siswa Kelas X UPTD SMA Negeri 7 Kota Tangerang
Analisis dan Perancangan Perangkat Ajar Bahasa Jepang Berbasis Multimedia Untuk Siswa Kelas X UPTD SMA Negeri 7 Kota Tangerang Ariesta Dwi Rahmadi Universitas Bina Nusantara, Jakarta, DKI Jakarta, Indonesia
Lebih terperinci