KOMPARASI MODEL CLUSTERING MENGGUNAKAN METODE K-MEANS DAN FCM DALAM MENENTUKAN KUANTIFIKASI KRITERIA
|
|
- Susanti Lanny Budiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional eknologi Informasi KOMPARASI MODEL CLUSERING MENGGUNAKAN MEODE K-MEANS DAN DALAM MENENUKAN KUANIFIKASI KRIERIA Dine iarakusuma, Iriansyah BM.Sangadji, Dewi Arianti W eknik Informatika Sekolah inggi eknik PLN Jl. Lingkar Luar Duri Kosambi, Indonesia namaqtia@gmail.com, iriansyach@gmail.com ABSRAC Data mining is the mining or the discovery of new information by looking for patterns or certain rules of a number of huge amounts of data, which is expected to treat the condition. A large number of data that have not been used optimally. By utilizing data on the number of data source through clustering data mining techniques are expected to be a reference in helping decision makers and those involved in order to take accurate measures for any decision. Clustering data mining techniques used in this study is the method of K-Means and Fuzzy Clustering Means (). Where data in the cluster formed by each of the rules of these two methods. Based on trials of the system that's been made it can be concluded that the use of models for data clustering can generate clusters in 2, 3, and 4 quantify the set of criteria. Key words: Comparison, Data Mining, Clustering, K- Means, 1. Pendahuluan Pengumpulan dan penyimpanan data dalam suatu institusi secara terus menerus dapat menyebabkan penambahan data yang berdampak pada terjadinya penumpukan data dalam skala yang besar. Penumpukan data dalam skala yang besar ini tidak akan memberikan suatu nilai tambah dan tidak akan menghasilkan suatu aplikasi yang berguna jika data tersebut hanya tertumpuk begitu saja. Agar data tersebut dapat menghasilkan suatu yang berguna dan memiliki nilai tambah tersendiri maka metode analisis dengan tujuan tertentu menjadi sangat dibutuhkan. Metode ini dapat mengelompokan data data tersebut sesuai dengan kelas maupun kelompok nya masing masing. S-PLN memiliki sejumlah besar data yang tidak kecil maka dari itu agar data-data tersebut memiliki nilai tambah tersendiri, maka data itu dikelompokan agar dapat menjadi sebuah sistem aplikasi yang dapat berguna bagi orang-orang yang terkait dalam pegambilan keputusan. 2. ujuan ujuan dari penelitian ini adalah membandingkan dan menerapkan model model klaster dalam menentukan kuantifikasi kriteria berdasarkan jurusan dan asal provinsi 3. Clustering Clustering adalah salah satu teknik unsupervised learning dimana kita tidak perlu melatih metode tersebut atau dengan kata lain, tidak ada fase learning. ujuan dari metode clustering adalah untuk mengelompokkan sejumlah data atau objek kedalam klaster sehingga setiap klaster akan terisi data yang semirip mungkin[1] 3.1. K-Means Hasil percobaan sebaiknya ditampilkan dalam berupa grafik atau pun tabel. Untuk grafik dapat mengikuti format untuk diagram dan gambar.
2 Mulai Masukan K Klaster itik Pusat Jarak Objek ke titik Pusat Pengelompokan berdasarkan jarak minimum Objek mendekati titik minimum? Selesai Gambar 1 Flowchart K-Mean 3.2. Fuzzy Clustering Means Mulai Input Data ang Akan di Cluster 3.3. abel Kuantifikasi Kriteria Jumlah Cluster K-Means Sangat Gambar 3 Kuantifikasi Kriteria Sangat Cluster dengan kategori sangat banyak merupakan cluster provinsi dengan jumlah mahasiswa nya paling banyak Cluster dengan kategori banyak merupakan cluster provinsi dengan jumlah mahasiswa nya banyak Cluster dengan kategori cukup merupakan cluster provinsi dengan jumlah mahasiswa nya cukup Cluster dengan kategori sedikit merupakan cluster provinsi dengan jumlah mahasiswa nya paling sedikit atau bahkan tidak ada Range nilai sangat banyak, banyak, cukup, dan sedikit bukan di tentukan dari mulai angka keberapa hingga angka keberapa. Akan tetapi clustering ini di tentukan dari aturan-aturan / langkah-langkah kerja dari kedua metode yang digunakan. entukan ukuran data entukan jumlah cluster Hitung jumlah tiap kolom Hitung pusat cluster Hitung Fungsi Objektif Hitung perubahan matrix partisi elah sampai syarat berhenti? Selesai Gambar 2 Flowchart
3 4. Metodologi Mulai Analisis Masalah Analisis Kebutuhan Sistem Pengumpulan Data Perancangan Sistem Uji Coba Sistem Gambar 5 Pola Data Diterima? Perancangan Antar Muka Diterima? Penulisan Laporan 6. Pembahasan Rancangan Sistem Rancangan yang di buat merupakan rancangan system dari kedua metode yang digunakan yaitu metode K- Means dan Fuzzy Clustering Means () dengan jumlah cluster 2, 3, dan 4. Hasil dari rancangan system ini berupa grafik dan pengelompokan provinsi yang terbentuk sesuai dengan jumlah cluster masing-masing. Disetujui? Selesai Gambar 4 Metodologi Penelitian 5. Analisis Sistem Pengolahan kembali informasi dari data mahasiswa S-PLN ini berdasarkan dari data-data yang ada. Hal ini agar dapat di buat suatu pengambilan keputusan yang di anggap paling mendekati akurat oleh pihak pengambilan keputusan. Sebagai contoh di ambil data mahasiswa untuk tahun dan. Secara kasat mata data-data tersebut ada yang mengalami kenaikan dan ada juga yang mengalami penurunan jumlah mahasiswa masing-masing provinsi pada tahun dan. Secara kasat mata data-data tersebut ada yang mengalami kenaikan dan ada juga yang mengalami penurunan jumlah mahasiswa masing-masing provinsi pada tahun dan. Pola data yang terjadi adalah seperti pada gambar 4 dibawah ini ; Gambar 6 Contoh Hasil Rancangan ampilan
4 Hasil Pembahasan Dari hasil clustering 6 jurusan selama 2 tahun maka diperoleh kuantifikasi dari setiap himpunan yang ada di setiap jumlah cluster yaitu sebagai berikut : abel 1 Hasil Cluster S1 Elektro tahun S1 ELEKRO K-Means Kriteria Jumlah Kriteria Jumlah Jumlah Cluster 4 Sangat 3 Sangat Perbedaan K-Mean dan terletak pada kriteria ketiga cukup dan sedikit. Juga terjadi pada banyak dan cukup pada ukuran 4 (empat) kriteria. abel 2 Hasil Cluster S1 Mesin tahun S1 Mesin Cluster Kriteria Jumlah Kriteria Jumlah Sangat - Sangat idak ada perbedaan yang terjadi. Hal ini dimungkinkan karena data yang ada berjumlah kecil. abel 3 Hasil Cluster S1 Informatika tahun S1 INFORMAIKA Sangat - Sangat Perbedaan K-Mean dan terletak pada kriteria kedua banyak dan sedikit. Juga terjadi pada sedikit pada ukuran 3 (tiga) kriteria. abel 4 Hasil Cluster S1 Sipil tahun S1 SIPIL idak ada perbedaan yang terjadi. Hal ini dimungkinkan karena data yang ada berjumlah kecil abel 5 Hasil Cluster D3 Elektro tahun D3 ELEKRO Sangat 1 Sangat Perbedaan K-Mean dan terletak pada kriteria keempat sangat banyak dan cukup. abel 6 Hasil Cluster D3 Mesin tahun D3 MESIN Sangat - Sangat
5 Perbedaan K-Mean dan terletak pada kriteria ketiga banyak dan cukup. Juga terjadi pada banyak dan cukup sedikit pada ukuran 4 (empat) kriteria. abel 7 Hasil Cluster S1 Elektro tahun S1 ELEKRO Sangat 4 Sangat Perbedaan K-Mean dan terletak pada kriteria kedua banyak dan sedikit. Juga terjadi pada sangat banyak dan cukup pada ukuran 4 (empat) kriteria abel 8 Hasil Cluster S1 Mesin tahun S1 MESIN idak ada perbedaan yang terjadi. Hal ini dimungkinkan karena data yang ada berjumlah kecil. abel 9 Hasil Cluster S1 Informatika tahun S1 INFORMAIKA Sangat 6 Sangat Perbedaan K-Mean dan terletak pada kriteria ketiga banyak, cukup dan sedikit. Juga terjadi pada semua kriteria keempat. abel 10 Hasil Cluster S1 Sipil tahun S1 SIPIL Perbedaan K-Mean dan terletak pada kriteria kedua banyak. Juga terjadi pada sangat banyak dan cukup pada ukuran 3 (tiga) kriteria. Dan cukup pada 4 (empat) kriteria. abel 11 Hasil Cluster D3 Elektro tahun D3 ELEKRO Sangat 3 Sangat idak ada perbedaan yang terjadi. Hal ini dimungkinkan karena data yang ada berjumlah kecil. abel 12 Hasil Cluster D3 Mesin tahun D3 MESIN
6 idak ada perbedaan yang terjadi. Hal ini dimungkinkan karena data yang ada berjumlah kecil. 7. Kesimpulan Kesimpulan yang didapat dari hasil penelitian ini adalah sebagai berikut : a. Pengelompokan data dengan model clustering dapat memaksimalkan pengelompokan kesamaan antar anggota dalam sebuah kelas, serta dapat meminimumkan kesamaan antar kelas-kelas / cluster-cluster, sehingga hasil clustering data mining dapat menjadi acuan dalam membantu mengambil keputusan dan mendapatkan gambaran provinsi mana saja yang layak untuk mendapatkan perhatian lebih untuk promosi S-PLN di tahun selanjutnya. b. Implementasi dalam penggunaan metode K-Means dan dapat menghasilkan kuantifikasi himpunan kriteria yang berbeda berdasarkan metode yang digunakan, sehingga perbedaan hasil model cluster K-Means dan untuk tahun dapat dilihat di jurusan S1 Elektro, S1 Informatika, D3 Elektro, dan D3 Mesin dan untuk tahun dapat dilihat di jurusan S1 Elektro, S1 Informatika, dan S1 Sipil. c. Model clustering lebih terlihat perubahan kuantifikasi jika mengolah data yang relatif besar. Bagi Data yang jumlahnya relatif sedikit hampir tidak terlihat adanya perubahan kriteria, baik menggunakan metode K- means maupun. [9] Pohan, Husni Iskandar, dan Kusnassriyanto Saiful Bahri Pengantar Perancangan Sistem. Jakarta : Erlangga [10] Saaty, homas L Decision Making With Dependence And Feed Back: he Analytical Network Process. Pittsburgh: university of Pittsburgh [11] Suryadi, Kadarsah System pengambilan keputusan. Jakarta : Rosda [12] herling, K An Introduction o Data Mning : Discovering Hiden Value In our Data Warehouse. accessed time 21 april 2011 [13] Johnson, R. A dan Wichern, D.W Applied Multivariate Statistical Analysis, Fourth Edition, Prentice Hall Upper Saddle River: New Jersey REFERENSI [1] Santosa, budi, dkk Pemeliharaan Variabel dengan linier SVIM untuk Kasus Multikelas. Bidang Data Mining. Dikti. [2] Agusta, udi K-Means Penerapan Permasalahan & Metode erkait. Jurnal system & Informatika vol.3, SMIK SIKOM Bali Denpasar Bali. [3] Arhami, Muhammad dan Anita Desiani Pemograman Matlab. ogyakarta : Andi [4] Dewi, Sri Kusuma dan Hari Pramono Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. ogyakarta : Graha Ilmu [5] Dewi, Sri Kusuma, dkk Fuzzy Multi Attribute Decission Making. ogyakarta : Graha Ilmu [6] Dewi, Sri Kusuma Analisis dan Design Sistem Fuzzy Menggunakan oolbox Matlab. ogyakarta : Graha Ilmu. [7] Holsape, C.W dan Whinson, A.B Decision Support Systems. One Main Street : Cambridge [8] Mcleod, J Counselling In he Workspace: the facts. A systematic study of he Research Evidence. Rugby : British Association For Conselling And Psychotherapy
PENGELOMPOKAN 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 terperinciANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE
ANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE Diki Arisandi 1, Nofriandi 2 Jurusan Teknik Informatika, FakultTeknik,Universitas Abdurrab
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 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 terperinciPemanfaatan Metode Analytical Hierarchy Process Untuk Penentuan Kenaikan Jabatan Karyawan
Pemanfaatan Metode Analytical Hierarchy Process Untuk Penentuan Kenaikan Jabatan Karyawan Hartono STMIK IBBI Jl. Sei Deli No. 18 Medan, Telp. 061-4567111 Fax. 061-4527548 e-mail: hartonoibbi@gmail.com
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBERIAN BANTUAN BIAYA PENDIDIKAN MENGGUNAKAN ALGORITMA K-MEANS
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBERIAN BANTUAN BIAYA PENDIDIKAN MENGGUNAKAN ALGORITMA K-MEANS Sinawati ), Ummi Syafiqoh 2) ), 2) Sistem Informasi STMIK PPKIA Tarakanita Rahmawati Tarakan Jl Yos
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 terperinciIMPLEMENTASI METODE TOPSIS DALAM PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KARYAWAN BERPRESTASI
IMPLEMENTASI METODE TOPSIS DALAM PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KARYAWAN BERPRESTASI Gunawan 1),) Teknik Informatika STMIK Balikpapan Jl AMD Manunggal No : 9 Damai bahagia,balikpapan
Lebih terperinciModel Aplikasi Penentuan Jenis Beasiswa Berbasis Algoritma K-NN Termodifikasi
ISSN: 2089-3787 1181 Model Aplikasi Penentuan Jenis Beasiswa Berbasis Algoritma K-NN Termodifikasi Soegiarto 1, Bahar 2 Program Studi Teknik Informatika, STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru
Lebih terperinciPENGENALAN WAJAH DENGAN MENERAPKAN ALGORITMA ADAPTIF K MEANS
PENGENALAN WAJAH DENGAN MENERAPKAN ALGORITMA ADAPTIF K MEANS Disusun oleh: Juan Elisha Widyaya (0822014) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri, MPH, no. 65, Bandung, Indonesia
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 terperinciDATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA
DATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA Aseptian Nugraha, Acep Irham Gufroni, Rohmat Gunawan Teknik Informatika Fakultas
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 terperinciIMPLEMENTASI FUZZY TERHADAP SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN KELAYAKAN PEMBIAYAAN PENGAJUAN KREDIT BARANG.
Jurnal Informatika, Vol. 12, No. 2, Desember 2012 Septilia Arfida IMPLEMENTASI FUZZY TERHADAP SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN KELAYAKAN PEMBIAYAAN PENGAJUAN KREDIT BARANG 1Septilia Arfida 1Jurusan
Lebih terperinciANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS
ANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS Iin Parlina1, Prof.Herman Mawengkang2, Dr.Syahril Efendi, S.Si, M.IT3 Magister Teknik Informatika, Universitas Sumatera Utara
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 terperinciJl.Raya Dukuh Waluh Purwokerto )
Metode TOPSIS untuk Menentukan Penerimaan Mahasiswa Baru Pendidikan Dokter di Universitas Muhammadiyah Purwokerto (TOPSIS Method to Determine New Students Admission at Medical School in University of Muhammadiyah
Lebih terperinciPembuatan Program Pembelajaran Integer Programming Metode Branch and Bound. Frengki
Pembuatan Program Pembelajaran Integer Programming Metode Branch and Bound Frengki Jurusan Teknik Informatika / Fakultas Teknik Universitas Surabaya Frengki91@gmail.com Abstrak Linier programming adalah
Lebih terperinciSISTEM REKOMENDASI PENENTUAN JUDUL SKRIPSI MENGGUNAKAN ALGORITMA DECISION TREE
SISTEM REKOMENDASI PENENTUAN JUDUL SKRIPSI MENGGUNAKAN ALGORITMA DECISION TREE A Sofalul Khazari 1), Fitri Marisa 2), Indra Dharma Wijaya 3) 1) Mahasiswa Fakultas Teknik, Universitas Widyagama Email: khazari.sofalul@gmail.com
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 terperinciAnalisa Data Mahasiswa Baru Terhadap Program Studi Yang. Dipilih Di Universitas Pembangunan Nasional Veteran Jawa
Analisa Data Mahasiswa Baru Terhadap Program Studi Yang Dipilih Di Universitas Pembangunan Nasional Veteran Jawa Timur Menggunakan Teknik Data Mining SKRIPSI Disusun Oleh : Citra Arum Sari 1032010048 JURUSAN
Lebih terperinciTEKNIK DATA MINING DAN DECISION SUPPORT SYSTEM UNTUK KEUNGGULAN BERSAING (Study Kasus Perusahaan TV Kabel )
TEKNIK DATA MINING DAN DECISION SUPPORT SYSTEM UNTUK KEUNGGULAN BERSAING (Study Kasus Perusahaan TV Kabel ) Ahlihi Masruro 1) 1) Teknik Informatika STMIK AMIKOM Yogyakarta Jl. Ring Road Utara Condong Catur
Lebih terperinciPerancangan Sistem Pendukung Keputusan Pemasaran STIKOM Bali Menggunakan Metode Fuzzy C Means Clustering
JURNAL SISTEM DAN INFORMATIKA 21 Perancangan Sistem Pendukung Keputusan Pemasaran STIKOM Bali Menggunakan Metode Fuzzy C Means Clustering Putu Desiana Wulaning Ayu STMIK STIKOM Bali Jl. Raya Puputan no.86
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARYAWAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP)
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARYAWAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Endang Wahyuningsih 1) 1) Komputerisasi Akuntansi, STMIK AKAKOM Jl. Raya Janti 143 Yogyakarta
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 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 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 terperinciPERBANDINGAN HASIL PENGGEROMBOLAN METODE K-MEANS, FUZZY K-MEANS, DAN TWO STEP CLUSTER
PERBANDINGAN HASIL PENGGEROMBOLAN METODE K-MEANS, FUZZY K-MEANS, DAN TWO STEP CLUSTER LATHIFATURRAHMAH SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TUGAS AKHIR DAN SUMBER
Lebih terperinciBAB 2 TELAAH PUSTAKA
BAB 2 TELAAH PUSTAKA Pada bab ini akan dipaparkan mengenai deskripsi data mining secara umum dan landasan teori dari algoritma data mining yang digunakan pada FIKUI Mining. Selain itu, juga akan dijelaskan
Lebih terperinciPenerapan Metode Weighted Product Model Untuk Seleksi Calon Karyawan
Penerapan Metode Weighted Product Model Untuk Seleksi Calon Karyawan Sri Lestari IBI Darmajaya Bandar Lampung e-mail : t4ry09@yahoo.com Abstract The development company is highly influenced by the performance
Lebih terperinciPerancangan Graphical User Interface untuk Pengendalian Suhu pada Stirred Tank Heater Berbasis Microsoft Visual Basic 6.0
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 2, SEPTEMBER 2012: 89-95 89 Perancangan Graphical User Interface untuk Pengendalian Suhu pada Stirred Tank Heater Berbasis Microsoft Visual Basic 6.0 Muhammad Rozali
Lebih terperinciMODEL RULE DENGAN PENDEKATAN FUZZY SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT PADA PENENTUAN JABATAN DI INSTITUSI PENDIDIKAN TINGGI TESIS
MODEL RULE DENGAN PENDEKATAN FUZZY SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT PADA PENENTUAN JABATAN DI INSTITUSI PENDIDIKAN TINGGI TESIS AJULIO PADLY SEMBIRING 147038059 PROGRAM STUDI S2 TEKNIK INFORMATIKA
Lebih terperinciPERBANDINGAN SISTEM GENTZEN DENGAN SISTEM LEMMON PADA PEMBUKTIAN VALIDITAS ARGUMEN
Jurnal Teknik dan Ilmu Komputer PERBANDINGAN SISTEM GENTZEN DENGAN SISTEM LEMMON PADA PEMBUKTIAN VALIDITAS ARGUMEN THE COMPARISON OF GENTZEN SYSTEMS AND LEMMON SYSTEM ON ARGUMENT VALIDITY EVIDENCE Djoni
Lebih terperinciSistem Pendukung Keputusan Kenaikan Jabatan Pada Bank BTPN Menggunakan Metode Analytic Hierarchy Process
Sistem Pendukung Keputusan Kenaikan Jabatan Pada Bank BTPN Menggunakan Metode Analytic Hierarchy Process Nurdin, Yeni Abstract In accordance with the rules set Bank BTPN the branch of lhokseumawe conducting
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pesatnya perkembangan dunia pariwisata, tidak diiringi dengan perkembangan teknologi yang digunakan. Ditambah lagi dengan kondisi, banyak wisatawan yang tidak mau berwisata
Lebih terperinciPenerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop)
157 Penerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop) Elly Muningsih AMIK BSI Yogyakarta E-Mail : elly.emh@bsi.ac.id Abstrak Berkembangnya
Lebih terperinciKOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 17-22 ISSN: 2303-1751 KOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN I MADE ANOM ARIAWAN 1, I PUTU EKA NILA KENCANA 2, NI LUH PUTU
Lebih terperinciPEMODELAN PENGELOMPOKKAN PRESTASI DOSEN MENGGUNAKAN METODE FUZZY C-MEANS
PEMODELAN PENGELOMPOKKAN PRESTASI DOSEN MENGGUNAKAN METODE FUZZY C-MEANS Sri Redjeki Teknik Informatika STMIK AKAKOM Jl. Raya Janti No 143 Yogyakarta e-mail: dzeky@akakom.ac.id ABSTRAK Sebuah perguruan
Lebih terperinciJl. Raya Dukuhwaluh Purwokerto )
Sistem Klasterisasi Menggunakan Metode K-Means dalam Menentukan Posisi Access Point Berdasarkan Posisi Hotspot di Universitas Muhammadiyah Purwokerto (Clustering System Using K-Means Method in Determining
Lebih terperinciPERANCANGAN MODEL PENDUKUNG KEPUTUSAN UNTUK PENENTUAN LOKASI INDUSTRI BERDASARKAN PROSES HIERARKI ANALITIK
PERANCANGAN MODEL PENDUKUNG KEPUTUSAN UNTUK PENENTUAN LOKASI INDUSTRI BERDASARKAN PROSES HIERARKI ANALITIK Retno Kusumaningrum Jurusan Matematika FMIPA UNDIP Jl. Prof. H. Soedarto, S.H., Semarang 50275
Lebih terperinciPERBANDINGAN METODE PROFILE MATCHING DAN SIMPLE ADDITIVE WEIGHTING PADA PENENTUAN JURUSAN SISWA KELAS X SMA N 2 NGAGLIK
Jurnal Ilmiah DASI Vol. 1 No. 1 Maret 2015, hlm 1-22 ISSN: 1411-3201 PERBANDINGAN METODE PROFILE MATCHING DAN SIMPLE ADDITIVE WEIGHTING PADA PENENTUAN JURUSAN SISWA KELAS X SMA N 2 NGAGLIK Bety Wulan Sari
Lebih 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 terperinciPENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS
1 PENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS Indra Setiawan 1 1 Teknik Informatika Universitas Dian Nuswantoro Semarang E-mail :
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MENENTUKAN OPERATOR TERBAIK MENGGUNAKAN METODE TOPSIS (STUDI KASUS: CBOC REGIONAL 1/ PT. TELEKOMUNIKASI, TBK.
SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN OPERATOR TERBAIK MENGGUNAKAN METODE TOPSIS (STUDI KASUS: CBOC REGIONAL 1/ PT. TELEKOMUNIKASI, TBK.) DRAF SKRIPSI ANDRIAN HAMZANI 071401057 PROGRAM STUDI S1 ILMU KOMPUTER
Lebih terperinciKata Kunci: AHP, Algoritma, ANP, Profile Matching, Perbandingan, Rekrutmen. Universitas Kristen Maranatha
ABSTRAK Sistem rekrutmen kepanitiaan ini sebelumnya dikembangkan hanya dengan menggunakan metode profile matching. Guna memberikan perbandingan hasil akhir yang terbaik, maka diberikan tambahan metode
Lebih terperinciSistem Pengambilan Keputusan Untuk Menentukan Berapa Lama Masa Studi dan IPK Menggunakan Model Metode Fuzzy Tahani
Jurnal Pelangi Vol 6 No Juni 4 Sistem Pengambilan Keputusan Untuk Menentukan Berapa Lama Masa Studi dan IPK Menggunakan Model Metode Fuzzy Tahani (Studi Kasus : STKIP PGRI Sumatera Barat) Oleh : Syaeful
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN SKIM PINJAMAN KREDIT (Studi Kasus : Badan Kebahagiaan Perguruan Tjiawi)
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN SKIM PINJAMAN KREDIT (Studi Kasus : Badan Kebahagiaan Perguruan Tjiawi) Dian Ridwan, Aradea, Husni Mubarok Teknik Informatika Universitas Siliwangi Tasikmalaya Email
Lebih terperinciPerangkat Lunak Perhitungan Perubahan Jabatan Dengan Menggunakan Fuzzy Analytical Hierarchy Process (studi kasus : UIN Sunan Ampel Surabaya)
Perangkat Lunak Perhitungan Perubahan Jabatan Dengan Menggunakan Fuzzy Analytical Hierarchy Process (studi kasus : UIN Sunan Ampel Surabaya) Ilham Program Studi Sistem Informasi, Jurusan Teknologi, Fakultas
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 6 NO. 2 September 2013
JURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : 2086 4981 VOL. 6 NO. 2 September 2013 SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN FAKTOR PENYEBAB KEGAGALAN TERBESAR SISWA DALAM MENERIMA MATERI PELAJARAN
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA DI SMA NEGERI 6 PANDEGLANG
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA DI SMA NEGERI 6 PANDEGLANG Heri Sulistiyo Jurusan Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonrsia Jln.
Lebih terperinciAnalisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan
128 ISSN: 2354-5771 Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan Raheliya Br Ginting STT Poliprofesi Meda E-mail: itink_ribu@yahoo.com Abstrak Pengambilan keputusan harus
Lebih terperinciPenggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com
Lebih terperinciMENENTUKAN NILAI AKHIR KULIAH DENGAN FUZZY C-MEANS
MENENTUKAN NILAI AKHIR KULIAH DENGAN FUZZY C-MEANS Arwan Ahmad Khoiruddin, S.Kom. Staf Pengajar Jurusan Tekn Informata, Fakultas Teknologi Industri, Universitas Islam Indonesia arwan@fti.uii.ac.id ABSTRACT
Lebih terperinciAplikasi Tutorial Sistem Pendukung Keputusan Menggunakan Metode Simple Additive Weighting
Vol. 1, No. 2, Tahun 2012 146 Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Website : http://jurnal.pcr.ac.id/index.php/jakt/about/index Email : pustaka@pcr.ac.id Aplikasi Tutorial Sistem Pendukung
Lebih terperinciPEMETAAN HASIL CLUSTERING PRODUKTIVITAS PADI DAN PALAWIJA DI PULAU JAWA MENGGUNAKAN ALGORITMA K-MEANS
PEMETAAN HASIL CLUSTERING PRODUKTIVITAS PADI DAN PALAWIJA DI PULAU JAWA MENGGUNAKAN ALGORITMA K-MEANS BILLY RIZKY JURISTRA Program Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciPerbandingan Akurasi Backpropagation Neural Network dan ANFIS Untuk Memprediksi Cuaca
NATURALA Journal of Scientific Modeling & Computation, Volume 1 No.1 2013 7 ISSN 23030135 Perbandingan Akurasi Backpropagation Neural Network dan ANFIS Untuk Memprediksi Cuaca Candra Dewi 1, M. Muslikh
Lebih terperinciANALISIS DAN USULAN SOLUSI SISTEM UNTUK MENDUKUNG KEPUTUSAN PENILAIAN KINERJA DOSEN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP)
ANALISIS DAN USULAN SOLUSI SISTEM UNTUK MENDUKUNG KEPUTUSAN PENILAIAN KINERJA DOSEN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Petrus Wolo 1, Ernawati 2, Paulus Mudjihartono 3 Program Studi
Lebih terperinciImplementasi Algoritma Fuzzy C-Means Untuk Clustering Penderita Tuberculosis di Kota Semarang
Implementasi Algoritma Fuzzy C-Means Untuk Clustering Penderita Tuberculosis di Kota Semarang Implementation Of Fuzzy C-Means Algorithm For Clustering Tuberculois Patients at Semarang. Devi Dwi R¹, Etika
Lebih terperinciAnalisa Dan Perancangan Sistem Informasi Sekolah Di Kabupaten Kudus Berbasis Web
Analisa Dan Perancangan Sistem Informasi Sekolah Di Kabupaten Kudus Berbasis Web Supriyono, Risma Prihartanti Fakultas eknik Universitas Muria Kudus Abstract he research entitles "Web-Based Information
Lebih terperinciDhiani Tresna Absari,ST. Dosen Jurusan Teknik Informatika Universitas Surabaya
PERENCANAAN PEMBUATAN SISTEM PENUNJANG KEPUTUSAN DENGAN MENGGUNAKAN METODE CLUSTERING PADA STUDI KELAYAKAN PEMBUKAAN JARINGAN TRAYEK ANGKUTAN KOTA (SISTEM PENUNJANG KEPUTUSAN JARINGAN TRAYEK ANGKUTAN KOTA)
Lebih terperinciCLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN
CLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN Fitri Wulandari, Rinto Setiawan Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif
Lebih terperinciANALISA POLA DATA HASIL PEMBANGUNAN KABUPATEN MALANG MENGGUNAKAN METODE ASSOCIATION RULE
ANALISA POLA DATA HASIL PEMBANGUNAN KABUPATEN MALANG MENGGUNAKAN METODE ASSOCIATION RULE Dewi Sibagariang 1), Karina Auliasari 2) 1.2) Jurusan Teknik Informatika, Institut Teknologi Nasional Malang Jalan
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciCLUSTERING UNTUK DATA KOMPETENSI WIDYAISWARA MENGGUNAKAN ALGORITMA KMEANS
CLUSTERING UNTUK DATA KOMPETENSI WIDYAISWARA MENGGUNAKAN ALGORITMA KMEANS Diana Triastuty, I Ketut Eddy Purnama, dan Surya Sumpeno Jurusan Teknik Elektro FTI, ITS, Surabaya Kampus ITS Keputih, Sukolilo,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER MENGGUNAKAN METODE PROFILE MATCHING PADA SAM BENGKEL SABLON
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER MENGGUNAKAN METODE PROFILE MATCHING PADA SAM BENGKEL SABLON Cahya Koespradana Program Studi Sistem Informasi - S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro,
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 terperinciPEMANFAATAN FUZZY TAHANI DAN METODE SAW DALAM EVALUASI KINERJA KARYAWAN BAU UNIVERSITAS MUHAMMADIYAH MALANG TUGAS AKHIR
PEMANFAATAN FUZZY TAHANI DAN METODE SAW DALAM EVALUASI KINERJA KARYAWAN BAU UNIVERSITAS MUHAMMADIYAH MALANG TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika
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 terperinciSISTEM PAKAR DIAGNOSIS JENIS JERAWAT PADA WAJAH MENGGUNAKAN METODE K-MEANS CLUSTERING
SISTEM PAKAR DIAGNOSIS JENIS JERAWAT PADA WAJAH MENGGUNAKAN METODE K-MEANS CLUSTERING Siti Hadianti 1, Helen Sastypratiwi, Anggi Srimurdianti Sukamto 3. 1,, 3 Program Studi Informatika Universitas Tanjungpura
Lebih terperinciANALISIS KELOMPOK DENGAN ALGORITMA FUZZY C-MEANS DAN GUSTAFSON KESSEL CLUSTERING PADA INDEKS LQ45
ANALISIS KELOMPOK DENGAN ALGORITMA FUZZY C-MEANS DAN GUSTAFSON KESSEL CLUSTERING PADA INDEKS LQ45 SKRIPSI Disusun oleh: LAILLY RAHMATIKA J2E009007 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
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 terperinciANALISIS PEMANFAATAN SEQUENTIAL PATTERN UNTUK MENENTUKAN NODE ORDERING PADA ALGORITMA KONSTRUKSI STRUKTUR BAYESIAN NETWORK
ANALISIS PEMANFAATAN SEQUENTIAL PATTERN UNTUK MENENTUKAN NODE ORDERING PADA ALGORITMA KONSTRUKSI STRUKTUR BAYESIAN NETWORK TESIS Karya tulis sebagai salah satu syarat Untuk memperoleh gelar Magister dari
Lebih terperinciAbstract. Keywords: Scholarship, Fuzzy MADM, SAW, Criteria.
ISSN : 1693 1173 Sistem Pendukung Keputusan Beasiswa Diklat dengan Fuzzy Multiple Attribute Decission Making (MADM) Tri Handayani, Wawan Laksito Yuly Saptomo, Teguh Susyanto Abstract The scholarship is
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SMA NEGERI 1 SINGKIL
SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SMA NEGERI 1 SINGKIL Rahmawan cibro ( 12110675) Mahasiswa Program Studi Teknik Informatika STMIK
Lebih terperinciModel Penunjang Keputusan Untuk Seleksi Korps Sukarela PMI Dengan Metode Weighted Product
ISSN: 2089-3787 1030 Model Penunjang Keputusan Untuk Seleksi Korps Sukarela PMI Dengan Metode Weighted Product Nurmaliani 1, Muhammad Faisal Amin 2, Boy Abidin R. 3 Program Studi Teknik Informatika, STMIK
Lebih terperinciANALISIS DAN IMPLEMENTASI PERANGKINGAN PEGAWAI MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN SUPERIORITY INDEX
ANALISIS DAN IMPLEMENTASI PERANGKINGAN PEGAWAI MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN SUPERIORITY INDEX Daniar Dwi Pratiwi 1, Erwin Budi Setiawan 2, Fhira Nhita 3 1,2,3 Prodi Ilmu Komputasi
Lebih terperinciMuhammar Priyandana¹, Retno Novi Dayawati², Angelina Prima Kurniati³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
ANALISIS DAN IMPLEMENTASI METODE EVIDENTIAL REASONING UNTUK PEMILIHAN PEMENANG TENDER PENGADAAN BARANG (STUDI KASUS : PT. JASA MARGA CABANG PURBALEUNYI) Muhammar Priyandana¹, Retno Novi Dayawati², Angelina
Lebih terperinciANALISA DAN PEMANFAATAN ALGORITMA K-MEANS CLUSTERING PADA DATA NILAI SISWA SEBAGI PENENTUAN PENERIMA BEASISWA
ANALISA DAN PEMANFAATAN ALGORITMA K-MEANS CLUSTERING PADA DATA NILAI SISWA SEBAGI PENENTUAN PENERIMA BEASISWA Ari Muzakir Fakultas Ilmu Komputer, Universitas Bina Darma Palembang e-mail : ariemuzakir@gmail.com,
Lebih terperinciJurnal Teknik Informatika, Vol 1 September Aplikasi Tutorial Sistem Pendukung Keputusan Menggunakan Metode Simple Additive Weighting
1 Jurnal Teknik Informatika, Vol 1 September 2012 Aplikasi Tutorial Sistem Pendukung Keputusan Menggunakan Metode Simple Additive Weighting Verina Valensia 1,2, Yohana Dewi Lulu W, S.Si, M.T. 1 & Kartina
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DENGAN METODE FUZZY MADM
echno.om, Vol. 13, No. 2, Mei 2014: 99-107 SISEM PENDUKUNG KEPUUSAN PENERIMAAN PEGAWAI DENGAN MEODE FUZZY MADM Denni Aldi Ramadhani 1, Setia Astuti 2 1,2 Program Studi eknik Informatika, Fakultas Ilmu
Lebih terperinciKRIPTOGRAFI VISUAL (4,4) UNTUK BERBAGI 3 CITRA RAHASIA LEWAT 4 CITRA TERSANDI. Jevri Eka Susilo
KRIPTOGRAFI VISUAL (4,4) UNTUK BERBAGI 3 CITRA RAHASIA LEWAT 4 CITRA TERSANDI Jevri Eka Susilo Email: jevriesusilo@gmail.com Jurusan Teknik Elektro, Fakultas Teknik Universitas Kristen Maranatha Jl. Prof.
Lebih terperinciHERU SUSANTO Dosen Pembimbing : 1. Dr. Surya Sumpeno, ST., M.Sc. 2. Reza Fuad Rachmadi, ST., MT.
HERU SUSANTO 2209 105 030 Dosen Pembimbing : 1. Dr. Surya Sumpeno, ST., M.Sc. 2. Reza Fuad Rachmadi, ST., MT. LATAR BELAKANG Peran media jejaring sosial pada perkembangan teknologi komunikasi dan informasi;
Lebih terperinciSISTEM INFORMASI PEGAWAI BERBASIS WEB DENGAN METODE WATERFALL PADA SMA AISYIYAH 1 PALEMBANG
SISTEM INFORMASI PEGAWAI BERBASIS WEB DENGAN METODE WATERFALL PADA SMA AISYIYAH 1 PALEMBANG Nia Oktaviani Sistem Informasi, Fakultas Ilmu Komputer, Universitas Bina Darma Palembang E-mail: niaoktaviani@binadarma.ac.id,
Lebih terperinciKLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG)
KLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG) Fasrul Rahman Ansori Teknik Informatika, Ilmu Kompputer, Universitas
Lebih terperinciPlot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel
Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Vitawati Bawotong, Hanny Komalig, Nelson Nainggolan 3 Program Studi Matematika, FMIPA, UNSRAT, vbawotong@gmail.com
Lebih terperinciCLUSTERING DATA KATEGORIK MENGGUNAKAN K-MODES DENGAN WEIGHTED DISSIMILARITY MEASURE
CLUSTERING DATA KATEGORIK MENGGUNAKAN K-MODES DENGAN WEIGHTED DISSIMILARITY MEASURE Lutfi Hidayat Ramdhani¹, Hetti Hidayati², Mahmud Dwi Suliiyo³ ¹Teknik Informatika,, Universitas Telkom Abstrak K-Modes
Lebih terperinciPENERAPAN METODE TOPSIS DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PEMENANG LOMBA DESA/KELURAHAN. Septilia Arfida ABSTRACT
PENERAPAN METODE TOPSIS DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PEMENANG LOMBA DESA/KELURAHAN Septilia Arfida Jurusan Teknik Informatika - Fakultas Ilmu Komputer Informatics & Business Institute
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU DI SMA NEGERI 2 PEMALANG DENGAN METODE SIMPLE ADDITIVE WEIGHTING
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU DI SMA NEGERI 2 PEMALANG DENGAN METODE SIMPLE ADDITIVE WEIGHTING DIDIK PAMBUDI A11.2009.04833 Program Studi Teknik Informatika-S1,Fakultas Ilmu Komputer,Universitas
Lebih terperinciTitis Handayani Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang. Abstract
Penerapan Sistem Pendukung Keputusan untuk Seleksi Mahasiswa Berprestasi menggunakan Metode AHP (Application of Decision Support System for The Selection of Student Achievement using AHP Method) Titis
Lebih terperinciPENERAPAN METODE GUSTAFSON-KESSEL CLUSTERING UNTUK MENENTUKAN SEGMENTASI DEBITUR PADA BANK CIMB NIAGA
PENERAPAN METODE GUSTAFSON-KESSEL CLUSTERING UNTUK MENENTUKAN SEGMENTASI DEBITUR PADA BANK CIMB NIAGA APPLICATION OF GUSTAFSON-KESSEL CLUSTERING METHODS FOR SEGMENTATION DETERMINING DEBTOR AT BANK CIMB
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 terperinciKata Kunci: Guru, Decision support systems, MADM, SAW. 1. Pendahuluan
RANCANG BANGUN DECISION SUPPORT SYSTEM PEMILIHAN GURU TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS : SMA BHAKTI PERTIWI KOTA TANGERANG) Taufik Hidayat, S.Kom., M.Kom 1, Fajar
Lebih terperinciANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM)
ANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM) Hanura Ian Pratowo¹, Retno Novi Dayawati², Agung Toto Wibowo³ ¹Teknik Informatika,,
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 terperinciKata 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 terperinciPROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang
PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING Mohamad Ervan S 1, Bambang Irawanto 2, Sunarsih 1,2,3 Jurusan Matematika FSM Universitas Diponegoro Jl. Prof. H. Soedarto,
Lebih terperinciSTMIK GI MDP. Program Studi Sistem Informasi Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012
STMIK GI MDP Program Studi Sistem Informasi Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012 SISTEM INFORMASI MANUFAKTUR PADA PT. INTI BUMI MAS (IBM) PALEMBANG Bangda Tanuwijaya 2007240083 Pembimbing
Lebih terperinciPenerapan Metode Elimination and Choice Translation Reality Dalam Penentuan Bank bagi Calon Nasabah
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Penerapan Metode Elimination and Choice Translation Reality Dalam Penentuan Bank bagi Calon Nasabah Rosalia Hadi 1), Ni
Lebih terperinciPERBANDINGAN METODE SIMPLEKS DENGAN ALGORITMA TITIK INTERIOR DALAM PENYELESAIAN MASALAH PROGRAM LINIER SKRIPSI AGUSTINA ANGGREINI SITORUS
PERBANDINGAN METODE SIMPLEKS DENGAN ALGORITMA TITIK INTERIOR DALAM PENYELESAIAN MASALAH PROGRAM LINIER SKRIPSI AGUSTINA ANGGREINI SITORUS 120803060 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciLAPORAN SKRIPSI PENERAPAN ALGORITMA FUZZY C_MEANS DALAM PENENTUAN BEASISWA. Oleh : ARI IRAWAN
LAPORAN SKRIPSI PENERAPAN ALGORITMA FUZZY C_MEANS DALAM PENENTUAN BEASISWA Oleh : ARI IRAWAN 2010-51-221 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH GELAR SARJANA KOMPUTER PROGRAM STUDI
Lebih terperinci