Murien Nugraheni 1), Sri Hartati 2) 1,2) Program Studi Ilmu Komputer
|
|
- Susanti Yanti Tan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM PENALARAN BERBASIS KASUS UNTUK PENDUKUNG DIAGNOSIS GANGGUAN PENYAKIT PADA UNGGAS (Case Based Reasoig System to Support Diagosis of Diseases i Poultry) Murie Nugrahei 1), Sri Hartati 2) 1,2) Program Studi Ilmu Komputer Program Pascasarjaa Uiversitas Gadjah Mada Sekip Utara, Bulaksumur, Yogyakarta Idoesia murie_@yahoo.com 1, shartati@ugm.ac.id 2 ABSTRAK Case-Based Reasoig (CBR) merupaka sistem pealara komputer yag megguaka pegetahua lama utuk magatasi permasalaha baru. CBR memberika solusi terhadap kasus baru dega melihat kasus lama yag palig medekati kasus baru. Hal ii aka sagat bermafaat karea dapat meghilagka kebutuha utuk megekstrak model seperti yag dibutuhka oleh sistem berbasis atura. Selai itu, CBR juga dapat dimulai dari jumlah pegetahua yag sedikit, karea pegetahua CBR dapat bertambah secara bertahap ketika sebuah kasus ditambahka. Peelitia ii mecoba utuk membagu suatu Sistem Pealara Berbasis Kasus utuk Medukug Diagosa Gaggua Peyakit pada Uggas dega melihat ciri-ciri gejala yag terlihat pada uggas. Proses diagosa dilakuka dega cara memasukka kasus baru yag berisi gejala-gejala yag aka didiagosa ke dalam sistem, kemudia sistem aka melakuka proses idexig atau pegelompokka dega megguaka Algoritma C4.5 utuk memperoleh ideks dari kasus baru tersebut. Setelah memperoleh ideks dari kasus, sistem selajutya melakuka proses perhituga similarity atara kasus baru dega basis kasus yag memiliki ideks yag sama dega kasus baru megguaka metode Cosie Similarity. Kasus yag diambil adalah kasus dega similarity yag palig tiggi. Jika suatu kasus tidak berhasil didiagosa, maka aka dilakuka revisi kasus oleh pakar. Kasus yag berhasil direvisi aka disimpa ke dalam sistem utuk dijadika pegetahua baru bagi sistem. Hasil peelitia meujukka sistem pealara berbasis kasus utuk mediagosa peyakit pada uggas ii membatu pakar da peterak dalam melakuka diagosa. Hasil pegujia sistem terhadap 30 kasus uji, sistem telah mampu meghasilka kemiripa sebayak 28 kasus (93.33%) da diperoleh 2 kasus (6.67%) yag memiliki ilai similarity di bawah 0.8 yag aka dilakuka revisi oleh pakar. Kata kuci : CBR, uggas, idexig, similarity, cosie similarity ABSTRACT Case-Based Reasoig (CBR) is a computer system that uses old kowledge to solve ew problems. CBR provide solutios for ew cases by lookig at a old case that comes closest to the ew case. It will be very useful because it elimiates the eed to extract the model as required by the rules-based system. Moreover, CBR ca also be started from a small amout of kowledge, because the kowledge of CBR ca be icreased gradually whe a case is added. This study tries to establish a system for Case-Based Reasoig System to Support Diagosis of Diseases i Poultry by lookig at the characteristics of existig symptoms i poultry. Diagosis process is doe by isertig a ew cases that cotai the symptoms of the disease to be diagosed ito the system, the the system will do the idexig process or classificatio with C4.5 algorithm method to obtai a idex of ew cases. After obtaiig a idex of the cases, the the system do the calculatig of the value of similarity betwee the ew case by case which has the same idex with ew cases usig Cosie Similarity method. The case take is the case with the highest similarity value. If a case is ot successfully diagosed, the the case will be revised by experts. Revised successful cases will be stored ito the system to be used as ew kowledge for the system. The results showed case-based reasoig system to diagose disease of poultry ca help experts ad farmers i performig diagostics. The test results of 30 test cases, system has bee to produce similarity of 28 cases (93.33%) ad obtaied 2 cases (6.67%) have similarity values below 0.8 will be revised by experts. Keywords: CBR, poultry, idexig, similarity, cosie similarity 50
2 Jural Iformatika da Komputer (JIKO) Vol. 2, No. 1, Februari 2017 I. PENDAHULUAN U ggas merupaka hewa terak yag palig bayak diterakka karea bayak memberika mafaat da keutuga. Baik utuk dikosumsi maupu sekedar utuk dipelihara. Sebagaimaa dega hewa terak lai, uggas mempuyai bermacam jeis peyakit. Ada bayak jeis peyebab peyakit yag meyerag ayam, atara lai yag disebabka oleh virus, bakteri, protozoa, maupu jamur. Salah satu peyakit pada ayam yag disebabka oleh virus adalah Avia Iflueza atau yag serig disebut sebagai flu burug. Berdasarka lapora tim Techical Support Medio diketahui bahwa sejak tahu 2012 higga 2014, total kasus Avia Iflueza yag meyerag peteraka ayam pedagig da petelur meujukka tre peigkata yag cukup sigifika [1]. Kemampua mausia yag coba ditiru oleh para ahli adalah kemampua dalam meyelesaika masalah berdasarka kejadia-kejadia yag telah terjadi sebelumya. Pada umumya, mausia meyelesaika permasalaha yag dihadapi berdasarka pegalama-pegalama yag telah dimiliki, ataupu berdasarka pegalama dari orag lai. Hal iilah yag ditiru oleh ahli komputer, sehigga meghasilka suatu sistem yag dikeal dega pealara berbasis kasus atau Case-based Reasoig (CBR). Proses pegelompokka data megguaka metode Algoritma C4.5 yag merupaka algoritma utuk membetuk suatu poho keputusa. Meurut [2] algoritma C4.5 merupaka struktur poho yag dapat diguaka utuk membagi kumpula data yag besar mejadi himpua-himpua record yag lebih kecil dega meerapka seragkaia atura keputusa. Pemiliha atribut pada algoritma ii dilakuka berdasarka pada ukura etropy yag dikeal dega iformatio gai sebagai sebuah cara utuk memilih atribut yag terbaik dega ilai tertiggi dari ilai kedalam kelas. Proses mecari kedekata atau kemiripa atara kasus baru dega kasus lama utuk memperoleh solusi terhadap kasus baru pada CBR dapat megguaka berbagai macam metode, dimaa metode ii aka mempegaruhi keberhasila dari CBR. Salah satu metode yag dapat diguaka dalam mecari kedekata atau kemiripa kasus baru dega kasus lama adalah Cosie Similarity. Metode ii megkorelasika dua objek variabel kotiue yag mempuyai hubuga liiear diatara atribut pada suatu objek. II. METODE A. Case-Based Reasoig Case-based Reasoig (CBR) merupaka suatu tekik pemecaha masalah, yag megadopsi solusi masalahmasalah sebelumya yag mirip dega masalah baru yag dihadapi, utuk medapatka solusi [3]. CBR meitikberatka pemecaha masalah dega didasarka pada kowledge dari kasus-kasus sebelumya, apabila ada kasus baru maka aka disimpa pada basis pegetahua sehigga sistem aka melakuka learig da kowledge yag dimiliki oleh sistem aka bertambah. B. Poho Keputusa Sebuah poho keputusa aalah sebuah struktur yag dapat diguaka utuk membagi kumpula data yag besar mejadi himpua-himpua record yag lebih kecil dega meerapka seragkaia keputusa [4]. C. Algoritma C4.5 Algoritma C4.5 yaitu sebuah algoritma yag diguaka utuk membagu decisio tree (pegambila keputusa). Algoritma C4.5 adalah salah satu algoritma iduksi poho keputusa yaitu ID3 (Iterative Dichotomiser 3). ID3 dikembagka oleh J. Ross Quila. Dalam prosedur algoritma ID3, iput berupa sampel traiig, label traiig da atribut. Algoritma C4.5 merupaka pegembaga dari ID3. Poho dibagu dega cara membagi data secara rekursif higga tiap bagia terdiri dari data yag berasal dari kelas yag sama. Betuk pemecaha (split) yag diguaka utuk membagi data tergatug dari jeis atribut yag diguaka dalam split. Utuk memilih atribut sebagai akar, didasarka pada ilai gai tertiggi dari atribut-atribut yag ada. Utuk meghitug gai diguaka rumus seperti tertera dalam persamaa di bawah ii : Keteraga: S : Himpua kasus A : Atribut : Jumlah partisi A Si : Jumlah kasus pada partisi ke i S : Jumlah kasus dalam S Sedagka perhituga ilai etropy dapat dilihat pada persamaa berikut: (1) 51
3 i-1 -pi*log 2 pi (2) Keteraga : S : Himpua kasus : jumlah partisi S pi : Proporsi Si terhadap S Pada peelitia ii metode yag diguaka utuk idexig adalah Algoritma C4.5. Algoritma C4.5 adalah sebagai berikut : [5] 1. Pilih atribut sebagai akar berdasarka ilai gai tertiggi 2. Buat cabag utuk masig-masig ilai 3. Bagi kasus dalam cabag Ulagi proses utuk masig-masig cabag sampai semua kasus pada cabag memiliki kelas yag sama. D. Cosie Similarity Cosie Similarity adalah salah satu metode similaritas yag diguaka utuk melakuka perhituga tigkat kemiripa dari dua buah objek. Jika x da y adalah dua buah vektor, [6] medefiisika Cosie Similarity sebagai berikut : EJ(x, y) = x.y x 2+ y 2-x.y cos(x, y) = x.y x y dimaa. meujukka vektor dot produk, x. y = k=1 x k y k da meujukka orm. (3) A. Diagram Koteks Gambar 1 merupaka diagram koteks yag meggambarka tigkat tertiggi dari sistem secara keseluruha. data_gejala, data_peyakit, data_solusi, data_kelas, data_kasus, logi gejala_uggas Pakar Sistem Pealara Berbasis Kasus Utuk Pedukug Diagosa Gaggua Peyakit Pada Uggas hasil_diagosa Peterak data_gejala, data_peyakit, data_solusi, data_kelas, data_kasus, kof_revisi, logi Gambar 1. Diagram Koteks Sistem Pealara Berbasis Kasus Utuk Pedukug Diagosa Gaggua Peyakit Pada Uggas Diagram koteks terdiri dari dua eleme ligkuga yaitu Pakar da Peterak serta sebuah proses secara keseluruha dari sistem case-based reasoig utuk mediagosa peyakit uggas. Pakar aka memberika iput ke sistem berupa data gejala, data peyakit, data solusi, data kelas, data kasus utuk case base serta melakuka revisi dari suatu kasus. Data gejala da data peyakit merupaka data-data master yag diperluka oleh sistem utuk bekerja. Peterak aka memberika iput ke sistem berupa kasus baru, dimaa kasus tersebut berisi gejalagejala peyakit da aka dilakuka diagosa peyakit yag dialami oleh uggasya. Jika kasus tersebut berhasil didiagosa, maka peterak aka meerima hasil diagosa utuk peyakit uggasya. Apabila kasus baru tidak berhasil didiagosa, maka proses revisi aka dilakuka oleh Pakar, da hasil dari revisi aka disimpa sebagai basis kasus. B. Racaga Basis Data Berdasarka proses yag tergambar dalam racaga DFD maka diperoleh gambara tetag racaga basis data dalam sistem yag dibagu. Gambar 2 meggambarka tetag racaga basis data sistem dalam betuk ERD. Berdasarka Gambar 2 maka sistem pealara berbasis kasus utuk diagosa peyakit pada uggas ii terdapat beberapa atura, yaitu : 1. Setiap kasus memiliki satu peyakit 2. Satu peyakit dapat diguaka oleh beberapa kasus 52
4 Jural Iformatika da Komputer (JIKO) Vol. 2, No. 1, Februari Setiap kasus memiliki satu kelas 4. Satu kelas dapat diguaka oleh beberapa kasus 5. Setiap gejala memiliki satu peyakit 6. Satu peyakit dapat diguaka oleh beberapa gejala 7. Setiap gejala memiliki satu kasus 8. Satu kasus dapat diguaka oleh beberapa gejala 9. Setiap kasus memiliki satu solusi 10. Satu solusi dapat diguaka oleh beberapa kasus 11. Setiap peyakit memiliki satu solusi 12. Satu solusi dapat diguaka oleh beberapa peyakit memiliki 1 solusi id_solusi m_solusi id_kasus id_solusi id_peyakit id_peyakit kasus memiliki 1 peyakit m_peyakit id_kelas 1 id_gejala memiliki memiliki id_kelas 1 id_gejala kelas gejala m_kelas m_gejala Gambar 2. Etity Relatioship Diagram A. Form Meu Utama Ketika sistem mulai dieksekusi, maka aka mucul tampila form utama dari sistem seperti tampak pada Gambar 3. Meu dari sistem yag dapat diakses haya terbatas pada meu logi, meu poho keputusa, meu diagosa, da meu help. Sedagka meu utuk pegolaha data haya dapat diakses oleh seorag pakar setelah melakuka logi. Gambar 3. Form Meu Utama Pakar perlu melakuka logi agar dapat megakses meu pegolaha data sedagka utuk peterak tidak perlu melakuka logi, karea peterak haya dapat megakses meu diagosa. B. Form Poho Keputusa Gambar 4 meampilka proses perhituga idexig megguaka Algoritma C4.5 yag meghasilka poho keputusa. Sedagka Gambar 5 meampilka poho keputusa. 53
5 Gambar 4. Form Poho Keputusa Gambar 5. Hasil Poho Keputusa C. Form Diagosa Kasus Baru Proses diagosa kasus baru dilakuka oleh pakar da peterak, ketika ada uggas yag megalami gejala suatu peyakit. Form proses diagosa kasus baru dapat dilihat pada Gambar 6. Proses awal dalam melakuka proses diagosa adalah memasukka gejala-gejala yag dialami oleh uggas tersebut. Hasil dari diagosa kasus baru dapat dilihat pada Gambar 7. Gambar 6. Form Diagosa Kasus Baru 54
6 Jural Iformatika da Komputer (JIKO) Vol. 2, No. 1, Februari 2017 Gambar 7. Hasil Diagosa Kasus Baru Proses diagosa diawali dega proses pembuata kelas pada poho keputusa. Kemudia dilakuka proses similaritas yag berada haya pada kelas yag sama, yag didapat dari poho keputusa. III. HASIL DAN PEMBAHASAN Proses pegujia sistem diagosa peyakit pada uggas megguaka CBR dilakuka dega dua cara yaitu pegujia yag dilakuka pakar da pegujia sistem dega megguaka sampel data kasus. Pada pegujia sistem megguaka sample data kasus diguaka Algoritma C4.5 sebagai proses idexig da Cosie Similarity sebagai proses utuk mecari ilai similarityya. A. Pegujia Sistem oleh Pakar Pada bagia ii aka dilakuka pegujia kasus riil terhadap sistem. Kasus yag aka diuji memiliki gejala sebagai berikut : 1. Produksi telur meuru : cukup 2. Kualitas telur meuru : tidak 3. Gaggua perafasa : ya 4. Diare : tidak 5. Lesu, lemas, murug : tidak 6. Jegger pucat : tidak 7. Kaki merah-merah : tidak 8. Gaggua syaraf/ tubuh gemetar : ya 9. Kaki lumpuh : cukup 10. Berkumpul pada tempat hagat : ya 11. Berjala berputar-putar : ya 12. Ngorok : tidak 13. Nafsu maka meuru : tidak 14. Keluar ledir dari hidug : tidak 15. Mata berair : tidak 16. Gaggua pertumbuha : tidak 17. Muka da jegger begkak : tidak 18. Pilek : tidak 19. Meggigil : tidak 20. Kloaka berdarah : tidak 21. Diare putih : tidak 22. Bulu pucat : tidak 23. Aus legket : tidak 24. Mematoki dubur sediri : tidak 25. Aus berdarah : tidak 26. Diare berdarah : tidak 55
7 Berdasarka data yag dimasukka pakar, pakar berkesimpula bahwa uggas tersebut mederita Newcastle Disease yag disebabka oleh virus. Setelah dilakuka proses diagosa megguaka sistem, sistem memberika hasil bahwa peyakit yag dimiliki uggas adalah Newcastle Disease dega ilai similaritas pada kasus ke 35. Adapu tampila hasil diagosa kasus tersebut dapat dilihat pada Gambar 4. Sehigga dapat diperoleh kesimpula bahwa hasil diagosa yag dilakuka oleh pakar sesuai dega hasil yag dikeluarka oleh sistem. B. Pegujia Sistem dega Sampel Data Kasus Peelitia ii memperoleh kasus sebayak 150 kasus dimaa 120 kasus diguaka sebagai basis kasus da 30 kasus diguaka sebagai data pegujia. Distribusi kasus yag aka diuji berada pada kelas virus, bakteri, da protozoa. Dimaa 12 kasus merupaka kelas virus, 9 kasus kelas bakteri, 7 kasus kelas protozoa, da 2 kasus belum terdeteksi berada pada kelas maa. Data uji tersebut diperoleh dari sampel data kasus dimaa telah diketahui hasil diagosaya, amu data uji tersebut belum perah dimasukka sebagai basis kasus. Dari Tabel 1 misalka utuk kasus uji K140 berada pada kelas bakteri, yag mempuyai gejala G3 (sedikit), G12 (ya), G13 (sedikit), da G14 (cukup). Gejala kasus uji selegkapya dapat dilihat pada lampira C. Yag pertama kali dilakuka adalah dega mecocoka gejala yag diiputka dega ode gejala yag sudah terbetuk pada poho keputusaya dimaa ode awal pada poho keputusa yag terbetuk adalah G14 kemudia G20, da ode terakhir G12. Karea K140 memiliki G14 dega ilai cukup maka peelusura pecaria kelas pada poho keputusa haya dilakuka pada ode awal yaitu pada G14 yag meujukka hasil kelasya berada pada kelas bakteri. Maka pecaria ilai similarity haya dilakuka pada kelas bakteri yaitu pada basis kasus ke K51 higga K85 (lampira A). Adapu hasil pegujia 30 kasus dapat dilihat pada Tabel 1. Dari 30 kasus uji, terdapat 28 kasus dega similaritas diatas 0.8 da 2 kasus memiliki similaritas kurag dari 0.8 sehigga diperoleh kasus dega similaritas lebih dari 0.8 sebesar 93.33% da kasus dega similaritas kurag dari 0.8 sebesar 6.67%. TABEL I. HASIL PENGUJIAN 30 KASUS UJI Uji ke Kasus Hasil Diagosa Peyakit Sebearya Hasil Diagosa Peyakit oleh Sistem Kelas Nilai Similaritas 1 K121 Ifectious Brochitis Ifectious Brochitis Virus K122 Ifectious Brochitis Ifectious Brochitis Virus K123 Ifectious Brochitis Ifectious Brochitis Virus K124 Ifectious Brochitis Ifectious Brochitis Virus K125 Ifectious Brochitis Ifectious Brochitis Virus K126 Avia Iflueza Avia Iflueza Virus K127 Avia Iflueza Avia Iflueza Virus K128 Avia Iflueza Avia Iflueza Virus K129 Avia Iflueza Avia Iflueza Virus K130 Avia Iflueza Avia Iflueza Virus K131 Newcastle Disease Newcastle Disease Virus K132 Newcastle Disease Newcastle Disease Virus K133 Newcastle Disease Newcastle Disease Virus K134 Newcastle Disease Newcastle Disease Virus K135 Newcastle Disease Newcastle Disease Virus K136 Ifectious Bursal Disease Ifectious Bursal Disease Virus K137 Ifectious Bursal Disease Ifectious Bursal Disease Virus K138 Ifectious Bursal Disease Ifectious Bursal Disease Virus K139 Ifectious Bursal Disease Ifectious Bursal Disease Virus K140 Chroic Respiratory Disease Chroic Respiratory Disease Bakteri K141 Chroic Respiratory Disease Chroic Respiratory Disease Bakteri K142 Chroic Respiratory Disease Chroic Respiratory Disease Bakteri K143 Chroic Respiratory Disease Chroic Respiratory Disease Bakteri K144 Ifeksius Coryza Ifeksius Coryza Bakteri K145 Ifeksius Coryza Ifeksius Coryza Bakteri K146 Ifeksius Coryza Ifeksius Coryza Bakteri K147 Koksidiosis Koksidiosis Protozoa K148 Koksidiosis Koksidiosis Protozoa K149 Ifeksius Coryza Belum Terdeteksi Belum Terdeteksi 0 30 K150 Ifeksius Coryza Belum Terdeteksi Belum Terdeteksi 0 Dua kasus yag memiliki ilai similaritas kurag dari 0.8 yaitu kasus ke 149 da 150 dega ilai similaritas 0 yag kelasya belum terdeteksi, sehigga kasus tersebut aka dilakuka revisi oleh pakar da solusiya aka disimpa kembali (retai) ke dalam basis kasus. Sehigga meambah pegetahua basis kasus pada sistem yag aka diguaka kembali utuk kasus baru berikutya. IV.SIMPULAN DAN SARAN Berdasarka hasil pegujia Sistem Pealara Berbasis Kasus Utuk Pedukug Diagosis Gaggua Peyakit Pada Uggas, maka dapat diambil kesimpula sebagai berikut : 1. Case-based Reasoig dapat diterapka pada kasus utuk pedukug diagosa gaggua peyakit pada uggas. 56
8 Jural Iformatika da Komputer (JIKO) Vol. 2, No. 1, Februari Metode idexig megguaka Algoritma C4.5 dapat mempermudah da mempercepat dalam pecaria similaritas pada kasus baru. 3. Berdasarka 30 kasus yag diujika, telah meghasilka kemiripa sebayak 28 kasus (93.33 %) dega 2 kasus (6.67 %) mempuyai ilai dibawah 0.8 da dilakuka revisi oleh pakar. Diharapka dalam pegembaga Sistem Pealara Berbasis Kasus Utuk Pedukug Diagosis Gaggua Peyakit Pada Uggas adalah : 1. Perlu dilakuka peyimpaa idexig pada Algoritma C4.5 sehigga ketika sistem dijalaka tidak perlu melakuka proses idexig secara berulag kali, karea jika kasus bertambah bayak maka proses idexig aka membutuhka waktu yag terlalu lama. 2. Perlu dilakuka peelitia terhadap metode idexig selai Algortima C4.5 sehigga dapat diperoleh ilai perbadiga hasil idexig dega metode-metode lai. 3. Perlu dilakuka peelitia utuk domai peyakit yag lebih kompleks pada peyakit pada uggas. Baik utuk uggas jeis ayam maupu utuk uggas jeis yag lai. REFERENSI [1] Aoim, 2015, Sigap Taggap Flu Burug di Musim Huja, Ifo Medio, Maret 2015, hal. 2. [2] Berry, Michael J.A. da Gordo S.Lioff, 2004, Data Miig Techiques for Marketig, Sales, Customer Relatioship Maagemet. Secod Editio. Wiley Publishig, Ic., Idiaapolis, Idiaa. [3] Riesbeck, C. da Schak, R., 1989, Iside Case-based Reasoig, Lawrece Erlbaum, New Jersey. [4] Kusrii, 2010, Pemodela Aalisis Diagosis Badig pada Sistem Pedukug Keputusa Kelompok utuk Asesme Geriatri, Disertasi, S3 Ilmu Komputer FMIPA UGM, Yogyakarta. [5] Kusrii da Luthfi, E. T., 2009, Algoritma Data Miig, Adi Offset, Yogyakarta. [6] Ta, Pag-Nig, Steibach, M., Kumar, V., 2006, Itroductio to Data Miig, Pearso Educatio, Ic, Bosto. 57
Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya
Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciKLASIFIKASI MUTASI JABATAN STRUKTURAL PEGAWAI NEGERI SIPIL MENGGUNAKAN METODE DECISION TREE
KLASIFIKASI MUTASI JABATAN STRUKTURAL PEGAWAI NEGERI SIPIL MENGGUNAKAN METODE DECISION TREE Yati, I Ketut Edy Purama, da Surya Sumpeo Tekik Elektro,Istitut Tekologi Sepuluh Nopember Alamat: Gedug B, C
Lebih terperinciSistem Pakar Deteksi Diabetes Mellitus Menggunakan Metode Bayesian Berbasis Web
Sistem Deteksi Diabetes Mellitus Megguaka Metode Bayesia Berbasis Web Voy Pawaka Program Studi Tekik Iformatika Jurusa Tekik Elektro Fakultas Tekik Uiversitas Tajugpura e-mail: voypwk@gmail.com Abstrak
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
Lebih terperinciPERANCANGAN APLIKASI DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK DIAGNOSA PENYAKIT PADA ANAK NASKAH PUBLIKASI
PERANCANGAN APLIKASI DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK DIAGNOSA PENYAKIT PADA ANAK (Studi Kasus: BPS Amaah) NASKAH PUBLIKASI diajuka oleh Nofitriyai 11.11.5428 kepada SEKOLAH TINGGI MANAJEMEN
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT
Jural Iformatika Mulawarma Vol. 10 No. 2 September 2015 20 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT Necy Nurjaah 1), Zaial Arifi 2), Dya Marisa Khairia 3) 1,2,3)
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI III.1 Peambaga Teks (Text Miig) Text Miig memiliki defiisi meambag data yag berupa teks dimaa sumber data biasaya didapatka dari dokume, da tujuaya adalah mecari kata-kata yag dapat
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
4.1Aalisa Sistem Lama BAB IV ANALISA DAN PERANCANGAN Sistem yag ada di UIN SUSKA Riau dalam pegiformasia tetag kampus bagi calo mahasiswa biasaya dega melihat iformasi dari website resmi kampus UIN yag
Lebih terperinciKELAYAKAN ALGORITMA C45 SEBAGAI PENDUKUNG KEPUTUSAN DALAM PENGAJUAN PENERIMA BEASISWA
KELAKAN ALGORITMA C45 SEBAGAI PENDUKUNG KEPUTUSAN DALAM PENGAJUAN PENERIMA BEASISWA Jose Augusto Duarte Guterres Tekik Iformatika STIKOM ARTHA BUANA KUPANG Jl. Sam Ratulagi III No. 1 Kupag NTT. No Telp.
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER
ISSN : 2338-4018 PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER Agik Damai Istato (agik_damai@yahoo.co.id) Muhammad Hasbi (mhasbi@sius.ac.id)
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciBAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat
BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinciLaboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung
Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciPENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno
sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id
Lebih terperinciIII. METODE PENELITIAN
30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.
Lebih terperinciPENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT
Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
Lebih terperinciBAB IV PEMECAHAN MASALAH
BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciProbabilitas dan Statistika Teorema Bayes. Adam Hendra Brata
robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah
Lebih terperinciUniversitas Dian Nuswantoro Jalan Nakula 1 No 5-11, (024) , Semarang
PENERAPAN DATA MINING KLASIFIKASI DENGAN MENGGUNAKAN ALGORITMA C4.5 PADA DATA NASABAH KREDIT DI BANK KREDIT DESA (BKD) KABUPATEN REMBANG Dia Rusdiaa Sari Uiversitas Dia Nuswatoro Jala Nakula 1 No 5-11,
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical
Lebih terperinciPemilihan Ketua BEM Fakultas Teknik UN PGRI Kediri menggunakan Metode ELECTRE
Pemiliha Ketua BEM Fakultas Tekik UN PGRI Kediri megguaka Metode ELECTRE Nalsa Citya Resti Sistem Iformasi, Fakultas Tekik, Uiversitas Nusatara PGRI Kediri E-mail: alsacitya@upkediri.ac.id Abstrak salah
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.
III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
Lebih terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciIII PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah
III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,
45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam
Lebih terperinciPenentuan Model Terbaik pada Metode Naive Bayes Classifier dalam Menentukan Status Gizi Balita dengan Mempertimbangkan Independensi Parameter
JURNAL ITSMART Vol 4. No. Jui 25 ISSN : 23 72 Peetua Model Terbaik pada Metode Naive Bayes Classifier dalam Meetuka Status Gizi Balita dega Mempertimbagka Idepedesi Parameter Apriliya Fitri Cahyati Jurusa
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and
BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciBAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat
38 3.1 Lokasi da Waktu Peelitia 3.1.1 Lokasi Peelitia BAB III METODE PENELITIAN Lokasi peelitia ii dilakuka di Puskesmas Limba B terutama masyarakat yag berada di keluraha limba B Kecamata Kota Selata
Lebih terperinciSISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB
ISSN: 1693-6930 211 SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB M. Riza Ferdiasyah, Kartika Firdausy, Tole Sutiko Program Studi Tekik Elektro, Uiversitas Ahmad Dahla Kampus III
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. Istalasi Software da Hardware Dalam pembuata program ii, peulis megguaka Microsoft Visual Studio 2008, utuk implemetasiya megguaka program Crystal Report 8 utuk membuat
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan Juli 2013 sampai Januari 2014
BAB III METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia ii dilaksaaka pada bula Juli 2013 sampai Jauari 201 berlokasi di Kabupate Gorotalo. B. Jeis Peelitia Peilitia tetag evaluasi program pegembaga
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm
BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciMETODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar
III. METODE PENELITIAN A. Settig Peelitia Subyek dalam peelitia ii adalah siswa kelas XI IPA 1 SMA Wijaya Badar Lampug, semester gajil Tahu Pelajara 2009-2010, yag berjumlah 19 orag terdiri dari 10 siswa
Lebih terperinciBAB V METODOLOGI PENELITIAN
BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciHASIL DAN PEMBAHASAN Formulasi Perencanaan
HASIL DAN PEMBAHASAN Formulasi Berdasarka hasil observasi da wawacara yag telah dilakuka, kebutuha iformasi terhadap kaleder akademik mejadi salah satu bagia yag petig pada Sistem Iformasi Maajeme Akademik,
Lebih terperinciKompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci
Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,
Lebih terperinciAplikasi Interpolasi Bilinier pada Pengolahan Citra Digital
Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciBAB III METODE PENELITIAN. cuci mobil CV. Sangkara Abadi di Bumiayu. Metode analisis yang dipakai
20 BAB III METODE PENELITIAN 3.1 Jeis Peelitia Peelitia ii merupaka aalisis tetag kelayaka ivestasi usaha cuci mobil CV. Sagkara Abadi di Bumiayu. Metode aalisis yag dipakai adalah metode aalisis kuatitatif
Lebih terperinciModel Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika
Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. memelihara itik Damiaking murni di Kampung Teras Toyib Desa Kamaruton
III BAHAN DAN METODE PENELITIAN 3.1 Baha da Alat Peelitia 3.1.1 Telur Tetas Itik Damiakig Baha yag diguaka dalam peelitia ii adalah telur tetas itik Damiakig berasal dari iduk yag dipelihara secara ekstesif
Lebih terperinciBAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa
54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinci