KLASTERISASI PADA SUBRUANG DENGAN ALGORITMA PEMBOBOTAN ENTROPI PADA K-MEANS PADA SPARSE DATA BERDIMENSI TINGGI
|
|
- Dewi Halim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 TUGAS AKHIR CI1599 KLASTERISASI PADA SUBRUANG DENGAN ALGORITMA PEMBOBOTAN ENTROPI PADA K-MEANS PADA SPARSE DATA BERDIMENSI TINGGI AHMAD DENI DWI PRANOTO NRP Dosen Pembimbing I Rully Soelaiman, S.Kom., M.Kom. Dosen Pembimbing II Mediana Aryuni, S.Kom., M.Kom. JURUSAN TEKNIK INFORMATIKA Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Surabaya 2009
2 HALAMAN JUDUL TUGAS AKHIR CI1599 KLASTERISASI PADA SUBRUANG DENGAN ALGORITMA PEMBOBOTAN ENTROPI PADA K-MEANS PADA SPARSE DATA BERDIMENSI TINGGI AHMAD DENI DWI PRANOTO NRP Dosen Pembimbing I Rully Soelaiman, S.Kom., M.Kom. Dosen Pembimbing II Mediana Aryuni, S.Kom., M.Kom. JURUSAN TEKNIK INFORMATIKA Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Surabaya 2009
3 FINAL PROJECT - CI1599 AN ENTROPY WEIGHTING K-MEANS ALGORITHM FOR SUBSPACE CLUSTERING OF HIGH-DIMENSIONAL SPARSE DATA AHMAD DENI DWI PRANOTO NRP First Advisor Rully Soelaiman, S.Kom., M.Kom. Second Advisor Mediana Aryuni, S.Kom., M.Kom. DEPARTMENT OF INFORMATICS Faculty of Information Technology Institut Teknologi Sepuluh Nopember Surabaya 2009
4 KLASTERISASI PADA SUBRUANG DENGAN ALGORITMA PEMBOBOTAN ENTROPI PADA K-MEANS PADA SPARSE DATA BERDIMENSI TINGGI HALAMAN PENGESAHAN TUGAS AKHIR Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer pada Bidang Studi Sistem Bisnis Cerdas Program Studi S-1 Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Oleh: AHMAD DENI DWI PRANOTO Nrp Disetujui oleh Tim Pembimbing Tugas Akhir: 1. Rully Soelaiman, S.Kom., M.Kom...( Pembimbing 1) 2. Mediana Aryuni, S.Kom., M.Kom...( Pembimbing 2) SURABAYA, JULI 2009 HALAMAN PENGESAHAN
5 KLASTERISASI PADA SUBRUANG DENGAN ALGORITMA PEMBOBOTAN ENTROPI PADA K-MEANS PADA SPARSE DATA BERDIMENSI TINGGI Nama Mahasiswa : Ahmad Deni Dwi Pranoto NRP : Jurusan : Teknik Informatika FTIF-ITS Dosen Pembimbing I : Rully Soelaiman, S.Kom., M.Kom. Dosen Pembimbing II : Mediana Aryuni, S. Kom., M.Kom. ABSTRAKSI Pembentukan klaster pada data berdimensi tinggi seringkali berada dalam subruang daripada diseluruh ruang. Sebagai contoh adalah klasterisasi pada data text, klaster-klaster dari dokumen dari topik yang berbeda dikategorikan dalam subset term atau kata kunci. Kata kunci untuk suatu klaster mungkin tidak akan muncul dalam dokumen klaster yang lain, hal ini merupakan permasalahan data sparsity yang dihadapi pada klasterisasi subruang dalam data berdimensi tinggi. Algoritma baru ini mengembangkan proses k-means untuk menghitung bobot masing-masing dimensi dalam klaster dan menggunakan bobot tersebut untuk mengidentifikasi subset dari dimensi yang penting yang mengkategorikan klaster yang berbeda. Hal ini didapatkan dengan memberikan nilai bobot entropi pada obyektif fungsi yang meminimalisasi proses klasterisasi pada k-means. Langkah penyelesaian ditambahkan terhadap k-means untuk menghitung secara otomatis bobot semua dimensi dalam klaster. Uji coba dalam bentuk sintetis data dan real data menunjukan bahwa algoritma baru dapat memberikan hasil klasterisasi yang lebih bagus jika dibandingkan dengan PROCLUS. Algoritma baru ini juga berskala terhadap datasetdataset yang besar. Kata Kunci : penggalian data,variabel pembobot, Klasterisasi Pada Subruang, data berdimensi tinggi i
6 AN ENTROPY WEIGHTING K-MEANS ALGORITHM FOR SUBSPACE CLUSTERING OF HIGH-DIMENSIONAL SPARSE DATA Student s Name : Ahmad Deni Dwi Pranoto Student s Number : Major of Department : Informatics FTIF-ITS First Advisor : Rully Soelaiman, S.Kom., M.Kom. Second Advisor : Mediana Aryuni, S. Kom., M.Kom. ABSTRACT Clustering in high-dimensional data often exist in subspaces rather than in the entrire space. For example, in text clustering, cluster of documents of different topics are categorized by different subset of terms or keywords. The keywords for one cluster may not occur in the documents other clusters, this is data sparsity problem faced in clustering highdimensional data. This new Algorithm extend the k-means process clustering to calculate a weight for each dimension in each cluster dan use the weight values to identify the subset of important dimensions that categorize different cluster. This is achieved by including the weight entropy in the objective function that is minimized in the k-means clustering process. An additional step is added to the k-means clustering porcess to automatically compute the weight of all dimension in each cluster. The experiments on both synthetic data and real data have shown that the new algorithm can generate better clustering results than PROCLUS. The new algorithm is also scalable to large data sets. Key words : data mining, variabel weighting, Subspace Clustering, highdimensional data iii
7 KATA PENGANTAR Bismillahirrahmanirrahim, Syukur Alhamdulillah tak lupa penulis ucapkan kepada Allah Yang Maha Besar atas segala kasih sayang dan karunianya yang telah diberikan sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul : KLASTERISASI PADA SUBRUANG DENGAN ALGORITMA PEMBOBOTAN ENTROPI PADA K- MEANS PADA SPARSE DATA BERDIMENSI TINGGI Penulis juga turut berterima kasih yang sebanyak-banyaknya atas segala bantuan dari berbagai pihak selama pengerjaan Tugas Akhir ini, khususnya kepada: 1. Ibu dan Bapak yang selalu memberi semangat dan mengirimkan doa dari rumah, beserta Mas Habib, mbak Yeni dan Dik Lia yang selalu mendukung 2. Bapak Rully Soelaiman, S.Kom, M.Kom, selaku pembimbing 1 atas segala bimbingan, motivasi serta kesempatan yang telah diberikan sehingga Tugas Akhir ini dapat terselesaikan dengan baik dan tepat pada waktunya 3. Ibu Mediana Aryuni, S.Kom, M.Kom, yang pernah memberikan pengarahan kepada penulis. 4. Segenap Dosen serta Karyawan Teknik Informatika ITS Surabaya 5. Keluarga keduaku TC 2003, serta keluarga besar HMTC. 6. Teman LAB IBS, NCC, AJK dan RPL yang telah membantu kelancaran penyelesaian Tugas Akhir Ini 7. Mas, mbak serta adek yang lucu-lucu yang selalu memberi motivasi, inspirasi, dan bantuan baik doa maupun materil 8. Serta pihak lainnya yang mungkin tidak dapat tersebutkan disini v
8 Penulis juga memohon maaf yang sebesar-besarnya apabila dalam pengerjaan Tugas Akhir ini masih terdapat banyak kekurangan dan kesalahan, oleh karena itu penulis sangat berharap agar segala pertanyaan, kritik dan saran tentang Tugas Akhir ini dapat dikirimkan melalui ke atau Akhir kata, penulis hanya bisa berharap semoga Tugas Akhir ini dapat memberikan manfaat untuk kita semua, terutama untuk diri penulis sendiri, bangsa serta almamater. Surabaya, Juli 2009 Penulis vi
9 DAFTAR ISI KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR GAMBAR... ix DAFTAR TABEL... xiii BAB 1 PENDAHULUAN LATAR BELAKANG TUJUAN PEMBUATAN TUGAS AKHIR PERUMUSAN MASALAH BATASAN MASALAH METODOLOGI PERANCANGAN SISTEMATIKA PENULISAN... 4 BAB 2 TINJAUAN PUSTAKA DASAR PENGGALIAN DATA DASAR PEMBENTUKAN KLASTER KLASTERISASI PADA SUBRUANG Feature Transformation Feature Selection METODE PEMBENTUKAN KLASTER PADA SUBRUANG Hard subspace Clustering Soft Subspace Clustering BAB 3 ALGORITMA PEMBENTUKAN KLASTER PEMBOBOTAN ENTROPI K-MEANS PEMBOBOTAN ENTROPI K-MEANS ALGORITMA EWKM PARSIAL SOLUSI ALGORITMA EWKM Update Partisi Matrik Update Pusat Klaster Update Bobot dimensi BAB 4 DESAIN DAN IMPLEMENTASI PERANGKAT LUNAK.. 33 vii
10 4.1 DESAIN PERANGKAT LUNAK Perancangan Data Diagram Alir Aplikasi IMPLEMENTASI PERANGKAT LUNAK Lingkungan Implementasi Perangkat Lunak Kelompok Kelas yang Dibutuhkan BAB 5 UJI COBA PERANGKAT LUNAK LINGKUNGAN UJI COBA PENGUJIAN DATA SINTETIS Data yang Digunakan Hasil Pengujian PENGUJIAN DATA ASLI Data yang Digunakan Hasil Pengujian BAB 6 PENUTUP KESIMPULAN SARAN DAFTAR PUSTAKA LAMPIRAN BIODATA PENULIS viii
11 DAFTAR GAMBAR Gambar 2-1. Tahapan Data Mining... 7 Gambar 2-2. Klaster pada Data R Gambar 2-3. Dimensionality pada data set Gambar 2-4. klasterisasi dengan subset Gambar 3-1. fungsi baru K-Means dengan pembobotan entropi Gambar 3-2. algoritma entropy weighting k-means Gambar 3-3. Proses identifikasi obyek dalam klaster Gambar 3-4. pseudo code update partisi matrik Gambar 3-5. Proses update pusat klaster Gambar 3-6. pseudo code update pusat klaster Gambar 3-7. Proses update bobot dimensi Gambar 3-8. pseudo code update bobot dimensi Gambar 4-1. Dataset Input Gambar 4-2. Diagram Global Alir Aplikasi Gambar 4-3. Diagram Alir Algoritma Pembobotan Entropi k-means Gambar 4-4. Diagram Alir Parsial solusi Partisi Matriks Gambar 4-5. Diagram Alir Parsial solusi Pusat Klaster Gambar 4-6. Diagram Alir Parsial solusi Bobot Dimensi Gambar 4-7. Inisialisasi variabel kelas InformationData Gambar 4-8. Metode setdatainformation Gambar 4-9. Metode getvaluedatainformation Gambar Metode getdatainformation Gambar Metode getnumberdata Gambar Metode getnumberdimension Gambar Metode setclassname Gambar Metode getclassname Gambar Metode getnumberclass Gambar Metode setvectorname Gambar Metode getvectorname Gambar Inisialisasi Kelas PartitionMatriks Gambar Metode setinitialpartitionmatrix Gambar Metode updatepartitionmatrix Gambar Metode getvaluepartitionmatrix Gambar Metode getinitialpartitionmatriks Gambar Metode getpartitionmatriks ix
12 Gambar Metode setinitialclustercenter Gambar Metode updateclustercenter Gambar Metode getvalueclustercenter Gambar Metode getclustercenter Gambar Inisialisasi Kelas DimensionWeight Gambar Metode setinitialdimensionweight Gambar Metode updatedimensionweight Gambar Metode getdimensionweight Gambar Metode getdispobj2clust Gambar Metode getdisponupdpm Gambar Metode getdisponupddw Gambar Metode getaccuration Gambar 4-36.Lanjutan Metode getaccuration Gambar Format Data Input dengan Tanda Koma Gambar Inisialisasi Gambar Metode openfile Gambar Metode readfile Gambar Lanjutan Metode readfile Gambar Metode getminmax Gambar Data Hasil Normalisasi Gambar Metode getminmaxnorm Gambar Metode getminmaxnorm Gambar Diagram alir synthetic data Gambar Metode getgeneraterndnumdim Gambar Metode getgeneraterelvdimension Gambar Lanjutan Metode getgeneraterelvdimension Gambar Lanjutan Metode getgeneraterelvdimension Gambar Metode getgenerateindex Gambar Metode getgeneratevariance Gambar Metode getgeneratemeans Gambar Lanjutan Metode getgeneratemeans Gambar Metode getgeneratenumpointcluster Gambar Metode getgeneratedatapoint Gambar Lanjutan Metode getgeneratedatapoint Gambar Lanjutan Metode getgeneratedatapoint Gambar 5-1. Aasil Akurasi (data 16 dimensi) Gambar 5-2. Hasil Akurasi (data 20 dimensi) Gambar 5-3. Hasil Akurasi (data 24 dimensi) Gambar 5-4. Uji Akurasi pada Peningkatan Attribut x
13 Gambar 5-5. Uji Akurasi pada 210 data Gambar 5-6. Uji Waktu pada 210 data Gambar 5-7. Uji Akurasi pada 2100 data Gambar 5-8. Uji Waktu pada 2100 data Gambar 5-9. Uji Rata-rata Akurasi pada Data Segmentasi xi
14 DAFTAR TABEL Tabel 3-1. Parsial Solusi Partisi Matrik Tabel 3-2. lanjutan Parsial Solusi Partisi Matrik Tabel 3-3. Parsial Solusi Update Pusat Klaster Tabel 3-4. Lanjutan Parsial Solusi Update Pusat Klaster Tabel 3-5. Parsial Solusi Update Pusat Klaster Tabel 4-1. Lingkungan Perangkat Keras Tabel 4-2. Lingkungan Perangkat Lunak Tabel 4-3. Parameter untuk generate sintetic data Tabel 5-1. Lingkungan Perangkat Keras Uji Coba Tabel 5-2. Lingkungan Perangkat Lunak Uji Coba Tabel 5-3. Spesifikasi Input Parameter Data Sintetis Tabel 5-4. Confusion Matrik EWKM untuk Uji Akurasi Data Sintetis Tabel 5-5. Spesifikasi Parameter Input Algoritma Tabel 5-6. Spesifikasi Parameter Input (Data 20 dimensi) Tabel 5-7. Spesifikasi Parameter Input (Data 24 dimensi) Tabel 5-8. Spesifikasi Data Segmentasi Citra dan parameter uji Tabel 5-9. Spesifikasi Data Segmentasi Citra... 83
OPTIMASI PEMROGRAMAN KUADRATIK DENGAN MENGGUNAKAN ALGORITMA PRIMAL-DUAL INTERIOR POINT
TUGAS AKHIR CF 1380 OPTIMASI PEMROGRAMAN KUADRATIK DENGAN MENGGUNAKAN ALGORITMA PRIMAL-DUAL INTERIOR POINT NIKE DWI WINARTI NRP 5202 100 028 Dosen Pembimbing Rully Soelaiman, S.Kom, M.Kom JURUSAN SISTEM
Lebih terperinciAPLIKASI PENENTUAN WAKTU DAN BIAYA DALAM MANAJEMEN PROYEK MENGGUNAKAN METODE CPM
TUGAS AKHIR CI1599 APLIKASI PENENTUAN WAKTU DAN BIAYA DALAM MANAJEMEN PROYEK MENGGUNAKAN METODE CPM SAID AHMAD SAUD NRP 5102 100 081 Dosen Pembimbing I Bilqis Amaliah, S.Kom, M.Kom Dosen Pembimbing II
Lebih terperinciIMPLEMENTASI FUSI INFORMASI HIRARKIS PADA PENGENALAN CITRA WAJAH MULTI-SPECTRAL
TUGAS AKHIR - CI1599 IMPLEMENTASI FUSI INFORMASI HIRARKIS PADA PENGENALAN CITRA WAJAH MULTI-SPECTRAL FEBE FENYTA S. NRP 5105 100 042 Dosen Pembimbing Rully Soelaiman, S.Kom, M.Kom JURUSAN TEKNIK INFORMATIKA
Lebih terperinciPENGELOMPOKAN CITRA WAJAH DENGAN TEKNIK SUBSPACE CLUSTERING MENGGUNAKAN ALGORITMA LSA SC (LOCAL SUBSPACE AFFINITY SPECTRAL CLUSTERING)
PENGELOMPOKAN CITRA WAJAH DENGAN TEKNIK SUBSPACE CLUSTERING MENGGUNAKAN ALGORITMA LSA SC (LOCAL SUBSPACE AFFINITY SPECTRAL CLUSTERING) Disusun oleh : Febryan Setiawan (0922081) Jurusan Teknik Elektro,
Lebih terperinciIMPLEMENTASI PEMODELAN ARTIFICIAL NEURAL NETWORKS (ANN) DALAM PREDIKSI DATA TIME SERIES PENJUALAN STUDI KASUS PT.
TUGAS AKHIR CI1599 IMPLEMENTASI PEMODELAN ARTIFICIAL NEURAL NETWORKS (ANN) DALAM PREDIKSI DATA TIME SERIES PENJUALAN STUDI KASUS PT. VARIA USAHA BETON ATHUR ADHI BUWANA NRP 5102 109 044 Dosen Pembimbing
Lebih terperinciINTEGRASI PEMBOBOTAN TF IDF PADA METODE K-MEANS UNTUK CLUSTERING DOKUMEN TEKS
i TESIS INTEGRASI PEMBOBOTAN TF IDF PADA METODE K-MEANS UNTUK CLUSTERING DOKUMEN TEKS DEDDY WIJAYA SULIANTORO No. Mhs. : 105301466/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM PASCA SARJANA
Lebih terperinciKLASTERISASI BERDASARKAN KESAMAAN POLA DENGAN MENGGUNAKAN ALGORITMA PCLUSTER (Kata kunci: Penggalian Data, Klasterisasi Kesamaan Pola)
PRESENTASI TUGAS AKHIR KI091391 KLASTERISASI BERDASARKAN KESAMAAN POLA DENGAN MENGGUNAKAN ALGORITMA PCLUSTER (Kata kunci: Penggalian Data, Klasterisasi Kesamaan Pola) Penyusun Tugas Akhir : Kartika Wijayati
Lebih terperinciAPLIKASI MIDDLEWARE UNTUK AKSES PRINTER DI JURUSAN TEKNIK INFORMATIKA ITS
TUGAS AKHIR CI1599 APLIKASI MIDDLEWARE UNTUK AKSES PRINTER DI JURUSAN TEKNIK INFORMATIKA ITS Azhar Bayu Firdaus NRP 5105 100 082 Dosen Pembimbing Royyana Muslim I, S.Kom., M.Kom. JURUSAN TEKNIK INFORMATIKA
Lebih terperinciPENERAPAN METODE ANT COLONY OPTIMIZATION PADA METODE K-HARMONIC MEANS UNTUK KLASTERISASI DATA HALAMAN JUDUL
PENERAPAN METODE ANT COLONY OPTIMIZATION PADA METODE K-HARMONIC MEANS UNTUK KLASTERISASI DATA KOMPETENSI JARINGAN KOMPUTER SKRIPSI HALAMAN JUDUL I MADE KUNTA WICAKSANA NIM : 0708605050 PROGRAM STUDI TEKNIK
Lebih terperinciPenyusun Tugas Akhir : Ivan Hardiyanto (NRP : ) Dosen Pembimbing : Yudhi Purwananto, S.Kom, M.Kom Rully Soelaiman, S.Kom, M.
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI SEGMENTASI CITRA DENGAN MENGGUNAKAN METODE GENERALIZED FUZZY C- MEANS CLUSTERING ALGORITHM WITH IMPROVED FUZZY PARTITIONS (Kata kunci: Algoritma Fuzzy Clustering,
Lebih terperinciPENERAPAN METODE NAÏVE BAYES CLASSIFIER DAN ALGORITMA ADABOOST UNTUK PREDIKSI PENYAKIT GINJAL KRONIK
PENERAPAN METODE NAÏVE BAYES CLASSIFIER DAN ALGORITMA ADABOOST UNTUK PREDIKSI PENYAKIT GINJAL KRONIK SKRIPSI Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Program Studi Informatika
Lebih terperinciIDENTIFIKASI TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN METODE CLUSTERING ALGORITMA K-MEANS SKRIPSI
1 IDENTIFIKASI TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN METODE CLUSTERING ALGORITMA K-MEANS SKRIPSI Disusun Oleh: DISKA RENATA PUTRI 1032010066 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
Lebih terperinciRANCANG BANGUN APLIKASI DOKUMEN CLUSTERING DENGAN METODE K-MEANS BERDASARKAN WINNOWING FINGERPRINT SIMILARITY TUGAS AKHIR
RANCANG BANGUN APLIKASI DOKUMEN CLUSTERING DENGAN METODE K-MEANS BERDASARKAN WINNOWING FINGERPRINT SIMILARITY TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik Pada Jurusan
Lebih terperinciKATA PENGANTAR. menyelesaikan penyusunan laporan tugas akhir APLIKASI KLASIFIKASI ARTIKEL TEKNOLOGI INFORMASI PADA MAJALAH CHIP
KATA PENGANTAR Syukur Alhamdulillah, puji dan syukur kami panjatkan kehadirat Allah SWT, karena dengan limpah dan rahmat dan karunia-nya penulis dapat menyelesaikan penyusunan laporan tugas akhir APLIKASI
Lebih terperinciTUGAS AKHIR CI1599 METODE PENGENALAN SIDIK JARI PARSIAL DENGAN MENGGUNAKAN DELAUNAY TRIANGULATION DAN ALGORITMA GENETIKA
TUGAS AKHIR CI1599 METODE PENGENALAN SIDIK JARI PARSIAL DENGAN MENGGUNAKAN DELAUNAY TRIANGULATION DAN ALGORITMA GENETIKA TOVAN SETIONO NRP 5105 100 007 Dosen Pembimbing Prof. Dr. Ir. Handayani Tjandrasa,
Lebih terperinciIMPLEMENTASI ALGORITMA RANDOM FORESTS UNTUK KLASIFIKASI SPAM PADA CITRA DAN TEXT INSTAGRAM TUGAS AKHIR
IMPLEMENTASI ALGORITMA RANDOM FORESTS UNTUK KLASIFIKASI SPAM PADA CITRA DAN TEXT INSTAGRAM TUGAS AKHIR RIZKY NOVRIYEDI PUTRA 1132001001 PROGRAM STUDI INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS
Lebih terperinciANALISIS DAN IMPLEMENTASI WATERMARKING UNTUK KEAMANAN DOKUMEN MENGGUNAKAN FINGERPRINT KOMPETENSI JARINGAN SKRIPSI
ANALISIS DAN IMPLEMENTASI WATERMARKING UNTUK KEAMANAN DOKUMEN MENGGUNAKAN FINGERPRINT KOMPETENSI JARINGAN SKRIPSI I GEDE WIRA ARTANA NIM. 0608605030 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER
Lebih terperinciSISTEM INFORMASI GEOGRAFIS PENDUKUNG PENENTUAN DAERAH RAWAN BANJIR STUDI KASUS KOTA SURABAYA
ssn TUGAS AKHIR CI1599 SISTEM INFORMASI GEOGRAFIS PENDUKUNG PENENTUAN DAERAH RAWAN BANJIR STUDI KASUS KOTA SURABAYA SURYA AGUNG ADITYA IKA NUGRAHA NRP: 5107 100 518 Dosen Pembimbing I Dr. Ir. Joko Lianto
Lebih terperinciAnalisa Data Mahasiswa Baru Terhadap Program Studi Yang. Dipilih Di Universitas Pembangunan Nasional Veteran Jawa
Analisa Data Mahasiswa Baru Terhadap Program Studi Yang Dipilih Di Universitas Pembangunan Nasional Veteran Jawa Timur Menggunakan Teknik Data Mining SKRIPSI Disusun Oleh : Citra Arum Sari 1032010048 JURUSAN
Lebih terperinciPRA-PEMPROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DISKRIT
TUGAS AKHIR - ST 1325 PRA-PEMPROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DISKRIT ANGGREINI SUPRAPTI NRP 1305 100 005 Dosen Pembimbing Dr. Sutikno, S.Si, M.Si JURUSAN STATISTIKA
Lebih terperinciIMPLEMENTASI ALGORITMA HUFFMAN UNTUK KOMPRESI DAN DEKOMPRESI GAMBAR DIGITAL
IMPLEMENTASI ALGORITMA HUFFMAN UNTUK KOMPRESI DAN DEKOMPRESI GAMBAR DIGITAL KOMPETENSI JARINGAN KOMPUTER [SKRIPSI] ISABELLA JUDITHIO NIM. 0608605070 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER
Lebih terperinciPENGENALAN WAJAH DENGAN MENERAPKAN ALGORITMA ADAPTIF K MEANS
PENGENALAN WAJAH DENGAN MENERAPKAN ALGORITMA ADAPTIF K MEANS Disusun oleh: Juan Elisha Widyaya (0822014) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri, MPH, no. 65, Bandung, Indonesia
Lebih terperinciSKRIPSI KLASIFIKASI CALON PEGAWAI DENGAN MENGGUNAKAN METODE K-MEANS CLASSIFICATION OF PROSPECTIVE EMPLOYEES BY USING THE K-MEANS METHOD
SKRIPSI KLASIFIKASI CALON PEGAWAI DENGAN MENGGUNAKAN METODE K-MEANS CLASSIFICATION OF PROSPECTIVE EMPLOYEES BY USING THE K-MEANS METHOD DONY ENDRIYONO 135610017 PROGRAM STUDI SISTEM INFORMASI SEKOLAH TINGGI
Lebih terperinciAPLIKASI MASALAH 0/1 KNAPSACK MENGGUNAKAN ALGORITMA GREEDY
PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI APLIKASI MASALAH 0/1 KNAPSACK MENGGUNAKAN ALGORITMA GREEDY Skripsi Diajukan untuk Menempuh Salah Satu Syarat Memperoleh Gelar
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI KD-TREE K-MEANS CLUSTERING PADA KLASTERISASI DOKUMEN (Kata kunci: KD-Tree K-Means Clustering, Klasterisasi Dokumen, K- Dimensional Tree, K-Means Clustering)
Lebih terperinciDIAGNOSA PENYAKIT PARU EFUSI PLEURA DENGAN PENDEKATAN POSSIBILISTIC FUZZY LEARNING VECTOR QUANTIZATION SKRIPSI
DIAGNOSA PENYAKIT PARU EFUSI PLEURA DENGAN PENDEKATAN POSSIBILISTIC FUZZY LEARNING VECTOR QUANTIZATION SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Jurusan Informatika Disusun
Lebih terperinciIMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI MAHASISWA BERDASARKAN PREDIKSI WAKTU KELULUSAN SKRIPSI
IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI MAHASISWA BERDASARKAN PREDIKSI WAKTU KELULUSAN SKRIPSI Disusun Oleh : ALVI SYAHRIN NPM. 0934010254 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI
Lebih terperinciAPLIKASI SISTEM PELAYANAN RESTORAN MEMANFAATKAN JSON-RPC PADA MOBILE DEVICE
APLIKASI SISTEM PELAYANAN RESTORAN MEMANFAATKAN JSON-RPC PADA MOBILE DEVICE Nama : Diktyas Herly S.P. NRP : 5102 109 043 Jurusan : Teknik Informatika FTIf - ITS Pembimbing I : Royyana Muslim I., S.Kom,
Lebih terperinciTUGAS AKHIR PERANCANGAN DAN IMPLEMENTASI SISTEM PENCARIAN BUKU RUANG BACA ILMU KOMPUTER UDAYANA BERBASIS WEB DENGAN METODE BM25 KOMPETENSI RPL
TUGAS AKHIR PERANCANGAN DAN IMPLEMENTASI SISTEM PENCARIAN BUKU RUANG BACA ILMU KOMPUTER UDAYANA BERBASIS WEB DENGAN METODE BM25 KOMPETENSI RPL MICHAEL SENNA SAPUTRA NIM. 1008605062 PROGRAM STUDI TEKNIK
Lebih terperinciUNIVERSITAS BINA NUSANTARA ABSTRAK
2008 UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika Matematika Semester Ganjil 2007/2008 PERANCANGAN PROGRAM OPTIMALISASI PENGKLASTERAN DATA PEMASARAN DENGAN MENGGUNAKAN ALGORITMA K-MEANS
Lebih terperinciDOSEN PEMBIMBING Chastine Fatichah, S.Kom, M.Kom MAHASISWA Yudis Anggara P. ( )
Sidang Tugas Akhir September 2009 Implementasi Metode Ant Colony Optimization untuk Pemilihan Fitur pada Kategorisasi Dokumen Teks DOSEN PEMBIMBING Chastine Fatichah, S.Kom, M.Kom MAHASISWA Yudis Anggara
Lebih terperinciKLASIFIKASI POLA BATIK DENGAN DETEKSI TEPI (LAPLACIAN DAN ROBERT) BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA BATIK DENGAN DETEKSI TEPI (LAPLACIAN DAN ROBERT) BERBASIS JARINGAN SYARAF TIRUAN Oleh : Dian Aniswari 2010-51-177 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH
Lebih terperinciANALISA PENINGKATAN KUALITAS PADA PUPUK PHONSKA DENGAN PENDEKATAN QUALITY RISK MANAGEMENT DI PT. PETROKIMIA GRESIK
TUGAS AKHIR RI 1592 ANALISA PENINGKATAN KUALITAS PADA PUPUK PHONSKA DENGAN PENDEKATAN QUALITY RISK MANAGEMENT DI PT. PETROKIMIA GRESIK RANNY WIDATI NRP 2505 100 043 Dosen Pembimbing Ir.Moses L. Singgih,
Lebih terperinciPENGONTROLAN KUALITAS LAYANAN AGEN KARTU SELULER PRABAYAR TERTENTU PADA CALL CENTER SURABAYA DENGAN DIAGRAM KONTROL D 2 (MAHALANOBIS DISTANCE)
TUGAS AKHIR ST 1325 PENGONTROLAN KUALITAS LAYANAN AGEN KARTU SELULER PRABAYAR TERTENTU PADA CALL CENTER SURABAYA DENGAN DIAGRAM KONTROL D 2 (MAHALANOBIS DISTANCE) RISMA ERNITA NRP 1305 100 043 Dosen Pembimbing
Lebih terperinciLAPORAN SKRIPSI ALGORITMA K-MEANS UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA.
LAPORAN SKRIPSI ALGORITMA K-MEANS UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA Oleh : MUHAMMAD SHOFIYUDDIN 2011-51-182 PROGRAM STUDI TEKNIK INFORMATIKA
Lebih terperinciTUGAS AKHIR IMPLEMENTASI ALGORITMA KRIPTOGRAFI LOKI97 UNTUK PENGAMANAN AUDIO FORMAT AMR KOMPETENSI JARINGAN SKRIPSI
TUGAS AKHIR IMPLEMENTASI ALGORITMA KRIPTOGRAFI LOKI97 UNTUK PENGAMANAN AUDIO FORMAT AMR KOMPETENSI JARINGAN SKRIPSI A.A. NGURAH PRADNYA ADHIKA NIM. 0608605084 JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA
Lebih terperinciSKRIPSI RONNY BENEDIKTUS SIRINGORINGO
ANALISIS PERBANDINGAN PROSES CLUSTER MENGGUNAKAN K- MEANS CLUSTERING DAN K-NEAREST NEIGHBOR PADA PENYAKIT DIABETES MELLITUS SKRIPSI RONNY BENEDIKTUS SIRINGORINGO 131421021 PROGRAM STUDI S1 ILMU KOMPUTER
Lebih terperinciLAPORAN SKRIPSI PENERAPAN ALGORITMA FUZZY C_MEANS DALAM PENENTUAN BEASISWA. Oleh : ARI IRAWAN
LAPORAN SKRIPSI PENERAPAN ALGORITMA FUZZY C_MEANS DALAM PENENTUAN BEASISWA Oleh : ARI IRAWAN 2010-51-221 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH GELAR SARJANA KOMPUTER PROGRAM STUDI
Lebih terperinciJl. Raya Dukuhwaluh Purwokerto )
Sistem Klasterisasi Menggunakan Metode K-Means dalam Menentukan Posisi Access Point Berdasarkan Posisi Hotspot di Universitas Muhammadiyah Purwokerto (Clustering System Using K-Means Method in Determining
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007 SEGMENTASI CITRA SPOT DENGAN MENGGUNAKAN PENDEKATAN FUZZY C-MEANS Jimmy Johan / 0700708953
Lebih terperinciPROGRAM STUDI S2 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013
ANALISIS SUBSPACE CLUSTERING MENGGUNAKAN DBSCAN DAN SUBCLU UNTUK PROYEKSI PEKERJAAN ALUMNI PERGURUAN TINGGI T E S I S ANNI ROTUA ARITONANG 117038064 PROGRAM STUDI S2 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER
Lebih terperinciANALISIS KINERJA DAN IMPLEMENTASI ALGORITMA KOMPRESI ARITHMETIC CODING PADA FILE TEKS DAN CITRA DIGITAL SKRIPSI SARIFAH
ANALISIS KINERJA DAN IMPLEMENTASI ALGORITMA KOMPRESI ARITHMETIC CODING PADA FILE TEKS DAN CITRA DIGITAL SKRIPSI SARIFAH 061401090 PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA
Lebih terperinciTHESIS KLASTERISASI HARGA SAHAM DAN KOMODITAS MENGGUNAKAN METODE HYBRID KLASTERISASI. Halim Budi Santoso
THESIS KLASTERISASI HARGA SAHAM DAN KOMODITAS MENGGUNAKAN METODE HYBRID KLASTERISASI Halim Budi Santoso 125301830 PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM PASCASARJANA UNIVERSITAS ATMA JAYA YOGYAKARTA
Lebih terperinciALGORITMA K-MEANS UNTUK PENGELOMPOKAN BANK BERDASARKAN KOMPOSISI DANA PIHAK KETIGA (DPK) DAN JUMLAH JARINGAN KANTOR
ALGORITMA K-MEANS UNTUK PENGELOMPOKAN BANK BERDASARKAN KOMPOSISI DANA PIHAK KETIGA (DPK) DAN JUMLAH JARINGAN KANTOR Laporan Tugas Akhir Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana
Lebih terperinciPERENCANAAN PERSEDIAAN KNIFE TC 63 mm BERDASARKAN ANALISIS RELIABILITAS (Studi Kasus di PT. FILTRONA INDONESIA)
TUGAS AKHIR - ST 1325 PERENCANAAN PERSEDIAAN KNIFE TC 63 mm BERDASARKAN ANALISIS RELIABILITAS (Studi Kasus di PT. FILTRONA INDONESIA) RENI FANDANSARI NRP 1307100521 Dosen Pembimbing Dra. Sri Mumpuni R.,
Lebih terperinciDETEKSI WEB BERKONTEN PORNO DENGAN METODE BAYESIAN FILTERING DAN PRINCIPAL COMPONENT ANALYSIS
DETEKSI WEB BERKONTEN PORNO DENGAN METODE BAYESIAN FILTERING DAN PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan untuk Memenuhi Sebagian Persyaratan Mendapatkan Gelar Strata Satu Program Studi Informatika
Lebih terperinciABSTRACT Technological developments can cause a person to quickly and easily find the information they want. Such information can be obtained from various sources of media, whether in print or electronic
Lebih terperinciAPLIKASI MENGUBAH POLARISASI FRAME GAMBAR 2 DIMENSI MENJADI 3 DIMENSI
APLIKASI MENGUBAH POLARISASI FRAME GAMBAR 2 DIMENSI MENJADI 3 DIMENSI ABDUL ARDI 41507110115 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2014 APLIKASI MENGUBAH
Lebih terperinciSAMPUL SAMPUL LAPORAN SKRIPSI
SAMPUL SAMPUL LAPORAN SKRIPSI FUZZY C-MEANS PADA PENENTUAN PENERIMAAN BANTUAN PERBAIKAN RUMAH TIDAK LAYAK HUNI BERBASIS DATA MINING Oleh : Fiyka Dwi Iriani 2010-51-232 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE REGRESI LINIER
PENGENALAN WAJAH MENGGUNAKAN METODE REGRESI LINIER ABSTRAK Ryan Dharmawan Susanto (0722005) Jurusan Teknik Elektro email : ryan_sesss@yahoo.com Salah satu masalah yang mengganggu dalam pengenalan wajah
Lebih terperinciSKRIPSI BOHO SURIANTO NAIBAHO
i DIGITASI OTOMATIS OBJEK BANGUNAN PADA CITRA SATELIT MENGGUNAKAN METODE K MEANS CLUSTERING SKRIPSI BOHO SURIANTO NAIBAHO 091402047 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciPERBANDINGAN HASIL KLASIFIKASI ANALISIS DISKRIMINAN DAN JARINGAN SYARAF TIRUAN
TUGAS AKHIR - ST 1325 PERBANDINGAN HASIL KLASIFIKASI ANALISIS DISKRIMINAN DAN JARINGAN SYARAF TIRUAN ANANG SETIYO BUDI NRP 1303 100 060 Dosen Pembimbing Dra. Kartika Fitriasari, M.Si Adatul Mukarromah,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PERGURUAN TINGGI SWASTA DI SURABAYA DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PERGURUAN TINGGI SWASTA DI SURABAYA DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) SKRIPSI Diajukan Oleh : FERDY SATIA PUTRA 0634010008 JURUSAN TEKNIK
Lebih terperinciSKRIPSI PENGENALAN TINGKAT KEMATANGAN BUAH PEPAYA CALIFORNIA MENGGUNAKAN PENGOLAHAN CITRA BERDASARKAN WARNA RGB DENGAN K-MEANS CLUSTERING
SKRIPSI PENGENALAN TINGKAT KEMATANGAN BUAH PEPAYA CALIFORNIA MENGGUNAKAN PENGOLAHAN CITRA BERDASARKAN WARNA RGB DENGAN K-MEANS CLUSTERING Oleh : Liyan Setiyowati 2010-51-015 SKRIPSI DIAJUKAN SEBAGAI SALAH
Lebih terperinciFACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) ABSTRAK
FACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) Kurnia Novita Mutu (0722029) Jurusan Teknik Elektro email: mutunia@gmail.com ABSTRAK Perkembangan biometrik pada
Lebih terperinciKata kunci : Slant correction, jaringan saraf tiruan, multilayer perceptron, backpropagation.
SLANT CORRECTION MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON Disusun oleh : Nama : George L. Immanuel NRP : 0922080 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha
Lebih terperinciKATA PENGANTAR. Agglomeratice Clustering dan K-Means Untuk Segmentasi Pengunjung Website
KATA PENGANTAR Alhamdulillah, puji dan syukur penulis panjatkan kehadirat Allah SWT karena dengan rahmat-nya tugas akhir yang berjudul Kombinasi Algoritma Agglomeratice Clustering dan K-Means Untuk Segmentasi
Lebih terperinciPROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
IMPLEMENTASI PERBANDINGAN METODE PROFILE MATCHING DAN SIMPLE ADDITIVE WEIGHTING (SAW) DALAM PENILAIAN KINERJA KARYAWAN (STUDI KASUS DINAS KEBUDAYAAN DAN PARIWISATA PROVINSI SUMATERA UTARA) SKRIPSI IBRAHIM
Lebih terperinciSKRIPSI. Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu. Program Studi Informatika. Disusun oleh : FAIRLY OKTA MAL
KOREKSI INPUT TEKSTUAL MENGGUNAKAN JARO-WINKLER DISTANCE DAN STEMMING DENGAN ALGORITMA NAZIEF DAN ANDRIANI UNTUK DETEKSI DINI HAMA DAN PENYAKIT PADA TANAMAN PADI SKRIPSI Diajukan untuk Memenuhi Salah Satu
Lebih terperinciTEMU KEMBALI INFORMASI BERDASARKAN LOKASI PADA DOKUMEN YANG DIKELOMPOKKAN MENGGUNAKAN METODE CENTROID LINKAGE HIERARCHICAL
TEMU KEMBALI INFORMASI BERDASARKAN LOKASI PADA DOKUMEN YANG DIKELOMPOKKAN MENGGUNAKAN METODE CENTROID LINKAGE HIERARCHICAL Nadia Damayanti 1, Nur Rosyid Mubtada i, S.Kom, M.Kom 2, Afrida Helen S.T, M.Kom
Lebih terperinciPERBAIKAN CITRA DALAM DIGITAL SUBTRACTION ANGIOGRAPHY MELALUI PENGURANGAN MOTION ARTIFACT
KULIT MUKA TUGAS AKHIR CI1599 PERBAIKAN CITRA DALAM DIGITAL SUBTRACTION ANGIOGRAPHY MELALUI PENGURANGAN MOTION ARTIFACT SHINTAMI CHUSNUL HIDAYATI NRP 5105 100 144 Dosen Pembimbing Prof. Ir. Handayani Tjandrasa,
Lebih terperinciPEMETAAN HASIL CLUSTERING PRODUKTIVITAS PADI DAN PALAWIJA DI PULAU JAWA MENGGUNAKAN ALGORITMA K-MEANS
PEMETAAN HASIL CLUSTERING PRODUKTIVITAS PADI DAN PALAWIJA DI PULAU JAWA MENGGUNAKAN ALGORITMA K-MEANS BILLY RIZKY JURISTRA Program Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciKAJIAN ESTIMASI PARAMETER MODEL AUTOREGRESIF TUGAS AKHIR SM 1330 NUR SHOFIANAH NRP
TUGAS AKHIR SM 1330 KAJIAN ESTIMASI PARAMETER MODEL AUTOREGRESIF NUR SHOFIANAH NRP 1203 100 009 Dosen Pembimbing Dra. Laksmi Prita W, MSi Dra. Nuri Wahyuningsih, MKes JURUSAN MATEMATIKA Fakultas Matematika
Lebih terperinciANALISIS TIME SERIES PRODUK DOMESTIK REGIONAL BRUTO PROVINSI JAWA TIMUR DENGAN METODE ARIMA BOX-JENKINS DAN INTERVENSI
LAPORAN TUGAS AKHIR ANALISIS TIME SERIES PRODUK DOMESTIK REGIONAL BRUTO PROVINSI JAWA TIMUR DENGAN METODE ARIMA BOX-JENKINS DAN INTERVENSI CITRA KUSUMANINGTYAS NRP 1307 100 505 Dosen Pembimbing Dr. IRHAMAH,
Lebih terperinciIMPLEMENTASI METODE GENERATE AND TEST DALAM PENYELESAIAN PUZZLE 2048 BERBASIS MOBILE SKRIPSI
IMPLEMENTASI METODE GENERATE AND TEST DALAM PENYELESAIAN PUZZLE 2048 BERBASIS MOBILE SKRIPSI DEVINA PRATIWI HALIM 101401094 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Lebih terperinciii
KLASIFIKASI PENDAFTAR BEASISWA BIDIKMISI UNIVERSITAS SEBELAS MARET MENGGUNAKAN ALGORITMA C4.5 SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Program Studi Informatika Disusun
Lebih terperinciPENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI
PENGGUNAAN PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI Entin Martiana S.Kom,M.Kom, Nur Rosyid Mubtada i S. Kom, Edi Purnomo Jurusan Teknik Informatika
Lebih terperinciTESIS PEMBANGUNAN PERANGKAT LUNAK PERINGKAS DOKUMEN DARI BANYAK SUMBER BERBASIS WEB MENGGUNAKAN SENTENCE SCORING DENGAN METODE TF-IDF
TESIS PEMBANGUNAN PERANGKAT LUNAK PERINGKAS DOKUMEN DARI BANYAK SUMBER BERBASIS WEB MENGGUNAKAN SENTENCE SCORING DENGAN METODE TF-IDF FABIANUS HENDY EVAN No. Mhs.: 125301915/PS/MTF PROGRAM STUDI MAGISTER
Lebih terperinciUniversitas Bina Nusantara. Jurusan Teknik Informatika Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
Universitas Bina Nusantara Jurusan Teknik Informatika Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PERANCANGAN OTOMATISASI PENJADWALAN PENGAJAR PRAKTIKUM DENGAN
Lebih terperinciLAPORAN SKRIPSI ANALISIS PASANGAN CIRI PALING DOMINAN DARI CLUSTERING GENDER BERDASARKAN AMPLITUDO SUARA BERBASIS FUZZY C-MEANS (FCM) Oleh :
LAPORAN SKRIPSI ANALISIS PASANGAN CIRI PALING DOMINAN DARI CLUSTERING GENDER BERDASARKAN AMPLITUDO SUARA BERBASIS FUZZY C-MEANS (FCM) Oleh : IDNI IRSALINA 2010-51-064 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU
Lebih terperinciKLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
TUGAS AKHIR - ST 1325 KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) NOVIYANTI SANTOSO NRP 1305 100 037
Lebih terperinciPENYELESAIAN VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (VRPTW) MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM
TUGAS AKHIR SM 1330 PENYELESAIAN VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (VRPTW) MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM HARMERITA NRP 1202 100 006 Dosen Pembimbing Drs. Soetrisno, MIKomp JURUSAN MATEMATIKA
Lebih terperinciPENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO 121402102 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Lebih terperinciREDUCING DEFECTS AND COSTS OF POOR QUALITY OF WW GRAY ROYAL ROOF USING DMAIC AND FMEAP (FAILURE MODE AND EFFECT ANALYSIS PROCESS)
TUGAS AKHIR RI 1592 MENGURANGI JUMLAH CACAT DAN BIAYA KERUGIAN PADA PRODUK GENTENG WW ROYAL ABU-ABU DENGAN PENDEKATAN DMAIC DAN FMEAP (FAILURE MODE AND EFFECT ANALYSIS PROCESS) NOVEMIA PRANING H NRP 2502
Lebih terperinciTUGAS AKHIR SM 1330 PELABELAN SUPER EDGE GRACEFUL PADA WHEEL GRAPH WICAK BUDI LESTARI SOLICHAH NRP
TUGAS AKHIR SM 1330 PELABELAN SUPER EDGE GRACEFUL PADA WHEEL GRAPH WICAK BUDI LESTARI SOLICHAH NRP 1203 109 025 Dosen Pembimbing Drs. CHAIRUL IMRON, MIkomp JURUSAN MATEMATIKA Fakultas Matematika dan Ilmu
Lebih terperinciKOMPUTASI PARALEL UNTUK SEGMENTASI CITRA DIGITAL DENGAN PARTICLE SWARM OPTIMIZATION
KOMPUTASI PARALEL UNTUK SEGMENTASI CITRA DIGITAL DENGAN PARTICLE SWARM OPTIMIZATION SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana Teknik Informatika Agustinus Kristiadi
Lebih terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia bisnis pada jaman sekarang, para pelaku bisnis senantiasa selalu berusaha mengembangkan cara-cara untuk dapat mengembangkan usaha mereka dan memperhatikan
Lebih terperinciSISTEM INFORMASI PERENCANAAN, REALISASI, MONITORING DAN EVALUASI KEGIATAN HIMAPRO TI BERBASIS WEB
L A P O R A N S K R I P S I SISTEM INFORMASI PERENCANAAN, REALISASI, MONITORING DAN EVALUASI KEGIATAN HIMAPRO TI BERBASIS WEB LIA AFRIYANTI NIM. 201351032 DOSEN PEMBIMBING Arief Susanto, ST.,M.Kom. M.
Lebih terperinciPERANCANGAN STANDAR WAKTU KERJA DAN PERHITUNGAN JUMLAH TENAGA KERJA OPTIMAL PADA BAGIAN MEDICAL EQUIPMENT I PT OTSUKA INDONESIA-LAWANG
TUGAS AKHIR PERANCANGAN STANDAR WAKTU KERJA DAN PERHITUNGAN JUMLAH TENAGA KERJA OPTIMAL PADA BAGIAN MEDICAL EQUIPMENT I PT OTSUKA INDONESIA-LAWANG TIFFANY SOPHIANA NRP 2502 100 008 Dosen Pembimbing Ir.
Lebih terperinciPENGKLASIFIKASIAN DATA SEKOLAH PENGGUNA INTERNET PENDIDIKAN MENGGUNAKAN TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS STUDI KASUS PT TELKOM SURABAYA
Artikel Skripsi PENGKLASIFIKASIAN DATA SEKOLAH PENGGUNA INTERNET PENDIDIKAN MENGGUNAKAN TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS STUDI KASUS PT TELKOM SURABAYA SKRIPSI Diajukan Untuk Memenuhi Sebagian
Lebih terperinciIMPLEMENTASI ALGORITMA PALGUNADI UNTUK MENYELESAIKAN SINGLE DAN MULTI PRODUCT VEHICLE ROUTING PROBLEM
IMPLEMENTASI ALGORITMA PALGUNADI UNTUK MENYELESAIKAN SINGLE DAN MULTI PRODUCT VEHICLE ROUTING PROBLEM SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Jurusan Informatika HALAMAN
Lebih terperinciKLASTERISASI BERDASARKAN KESAMAAN POLA DENGAN MENGGUNAKAN ALGORITMA PCLUSTER Kartika Wijayati 1 Rully Soelaiman 2
KLASTERISASI BERDASARKAN KESAMAAN POLA DENGAN MENGGUNAKAN ALGORITMA PCLUSTER Kartika Wijayati 1 Rully Soelaiman 2 Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS), Surabaya, 60111,
Lebih terperinciRANCANG BANGUN APLIKASI PERINGKAS TEKS OTOMATIS ARTIKEL BERBAHASA INDONESIA MENGGUNAKAN METODE TERM FREQUENCY INVERSE DOCUMENT FREQUENCY
RANCANG BANGUN APLIKASI PERINGKAS TEKS OTOMATIS ARTIKEL BERBAHASA INDONESIA MENGGUNAKAN METODE TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) DAN K-MEAN CLUSTERING TUGAS AKHIR Diajukan Sebagai Salah
Lebih terperinciPENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA
PENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Madura Kampus Universitas Trunojoyo
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN PENJADWALAN JOB SHOP SECARA MONTE CARLO
TUGAS AKHIR - ST 1325 PENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN PENJADWALAN JOB SHOP SECARA MONTE CARLO YANTER SIANIFAR BASUKI NRP 1303100049 Dosen Pembimbing Prof. Drs. Nur Iriawan, M.Ikom. Ph.D JURUSAN
Lebih terperinciCLUSTERING DOKUMEN TEKS BERDASARKAN FINGERPRINT BIWORD WINNOWING DENGAN MENGGUNAKAN METODE K-MEANS
CLUSTERING DOKUMEN TEKS BERDASARKAN FINGERPRINT BIWORD WINNOWING DENGAN MENGGUNAKAN METODE K-MEANS TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik Pada Jurusan Teknik
Lebih terperinciPENDEKATAN BARU PENYELESAIAN KASUS PENJADWALAN UJIAN AKHIR SEMESTER SEKOLAH MENENGAH ATAS (STUDI KASUS SMA NEGERI 3 SURAKARTA)
PENDEKATAN BARU PENYELESAIAN KASUS PENJADWALAN UJIAN AKHIR SEMESTER SEKOLAH MENENGAH ATAS (STUDI KASUS SMA NEGERI 3 SURAKARTA) SKRIPSI Diajukan untuk Memenuhi Sebagian Persyaratan Mendapatkan Gelar Strata
Lebih terperinciPENGHITUNGAN FAKTOR KUALITAS PERANGKAT LUNAK DENGAN ISO :2001
TUGAS AKHIR CI1599 PENGHITUNGAN FAKTOR KUALITAS PERANGKAT LUNAK DENGAN ISO 9126-1:2001 AKMA KURNIAWAN NRP 5103 100 031 Dosen Pembimbing Sarwosri, S.Kom, MT. Ahmad Hoirul Basori, S. Kom JURUSAN TEKNIK INFORMATIKA
Lebih terperinciAPLIKASI QRSCANNER DAN QR CODE GENERATOR
APLIKASI QRSCANNER DAN QR CODE GENERATOR TUGAS AKHIR Oleh : Hendri Agustian 3310901006 Novianto Rachmadi 3310901021 Disusun untuk memenuhi syarat kelulusan matakuliah Tugas Akhir PROGRAM STUDI TEKNIK INFORMATIKA
Lebih terperinciPENGEMBANGAN APLIKASI DETEKSI HAMA DAN PENYAKIT TANAMAN PADI DI INDONESIA DENGAN METODE ASSOCIATION RULE DAN COSINE SIMILARITY
PENGEMBANGAN APLIKASI DETEKSI HAMA DAN PENYAKIT TANAMAN PADI DI INDONESIA DENGAN METODE ASSOCIATION RULE DAN COSINE SIMILARITY SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu
Lebih terperinciBAB I PENDAHULUAN. Saat ini, konsep data mining semakin dikenal sebagai tools penting dalam
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Saat ini, konsep data mining semakin dikenal sebagai tools penting dalam manajemen informasi karena jumlah informasi yang semakin besar jumlahnya. Data mining sendiri
Lebih terperinciANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT SKRIPSI. Oleh :
ANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT SKRIPSI Oleh : Frista Yulianora 1401128832 Muchammad Hasbi Latif 1401136065 Rika Jubel Febriana
Lebih terperinciPERANCANGAN APLIKASI CLUSTERING SEBAGAI SUMBER INFORMASI PENENTU KELAS KONSENTRASI BAGI MAHASISWA INFORMATIKA UMS DENGAN ALGORITMA K-MEANS
PERANCANGAN APLIKASI CLUSTERING SEBAGAI SUMBER INFORMASI PENENTU KELAS KONSENTRASI BAGI MAHASISWA INFORMATIKA UMS DENGAN ALGORITMA K-MEANS SKRIPSI Disusun sebagai salah satu syarat menyelesaikan Jenjang
Lebih terperinciK-Means Clustering. Tim Asprak Metkuan. What is Clustering?
K-Means Clustering Tim Asprak Metkuan What is Clustering? Also called unsupervised learning, sometimes called classification by statisticians and sorting by psychologists and segmentation by people in
Lebih terperinciKata kunci : citra, pendeteksian warna kulit, YCbCr, look up table
Pendeteksian Warna Kulit berdasarkan Distribusi Warna YCbCr Elrica Pranata / 0422002 Email : cha_nyo2@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Marantha Jalan Prof. Suria Sumantri
Lebih terperinciKLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN VAHRUL MEILANI NIM.2012-51-115 DOSEN PEMBIMBING Endang Supriyati, M.Kom Alif Catur Murti, S.Kom,
Lebih terperinciIntegrasi Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur dan Metode Latent Semantic Analysis (LSA) Sebagai Feature Reduction
Integrasi Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur dan Metode Latent Semantic Analysis (LSA) Sebagai Feature Reduction Junta Zeniarja 1, Abu Salam 2, Ardytha Luthfiarta 3, L Budi Handoko
Lebih terperinciDETEKSI HAMA DAN PENYAKIT TANAMAN PADI MEMANFAATKAN INPUT TEKSTUAL DENGAN METODE COSINE SIMILARITY SKRIPSI
DETEKSI HAMA DAN PENYAKIT TANAMAN PADI MEMANFAATKAN INPUT TEKSTUAL DENGAN METODE COSINE SIMILARITY SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Jurusan Informatika Disusun
Lebih terperinciLAPORAN SKRIPSI IMPLEMENTASI ALGORITMA SINGLE MOVING AVERAGE UNTUK MERAMALKAN HARGA KACANG HIJAU DI KABUPATEN PATI
LAPORAN SKRIPSI IMPLEMENTASI ALGORITMA SINGLE MOVING AVERAGE UNTUK MERAMALKAN HARGA KACANG HIJAU DI KABUPATEN PATI NAJIH IZZAN ZAHRIAL NIM. 2012-51-168 DOSEN PEMBIMBING Rina Fiati, S. T, M.Cs Ahmad Jazuli,
Lebih terperinciLAPORAN SKRIPSI SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN METODE SABLON KAOS MANUAL MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
LAPORAN SKRIPSI SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN METODE SABLON KAOS MANUAL MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) AHMAD SYAIFUL ULUM NIM. 2012-51-070 DOSEN PEMBIMBING Mukhamad Nurkamid,
Lebih terperinci