KLASIFIKASI KEBUTUHAN NON-FUNGSIONAL MENGGUNAKAN FSKNN DENGAN PENGEMBANGAN SINONIM DAN HIPERNIM BERBASIS ISO/IEC 9126
|
|
- Farida Irawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 pissn: eissn: Vo 1 No 2 Jui 2015, KLASIFIKASI KEBUTUHAN NON-FUNGSIONAL MENGGUNAKAN FSKNN DENGAN PENGEMBANGAN SINONIM DAN HIPERNIM BERBASIS ISO/IEC 9126 Denni Adi Ramadhani 1, Siti Rochimah 2, Umi Laii Yuhana 3 1,2,3 Program Studi Teknik Informatika, Fakutas Teknoogi Informasi, Institut Teknoogi Sepuuh Nopember denniadi@gmai.com, siti@its-sby.edu, yuhana@if.its.ac.id Abstrak Kebutuhan non-fungsiona merupakan saah satu faktor penting yang berperan daam kesuksesan pengembangan perangkat unak yang sering kai diupakan oeh pengembang sehingga menimbukan efek yang merugikan. Untuk mendapatkan kebutuhan non-fungsiona dibutuhkan suatu sistem otomatisasi identifikasi kebutuhan non fungsiona. Daam peneitian ini diusukan suatu sistem otomatisasi identifikasi kebutuhan non fungsiona dari kaimat kebutuhan berbasis agoritma kasifikasi FSKNN dengan pengembangan term pada data atih menggunakan sinonim dan gabungan hipernim dan sinonim berbasis ISO/IEC Daam pengujiannya dataset kaimat kebutuhan yang digunakan adaah 1342 kaimat dari 6 dataset yang berbeda. Hasi dari peneitian ini adaah pengembangan term dengan menggunakan gabungan hipernim dan sinonim dapat memperbaiki kinerja accuracy sebesar 8.1%, precision sebesar 13% dan reca sebesar 4.9%. Kata Kunci: kebutuhan non-fungsiona, kasifikasi muti-abe, Fuzzy Simiarity based K-Nearest Neighbour. Abstract Non-functiona requirements is one of the important factors that pay a roe in the success of software deveopment that is often forgotten by the deveoper, causing adverse effects. To obtain the non-functiona requirements needed an automation system identification non-functiona requirements. In this study proposed an an automation system of identification of non-functiona requirements from the requirement sentences based cassification agorithms FSKNN with term enrichment on training data using synonyms and combined hypernym and synonyms based on ISO / IEC In the testing phase the dataset of requirement sentence used was 1342 sentences from six different datasets Resuts of this research is the term enrichment by using a combination hypernym and synonyms can improve performance accuracy by 8.1%, precision by 13% and a reca by 4.9%. Keywords: Non-Functiona Requirement, muti-abe cassification, Fuzzy Simiarity based K-Nearest Neighbour. I. PENDAHULUAN Mengetahui kebutuhan non fungsiona yang berkaitan erat dengan aspek kuaitas perangkat unak merupakan sesuatu yang penting karena aspek kuaitas daam kebutuhan non fungsiona merupakan saah satu faktor yang berperan daam kesuksesan mengembangkan sebuah sistem. Dunia industri daam prakteknya juga terau fokus pada faktor kebutuhan fungsiona dan sering meupakan faktor kebutuhan non fungsiona hingga mencapai pada tahap desain dan pengembangan [1]. Pada kenyataannya jika aspek kuaitas kebutuhan non fungsiona tidak dipertimbangkan dan tidak diketahui maka menimbukan efek yang merugikan, baik untuk kesuksesan pengembangan sistem perangkat unak tersebut dan juga bagi para pemangku kepentingan. Masaah yang timbu karena kurang diperhatikannya identifikasi kebutuhan non-fungsiona daam pengembangan perangkat unak adaah kegagaan 1 kinerja ketika perangkat unak teah disebarkan (depoyment) ke ingkungan masyarakat [2] [3]. Efek merugikan juga dapat berdampak untuk para pemangku kepentingan, biasanya karena para pemangku kepentingan teah mengeuarkan dana besar untuk suatu proyek pengembangan perangkat unak yang pada akhirnya perangkat unak tersebut tidak berguna secara maksima [4]. Banyak peneitian yang teah diakukan untuk mengidentifikasi perangkat unak, saah satu peneitian seperti yang diakukan oeh Sankas dan Wiiams mengajukan sebuah sistem yang disebut dengan NFR Locator. Sistem ini terdiri dari dua proses yaitu pada proses pertama meakukan parsing dokumen kebutuhan menjadi kaimat kaimat yang tersusun daam bentuk directed graph, proses parsing ini menggunakan Stanford Natura Language Parser. Proses kedua meakukan kasifikasi terhadap kaimat hasi proses pertama dengan menggunakan pendekatan
2 Meek IT Information Technoogy Journa. Vo 1 No 2 Jui 2015, 2-6 pembeajaran diawasi berbasis agoritma KNN dan memanfaatkan fungsi distance metric Levenshtein untuk mengukur jarak data uji dengan data tetangga terdekatnya [5]. Pada peneitian ainnya juga mengajukan sebuah cara untuk menyeesaikan permasaahan identifikasi aspek kuaitas kebutuhan non fungsioan dengan pendekatan pembeajaran semi-diawasi (semi-supervised earning) berbasis agoritma Naive Bayes. Agoritma Naive Bayes digunakan untuk proses peatihan yang digabungkan dengan metode Expectation Maximization (EM) yang bertujuan untuk mengurangi jumah data atih. Proses pertama yaitu dengan meakukan praproses terhadap dokumen kebutuhan untuk mendapatkan term kunci dari dokumen, dan proses kedua adaah meakukan kasifikasi dengan metode gabungan tersebut. Dokumen yang tidak terabei dianggap memiiki kehiangan data karena kurangnya abe keas [6]. Beberapa peneitian diatas tidak mempertimbangkan pengembangan pada fitur atau term yang digunakan untuk meakukan proses kasifikasi. Fitur atau term pada data atih dapat dikembangkan dengan menggunakan sinonim dan hipernim dengan memanfaatkan dictionary Wordnet, sehingga fitur atau term yang akan digunakan pada data atih dapat berkembang maknanya secara ebih uas. Pada peneitian ini akan mengusukan sebuah sistem otomatisasi indentifikasi kaimat kebutuhan dengan menerapkan metode kasifikasi muti-abe berbasis agoritma FSKNN dengan menambahkan pengembangan term daam data atih berdasarkan hubungan gabungan hipernim dan sinonim berbasis Wordnet Kategori aspek kuaitas yang digunakan berbasis mode kuaitas standar internasiona ISO/IEC II. METODE Metode peneitian ini terdiri atas 3 tahap utama yaitu : otomatisasi peabean data atih dengan pengembangan term sinonim dan gabungan hipernim sinonim, tahap peatihan FSKNN yang terdiri dari subproses pengeompokan poa peatihan dan penghitungan prior probabiity dan niai ikeihoods, dan tahap kasifikasi FSKNN. 2.1 Tahap Otomatisasi Peabean Data Peatihan Pada fase data peatihan otomatisasi abe terdiri dari empat tahap: preprocessing, pengembangan term daam data peatihan berdasarkan hubungan gabungan antara hipernim dan sinonim, pembobotan tfidf, dan pengukuran niai kemiripan. Semua tahapan otomatisasi data training peabean didasarkan pada peneitian yang teah diakukan oeh Suharso dan Rochimah [7]. Kecuai pada fase kedua adaah kontribusi dari peneitian ini yaitu mengembangkan term pada data peatihan menggunakan sinonim dan gabungan poa hipernim dan sinonim seperti pada Gambar 1 dan Gambar 2. Gambar 1. Poa Pengembangan Term dengan Sinonim Gambar 2. Poa Pengembangan Term dengan Gabungan Hipernim dan Sinonim 2.2 Tahap Peatihan FSKNN Tahap peatihan Semantic-FSKNN terdiri dari dua tahap yaitu pengeompokan poa peatihan dan penghitungan prior probabiity [8]. 1. Pengeompokan Poa Peatihan Pengeompokan dokumen peatihan d 1, d 2,, d ke daam p kuster berbasis pada fuzzy simiarity measure. Diberikan dt(t i, c j ) dan dd(t i, c j ) yang merupakan distribusi term t i pada kategori c j, yang didefinisikan sebagai berikut: dt(t i, c j ) = dd(t i, c j ) = v=1 w ivy jv v=1 w iv v=1 sgn(w iv)y jv v=1 y iv Untuk 1 i m dan 1 j p, dimana : 1, jika x > 0 sgn(x) = { 0, jika x = 0 (1) (2) (3) Sehingga tentunya akan didapatkan 0 dt(t i, c j ) dan dd(t i, c j ) 1. Tahapan seanjutnya menghitung derajat keanggotaan t i terhadap kategori c j, pada proses penghitungan derajat keanggotaan t i terhadap kategori c j diberikan suatu penambahan formua baru agar niai yang didapatkan dari proses pengukuran keterkaitan semantik dapat ikut diperhitungkan. 2
3 pissn: eissn: Vo 1 No 2 Jui 2015, Penambahan formua tersebut adaah sebagai berikut : μ R (t i, c j ) = dt(t i,c j ) 1 u m,1 v p dt(t u,c v ) dd(t i,c j) 1 u m,1 v p dd(t u,c v ) (4) Untuk 1 i m dan 1 j p. Tahapan seanjutnya adaah menentukan fuzzy simiarity dari setiap dokumen d, d = w 1, w 2,, w m, terhadap kategori c j sebagai berikut : sim(d, c j ) = m i=1 μ R (t i,c j ) μ d (t i ) m μ R (t i,c j ) μ d (t i ) i=1 (5) Dimana dan merupakan fuzzy t-norm dan t- conorm yang secara berurutan didefinisikan sebagai berikut : Dan x y = x y (6) x y = x + y x y (7) μ d (t i ) = w i 1 v m w v (8) μ d (t i ) merupakan derajat keanggotaan dari term t i terhadap d. Tahapan terakhir adaah mendefinisikan derajat keanggotaan dari dokumen d terhadap kategori c j sebagai berikut : μ cj (d) = sim(d,c j) 1 v p sim(d,c v ) (9) Untuk 1 j p. Untuk setiap dokumen peatihan d i, 1 i, akan diakukan perhitungan μ cj (d i ), 1 j p, dengan menggunakan persamaan 15. Untuk mendefinisikan p kuster, S 1, S 2,, S p, adaah sebagai berikut : S v = {d u μ cv (d u ) α, 1 u (10) Untuk 1 v p, dimana α adaah threshod yang didefinisikan oeh user untuk digunakan daam proses peatihan. Untuk setiap d i, 1 i, didefinisikan search set G i untuk setiap S v G i jika dan hanya jika d i S v, 1 v p. Proses berikutnya akan dijeaskan pada pseudocode yang ditunjukkan pada Gambar 3, dengan catatan pada muanya S v =, 1 v p, dan G u =, 1 u. Keuaran yang berupa search set G 1, G 2,, G seanjutnya akan digunakan untuk menentukan data tetangga terdekat yang dapat membantu meakukan perhitungan niai prior probabiity dan niai ikeihood pada tahapan berikutnya. Gambar 3. Pseudo-code proses pengeompokan dan proses pendefinisian search set G i [8] 2. Penghitungan Prior Probabiity Diberikan P(H j ) yang merupakan prior probabiity yang harus diketahui niainya terebih dahuu sebeum meanjutkan ke daam setiap observasi, sedangkan P(E H j ) merupakan suatu keas ikeihood dan merupakan sebuah conditiona probabiity bahwa H j memiiki keterkaitan dengan observasi E. Perhitungan probabiitas ini diakukan dari poa peatihan yang didapatkan sebeumnya, sebagai berikut : P(H j = 1) = s+ i=1 y ji 2s+ (11) P(H j = 0) = 1 P(H j = 1) (12) Dimana s merupakan niai smoothing constant, yang biasanya berniai rea positif keci. Tahapan berikutnya meakukan perhitungan keas ikeihood P(E H j ). E dapat berniai 0,1,..., atau k. Untuk setiap dokumen peatihan d i, 1 i, dimana N i = d v1, d v2,, d vk merupakan k-nearest neighbor yang diambi dari search set G i dan n i = n 1 i, n 2 i,, n p i, yang merupakan vektor jumah abe yang didefinisikan : v k n i j = r=v 1 y jr (13) Untuk 1 j p. Tahap seanjutnya didefinisikan : Z(e, j) = i=1 y ji δ ei (j) (14) Z (e, j) = i=1 y ji δ ei (j) (15) Dimana y ji = 1 y ji dan δ ei (j) = { 1, jika e = n j i 0, jika e n j i (16) 3
4 Meek IT Information Technoogy Journa. Vo 1 No 2 Jui 2015, 4-6 Kemudian didefinisikan ikeihoods, sebagai berikut : P(E = e H j = 1) = P(E = e H j = 0) = s+z(e,j) (k+1)s+ k v=0 Z(v,j) s+z (e,j) (k+1)s+ k v=0 Z (v,j) (17) (18) Untuk setiap e = 0, 1,..., k dan j = 1, 2,..., p, karena ukuran dari G i, 1 i seau ebih keci daripada jumah poa peatihan awa, menghitung ikeihoods dapat diakukan secara efisien. 2.3 Tahap Kasifikasi FSKNN Proses testing daam agoritma FSKNN diakukan dengan menggunakan estimasi imum a posteriori (MAP). Dimisakan N i = {d v1, d v2,, d vk } merupakan satu set k-nearest neighbors untuk dokumen testing d t, dan n t = n 1 t, n 2 t,, n p t merupakan vektor jumah abe untuk d t (persamaan 2.15), untuk menentukan kategori mana yang memiiki hubungan dengan d t yaitu dengan cara menghitung vektor abe y t = y 1 t, y 2 t,, y p t dari dokumen d t dengan menggunakan estimasi imum a posteriori (MAP) sebagai berikut : 1, jika P(H j = 1 E = n t j ) > P(H j = 0 E = n t j ) y t j { 0, jika P(H j = 0 E = n t j ) > P(H j = 1 E = n t j ) (19) R[0,1], otherwise Untuk 1 j p, dimana H j adaah variabe acak untuk mengetahui masuk ke daam kategori c j atau tidak ( H j = 1 untuk iya, dan H j = 0 untuk tidak), E merupakan variabe untuk jumah dokumen daam N t yang berhubungan dengan kategori c j, dan R[0,1] mengindikasikan 0 atau 1 dipiih secara acak. Dengan menggunakan Bayes Rue didapatkan : P(H j = b E = n j t ) = P(H j=b)p(e=n j t H j =b) P(E=n j t ) (20) Untuk b = 0, 1. Oeh karena itu persamaan 19 akan berubah menjadi : 1, jika P(H j = 1)P(E = n t j H j = 1) > P(H j = 0)P(E = n t j H j = 0) y t j { 0, jika P(H j = 0)P(E = n t j H j = 0) > P(H j = 1)P(E = n t j H j = 1) R[0,1], otherwise (21) Untuk 1 j p. Tentunya untuk menghitung y j t harus ditemukan N t, dan menghitung P(H j ) (Persamaan 11 dan 12) dan juga P(E H j ) (Persamaan 17 dan 18). Perhitungan yang tidak tergantung pada d t dapat diakukan pada proses peatihan dan sisanya diakukan ketika proses kasifikasi. Berikut tahapan seama proses kasifikasi tersebut : 1. Hitung μ cj (d t ), 1 j p dengan Persamaan 9 menggunakan informasi atau hasi perhitungan yang diakukan dengan Persamaan 4, 5 dan Periksa jika μ cj (d t ) α untuk 1 j p, maka akan didapatkan search set untuk d t yaitu G t = S j1 S j2 S jh. 3. Temukan set N t dari k-nearest neighbors terhadap d t dari G t, dan dapatkan vektor jumah abe n t. 4. Hitung y j t, 1 j p menggunakan Persamaan 21 dengan menggunakan informasi yang teah dihitung daam proses peatihan dengan Persamaan 11, 12, 17 dan Jika y j t yang didapatkan berniai 1, maka d t termasuk ke daam kategori c j, jika sebaiknya maka d t tidak termasuk ke daam c j. III. HASIL DAN PEMBAHASAN Pada bab ini akan dibahas tentang dataset uji coba, skenario uji coba dan anaisis dari hasi uji coba. 3.1 Dataset Daam pengujian yang akan diakukan pada peneitian ini menggunakan dataset dari Promise [9], Itrust, CCHIT, Word Vista US Veterans Heath Care System Documentation, Onine Project Marking System SRS, Mars Express Aspera-3 Processing and Archiving Faciity SRS dengan tota keseuruhan jumah kaimat kebutuhan mencapai 1342 kaimat. Dimana 60% (805 kaimat) akan digunakan sebagai data atih dan 40% (537 kaimat) akan digunakan sebagai data uji. Hasi kasifikasi dari data uji nantinya akan dievauasi kinerjanya berdasarkan accuration, precision, reca, and hamming oss [10]. 3.2 Skenario Uji Coba Tahap uji coba pada peneitian ini akan diakukan dengan dua skenario yang berbeda yaitu uji coba kasifikasi FSKNN menggunakan data atih yang dikembangkan dengan sinonim dan skenario kedua yaitu uji coba kasifikasi FSKNN menggunakan data atih yang dikembangkan dengan gabungan hipernim dan sinonim. Masing masing skenario akan diuji dengan jumah tetangga terdekat (k) antara 10 hingga 55 dan setiap k diuji dengan niai ambang batas antara 0.1 hingga 0.9. Skenario pengujian ini ditujukan untuk mengetahui poa pengembangan term data atih terbaik antara sinonim dan gabungan hipernim 5 - dan 8 sinonim. 3.3 Hasi Uji Coba dan Anaisis Dari hasi uji coba pada kedua skenario diketahui bahwa jumah tetangga terdekat terbaik berada pada k = 30. Dengan hasi evauasi accuration, precision, reca, and hamming oss seperti yang ditunjukkan pada Tabe 1 dan perbandingan masing masing kinerja dapat diihat pada Gambar 4, 5, 6 dan 7. 4
5 pissn: eissn: Vo 1 No 2 Jui 2015, 5-6 Threshod FSKNN - Sinonim FSKNN - Gabungan Hipernim - Sinonim k=30 k=30 Hammingoss Accuracy Precision Reca Hammingoss Accuracy Precision Reca 0,1 0,292 0,175 0,396 0,225 0,324 0,204 0,435 0,276 0,2 0,303 0,2 0,411 0,308 0,342 0,27 0,426 0,43 0,3 0,286 0,268 0,447 0,412 0,325 0,271 0,453 0,413 0,4 0,255 0,323 0,503 0,499 0,317 0,297 0,462 0,461 0,5 0,254 0,34 0,501 0,526 0,275 0,36 0,53 0,546 0,6 0,217 0,382 0,581 0,528 0,24 0,413 0,621 0,577 0,7 0,199 0,417 0,659 0,553 0,249 0,393 0,616 0,547 0,8 0,236 0,354 0,537 0,531 0,26 0,385 0,604 0,542 0,9 0,2 0,402 0,662 0,539 0,187 0,483 0,792 0,559 Pada Gambar 4 diatas dapat diketahui bahwa kinerja hamming oss (tingkat kesaahan) pada kasifikasi FSKNN dengan data atih yang dikembangkan menggunakan sinonim ebih rendah dibandingkan kasifikasi FSKNN dengan data atih pengembangan gabungan hipernim dan sinonim. Dari grafik pada Gambar 4 diatas dapat diketahui bahwa pengembangan dengan menggunakan gabungan hipernim dan sinonim tidak efektif untuk kinerja hammingoss karena dapat memicu tingkat kesaahan yang ebih tinggi. Tingkat kesaahan yang ebih tinggi dikarenakan pengembangan dengan menggunakan gabungan hipernim dan sinonim dapat mencakup makna term atau fitur yang ebih uas dibandingkan hanya dengan menggunakan sinonim saja. Gambar 4. Perbandingan kinerja Hammingoss antara pengembangan Sinonim dan Gabungan Hipernim Sinonim Gambar 5. Perbandingan kinerja Accuracy antara pengembangan Sinonim dan Gabungan Hipernim Sinonim Pada Gambar 5 dapat diketahui bahwa secara mayoritas kinerja accuracy pada kasifikasi FSKNN dengan menggunakan pengembangan data atih gabungan hipernim dan sinonim ebih tinggi dibandingkan kasifikasi FSKNN dengan menggunakan pengembangan data atih dari sinonim saja. Titik optimum teretak pada ambang batas 0.9 dengan niai 48.3% dan dapat diketahui kenaikan niainya sebesar 8.1% dari niai FSKNN dengan pengembangan sinonim pada ambang batas yang sama. Pada Gambar 6 dibawah dapat diketahui kinerja precision untuk kasifikasi FSKNN dengan pengembangan gabungan hipernim dan sinonim ebih tinggi secara mayoritas dengan titik optimum teretak pada ambang batas 0.9 dengan niai 79.2% dan kenaikan niainya sebesar 13% dari niai FSKNN dengan pengembangan sinonim pada ambang batas yang sama. Pada Gambar 7 dibawah dapat diketahui kinerja reca untuk kasifikasi FSKNN dengan pengembangan gabungan hipernim dan sinonim ebih tinggi secara mayoritas dengan titik optimum teretak pada ambang batas 0.6 dengan niai 57.7% dan kenaikan niainya sebesar 4.9% dari niai kinerja reca FSKNN dengan pengembangan sinonim pada ambang batas yang sama. 5
6 Meek IT Information Technoogy Journa. Vo 1 No 2 Jui 2015, 6-6 Gambar 6. Perbandingan kinerja Precision antara pengembangan Sinonim dan Gabungan Hipernim Sinonim Gambar 7. Perbandingan kinerja Precision antara pengembangan Sinonim dan Gabungan Hipernim Sinonim IV. KESIMPULAN Dari hasi uji coba pada peneitian ini dapat disimpukan bahwa pengembangan term atau fitur pada data atih dengan menggunakan gabungan hipernim dan sinonim terbukti dapat meningkatkan kinerja accuracy, precision, dan reca dibandingkan dengan pengembangan term atau fitur menggunakan sinonim saja, tetapi pengembangan term atau fitur dengan menggunakan data atih juga memberikan kinerja hamming oss yang ebih tinggi dibandingkan pada pengembangan term menggunakan sinonim. DAFTAR PUSTAKA [1] S. Uah, M. Iqba and A. M. Khan, "A Survey on Issues in Non-Functiona Requirements Eicitation," in 2011 Internationa Conference on Computer Networks and Information Technoogy (ICCNIT), Peshawar, Pakistan, [2] Finkestein and J. Dowe, "A Comedy of Errors: the London Ambuance Service case study," in Proceedings of the 8th Internationa Workshop on Software Specification and Design, [3] J. Bertman and N. Skonik, "EHRs Get a Faiing Grade on Usabiity," Interna Medicine News, vo. 43, p. 50, [4] Hoskinson, "Poitico," News, 29 Juni [Onine]. Avaiabe: htm. [Accessed 20 Oktober 2014]. [5] J. Sankas and L. Wiiams, "Automated Extraction of Non-Functiona Requirements in Avaiabe Documentation," in st Internationa Workshop on Natura Language Anaysis in Software Engineering (NaturaLiSE), San Francisco, CA, USA, [6] Casamayor, D. Godoy and M. Campo, "Identification of non-functiona requirements in textua specifications : A semi-supervised earning approach," Information and Software Technoogy, vo. 52, pp , [7] W. Suharso and S. Rochimah, SIstem Deteksi dan Kasifikasi Otomatis Kebutuhan Non Fungsiona Berbasis ISO/IEC 9126, Surabaya: Institut Teknoogi Sepuuh November, [8] J.-Y. Jiang, S.-C. Tsai and S.-J. Lee, "FSKNN: Muti-abe text categorization based on fuzzy simiarity and k nearest neighbors," Expert Systems with Appications, vo. 39, pp , [9] PROMISE, "tera-promise," 1 Apri [Onine].Avaiabe: quirements/other-requirements/nfr.htm. [Accessed 20 Januari 2015]. [10] P. Prajapati, A. Thakkar and A. Ganatra, "A Survey and Current Research Chaenges in Muti-Labe Cassification Methods," Internationa Journa of Soft Computing and Engineering (IJSCE), vo. 2, no. 1, pp ,
KLASIFIKASI KEBUTUHAN NON-FUNGSIONAL MENGGUNAKAN FSKNN DENGAN PENGEMBANGAN SINONIM DAN HIPERNIM BERBASIS ISO/IEC 9126
pissn: 44-3386 eissn: 44-493 Vol 1 No 1 January 015, 1-6 KLASIFIKASI KEBUTUHAN NON-FUNGSIONAL MENGGUNAKAN FSKNN DENGAN PENGEMBANGAN SINONIM DAN HIPERNIM BERBASIS ISO/IEC 916 Denni Aldi Ramadhani 1, Siti
Lebih terperinciOutline. Pengertian Dasar Arsitektur Tugas Data Mining Contoh Penggunaan Data Mining
Outine Pengertian Dasar Arsitektur Tugas Data Mining Contoh Penggunaan Data Mining Latar Beakang 3 Mengapa harus Data Mining? Definisi Data Mining Pengertian Yang Saah Imu Data Mining Arsitektur Data Mining
Lebih terperinciFOURIER Oktober 2014, Vol. 3, No. 2,
FOURIER Oktober 2014, Vo. 3, No. 2, 98 116 PENYELESAIAN MATCHING GRAF DENGAN MENGGUNAKAN METODE HUNGARIAN DAN PENERAPANNYA PADA PENEMPATAN KARYAWAN DI SUATU PERUSAHAAN Auia Rahman 1, Muchammad Abrori 2,
Lebih terperinciPENENTUAN CADANGAN PREMI MENGGUNAKAN METODE FACKLER PADA ASURANSI JIWA DWI GUNA
Buetin Imiah Mat. Stat. dan Terapannya (Bimaster) Voume 02, No. 2 (203), ha 5 20. PENENTUAN CAANGAN PREMI MENGGUNAKAN METOE FACKLER PAA ASURANSI JIWA WI GUNA Indri Mashitah, Neva Satyahadewi, Muhasah Novitasari
Lebih terperinciFrekuensi Alami Rangka Batang Semi-Kaku dengan Efek Gaya Aksial Ruly Irawan 1,a*
Frekuensi Aami Rangka Batang Semi-Kaku dengan Efek Gaya Aksia Ruy Irawan 1,a* 1 Program Studi Teknik Sipi,Fakutas Teknik, Universitas Sarjanawiyata Tamansiswa a nawari007@yahoo.com Abstrak Artike ini menyajikan
Lebih terperinciPENGEMBANGAN MODEL SISTEM DINAMIK TERHADAP KETERSEDIAN AIR BERSIH DI KABUPATEN KUTAI TIMUR PROVINSI KALIMANTAN TIMUR
JIEM Vo.1 No. 2, Oktober 216 E-ISSN: 2541-39, ISSN Paper: 253-143 PENGEMBANGAN MODEL SISTEM DINAMIK TERHADAP KETERSEDIAN AIR BERSIH DI KABUPATEN KUTAI TIMUR PROVINSI KALIMANTAN TIMUR Dimas Primadian N,
Lebih terperinciManajemen Kinerja Pokok Bahasan:
Manajemen Kinerja Pokok Bahasan: Manajemen Kinerja: Peatihan dan Penghargaan Sub Pokok Bahasan Pengertian Peatihan Proses pembeajaran dan pengembangan individu Jenis-jenis peatihan karyawan Manfaat peatihan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Untuk menunjang peaksanaan peneitian ini diakukan tinjauan pustaka mengenai tinjauan studi yang berisi peneitian-peneitian terkait dengan pengenaan kuaitas buah, median fitering,
Lebih terperinciMANAJEMEN KINERJA. Pokok Bahasan: Proses Manajemen Kinerja
MANAJEMEN KINERJA Pokok Bahasan: Proses Manajemen Kinerja Manajemen kinerja sebagai proses manajemen Preses manajemen kinerja menurut Wibowo (2007:19) mencakup suatu proses peaksanaan kinerja dan bagaimana
Lebih terperinciDeteksi Tumor Otak dengan Ektrasi Ciri & Feature Selection mengunakan Linear Discriminant Analysis (LDA) dan Support Vector Machine (SVM)
Deteksi Tumor Otak dengan Ektrasi Ciri & Feature Seection mengunakan Linear Discriminant Anaysis (LDA) dan Support Vector Machine (SVM) rain Tumor s Detection With Feature Extraction & Feature Seection
Lebih terperinciKlasifikasi K-NN Dan Naive Bayes Terhadap Pelacakan Ujung Jari Berbasis Camera Smartphone
POLITEKNOSAINS, Vo. XVI, No 1, Maret 2017 13 Kasifikasi K-NN Dan Naive Bayes Terhadap Peacakan Ujung Jari Berbasis Camera Smartphone Sudarno 1, Agus Kristanto 2, Taman Ginting 3 1 Teknik Eektro, Poiteknik
Lebih terperinciPREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION
PREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION Lisa Yui Kurniawati 1*), Handayani Tjandrasa 2), Isye Arieshanti 3) 1,2,3) Teknik Informatika, Fakutas Teknoogi Informasi Institut
Lebih terperinciPEMODELAN TARIKAN PERJALANAN PADA RUMAH SAKIT DI KOTA PADANG
No. Vo. Thn. XIV Apri 00 ISSN: 84-84 PEMODELAN TARIKAN PERJALANAN PADA RUMAH SAKIT DI KOTA PADANG Hendra Gunawan ),Titi Kurniati ),Dedi Arnadi ) )Staf Pengajar Jurusan Teknik Sipi Universitas Andaas )Mahasiswa
Lebih terperinciModel Optimasi Penjadwalan Proses Slitting Material Roll dengan Multi Objective Programming
Mode Optimasi Penjadwaan Proses Sitting Materia Ro dengan Muti Objective Programming Dina Nataia Prayogo Jurusan Teknik Industri, Universitas Surabaya Jaan Raya Kairungkut, Surabaya, 60293 Te: (031) 2981392,
Lebih terperinciPerancangan Job-Person Matching di Bagian Sediaan Non-Betalaktam Departemen Instalasi Produksi Lafiad
Jurna Teematika, vo. 9 no. 2, Institut Teknoogi Harapan Bangsa, Bandung ISSN: 1858-2516 Perancangan Job-Person Matching di Bagian Sediaan Non-Betaaktam Departemen Instaasi Produksi Lafiad Devi Puspitarini
Lebih terperinciGambar 3.1 Lokasi Museum Konperensi Asia Afrika Sumber :
BAB III METODOLOGI PENELITIAN A. Lokasi dan Objek Peneitian Lokasi peneitian ini diaksanakan di Museum Konperensi Asia Afrika berokasi di Gedung Merdeka, jaan Asia Afrika No. 65 Bandung, Keurahan Braga,
Lebih terperinciProsiding Matematika ISSN:
Prosiding Matematika ISS: 2460-6464 Mode Matematika Cadangan Premi Asuransi Kesehatan Perawatan Rumah Sakit Menggunakan Metode Prospektif Mathematica Modes of Cacuation of The Heath Insurance Premium Backup
Lebih terperinciANALISIS DANA TABARRU ASURANSI JIWA SYARIAH MENGGUNAKAN PERHITUNGAN COST OF INSURANCE
Buetin Imiah Math. Stat. dan Terapannya (Bimaster) Voume 05, No. (206), ha 53-60. ANALISIS DANA TABARRU ASURANSI JIWA SYARIAH MENGGUNAKAN PERHITUNGAN COST OF INSURANCE Amanah Fitria, Neva Satyahadewi,
Lebih terperinciManajemen Kinerja, Manajemen, 2 sks. Umpan Balik
Manajemen Kinerja, Manajemen, 2 sks Umpan Baik POKOK BAHASAN Umpan Baik Pengertian dan penerapan Umpan Baik 360 derajat Kriteria dan keberhasian Umpan Baik 360 derajat Keebihan dan keemahan Umpan Baik
Lebih terperinciNomor : 361/UN.3.1.4/PPd/ Maret 2015 Lampiran : 1 (satu) eksemplar : Penyebaran Informasi Beasiswa S2 STAR
UNIVERSITAS AIRLANGGA Kampus B Jaan Airangga 4 Surabaya 60286 Tep. 01-50642, 506584 Fax. 01-5026288 Website: http://www.fe.unair.ac.id E-mai: fe@unair.ac.id, info@fe.unair.ac.id Nomor : 61/UN..1.4/PPd/2015
Lebih terperinciJurnal Akademis dan Gagasan matematika Edisi Ke Dua Tahun 2015 Halaman 1 hingga 8
Jurna Akademis dan Gagasan tetika Edisi Ke Dua Tahun 2015 Haan 1 hingga 8 PEMBELAJARAN MATEMATIKA MENGGUNAKAN NUMBERED HEADS TOGETHER (NHT) DENGAN MEDIA POWERPOINT DAN BAGAN DITINJAU DARI KEMAMPUAN MEMORI
Lebih terperinciUNIVERSITAS AIRLANGGA FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS AIRLANGGA Kampus B Jaan Airangga 4 Surabaya 60286 Tep. 01-50642, 506584 Fax. 01-5026288 Website: http://www.fe.unair.ac.id E-mai: fe@unair.ac.id, info@fe.unair.ac.id Nomor : 125/UN.4/PPd/Dept/Ak/201
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DOSEN BERPRESTASI DENGAN MENGGUNAKAN METODE FUZZY DATABASE MODEL TAHANI
DINAMIKA INFORMATIKA Vo.6 No. 1, Maret 2014 ISSN 2085-3343 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DOSEN BERPRESTASI DENGAN MENGGUNAKAN METODE FUZZY DATABASE MODEL TAHANI Teguh Khristianto, Bayu Surarso,
Lebih terperinciBAB II TINJAUAN PUSTAKA. utamanya adalah menentukan struktur yang mendasari keterkaitan (korelasi)
BAB II TINJAUAN PUSTAKA. Anaisis aktor Menurut Hair, et a. (995) anaisis faktor adaah sebuah nama umum yang diberikan kepada sebuah keas dari metode statistika mutivariat yang tujuan utamanya adaah menentukan
Lebih terperinciANALISIS ALGORITMA PREDIKSI UNTUK MENGHASILKAN PREDIKSI BEBAN LISTRIK JANGKA PENDEK
JURNAL ILMU PENGETAHUAN VOL. 3. NO. 1 AGUSTUS 2017 ANALISIS ALGORITMA PREDIKSI UNTUK MENGHASILKAN PREDIKSI BEBAN LISTRIK JANGKA PENDEK Veti Apriana 1 ; Rani Irma Handayani 2 1 Komputerisasi Akuntansi AMIK
Lebih terperinciPENERAPAN MANAJEMEN KINERJA DI PERUSAHAAN MANAJEMEN KINERJA PERTEMUAN KETIGA
PENERAPAN MANAJEMEN KINERJA DI PERUSAHAAN MANAJEMEN KINERJA PERTEMUAN KETIGA PENERAPAN MANAJEMEN KINERJA Daam pertemuan pekan ini pokok bahasan kita adaah penerapan manajemen kinerja di perusahaan, dampaknya
Lebih terperinciPERHITUNGAN CADANGAN PADA ASURANSI JIWA BERJANGKA MENGGUNAKAN METODE FACKLER DENGAN PRINSIP PROSPEKTIF
PERHITUNGAN ADANGAN PADA ASURANSI JIWA BERJANGKA MENGGUNAKAN METODE FAKLER DENGAN PRINSIP PROSPEKTIF Riaman, Kankan Parmikanti 2, Iin Irianingsih 3, Sudradjat Supian 4 Departemen Matematika, Fakutas MIPA,
Lebih terperinciKajian Peningkatan Akurasi Matriks Asal-Tujuan yang Dihasilkan dari Data Arus Lalulintas pada Kondisi Keseimbangan
PROC. ITB Sains & Tek. Vo. 39 A, No. 1&2, 2007, 23-39 23 Kajian Peningkatan Akurasi Matriks Asa-Tujuan yang Dihasikan dari Data Arus Lauintas pada Kondisi Keseimbangan Ofyar Z. Tamin 1 & Rusmadi Suyuti
Lebih terperinciKOMPRESI CITRA MEDIS MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN EMBEDDED ZEROTREE WEVELET(EZW) Jl. Prof. H. Soedarto, S.H., Tembalang Semarang
KOMPRESI CITRA MEDIS MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN EMBEDDED ZEROTREE WEVELET(EZW) Khairi Anwar 1, Aris Sugiharto dan Priyo Sidik Sasongko 3 1,, 3 Jurusan Matematika FMIPA UNDIP J Prof
Lebih terperinciRANCANGAN ANIMASI INTERAKTIF PENGENALAN ALAT-ALAT TRANSPORTASI UNTUK SISWA TAMAN KANAK-KANAK ISLAM AL AZZAM CILEDUK TANGERANG
SNIPTEK 2016 ISBN: 978-602-72850-3-3 RANCANGAN ANIMASI INTERAKTIF PENGENALAN ALAT-ALAT TRANSPORTASI UNTUK SISWA TAMAN KANAK-KANAK ISLAM AL AZZAM CILEDUK TANGERANG Indah Puspitorini AMIK BSI Bekasi J. Raya
Lebih terperinciBAB III METODE PENELITIAN
42 BAB III METODE PENELITIAN 3. Teknik Peneitian Peneitian dengan metode perbandingan eksperimenta berisikan kegiatan yang direncanakan dan diaksanakan oeh peneiti, maka dapat diperoeh bukti-bukti yang
Lebih terperinciJurnal Ilmiah Keperawatan STIKes Medika Cikarang
FAKTOR FAKTOR YANG BERHUBUNGAN DENGAN KEBERHASILAN TOILET TRAININGPADA BATASAN USIA - TAHUN DI DUSUN II DESA KARANG RAHAYU KECAMATAN KARANG BAHAGIA KABUPATEN BEKASI TAHUN 6 Apriina Sartika ABSTRAK Toiet
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
71 BAB IV HASIL DAN PEMBAHASAN 4.1 Pembuatan Basis Data Langkah pertama daam membangun apikasi adaah meakukan instaasi apikasi server yaitu menggunakan SQLite manager yang di insta pada browser Mozia Firefox.
Lebih terperinciPENGATURAN FUNGSI PENYERAPAN DARI MODEL DIFUSI KADAR AIR PENYIMPANAN PADI DENGAN METODE BEDA HINGGA SKEMA IMPLISIT
JIMT Vo. 12 No. 1 Juni 2015 (Ha. 92 103) Jurna Imiah Matematika dan Terapan ISSN : 2450 766X PENGATURAN FUNGSI PENYERAPAN DARI MODEL DIFUSI KADAR AIR PENYIMPANAN PADI DENGAN METODE BEDA HINGGA SKEMA IMPLISIT
Lebih terperinciKata kunci: Fuzzy Adaptif, Air Fuel Ratio, duty cycle, sensor lambda.
KONTROL AIR FUEL RATIO PADA SPARK IGNITION ENGINE SISTEM EFI SEKUENSIAL MENGGUNAKAN KONTROL FUZZY ADAPTIF DAPAT MENEKAN BEAYA OPERASIONAL KENDARAAN Abdu Hamid, Ari Santoso Jurusan Teknik Eektro-FTI ITS
Lebih terperinciANIMASI INTERAKTIF PEMBELAJARAN PENANGGULANGAN BANJIR UNTUK SISWA SD
Konferensi Nasiona Imu osia & Teknoogi (KNiT) Maret 016, pp. 56~6 ANIMAI INTERAKTIF PEMBELAJARAN PENANGGULANGAN BANJIR UNTUK IWA D 56 Desy Yekti A 1, Nani Purwati 1 AMIK BI Yogyakarta e-mai: mbesesek@gmai.com,
Lebih terperinciPREMI DANA PENSIUN DENGAN METODE ENTRY AGE NORMAL PADA STATUS GABUNGAN BERDASARKAN DISTRIBUSI EKSPONENSIAL
PREMI DANA PENSIUN DENGAN METODE ENTRY AGE NORMAL PADA STATUS GABUNGAN BERDASARKAN DISTRIBUSI EKSPONENSIAL Adhe Afriani 1*, Hasriati 2, Musraini 2 1 Mahasiswa Program S1 Matematika 2 Dosen Jurusan Matematika
Lebih terperinciAPLIKASI METODE CROSS ENTROPY UNTUK SUPPORT VECTOR MACHINES
APLIKASI METODE CROSS ENTROPY UNTUK SUPPORT VECTOR MACHINES Tiananda Widyarini, Budi Santosa Jurusan Teknik Industri Institut Teknoogi Sepuuh Nopember (ITS) Surabaya Kampus ITS Sukoio Surabaya 60111 Emai:
Lebih terperinciProceeding Seminar Nasional Tahunan Teknik Mesin XII (SNTTM XII) & Lomba Rancang Bangun Mesin Universitas Lampung, Bandar Lampung, Oktober 2013
Proceeding Seminar Nasiona Tahunan Teknik Mesin XII (SNTTM XII) & Lomba Rancang Bangun Mesin Universitas Lampung, Bandar Lampung, - Oktober PENGARUH PARAMETER PEMOTONGAN PADA OPERASI PEMOTONGAN MILLING
Lebih terperinciOPTIMISASI MULTIOBJEKTIF UNTUK PEMBENTUKAN PORTOFOLIO. Abdul Hoyyi 1, Dwi Ispriyanti 1. Abstract
Optimisasi (Abdu H) OPTIMISASI MULTIOBJEKTIF UNTUK PEMBENTUKAN PORTOFOLIO Abdu Hoyyi 1, Dwi Ispriyanti 1 1 Staf Pengajar Jurusan Statistika FSM UNDIP Abstract Investing in asset such as stock; besides
Lebih terperinciSEMINAR NASIONAL PENDIDIKAN FISIKA 2018
ISSN : 2527 5917, Vo.3 Impementasi Pendidikan Karakter dan IPTEK untuk Generasi Mienia Indonesia daam Menuju SDGs 2030 KAJIAN DINAMIKA FLUIDA PADA ALIRAN AIR TERJUN TUJUH BIDADARI KABUPATEN JEMBER BERBASIS
Lebih terperinciBAB III OBJEK DAN METODE PENELITIAN
37 BAB III OBJEK DAN METODE PENELITIAN 3.1 Objek Peneitian Peneitian ini menggunakan pendekatan manajemen pemasaran khususnya mengenai pengaruh service exceence terhadap kepuasan konsumen. Adapun yang
Lebih terperinciSistem Pengenalan Plat Nomor Mobil Dengan Metode Principal Components Analysis
Sistem Pengenaan Pat Nomor Mobi Dengan Metode Principa Components Anaysis [Resmana Lim, et a.] Sistem Pengenaan Pat Nomor Mobi Dengan Metode Principa Components Anaysis Resmana Lim, Lukman Vendy W. 2,
Lebih terperinciManajemen Kinerja Pertemuan ke-lima. Pokok Bahasan: Penilaian Kinerja
Manajemen Kinerja Pertemuan ke-ima Pokok Bahasan: Peniaian Kinerja Manajemen Kinerja, 2 sks CHAPTER 5 PENILAIAN KINERJA 1 Pokok Bahasan: Pengertian peniaian kinerja Proses peniaian kinerja Faktor-faktor
Lebih terperinciSelanjutnya rancangan perkuliahan setiap pertemuan adalah sebagai berikut: Jenis Tugas TR CBR CJR MR RI PJCT M K M K M K M K M K M K T P L
Seanjutnya rancangan perkuiahan setiap pertemuan adaah sebagai berikut: Pert. Ke Aktivitas Perkuiahan Softski yang Diharapkan 1 Learning Contract - - - - - - - - - - - - Ketekunan Kedisipinan 1 Dosen membagikan
Lebih terperinciPREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION
Lisa Yui Kurniawati, dkk, Prediksi Pergerakan Harga Vo. 4, No. 1 Juni 2014 ISSN 2088-2130 PREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION Lisa Yui Kurniawati 1*), Handayani Tjandrasa
Lebih terperinciAnalisis Pengaruh Semen Konduktif Sebagai Media Pembumian Elektroda Batang
Anaisis Pengaruh Semen Konduktif Sebagai Media Pembumian Eektroda Batang I M Yuistya Negara, Daniar Fahmi, D.A. Asfani, Bimo Prajanuarto, Arief M. Jurusan Teknik Eektro Institut Teknoogi Sepuuh Nopember
Lebih terperinciNUMERICAL APPROACH OF BOUNDED STATE AND CRITICAL PHENOMENON OF YUKAWA POTENTIAL AT TWO NUCLEON INTERACTION USING FINITE DIFFERENCE METHOD
Pendekatan Numerik Keadaan Terikat. (Arif Gunawan) 179 PENDEKATAN NUMERIK KEADAAN TERIKAT DAN FENOMENA KRITIS POTENSIAL YUKAWA PADA INTERAKSI DUA NUKLEON MENGGUNAKAN METODE BEDA HINGGA (FINITE DIFFERENCE
Lebih terperinciHUBUNGAN DISIPLIN KERJA DENGAN KINERJA KARYAWAN PADA PT RAMAYANA LESTARI SENTOSA,Tbk. CABANG BOGOR
HUBUNGAN DISIPLIN KERJA DENGAN KINERJA KARYAWAN PADA PT RAMAYANA LESTARI SENTOSA,Tbk. CABANG BOGOR Nama : Saepudin ABSTRAK Saah satu masaah yang sering dihadapi perusahaan yaitu disipin kerja seperti banyak
Lebih terperinciAbstrak. Kata-kata kunci: pemodelan transportasi, matriks asal-tujuan, metode estimasi, distribusi perjalanan, pemilihan rute
PEGARUH JEIS MEODE ESIMASI DALAM ESIMASI MARIKS ASAL UJUA (MA) MEGGUAKA DAA ARUS LALULIAS PADA KODISI PEMILIHA RUE KESEIMBAGA (EQUILIBRIUM ASSIGME) Rusmadi Suyuti Mahasiswa Program S3 Pascasarjana eknik
Lebih terperinciProblem Based Instruction sebagai alternatif Model Pembelajaran Fisika di SMA
Prayekti, Probem Based Instruction sebagai aternatif Mode Pembeajaran Fisika di SMA Probem Based Instruction sebagai aternatif Mode Pembeajaran Fisika di SMA Prayekti FKIP-Universitas Terbuka, emai: prayekti@mai.ut.ac.id
Lebih terperinciKlasifikasi Teks Bahasa Indonesia Pada Corpus Tak Seimbang Menggunakan NWKNN
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Klasifikasi Teks Bahasa Indonesia Pada Corpus Tak Seimbang Menggunakan NWKNN Achmad Ridok 1), Retnani Latifah 2) Filkom
Lebih terperinciBERITA ACARA PEMBERIAN PENJELASAN PEKERJAAN Nomor : 38 /ULP-POKJA KONSTRUKSI.II/2011
PEMERINTAH KABUPATEN KOTAWARINGIN BARAT UNIT LAYANAN PENGADAAN Jaan Sutan Syahrir Nomor 02 No. Tep. (0532) 23759 Pangkaan Bun 74112 BERITA ACARA PEMBERIAN PENJELASAN PEKERJAAN Nomor : 38 /ULP-POKJA KONSTRUKSI.II/2011
Lebih terperinciPENENTUAN MOMEN INERSIA BENDA TEGAR DENGAN METODE BANDUL FISIS. Stepanus Sahala S. Prodi Pend. Fisika, Jurusan PMIPA FKIP Untan.
36 PENENTUAN MOMEN INERSIA BENDA TEGAR DENGAN METODE BANDUL FISIS Stepanus Sahaa S. Prodi Pend. Fisika, Jurusan PMIPA FKIP Untan Abstract The aim of this research is the define rigid inert moment with
Lebih terperinciBab III Studi Kasus Model Double Decrement
Bab III Sudi Kasus Mode Doube Decremen Pada bab ini, akan dieaskan erebih dahuu mengenai beberapa definisi daam eori Doube Decremen. Seanunya akan dibahas benuk kuanifikasi dependensi daam kasus Doube
Lebih terperinciManajemen Operasional KEPUTUSAN PERENCANAAN STRATEGI
Manajemen Operasiona KEPUTUSAN PERENCANAAN STRATEGI Putri Irene Kanny Putri_irene@staff.gunadarma.ac.id Sub Pokok bahasan pertemuan ke-2 Formuasi strategi Prioritas bersaing Peran operasi daam strategi
Lebih terperinciWater Hammer Press Untuk Pengurangan Kadar Air Komoditas Onggok
Water Hammer Press Untuk Pengurangan Kadar Air Komoditas Onggok A. Yudi Eka Risano 1, Indra Mamad Gandidi 2 1,2 Teknik Mesin Konversi Energi, Fakutas Teknik Universitas Lampung J. Prof. Soemantri Brojonegoro
Lebih terperinciT E K U K A N. Gambar 7.1. Pembebanan Normal Negatif
1/5/016 T E K U K N 7.1. Terjadinya Tekukan Tekukan terjadi apabia batang tekan memiiki panjang tertentu yang yang jauh ebih besar dibandingkan dengan penampang intangnya. Perhatikan Gambar 7.1 di bawah,
Lebih terperinciImplementasi Fuzzy Inference System Mamdani Pada Proses Penentuan Kelulusan Calon Mahasiswa
Impementasi Fuzzy Inference System amdani Pada Proses Penentuan Keuusan Caon ahasiswa (Studi Kasus : Penerimaan ahasiswa Baru Poiteknik Negeri Lhokseumawe Jaur UPN) Rahmad Hidayat Dosen Teknik Informatika
Lebih terperinciSISTEM KLASIFIKASI KEBUTUHAN NON-FUNGSIONAL SECURITY BERBASIS KATALOG SIG, ISO/IEC 9126 DAN DATA PELATIHAN ABSTRAK
SISTEM KLASIFIKASI KEBUTUHAN NON-FUNGSIONAL SECURITY BERBASIS KATALOG SIG, ISO/IEC 9126 DAN DATA PELATIHAN Wiwik Suharso, S.Kom, M.Kom wiwiksuharso@unmuhjember.ac.id ABSTRAK Kebutuhan Non-Fungsional (NFR)
Lebih terperinciOPTIMALISASI JUMLAH BUS TRAYEK MANGKANG- PENGGARON DENGAN PENDEKATAN COMPROMISE PROGRAMMING
OPTIMALISASI JUMLAH BUS TRAYEK MANGKANG- PENGGARON DENGAN PENDEKATAN COMPROMISE PROGRAMMING Diana Puspita Sari, Arfan Backtiar, Heny Puspasri Industria Engineering Department, Diponegoro University Emai
Lebih terperinciDeployment Wireless Sensor Network (WSN) Berdasarkan Konsumsi Energi Sensor Node
A Jazari Journa of Mechanica ngineering ISSN: 2527-3426 A Jazari Journa of Mechanica ngineering 1 (1) (2016) 12-17 Depoyment Wireess Sensor Network (WSN) Berdasarkan Konsumsi nergi Sensor Node Hani Rubiani
Lebih terperinciANALISIS FOURIER. Kusnanto Mukti W./ M Jurusan Fisika Fakultas MIPA Universitas Sebelas Maret. Abstrak
ANALISIS FOURIER Kusnanto Mukti W./ M0209031 Jurusan Fisika Fakutas MIPA Universitas Sebeas Maret Abstrak Anaisis fourier adaah cara matematis untuk menentukan frekuensi dan ampitudo harmonik. Percobaan
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. Prambanan, tim robot STIKOM Surabaya dengan nama O3STAD_11K
BAB V HASIL DAN PEMBAHASAN Pada Kontes Robot Indonesia yang mengusung tema Membangun Candi Prambanan, tim robot STIKOM Surabaya dengan nama O3STAD_11K merancang sebuah robot tema perombaan. Di mana daam
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurna Pengembangan Teknoogi Informasi dan Imu Komputer e-issn: 2548-964X Vo. 2, No. 9, September 2018, hm. 2579-2588 http://j-ptiik.ub.ac.id Evauasi Dan Perbaikan Desain Antarmuka Pengguna Situs Web Pariwisata
Lebih terperinciKONTRIBUSI KAPASITAS VITAL PARU TERHADAP DAYA TAHAN KARDIORESPIRATORI
Jurna Endurance 2(3) October 2017 (258-262) KONTRIBUSI KAPASITAS VITAL PARU TERHADAP DAYA TAHAN KARDIORESPIRATORI Meiriani Armen Universitas Bung Hatta ria.pjkr12@bunghatta.ac.id Submitted :27-04-2017,
Lebih terperinciguru dan berperan aktif memotivasi
Jurnq miah Guru "COPE", No. 0/Tahun V/Pebruari 2004 PERANAN PERSATUAN GURU REPUBLK NDONESA (PGR) DALAM UPAYA PENNGKATAN PROFESONALSME GURU oeh: Tri Murwaningsih *) Abstrak Masaah tenaga pendidikan di ndonesia
Lebih terperinciIDENTIFIKASI KEBUTUHAN NON-FUNGSIONAL DALAM SPESIFIKASI TEKSTUAL BERDASARKAN ATRIBUT ISO/IEC 9126
IDENTIFIKASI KEBUTUHAN NON-FUNGSIONAL DALAM SPESIFIKASI TEKSTUAL BERDASARKAN ATRIBUT ISO/IEC 9126 Wiwik Suharso Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember Jl. Karimata No.
Lebih terperinciBandung, Indonesia Bandung, Indonesia
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6353 Analisis dan Implementasi Pengklasifikasian Pesan Singkat pada Penyaringan SMS Spam Menggunakan Algoritma Multinomial Naïve
Lebih terperinciPENENTUAN CADANGAN PREMI UNTUK ASURANSI PENDIDIKAN
E-Jurna atematika Vo. 4 (), Januari 05, pp. 4-9 ISS: 303-75 EETUA CAAGA REI UTUK ASURASI EIIKA ade utri Ariasih, Ketut Jayanegara, I yoman Widana 3, I utu Eka. Kencana 4 Jurusan atematika, Fakutas IA Universitas
Lebih terperinciAnalisis 9 Saham Sektor Industri di Indonesia Menggunakan Metode SVR
Anaisis 9 Saham Sektor Industri di Indonesia Menggunakan Metode SVR Nur Adhi Nugroho1,a, Acep Purqon1,b 1 Laboratorium Fisika Bumi, Keompok Keahian Fisika Bumi dan Sistem Kompeks, Fakutas Matematika dan
Lebih terperinci(b) Tekuk Gambar 7.1. Pembebanan Normal Negatif
BB VII T E K U K N 7.1. Terjadinya Tekukan Tekukan terjadi apabia batang tekan memiiki panjang tertentu yang yang jauh ebih besar dibandingkan dengan penampang intangnya. Perhatikan Gambar 7.1 di bawah,
Lebih terperinciSTUDI PEMBUATAN TABLET EKSTRAK RIMPANG TEMULAWAK (Curcuma xanthorrhiza Roxb.) DENGAN METODE GRANULASI BASAH DAN CETAK LANGSUNG SKRIPSI
STUDI PEMBUATAN TABLET EKSTRAK RIMPANG TEMULAWAK (Curcuma xanthorrhiza Roxb.) DENGAN METODE GRANULASI BASAH DAN CETAK LANGSUNG SKRIPSI Diajukan sebagai saah satu syarat untuk memperoeh Gear Sarjana Farmasi
Lebih terperinciIDENTIFIKASI KEBUTUHAN NON-FUNGSIONAL DALAM SPESIFIKASI TEKSTUAL BERDASARKAN ATRIBUT ISO/IEC 9126
IDENTIFIKASI KEBUTUHAN NON-FUNGSIONAL DALAM SPESIFIKASI TEKSTUAL BERDASARKAN ATRIBUT ISO/IEC 9126 Wiwik Suharso Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember Jl. Karimata No.
Lebih terperinciBab III Metode Akuisisi dan Pengolahan Data
Bab III Metode Akuiii dan Pengoahan ata III.1 Pembuatan Mode Fii Bagian paing penting dari peneitian ini iaah pemodean fii auran fuida yang digunakan. Mode auran ini digunakan ebagai medium airan fuida
Lebih terperinciALTERNATIVE ASSESMENT. (Penilaian Alternatif) LEMBAGA PENGKAJIAN DAN PENGEMBANGAN PENDIDIKAN UNIVERSITAS AIRLANGGA
ALTERNATIVE ASSESMENT (Peniaian Aternatif) LEMBAGA PENGKAJIAN DAN PENGEMBANGAN PENDIDIKAN UNIVERSITAS AIRLANGGA 1 BENTUK UJIAN Tuis In cass Take home Achievement Aptitude Course-based Non course based
Lebih terperincisistem InformasI GgeoGgrafIs Widiastuti
sistem InformasI GgeoGgrafIs Widiastuti Universitas Gunadarma 2015 Pertemuan Ketiga Komponen Sistem Informasi Geografis Data dan Informasi.. Data menjadi Informasi Data Pemrosesan, Pengoahan, Konversi
Lebih terperinciIMLPEMENTASI MINISASI l 1 -l 0 UNTUK RESTORASI CITRA YANG MENGALAMI DEGRADASI OLEH DERAU GAUSSIAN CAMPURAN
IMLPEMEASI MIISASI 1 - UUK RESORASI CIRA YAG MEGALAMI DEGRADASI OLEH DERAU GAUSSIA CAMPURA Suci Istachoti Jannah 1, Yudhi Purananto, Ruy Soeaiman 3 eknik Informatika, Fakutas eknoogi Informasi, IS emai
Lebih terperinciBAB II DESKRIPISI PERUSAHAAN
BAB II DESKRIPISI PERUSAHAAN 2.1. Sejarah Perusahaan PT CI Merak Bending Pant muai dibangun pada tahun 1997. Pembangunan sempat terhenti pada tahun 1998 karena kondisi Indonesia yang kurang kondusif. Pembangunan
Lebih terperinciBAB IV Persamaan Matematika IV.1 Model Perkiraan Limpasan Permukaan
68 BAB IV Persamaan Matematika IV.1 Mode Perkiraan Limpasan Permukaan Sudjono (1995) menguraikan konsep runoff yang teah diubah secara idea pada segmen keci, berdasar pada prinsip keseimbangan air. Mode
Lebih terperinciOBJECTIVES PENGANTAR-1
6//0 MINIMALISASI BIAYA MENGGUNAKAN GOLDEN SECTION AND HOOK JEEVES METHODS OBJECTIVES Understand why and where optimization occurs in engineering probem soving. Understand the major eements of the genera
Lebih terperinciAnalisis beban pendingin cold storage PT. Sari Tuna Makmur Aertembaga Bitung, Sulawesi Utara
Jurna Imu dan Teknoogi Perikanan Tangkap 2(2): 9-93, Desember 2015 ISSN 2337-4306 Anaisis beban pendingin cod storage PT. Sari Tuna Makmur Aertembaga Bitung, Suawesi Utara Cooing oad anaysis of cod storage
Lebih terperinciJawaban Tugas 02 Program Pendidikan Fisika. [Setiya Utari]
Jawaban Tugas 0 Program Pendidikan Fisika [Setiya Utari] Program Pendidikan Fisika Tujuan Mata peajaran Fisik Membentuk sikap positif terhadap fisika Keteraturan aam semesta, Kebesaran TYME. Memupuk sikap
Lebih terperinciMULTICRITERIA DECISION MAKING (MCDM)_3 PRASETYANINGRUM
MULTICRITERIA DECISION MAKING (MCDM)_3 IRA PRASETYANINGRUM PENDEKATAN KEPUTUSAN KELOMPOK Metoda Dephi Peniaian keompok, diakukan sharing dipandu moderator Masaah Daftar Anggota Ahi Masaah disampaikan ke
Lebih terperinciJl. A. Yani Km 36, Banjarbaru, Kalimantan Selatan, 70714, Indonesia
SEBARAN POTENSI AIR TANAH DI KECAMATAN CEMPAKA MENGGUNAKAN METODE GEOLISTRIK TAHANAN JENIS KONFIGURASI SCHLUMBERG DISTRIBUTION OF GROUND WATER POTENTIALS IN CEMPAKA SUBDISTRICT USING GEOLISTRIC METHOD
Lebih terperinciPENGARUH BRAND TRUST TERHADAP NIAT KONSUMEN UNTUK MELAKUKAN PEMBELIAN PRODUK ELEKTRONIK PADA SITUS JUAL BELI LAZADA
PENGARUH BRAND TRUST TERHADAP NIAT KONSUMEN UNTUK MELAKUKAN PEMBELIAN PRODUK ELEKTRONIK PADA SITUS JUAL BELI LAZADA Riski Taufik Hidayah Universitas Widyatama, Bandung Emai: riski.taufik@widyatama.ac.id
Lebih terperinciPENGGUNAAN MODEL GRAVITY (GR) DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALULINTAS
PENGGUNAAN MODEL GRAVITY (GR) DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALULINTAS Rusmadi Suyuti Staf Pengajar Jurusan Teknik Sipi Universitas Muhammadiyah Jakarta Jn. Cempaka Putih
Lebih terperinciPengukuran Indeks Bias Minyak Kelapa Sawit dengan Menggunakan Metode Difraksi Fraunhofer Celah Tunggal
Jurna ILMU DASAR, Vo. 15 No. 2, Jui 2014 : 97-101 97 Pengukuran Indeks Bias Minyak Keapa Sawit dengan Menggunakan Metode Difraksi Fraunhofer Ceah Tungga Pam Cooking Oi Refraction Index Measurement Using
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Support Vector Machines (SVM) Setelah melalui proses training dan testing dengan metode Support Vector Machines (SVM), diperoleh hasil yang tertera
Lebih terperinciTABEL MORTALITAS. Ratna Novitasari, S.Si., M.Si. Jurusan Matematika Universitas Diponegoro
TABEL MORTALITAS Ratna Novitasari, S.Si., M.Si. Jurusan Matematika Universitas Diponegoro TUJUAN Mahasiswa diharapkan mampu: 1. Memahami tabe mortaitas 2. Menjeaskan hubungan antara ajur-ajur tabe mortaitas
Lebih terperinciANALISIS TINGKAT KEPUASAN ANIMASI INTERAKTIF GAME ARCADE GUNTEI: OPERASI MILITER ANGKATAN UDARA INDONESIA
SWABUMI, Vo.5 Maret 2017, pp. 41-48 ISSN : 2355-990X ANALISIS TINGKAT KEPUASAN ANIMASI INTERAKTIF GAME ARCADE GUNTEI: OPERASI MILITER ANGKATAN UDARA INDONESIA Maisyaroh 1,Mamat Ramdhani 2 Manajemen Informatika
Lebih terperinciPENGARUH LATIHAN PLYOMETRIC DROP PUSH UPS
JURNAL SKRIPSI PENGARUH LATIHAN PLYOMETRIC DROP PUSH UPS DAN PUSH UPWITH CLAP TERHADAP PENINGKATAN POWER OTOT LENGAN PADA MAHASISWA PUTRA PEMBINAAN PRESTASI PENCAK SILAT JPOK FKIP UNS TAHUN 04 SKRIPSI
Lebih terperinciIDENTIFIKASI PARAFRASA BAHASA INDONESIA MENGGUNAKAN NAÏVE BAYES
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.3 Desember 2017 Page 4978 IDENTIFIKASI PARAFRASA BAHASA INDONESIA MENGGUNAKAN NAÏVE BAYES Bayu Indrawarman Julianto 1, Adiwijaya 3, Mohamad Syahrul
Lebih terperinciANALISIS PERUBAHAN ARUS LALULINTAS DAN PENGARUHNYA TERHADAP MATRIK ASAL TUJUAN (Studi Kasus di Kota Bandar Lampung)
ANALISIS PERUBAHAN ARUS LALULINTAS DAN PENGARUHNYA TERHADAP MATRIK ASAL TUJUAN (Studi Kasus di Kota Bandar Lampung) Tas an Junaedi Jurusan Teknik Sipi, Fakutas Teknik UNILA J. Sumantri Brojonegoro No.1
Lebih terperinciSTUDI AWAL KLASIFIKASI ARTIKEL WIKIPEDIA BAHASA INDONESIA DENGAN MENGGUNAKAN METODA K NEAREST NEIGHBOR
STUDI AWAL KLASIFIKASI ARTIKEL WIKIPEDIA BAHASA INDONESIA DENGAN MENGGUNAKAN METODA K NEAREST NEIGHBOR Erik Hardiyanto 1), Faisal Rahutomo 1) 1 Jurusan Teknologi Informasi, Program Studi Teknik Informatika,
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 2 NO. 1 SEPTEMBER 2010
PERBANDINGAN METODE K-NEAREST NEIGHBOR (KNN) dan METODE NEAREST CLUSTER CLASSIFIER (NCC) DALAM PENGKLASIFIKASIAN KUALITAS BATIK TULIS Nesi Syafitri 1 ABSTRACT Various problem that are related to classification
Lebih terperinciSELEKSI HYPERSPECTRAL BAND MENGGUNAKAN RECURSIVE FEATURE ELIMINATION UNTUK PREDIKSI PRODUKSI PADI DENGAN SUPPORT VECTOR REGRESSION HENDRA GUNAWAN
SELEKSI HYPERSPECTRAL BAND MENGGUNAKAN RECURSIVE FEATURE ELIMINATION UNTUK PREDIKSI PRODUKSI PADI DENGAN SUPPORT VECTOR REGRESSION HENDRA GUNAWAN DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: ( Print) A-534
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-534 Rancang Bangun Sistem Navigasi Indoor Berbasis Integrasi Symbolik Location Model dan Wifi Based Positioning System Untuk
Lebih terperinciPENGARUH MOTIVASI BERKUNJUNG TERHADAP KEPUTUSAN BERKUNJUNG (Survei Pada Pengunjung Batu Night Spectacular)
PENGARUH MOTIVASI BERKUNJUNG TERHADAP KEPUTUSAN BERKUNJUNG (Survei Pada Pengunjung Batu Night Spectacular) Zainab Aminatul Ummah Sunarti Edriana Pangestuti Fakultas Ilmu Administrasi Universitas Brawijaya
Lebih terperinciKISI-KISI MATERI PLPG MATA PELAJARAN AGRIBISNIS TERNAK RUMINANSIA. Kompetensi Guru Mata Pelajaran (KD) A B C D E
KISI-KISI MATERI PLPG MATA PELAJARAN AGRIBISNIS TERNAK RUMINANSIA Kompeten Kompetensi Guru Mata Peajaran 1 Pedagogik Menguasai karakteristik Memahami karakteristik peserta peserta didik dari aspek fisik,
Lebih terperinci