Kajian Penerapan Radial Base Function (RBF) Dalam Mendeteksi Penyakit Tuberculosis (Tb)
|
|
- Ari Kusnadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 303~ Kajian Penerapan Radial Base Function (RBF) Dalam Mendeteksi Penyakit Tuberculosis (Tb) Derry Wiliandani AMIK BSI Karawang Abstract Nowadays in the world of health, the diagnosis of disease becomes a very difficult thing to do. However, medical records have stored symptoms of the patient's illness and the diagnosis of the illness. This kind of thing is very useful for health experts. Tuberculosis is one of the top ten diseases in Indonesia that can claim human life. The purpose of this study is to optimize the Radial Basis Function (RBF) neural network algorithm to improve accuracy in the prediction of tuberculosis. This study was made to predict Tuberculosis disease using Radial Basis Function (RBF) algorithm. To measure the accuracy level of the algorithm is used Counfusion Matrix testing method and ROC curve. Keywords: Radial Base Function, Tuberculosis 1. Pendahuluan Dewasa ini dalam dunia kesehatan, diagnosis penyakit menjadi hal yang sangat sulit dilakukan. Namun demikian catatan rekam medis telah menyimpan gejala-gejala penyakit pasien dan diagnosis penyakitnya. Hal seperti ini tentu sangat berguna bagi para ahli kesehatan. Mereka dapat menggunakan catatan rekam medis yang sudah ada sebagai bantuan untuk mengambil keputusan tentang diagnosis penyakit pasien. (Prasetyo, 2012). Penyakit Tuberculosis merupakan salah satu sepuluh penyakit terbesar di Indonesia yang bisa merenggut nyawa manusia. Berdasarkan hal tersebut untuk meningkatkan upaya menurunkan angka kesakitan dan revalensi timbulnya komplikasi pada penyakit Tuberculosis maka perlu kiranya dilakukan penelitian-penelitian yang mengarah pada pembuatan sistem yang dapat mendeteksi timbulnya penyakit Tuberculosis sehingga dapat dilakukan upaya prefentif serta upaya rehabilitatif bagi penderita Tuberculosis dengan pendekatan yang menyeluruh, sehingga dampak terjadinya berbagai penyakit menahun, seperti penyakit Tuberculosis. Informasi yang dihasilkan untuk selanjutnya bisa digunakan oleh edukator Tuberculosis maupun dokter sebagai dasar untuk melakukan tindakan tindakan yang diperlukan. 2. Metode Penelitian Menurut (Kothari, 2004) Jenis penelitian eksperimen adalah metode yang menguji kebenaran sebuah hipotesis dengan statistik dan menghubungkan dengan masalah penelitian. Jenis penelitian eksperimen dibagi dua, yaitu eksperimen absolut dan eksperimen komparatif. Eksperimen absolut mengarah kepada dampak yang dihasilkan dari eksperimen, misalnya pengaruh honor dosen terhadap kinerja. Sedangkan eksperimen komparatif yaitu membandingkan dua objek yang berbeda, misalnya membandingkan dua algoritma yang berbeda dengan melihat hasil statistik masing-masing yang mana lebih baik (Kothari, 2004). Penelitian yang penulis ambil untuk penelitian ini adalah Eksperimen Komparatif. Tujuan dari penelitian ini untuk melakukan evaluasi model neural network menggunakan Radial Basis Function (RBF) untuk mengetahui algoritma dalam memprediksi penyakit tuberculosis.. Sedangkan teknik pengumpulan data dilakukan dengan beberapa cara, antara lain: 1. Observasi Penulis mengumpulkan data yang diperlukan dengan cara meninjau langsung ke perusahaan. 2. Wawancara Dengan metode ini penulis melakukan wawancara kepada Staff Finance dengan mengajukan pertanyaan yang berhubungan dengan proses pencatatan dan pelaporan PPh 21 pada perusahaan. 3. Studi Pustaka Dalam hal ini penulis selain observasi dan wawancara juga mengumpulkan data dengan mencari bahan referensi dari buku, Diterima 24 Februari, 2016; Revisi 02 Maret, 2016; Disetujui 15 Maret, 2016
2 makalah, dan website. 3. Pembahasan Tabel 1 Atribute, tipe, ukuran dan nilai Atribut No Atribut Tipe Ukuran Nilai Atribut 1 Nomor Registrasi Numeric Scale Angka 2 Lama Batuk Numeric Scale Jenis Batuk Numeric Scale Keringat Malam Numeric Scale Lemas Numeric Scale Sesak Nafas Numeric Scale Sakit Dinding Dada Numeric Scale Demam Numeric Scale Hilang Nafsu Makan Numeric Scale Berat Badan Menurun Numeric Scale Output Numeric Nominal 1 : Terinfeksi 0 : Tidak Terinfeksi Data hasil pemeriksaan dapat dilihat pada tabel 2 berikut : Tabel 2. Data hasil pemeriksaan penyakit tuberculosis Hilan Nomor Jenis Sakit g Berat Lama Keringat Lema Sesak Dema NO Registras Batu Dindin Nafsu Badan Output Batuk Malam s Nafas m i k g Dada Maka Menurun n 304
3 Berdasarkan tabel 2, data yang di peroleh untuk penelitian ini sebanyak 500 record hasil pemeriksaan penyakit tuberculosis, baik data yang bermasalah maupun data yang tidak bermasalah. Untuk mendapatkan data yang berkualitas diperlukan teknik dalam preprosessing (Han & Kamber, 2006), yaitu: 1. Data Cleaning Data cleaning bekerja untuk membersihkan nilai yang kosong, tidak konsisten atau mungkin tuple yang kosong (missing values dan noisy). Dari tabel 4 di atas, terlihat bahwa pada atribut 2. Data Integration Sakit Dinding Dada terdapat 1 record atau 3 Data Integration berfungsi menyatukan persen data yang memiliki missing value. tempat penyimpanan (arsip) yang berbeda Pengolahan Awal Data ke dalam satu data. 1. Pembentukan Sumber Data Random (Set 3. Data Reduction the Random Seed) Jumlah atribut dan tuple yang digunakan Ditentukan inisiasi pembangkit aktif (active untuk data training mungkin terlalu besar, generator initialization), yaitu nilai awal (starting hanya beberapa atribut yang diperlukan point) berupa nilai tetap (fixed value): sehingga atribut yang tidak diperlukan akan dihapus. Tuple dalam data set mungkin terjadi duplikasi atau terdapat tuple yang sama, sehingga untuk memprediksi jumlah tuple, tuple yang sama dijadikan dalam satu tuple untuk mewakili tuple tersebut. Berdasarkan data yang diperoleh, tidak perlu lagi dilakukan data integration, hal ini disebabkan karena tempat penyimpanan (arsip) yang digunakan hanya bersumber dari satu tempat penyimpanan (arsip) saja, sehingga tidak diperlukan adanya proses penyatuan tempat penyimpanan (arsip). Sedangkan proses data cleaning dan data reduction perlu dilakukan. Hal ini disebabkan karena dalam data yang diperoleh masih terdapat kemungkinan adanya data yang bernilai kosong, tidak konsisten atau mungkin tuple yang kosong (missing values dan noisy) serta adanya kemungkinan terjadi duplikasi atau terdapat tuple yang sama. a. Data Cleaning (Menghilangkan Missing Value) Gambar 1. Pemilahan data untuk Training b. Dalam data, terdapat 1 missing value, Sampel dan Holdout sample seperti terlihat pada tabel 3 berikut : Tabel 3. Data Missing Value Setelah semua langkah yang dibutuhkan untuk analisa telah dilakukan, maka terlihat hasil prediksi berdasarkan data training sebagai berikut : Berdasarkan data diatas, maka didapatkan hasil identifikasi seperti terlihat pada tabel 4 berikut: Tabel 4. Statistik Missing Value Gambar 2. Hasil Prediksi Data Training RBF 305
4 Gambar 3.Network Diagram RBF Training Diagram network yang terbentuk terdiri dari 10 input / predictors (tidak termasuk bias), 4 Hidden layer (tidak termasuk bias) dan 2 output (bernilai 0 dan 1).Setelah melampaui beberapa tahapan lanjutan, berikut ini gambaran dari hasil network testing: 4. Simpulan Penelitian ini dibuat untuk memprediksi penyakit Tuberculosis menggunakan algoritma Radial Basis Function (RBF) untuk mengetahui akurasi dalam mendeteksi penyakit. Untuk mengukur tingkat akurasi tersebut digunakan metode pengujian Counfusion Matrix dan Kurva ROC. Berdasarkan pengukuran tingkat akurasi algoritma tersebut, diketahui bahwa algoritma RBF memiliki tingkat akurasi yang lebih tinggi. Dengan demikian, algoritma RBF dapat digunakan untuk prediksi penyakit Tuberculosis. 5. Referensi Bramer, M. (2007). Principles of Data Mining. London: Springer. Eldin, Ahmed. (2011). A Data Mining Approach for the Prediction of Hepatitis C Virus protease Cleavage Sites. Cairo : International Journal of Advanced 306
5 Computer Science and Applications Vol 2 John Wiley & Sons, Inc. No.12. Ozyilmaz, Lale & Yildirim, Tulay. (2003). Gorunescu, Florin. (2011). Data Mining: Artificial Neural Network for Diagnosis of Concepts and Techniques. Verlag berlin Hepatitis Disease. Heidelberg: Springer Riduwan. (2008). Metode dan Teknik Menyusun Han, J., & Kamber, M. (2007). Data Mining Tesis. Bandung: Alfabeta. Concepts and Techniques. San Santosa, B. (2007). Data Mining Teknik Fransisco: Mofgan Kaufan Publisher. Pemanfaat Data Untuk Keperluan Bisnis. Karlik. (2011). Hepatitis Disease Diagnosis Yogyakarta: Graha Ilmu. Using Backpropagation and the Naive Shukla, A., Tiwari, R., & Kala, R. (2010). Real Bayes Classifiers. Turkey : Journal of Life Application of Soft Computing. Taylor Science and Technology Vol. 1 No. 1. and Francis Groups, LLC. Kumar, D. Senthil & Sathyadevi, G & Sivanesh, UCI (Universitas California, Invene) Machine S. (2011). Decision Support System for Learning Repository dengan alamat Medical Diagnosis Using Data Mining. website India : International Journal of Computer Science Issues, Vol 8, Issue 3, No. 1. learning-databases/hepatitis/ Kumar, Varun & Sharathi, Vijay & Devi, Gayathri (2012). Hepatitis Prediction UCI (Universitas California, Invene) Machine Model based on Data Mining Algorithm Learning Repository dengan alamat and Optimal Feature Selection to Improve website Predictive Accuracy. Vellore : International Journal of Computer learning-databases/00225/ Applications ( ) Volume 51 - No. 19. Vercellis, C. (2009). Business Intelligent: Data Kusrini, & Luthfi, E. T. (2009). Algoritma Data Mining and Optimization for Decision Mining. Yogyakarta: Andi Publishing. Making. Southern Gate: John Willey & Larose, D. T. (2005). Discovering Knowledge in Sons Inc. Databases. New Jersey: John Willey & Witten, H. I., Eibe, F., & Hall, A. M. (2011). Data Sons Inc. Mining Machine Learning Tools and Liao. (2007). Recent Advances in Data Mining Techiques. Burlington: Morgan Kaufmann of Enterprise Data: Algorithms and Publisher. Application. Singapore: World Scientific Wu, X., & Kumar, V. (2009). The Top Ten Publishing. Algorithms in Data Mining. Boca Raton: Myatt, Glenn J. (2007). Making Sense of Data: CRC Press. A Practical Guide to Exploratory Data Analysis and Data Mining. New Jersey: 307
KOMPARASI METODE KLASIFIKASI DATA MINING ALGORITMA C4.5 DAN NAIVE BAYES UNTUK PREDIKSI PENYAKIT HEPATITIS
76 Jurnal Pilar Nusa Mandiri Volume 13 No.1, Maret 2017 KOMPARASI METODE KLASIFIKASI DATA MINING ALGORITMA C4.5 DAN NAIVE BAYES UNTUK PREDIKSI PENYAKIT HEPATITIS Wisti Dwi Septiani Program Studi Manajemen
Lebih terperinciKOMPARASI ALGORITMA BERBASIS NEURAL NETWORK DALAM MENDETEKSI PENYAKIT HEPATITIS
Faktor Exacta 10 (1): 4049, 2017 pissn: 1979276X e ISSN: 2502339X KOMPARASI ALGORITMA BERBASIS NEURAL NETWORK DALAM MENDETEKSI PENYAKIT HEPATITIS SURANTO SAPUTRA surantosaputra@yahoo.com Program Studi
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 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 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 terperinciPERANCANGAN APLIKASI PEMILIHAN MITRA KERJA
PERANCANGAN APLIKASI PEMILIHAN MITRA KERJA Harry Dhika 1), Tri Yani Akhirina 2), Surajiyo 3) 1), 2),3) Teknik Informatika Universitas Indraprasta PGRI Jl Nangka No. 58B, Jakarta, DKI Jakarta 12530 Email
Lebih terperinciPENERAPAN ALGORITMA RADIAL BASIS FUNCTIONS UNTUK PREDIKSI KELAYAKAN PEMBERIAN KREDIT
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 607~612 607 PENERAPAN ALGORITMA RADIAL BASIS FUNCTIONS UNTUK PREDIKSI KELAYAKAN PEMBERIAN KREDIT Ahmad Setiadi AMIK BSI Karawang e-mail:
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 terperinciPENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI PENYAKIT HEPATITIS
Vol. XI No. 1, Maret 2014 Jurnal Techno Nusa Mandiri PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI PENYAKIT HEPATITIS Wisti Dwi Septiani Manajemen Informatika Akademi Manajemen Informatika dan Komputer Bina
Lebih terperinciPARTICLE SWARM OPTIMIZATION MENINGKATKAN AKURASI NAÏVE BAYES CLASSIFIER
PARTICLE SWARM OPTIMIZATION MENINGKATKAN AKURASI NAÏVE BAYES CLASSIFIER Suamanda Ika Novichasari Universitas Dian Nuswantoro Email : vichareal0311@gmail.com ABSTRAK Salah satu teknik klasifikasi data mining
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 terperinciAnalisa Kelayakan Pemberian Kredit Mobil Dengan Menggunakan Metode Neural Network Model Radial Basis Function
Analisa Kelayakan Pemberian Kredit Mobil Dengan Menggunakan Metode Neural Network Model Radial Basis Function Amrin Program Studi Teknik Komputer AMIK Bina Sarana Informatika Jakarta Jl. R.S Fatmawati
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 terperinciSISTEM PREDIKSI PENYAKIT DIABETES BERBASIS DECISION TREE
SISTEM PREDIKSI PENYAKIT DIABETES BERBASIS DECISION TREE Anik Andriani Manajemen Informatika AMIK BSI Jakarta Jl. R.S. Fatmawati No.24, Pondok Labu, Jakarta Selatan Email: anik.aai@bsi.ac.id ABSTRAK Data
Lebih terperinciKAJIAN PENERAPAN MODEL C45, SUPPORT VECTOR MACHINE (SVM), DAN NEURAL NETWORK DALAM PREDIKSI KENAIKAN KELAS
KAJIAN PENERAPAN MODEL C45, SUPPORT VECTOR MACHINE (SVM), DAN NEURAL NETWORK DALAM PREDIKSI KENAIKAN KELAS LUSI ARIYANI Program Studi Teknik Informatika, Fakultas Teknik, Matematika, dan IPA Universitas
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 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 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 terperinciKOMPARASI ALGORITMA KLASIFIKASI DECISION TREE, NAIVE BAYES DAN NEURAL NETWORK UNTUK PREDIKSI PENYAKIT GINJAL KRONIS
KOMPARASI ALGORITMA KLASIFIKASI DECISION TREE, NAIVE BAYES DAN NEURAL NETWORK UNTUK PREDIKSI PENYAKIT GINJAL KRONIS Raja Syahmudin Harahap Teknik Informatika, STMIK ERESHA UNPAM JL. Raya Puspitek No.11,
Lebih terperinciKajian Algoritma Jaringan Syaraf Tiruan untuk Mendeteksi Secara Dini Kepatuhan Wajib Pajak Orang Pribadi
Kajian Algoritma Jaringan Syaraf Tiruan untuk Mendeteksi Secara Dini Kepatuhan Wajib Pajak Orang Pribadi Tatang Rohana Sekolah Tinggi Manajemen Informatika dan Komputer Cikarang cctatang@gmail.com Muh
Lebih terperinciPERANCANGAN SISTEM PAKAR UNTUK MENENTUKAN ALAT KONTRASEPSI MENGGUNAKAN ALGORITMA C4.5
PERANCANGAN SISTEM PAKAR UNTUK MENENTUKAN ALAT KONTRASEPSI MENGGUNAKAN ALGORITMA C4.5 NI WAYAN PARWATI SEPTIANI wayan.parwati@gmail.com Program Studi Teknik Informatika Fakultas Teknik, Matematika dan
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 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 terperinciKLASIFIKASI PENERIMA BEASISWA KOPERTIS DENGAN MENGGUNAKAN ALGORITMA C.45
72 KLASIFIKASI PENERIMA BEASISWA KOPERTIS DENGAN MENGGUNAKAN ALGORITMA C.45 Muhamad Tabrani Program Studi Teknik Informatika STMIK Nusa Mandiri Jakarta Jl. Damai No.8 Warung Jati Barat Marga Satwa Jakarta
Lebih terperinciJURNAL TEKNIK, (2014) APLIKASI DATA MINING UNTUK MEMPREDIKSI PERFORMANSI MAHASISWA DENGAN METODE KLASIFIKASI DECISION TREE
JURNA TEKNIK, (2014) 1-6 1 AIKASI DATA MINING UNTUK MEMREDIKSI ERFORMANSI MAHASISWA DENGAN METODE KASIFIKASI DECISION TREE Irfan Fahmi, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri,
Lebih terperinciIMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA Irwan Budiman 1, Dodon Turianto Nugrahadi 2, Radityo Adi Nugroho 3 Universitas Lambung Mangkurat 1,2,3 irwan.budiman@unlam.ac.id
Lebih terperinciKOMPARASI ALGORITMA MULTI LAYER PERCEPTRON DAN RADIAL BASIS FUNCTION UNTUK DIAGNOSA PENYAKIT JANTUNG. Ahmad Setiadi
Jurnal Pilar Nusa Mandiri Vol.X No.1, Maret 2014 KOMPARASI ALGORITMA MULTI LAYER PERCEPTRON DAN RADIAL BASIS FUNCTION UNTUK DIAGNOSA PENYAKIT JANTUNG Ahmad Setiadi Akademi Manajemen Informatika dan Komputer
Lebih terperinciJl. A. Yani Km 36 Banjarbaru, Kalimantan selatan 1 Abstract
Penerapan K-Optimal Pada Algoritma Knn untuk Prediksi Kelulusan Tepat Waktu Mahasiswa Program Studi Ilmu Komputer Fmipa Unlam Berdasarkan IP Sampai Dengan Semester 4 Mutiara Ayu Banjarsari 1, H. Irwan
Lebih terperinciALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN
ALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN Devi Sugianti Program Studi Sistem Informasi,STMIK Widya Pratama Jl. Patriot 25 Pekalongan Telp (0285)427816 email
Lebih terperinciPENERAPAN METODE K-NEAREST NEIGHBOR PADA PENENTUAN GRADE DEALER SEPEDA MOTOR
VOL. 2. NO. 2 FRUARI 217 PNRAPAN MTOD K-NARST NIGHOR PADA PNNTUAN SPDA MOTOR Henny Leidiyana Program Studi Manajemen Informatika Akademi Manajemen dan Informatika ina Sarana Informatika Jl. Dewi Sartika
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 terperinciPerbandingan Algoritma Backpropagation dan K-Nearest Neighbor (K-NN) untuk Identifikasi Penyakit
Perbandingan Algoritma Backpropagation dan K-Nearest Neighbor (K-NN) untuk Identifikasi Penyakit Sri Redjeki Program Studi Teknik Informatika STMIK AKAKOM Yogyakarta, Indonesia dzeky@akakom.ac.id Abstrak
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 terperinciKOMPARASI 5 METODE ALGORITMA KLASIFIKASI DATA MINING PADA PREDIKSI KEBERHASILAN PEMASARAN PRODUK LAYANAN PERBANKAN
60 KOMPARASI 5 METODE ALGORITMA KLASIFIKASI DATA MINING PADA PREDIKSI KEBERHASILAN PEMASARAN PRODUK LAYANAN PERBANKAN Sari Dewi Manjemen Informatika AMIK BSI Pontianak Akademi Manajemen dan Ilmu Komputer
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 terperinciApplication Determination Of Credit Feasibility in Sharia Cooperative
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 555~560 Application Determination Of Credit Feasibility in Sharia Cooperative 555 Dibjo Marginato AMIK BSI Tangerang Email: dibjomgo@gmail.com
Lebih terperinciANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT
ANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT Frista Yulianora Binus University, Jakarta, Indonesia, fristanora11@yahoo.com Muchammad Hasbi Latif
Lebih terperinciPREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES
PREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES Selvy Megira 1), Kusrini 2), Emha Taufiq Luthfi 3) 1), 2), 3) Teknik Universitas AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
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 terperinciKajian Algoritma Jaringan Syaraf Tiruan Untuk Mendeteksi Secara Dini Kepatuhan Wajib Pajak Orang Pribadi
Kajian Algoritma Jaringan Syaraf Tiruan Untuk Mendeteksi Secara Dini Kepatuhan Wajib Pajak Orang Pribadi Tatang Rohana 1, Muh Arifuddin 2 1 Sekolah Tinggi Manajemen Informatika dan Komputer Cikarang 2
Lebih terperinciPENERAPAN ALGORITMA K-NEAREST NEIGHBORS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA STMIK SINAR NUSANTARA SURAKARTA
ISSN : 2338-4018 PENERAPAN ALGORITMA K-NEAREST NEIGHBORS UNTUK KELULUSAN MAHASISWA PADA STMIK SINAR NUSANTARA SURAKARTA Agus Panoto ( ragilpanoto@gmail.com ) Yustina Retno Wahyu Utami ( yustina.retno@gmail.com
Lebih terperinciDATA MINING UNTUK MENGANALISA PREDIKSI MAHASISWA BERPOTENSI NON-AKTIF MENGGUNAKAN METODE DECISION TREE C4.5
DATA MINING UNTUK MENGANALISA PREDIKSI MAHASISWA BERPOTENSI NON-AKTIF MENGGUNAKAN METODE DECISION TREE C4.5 Dwi Untari A11.2010.05410 Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas
Lebih terperinciDATA MINING UNTUK MENGANALISA PREDIKSI MAHASISWA BERPOTENSI NON-AKTIF MENGGUNAKAN METODE DECISION TREE C4.5
DATA MINING UNTUK MENGANALISA PREDIKSI MAHASISWA BERPOTENSI NON-AKTIF MENGGUNAKAN METODE DECISION TREE C4.5 DATA MINING UNTUK MENGANALISA PREDIKSI MAHASISWA BERPOTENSI NON-AKTIF MENGGUNAKAN METODE DECISION
Lebih terperinciPenentuan Penyakit Peradangan Hati Dengan Menggunakan Neural Network Backpropagation
Penentuan Penyakit Peradangan Hati Dengan Menggunakan Neural Network Backpropagation Rudianto AMIK Bina Sarana Informatika Jakarta rudianto.rdt@bsi.ac.id Abstract - There is a medical record that had kept
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 terperinciPenerapan Algoritma C4.5 untuk Klasifikasi Tingkat Keganasan Kanker Payudara
1 Penerapan Algoritma C4.5 untuk Klasifikasi Tingkat Keganasan Kanker Payudara Dwi Ayu Nursela A11.2010.05307 Teknik Informatika S1, Fakultas Ilmu Komputer Universitas Dian Nuswantoro Jalan Nakula I No.
Lebih terperinciPENERAPAN ALGORITMA KLASIFIKASI DATA MINING C4.5 PADA DATASET CUACA WILAYAH BEKASI
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 368~372 368 PENERAPAN ALGORITMA KLASIFIKASI DATA MINING C4.5 PADA DATASET CUACA WILAYAH BEKASI Adhika Novandya AMIK BSI Bekasi e-mail:
Lebih terperinciTriuli Novianti 1) Abdul Aziz 2) Program Studi D3 Teknik Komputer UMSurabaya, Surabaya ),
Jurnal Ilmiah NERO Vol. 1 No. 15 APLIKASI DATA MINING MENGGUNAKAN METODE DECISION TREE UNTUK MENAMPILKAN LAPORAN HASIL NILAI AKHIR MAHASISWA (STUDI KASUS DI FAKULTAS TEKNIK UMSURABAYA) Triuli Novianti
Lebih terperinciPENGAMBILAN KEPUTUSAN UNTUK PENENTUAN BEASISWA TEPAT SASARAN MENGGUNAKAN METODE DECISION TREE DI SMK TARUNA BAKTI KERTOSONO
PENGAMBILAN KEPUTUSAN UNTUK PENENTUAN BEASISWA TEPAT SASARAN MENGGUNAKAN METODE DECISION TREE DI SMK TARUNA BAKTI KERTOSONO SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
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 terperinciAbidah Elcholiqi, Beta Noranita, Indra Waspada
Abidah Elcholiqi, Beta Noranita, Indra Waspada PENENTUAN BESAR PINJAMAN DI KOPERASI SIMPAN PINJAM DENGAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus di Koperasi Simpan Pinjam BMT Bina Insani Pringapus) Abidah
Lebih terperinciPREDIKSI KELULUSAN MAHASISWA PADA PERGURUAN TINGGI KABUPATEN MAJALENGKA BERBASIS KNOWLEDGE BASED SYSTEM
PREDIKSI KELULUSAN MAHASISWA PADA PERGURUAN TINGGI KABUPATEN MAJALENGKA BERBASIS KNOWLEDGE BASED SYSTEM Teknik Informatika, Teknik Industri, Teknik Informatika Fakultas Teknik - Universitas Majalengka
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 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 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 terperinciMODEL ALGORITMA K-NEAREST NEIGHBOR
MODEL ALGORITMA K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI KELULUSAN MAHASISWA Abdul Rohman Dosen Jurusan Elektronika Fakultas Teknik Universitas Pandanaran Semarang Abstrak Dalam sistem pendidikan mahasiswa
Lebih terperinciKAJIAN PENERAPAN ALGORITMAC4.5, NEURAL NETWORK DAN NAÏVE BAYES UNTUK KLASIFIKASI MAHASISWA YANG BERMASALAH DALAM REGISTRASI
KAJIAN PENERAPAN ALGORITMAC4.5, NEURAL NETWORK DAN NAÏVE BAYES UNTUK KLASIFIKASI MAHASISWA YANG BERMASALAH DALAM REGISTRASI HERU SULISTIONO mildlaser3@gmail.com 081282400050 Program Studi Teknik Informatika,
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 METODE NEURAL NETWORK BERBASIS PARTICLE SWAM OPTIMIZIED UNTUK PREDIKSI KESUBURAN PADA PRIA
PENERAPAN METODE NEURAL NETWORK BERBASIS PARTICLE SWAM OPTIMIZIED UNTUK PREDIKSI KESUBURAN PADA PRIA Hilda Amalia Program Studi Manajemen Informatika Akademik Manajemen Informatika dan Komputer Bina Sarana
Lebih terperinciSELEKSI MOBIL BERDASARKAN FITUR DENGAN KOMPARASI METODE KLASIFIKASI NEURAL NETWORK, SUPPORT VECTOR MACHINE, DAN ALGORITMA C4.5
Jurnal Pilar Nusa Mandiri Vol.XII, No.2 September 2016 153 SELEKSI MOBIL BERDASARKAN FITUR DENGAN KOMPARASI METODE KLASIFIKASI NEURAL NETWORK, SUPPORT VECTOR MACHINE, DAN ALGORITMA C4.5 Esty Purwaningsih
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 terperinciKOMPARASI METODE DATA MINING UNTUK PREDIKSI PEMASARAN BANK SECARA LANGSUNG
SNIPTEK 2016 ISBN: 978-602-72850-3-3 KOMPARASI METODE DATA MINING UNTUK PREDIKSI PEMASARAN BANK SECARA LANGSUNG Hilda Amalia AMIK BSI Jakarta JL.RS. Fatmawati no.24, Pondok Labu Jakarta Selatan hilda.ham@bsi.ac.id
Lebih terperinciPERANCANGAN SISTEM MODEL PENENTU PEMBERIAN PINJAMAN KOPERASI KARYAWAN PERMATA BANK MENGGUNAKAN SVM
PERANCANGAN SISTEM MODEL PENENTU PEMBERIAN PINJAMAN KOPERASI KARYAWAN PERMATA BANK MENGGUNAKAN SVM Purwanti 1, Tuti Handayani 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI 1,2 Email:
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 terperinciPENERAPAN METODE ASOSIASI GSP DAN APRIORI UNTUK STOK DAN REKOMENDASI PRODUK
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 412~416 412 PENERAPAN METODE ASOSIASI GSP DAN APRIORI UNTUK STOK DAN REKOMENDASI PRODUK Elly Muningsih AMIK BSI Yogyakarta e-mail : elly.emh@bsi.ac.id
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 terperinciIMPLEMENTASI TEKNIK SELEKSI FITUR INFORMATION GAIN PADA ALGORITMA KLASIFIKASI MACHINE LEARNING UNTUK PREDIKSI PERFORMA AKADEMIK SISWA
IMPLEMENTASI TEKNIK SELEKSI FITUR INFORMATION GAIN PADA ALGORITMA KLASIFIKASI MACHINE LEARNING UNTUK PREDIKSI PERFORMA AKADEMIK SISWA Betha Nurina Sari 1) 1) Informatika, Fakultas Ilmu Komputer, Universitas
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 terperinciANALISA KOMPARASI NEURAL NETWORK BACKPROPAGATION DAN MULTIPLE LINEAR REGRESSION UNTUK PERAMALAN TINGKAT INFLASI
JURNAL TEKNIK VOL. II NO. 2 AGUSTUS 2016 ANALISA KOMPARASI NEURAL NETWORK BACKPROPAGATION DAN MULTIPLE LINEAR REGRESSION UNTUK PERAMALAN TINGKAT INFLASI Amrin 1 Abstract The inflation rate can not be underestimated
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 terperinciAnalisa Kelayakan Pemberian Kredit Mobil Dengan Menggunakan Neural Network Backpropagation
Analisa Kelayakan Pemberian Kredit Mobil Dengan Menggunakan Neural Network Backpropagation Amrin Program Studi Manajemen Informatika AMIK Bina Sarana Informatika, Jakarta Telp : (021) 54376399 E-Mail :
Lebih terperinciPENILAIAN AGUNAN PROPERTY PENGAJUAN KREDIT MENGGUNAKAN OPTIMASI ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SWARM OPTIMIZATION
Technologia Vol 7, No.1, Januari Maret 2016 40 PENILAIAN AGUNAN PROPERTY PENGAJUAN KREDIT MENGGUNAKAN OPTIMASI ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SWARM OPTIMIZATION Ibrahim, S.Kom, M.Kom
Lebih terperinciPeramalan Tingkat Inflasi Indonesia Menggunakan Neural Network Backpropagation Berbasis Metode Time Series
Jurnal Techno Nusa Mandiri Vol. XI No. 2, September 214 Peramalan Tingkat Inflasi Indonesia Menggunakan Neural Network Backpropagation Berbasis Metode Time Series Amrin Program Studi Manajemen Informatika
Lebih terperinciPERBANDINGAN K-SUPPORT VECTOR NEAREST NEIGHBOR TERHADAP DECISION TREE DAN NAIVE BAYES
PERBANDINGAN K-SUPPORT VECTOR NEAREST NEIGHBOR TERHADAP DECISION TREE DAN NAIVE BAYES Eko Prasetyo 1), Rr Ani Dijah Rahajoe 2), Arif Arizal 3) 1), 2), 3) Teknik Informatika Universitas Bhayangkara Surabaya
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 terperinciPENINGKATAN METODE NAIVE BAYES CLASSIFICATION UNTUK PENENTUAN TINGKAT KEGANASAN KANKER PAYUDARA MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
PENINGKATAN METODE NAIVE BAYES CLASSIFICATION UNTUK PENENTUAN TINGKAT KEGANASAN KANKER PAYUDARA MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Imma Rizki Fitriani Universitas Dian Nuswantoro Email : fitriani.imma@gmail.com
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 terperinciPREDIKSI KETEPATAN KELULUSAN MAHASISWA MENGGUNAKAN METODE DECISION TREE BERBASIS PARTICLE SWARM OPTIMATION (PSO)
PREDIKSI KETEPATAN KELULUSAN MAHASISWA MENGGUNAKAN METODE DECISION TREE BERBASIS PARTICLE SWARM OPTIMATION (PSO) Arif Rakhman Email : arif@limamedia.net D III Teknik Komputer Politeknik Harapan Bersama
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 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 terperinciKAJIAN PENERAPAN ALGORITMA DATA MINING TERHADAP PEMILIHAN MITRA KERJA PENYEDIA JASA TRANSPORTASI DI JAKARTA
KAJIAN PENERAPAN ALGORITMA DATA MINING TERHADAP PEMILIHAN MITRA KERJA PENYEDIA JASA TRANSPORTASI DI JAKARTA Harry Dhika 1), Tri Yani Akhirina 2), Surajiyo 3) 1), 2),3) Teknik Informatika Universitas Indraprasta
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 terperinciPENERAPAN ALGORITMA MULTILAYER PERCEPTRON UNTUK DETEKSI DINI PENYAKIT DIABETES
PENERAPAN ALGORITMA MULTILAYER PERCEPTRON UNTUK DETEKSI DINI PENYAKIT DIABETES Ahmad Setiadi Jurusan Manajemen Informatika Akademi Manajemen Informatika dan Komputer Bina Sarana Informatika Karawang Jl.
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 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 terperinciAPPLICATION OF DATA MINING ALGORITHM TO RECIPIENT OF MOTORCYCLE INSTALLMENT
APPLICATION OF DATA MINING ALGORITHM TO RECIPIENT OF MOTORCYCLE INSTALLMENT Harry Dhika 1, Fitriana Destiawati 2 1,2 Teknik Informatika Fakultas Teknik, Matematika dan IPA, Universitas Indraprasta PGRI
Lebih terperinciANALISIS SELEKSI ATRIBUT PADA ALGORITMA NAÏVE BAYES DALAM MEMPREDIKSI PENYAKIT JANTUNG
ANALISIS SELEKSI ATRIBUT PADA ALGORITMA NAÏVE BAYES DALAM MEMPREDIKSI PENYAKIT JANTUNG TESIS IVAN JAYA 117038072 PROGRAM STUDI S2 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS
Lebih terperinciPREDIKSI LULUS TEPAT DAN TIDAK TEPAT WAKTU MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS
PREDIKSI LULUS TEPAT DAN TIDAK TEPAT WAKTU MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS Hasbul Bahar Teknik Informatika STT Nurul Jadid Probolinggo ABSTRACT Universities are educational units being the last
Lebih terperinciPenentuan Pemenang Tender Menggunakan Kombinasi K- Nearest Neighbor dan Cosine Similarity (Studi Kasus PT. Unichem Candi Indonesia)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hlm. 1986-1990 http://j-ptiik.ub.ac.id Penentuan Pemenang Tender Menggunakan Kombinasi K- Nearest Neighbor
Lebih terperinciSISTEM REKOMENDASI PROMOSI HOTEL PADA WISATAWAN MANCANEGARA BERBASIS DATA MINING
SISTEM REKOMENDASI PROMOSI HOTEL PADA WISATAWAN MANCANEGARA BERBASIS DATA MINING Anik Andriani Manajemen Informatika AMIK BSI Yogyakarta Jl Ring road Barat, Ambarketawang, Gamping, Sleman, Yogyakarta Email
Lebih terperinciPENENTUAN PROSES PERSALINAN IBU MELAHIRKAN MENGGUNAKAN ALGORITMA C4.5
PENENTUAN PROSES PERSALINAN IBU MELAHIRKAN MENGGUNAKAN ALGORITMA C4.5 Hilda Amalia 1), Evicienna 2) 1). Jurusan Manajemen Informatika AMIK BSI JAKARTA 2) Jurusan Komputerisasi Akuntansi AMIK BSI JAKARTA
Lebih terperinciSNIPTEK 2014 ISBN: PENERAPAN PARTICLE SWARM OPTIMIZATION PADA ALGORITMA C 4.5 UNTUK SELEKSI PENERIMAAN KARYAWAN
PENERAPAN PARTICLE SWARM OPTIMIZATION PADA ALGORITMA C 4.5 UNTUK SELEKSI PENERIMAAN KARYAWAN Agus Wiyatno STMIK Nusa Mandiri Jakarta Agus.agq@nusamandiri.ac.id Abstract The Employees are the most vital
Lebih terperinciKOMPARASI PEMODELAN DATA MENGGUNAKAN C4.5 DAN C4.5 BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI KELULUSAN MAHASISWA
KOMPARASI PEMODELAN DATA MENGGUNAKAN C4.5 DAN C4.5 BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI KELULUSAN MAHASISWA Author Khoirul Mu arif A11.2009.05066 Program Studi Teknik Informatika Fakultas
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 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 terperinciPenerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 39 Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi Irwan
Lebih terperinciIMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI DATA ULANG PENSIUN
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI DATA ULANG PENSIUN Wendi Wirasta, Novia Ervianti 2 Dosen Sistem Informasi, STMIK LPKIA Bandung 2 Program Studi Sistem Informasi, STMIK LPKIA Bandung
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 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 terperinci