PENGELOMPOKKAN JENIS LAYANAN KESEHATAN MASYARAKAT DAERAH DEMAK MENGGUNKAAN ALGORITMA K-MEANS
|
|
- Glenna Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 DRAFT JURNAL PENGELOMPOKKAN JENIS LAYANAN KESEHATAN MASYARAKAT DAERAH DEMAK MENGGUNKAAN ALGORITMA K-MEANS CLASSIFICATION OF DEMAK REGIONAL PUBLIC HEALTH SERVICES USING K-MEANS ALGORITHM Ramadhanti Sukma P 1, Nova Rijati 2 Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Semarang 1 ramadhantisukma@gmail.com, 2 novaola@yahoo.com Abstrak Implementasi data mining dapat memberikan informasi tentang daerah yang terjangkit penyakit dan jenis layanan yang digunakan oleh pasien dengan cepat, jelas, dan akurat dalam bentuk aplikasi. Data mining merupakan penemuan informasi baru dengan mencari pola dari sejumlah data dalam jumlah besar. Algoritma k-means adalah algoritma pengelompokkan yang dipilih untuk pengelolaan data sehingga informasi yang dibutuhkan dapat terpenuhi. Pada tahap clustering dengan menggunakan algoritma k- means dimulai dengan pembentukan cluster. Melalui data pasien rawat inap ini lalu dikelompokkan berdasarkan jenis layanannya. Dari hasil proses klustering menggunakan 200 data yang diperoleh dari tempat penelitian RSI Sultan Agung Semarang dengan lima kategori kluster maka didapatkan hasil dari sistem pengelompokkan penggunaaan jenis layanan yang paling banyak digunakan pasien yaitu, pada Kecamatan Sayung (C1) jenis layanan yang paling banyak digunakan pasien adalah JKN NON PBI, pada Kecamatan Karangtengah (C2) jenis layanan yang paling banyak digunakan pasien adalah JKN NON PBI, pada Kecamatan Mranggen (C3) jenis layanan yang paling banyak digunakan pasien adalah JKN PBI, pada Kecamatan Guntur (C4) jenis layanan yang paling banyak digunakan pasien adalah JKN PBI dan pada Kecamatan Karangawen (C5) jenis layanan yang paling banyak digunakan pasien adalah JKN PBI dan JKN NON PBI. Kata Kunci: Data Mining, Rawat Inap, Clustering, K-Means Abstract Implementation of data mining can provide information about the area that is infected and the types of services used by patients with fast, clear, and accurate information in the application form. Data mining is the discovery of new information by looking for patterns of a number of large amounts of data. Algorithm k-means clustering algorithm is selected for the management of data so that the information it needs can be met. At this stage of clustering algorithms using k-means starting with the formation of clusters. Through the data of hospitalized patients were then grouped by type of service. From the results of the clustering using the 200 data obtained from the study RSI Sultan Agung Semarang with five categories of clusters the results obtained from the system of grouping the use of the type of service most widely used patient is, at the District Sayung (C1) the type of service most widely used patient is JKN NON PBI, in the District Karangtengah (C2) the type of service most widely used patient is JKN NON PBI, in the District Mranggen (C3) the type of service most widely used patient is JKN PBI, in the District of Thunder (C4) the type of service most patient use is JKN PBI and the District Received June1 st,2012; Revised June25 th, 2012; Accepted July 10 th, 2012
2 2 ISSN: of Karangawen (C5) the type of service most widely used patient is JKN PBI and JKN NON PBI. Keywords: Data Mining, Inpatient, Clustering, K -Means 1. PENDAHULUAN 1.1 Latar Belakang Kebutuhan informasi di dalam kehidupan sehari-hari baik pendidikan, politik, budaya, sosial maupun kesehatan sudah menjadi kebutuhan pokok. Kebutuhan informasi menjadi maslaah ketika kebutuhan tersebut tidak dapat dirumuskan dengan baik sehingga tidak mewakili kebutuhan itu sendiri. Misalnya dalam dunia kesehatan terutama dalam lingkungan rumah sakit, kebutuhan informasi mengenai suatu penyakit atau pasien yang mengidap suatu penting sangatlah penting. Rumah Sakit Islam Sultan Agung Semarang merupakan lembaga pelayanan kesehatan masyarakat di bawah naungan Yayasan Badan Wakaf Sultan Agung. RSI Sultan Agung Semarang terletak di jalan Raya Kaligawe Km.4 yang berdekatan dengan terminal Terboyo dan pusat pertumbuhan industri. RSI Sultan Agung Semarang dibangun pada tahun 1971, yang diresmikan sebagai rumah sakit umum pada tanggal 23 Oktober 1973 dengan SK dari Menkes No. 1/024/Yan Kes/1075 tertanggal 23 Oktober 1975 diresmikan sebagai rumah sakit tipe C (rumah sakit tipe Madya). Melihat kondisi dengan ketersediaan data rekam medis yang begitu besar, tentunya pihak rumah sakit perlu mengetahui informasi tentang kunjungan pasien serta kecenderungan pasien berdasarkan alamat, jenis kelamin, umur, dan jenis layanan yang dapat dijadikan pendukung pengambilan keputusan bagi pihak rumah sakit dan dinas terkait. Untuk membantu dalam proses pencarian informasi dalam data yang besar maka teknik pemanfaatan data mining dapat membantu proses ini. Rekam Medis menurut Peraturan Menteri Kesehatan RI No.269/Menkes/PER/III/2008, rekam medis adalah berkas yang berisikan catatan dan dokumen tentang identitas pasien, pengobatan, tindakan dan pelayanan lain yang telah diberikan kepada pasien. Dari data rekam medis dapat diperoleh banyak informasi. Dengan kelengkapan informasi yang dimiliki dapat dijadikan sebuah pertimbangan bagi pihak rumah sakit untuk melakukan tindakan baik pencegahan maupun penanggulangan. Informasi-informasi ini bisa didapatkan dari pengolahan dan analisis data yang dimiliki. Berdasarkan latar belakang tersebut dibuatlah skripsi yang berjudul Pengelompokkan Jenis Layanan Kesehatan Masyarakat Daerah Demak Menggunakan Algoritma K-Means. IJCCS Vol. x, No. x, July201x : first_page end_page
3 IJCCS ISSN: METODE PENELITIAN 2.1 Objek Penelitian Penelitian ini dilaksanakan di Rumah Sakit Islam Sultan Agung Semarang. Dalam penelitian ini yang menjadi objek penelitian adalah data dari rekam medis yaitu data pasien rawat inap di triwulan pertama pada tahun Sumber Data Untuk mendapatkan data - data yang benar akurat dan relevan sebagai inputan bagi sistem. Adapun metode yang akan digunakan dalam tahap pengumpulan data antara lain : a. Wawancara Pada teknik ini digunakan untuk mendapatkan keterangan-keterangan tentang data rawat inap pasien rumah sakit pada rekam medis secara lisan yaitu dengan melakukan percakapan tanya jawab dengan narasumber dari pihak-pihak yang mengetahui bidang terkait dengan penelitian ini. b. Studi pustaka Adalah penelitian dengan mempelajari karangan ilmiah yang relevan dalam pembahasan ini dan buku buku yang memiliki keterkaitan dengan masalah yang akan dibahas. c. Observasi Sumber data dan tujuan penyusunan penelitian ini untuk mendapatkan data yang benar-benar akurat dan relevan, maka dalam pengumpulan data penulis melakukan observasi untuk mendapatkan data-data dari bagian rekam medis tentang data pasien rawat inap pada triwulan pertama tahun Teknik Dan Analisis Data Proses analisis data mining pada penelitian ini menggunakan tahap CRISP-DM (Cross-Industry Standard Process for Data Mining) dengan enam fase CRISP-DM. Gambar 1 Enam Fase CRISP-DM Title of manuscript is short and clear, implies research results (First Author)
4 4 ISSN: Fase Pemahaman Bisnis Fase ini adalah fase pertama dalam CRISP-DM yang merupakan patokan atau tujuan dilakukannya suatu penelitian. Penelitian ini dilakukan dengan tujuan untuk mengimplementasikan algoritma k-means pada data rawat inap pasien di Rumah Sakit Islam Sultan Agung Semarang, sehingga didapat informasi wilayah pasien berdasarkan jenis layanan kesehatannya secara lebih cepat dan akurat Fase Pemahaman Data Fase pemahaman data yaitu menentukan data apa yang akan diambil dan diolah untuk mencapai tujuan yang telah ditentukan. Data yang menjadi training pada metode clustering dengan algoritma k-means adalah data pasien rawat inap triwulan pertama pada tahun 2016 Rumah Sakit Islam Sultan Agung Semarang. Dari survey yang dilakukan peneliti, didapatkan data bulan Januari adalah 200 data, jadi total data pasien yang didapat untuk training ini sebanyak 200 data Fase Pengolahan Data Pada fase pengolahan data ini, data mentah yang didapat tidak semuanya dapat digunakan karena masih ada data yang mengandung missing value (keterangan tidak lengkap). Oleh karena itu, perlu dilakukan preprocessing yaitu cleaning data dan selection data. Cleaning data dan selection data merupakan tahap awal dari preprocessing data mining. Pembersihan ini dilakukan untuk membuang data yang mempunyai informasi tidak lengkap Fase Pemodelan Pada fase pemodelan ini, memilih dan mengaplikasikan teknik pemodelan yang sesuai dengan kalibrasi aturan model untuk mengoptimalkan hasil. Perlu diperhatikan bahwa beberapa teknik mungkin telah digunakan pada permasalahan mining yang sama. Jika diperlukan proses dapat kembali ke fase pengolahan data untuk menjadikan data ke dalam bentuk yang sesuai dengan spesifikasi kebutuhan teknik data mining tertentu Fase Evaluasi Pada fase ini bertujuan untuk mendapatkan hasil apakah model yang telah ditetapkan memenuhi tujuan pada fase awal, apakah terdapat permasalahan penting dari bisnis atau penelitian yang tidak tertangani dengan baik, serta mengambil keputusan yang berkaitan dengan pengunaan hasil dari data mining Fase Implementasi Pada fase implementasi ini merupakan fase terakhir dari enam fase CRISP-DM. Dengan terbentuknya model tidak menandakan telah terselesainya suatu proyek. Contoh paling sederhana implementasi yaitu pembuatan laporan. Contoh kompleks dari implementasi adalah penerapan proses data mining secara paralel pada departemen lain. 2.4 Landasan Teori Metode Clustering Clustering adalah proses pengelompokan data ke dalam beberapa cluster atau kelompok sehingga data dalam satu cluster memiliki kemiripan yang minimum. [2] Clustering merupakan metode segmentasi data yang telah diimplementasikan dalam berbagai bidang seperti prediksi dan analisis masalah bisnis segmentasi pasar, marketing, zonasi wilayah hingga identifikasi obyek dan pola dalam IJCCS Vol. x, No. x, July201x : first_page end_page
5 IJCCS ISSN: bidang computer vision dan pengolahan citra. [2] Hasil dari penelitian ini menggunakan algoritma K-means Algoritma K-Means Algoritma K-means adalah salah satu metode clustering non hirarki yang berusaha mempartisi data yang ada ke dalam satu atau lebih cluster. Metode ini mempartisi data ke dalam cluster sehingga data yang memiliki karakteriktik yang sama dikelompokkan kedalam satu cluster yang sama dan data yang memiliki karakteriktik yang berbeda di kelompokkan ke dalam cluster yang lain [3] 3.1 Metode Pengujian Sistem 1. Halaman Home 2. Halaman Input Data Pasien Gambar 1 Halaman Home Gambar 2 Halaman Input Data Pasien Title of manuscript is short and clear, implies research results (First Author)
6 6 ISSN: Halaman Input Kode Penyakit 4. Halaman Input Kode Layanan Gambar 4 Halaman Input Kode Penyakit 5. Halaman Clustering Gambar 5 Halaman Input Kode Layanan Gambar 5 Halaman Clustering IJCCS Vol. x, No. x, July201x : first_page end_page
7 IJCCS ISSN: Hasil Dan Pembahasan A. Hasil Penelitian Pada hasil penelitian ini, terciptanya sistem untuk mengelompokkan data untuk memperoleh informasi. Sistem terdiri dari beberapa interface yaitu Home, Input Data Pasien, Input Kode Penyakit, Input Kode Layanan, Halaman Clustering. Setiap antar muka mempunyai fungsi yang berbeda. Pada implementasi program dan interface pengguna dapat memperoleh informasi berupa daerah pengguna jenis layanan sehingga pihak rumah sakit bisa bekerja sama dengan penyedia layanan untuk mempromosikan jenis layanan ke daerah tersebut dengan menggunakan algoritma k-means. B. Pembahasan Tahap clustering dengan menggunakan K-Means ini dimulai dengan pembentukan cluster ini dipilih secara random, penulis membentuk 5 cluster dari 20 data yang diambil dari dataset sebagai contoh. Proses perhitungan cntroid awal dimulai dengan pemberian nama awal cluster dari cluster pertama sampai dengan cluster kelima secara random pada data hasil cleaning. Tabel 4.1 Pusat Awal Cluster Data Ke- Umur Layanan Kode Penyakit Lama Dirawat Selanjutnya dilakukan perhitungan untuk mendapatkan nilai centroid awal dengan menghitung rata-rata pada masing-masing cluster dengan membagi jumlah data yang didapatkan untuk setiap cluster dengan menggunakan mean (rata-rata) ini ditujukan agar setiap cluster memiliki anggota data pada iterasi pertama. Dengan rumus : 1. Tentukan jumlah cluster yang ingin dibentuk dan tetapkan pusat clusterk. 2. Menggunakan jarak euclidean kemudian hitung setiap data ke pusat cluster. (2.1) 3. Kelompokkan data ke dalam cluster dengan jarak yang paling pendek dengan persamaan (2.2) 4. Hitung pusat cluster yang baru menggunakan persamaan (2.3) Dengan : x ij Clusterke k p = banyaknya anggota cluster ke k Title of manuscript is short and clear, implies research results (First Author)
8 8 ISSN: Ulangi langkah dua sampai dengan empat sehingga sudah tidak ada lagi data yang berpindah ke kluster yang lain. Perhitungan jarak data dengan centroid tiap cluster, selanjutnya akan ditampilkan dalam bentuk tabel di bawah ini. Tabel 4.2 Hasil Perhitungan Awal cluster Data C1 C2 C3 C4 C5 ke , , , , , , , , , , , , , , , , ,1719 1, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,0555 3, , , , , , , , , , , , , , , , , , , , , , ,1376 6, ,02272 Iterasi pada clustering ini akan berhenti, jika anggota data cluster pada iterasi sebelumnya sama dengan anggota data cluster pada iterasi selanjutnya. Dari 20 dataset tersebut, untuk memperoleh nilai centroid yang sama terbentuklah 6 iterasi. Tabel 4.3 Hasil Perhitungan Cluster Terakhir Data C1 C2 C3 C4 C5 Ke 1 2, , , , , , , , , , , , , , , , , , , , , , , , ,4093 IJCCS Vol. x, No. x, July201x : first_page end_page
9 IJCCS ISSN: , , , , , , , , , , , , , , , , , , , , , , ,5041 0, , , , , , , , , , , , , , ,8478 4, , , , , , , , , , , , , , ,5245 5, , , , , , , , , , , , , , , , , , , ,02272 Dari hasil cluster diperoleh karakteristik masing-masing cluster. Karakteristik yang diperoleh dari 20 dataset diatas adalah : 1. Anggota C1 : data 1, 4, 6, 13, 15 dan Anggota C2 : data 2, 8 dan Anggota C3 : data 5 dan 9 4. Anggota C4 : data 3, 7, 10, 12, 14, 17 dan Anggota C5 : data 18 dan KESIMPULAN 4.1 Kesimpulan Berdasarkan hasil analisis implementasi dan pengujian pada sistem clustering, maka dapat disimpulkan bahwa metode k-means berhasil dan dapat diterapkan untuk mengelompokkan jenis layanan yang digunakan oleh pasien yang berada pada daerah Demak. Dari hasil proses klustering menggunakan 200 data yang diperoleh dari tempat penelitian Rumah Sakit Islam Sultan Agung Semarang dengan lima kategori kluster maka didapatkan hasil dari sistem pengelompokkan penggunaaan jenis layanan yang paling banyak digunakan pasien yaitu, pada Kecamatan Sayung (C1) jenis layanan yang paling banyak digunakan pasien adalah JKN NON PBI, pada Kecamtan Karangtengah (C2) jenis layanan yang paling banyak digunakan pasien adalah JKN NON PBI, pada Kecamtan Mranggen (C3) jenis layanan yang paling banyak digunakan pasien adalah JKN PBI, pada Kecamtan Guntur (C4) jenis layanan yang paling banyak digunakan pasien adalah JKN PBI dan pada Kecamtan Karangawen (C5) jenis layanan yang paling banyak digunakan pasien adalah JKN PBI dan JKN NON PBI. Title of manuscript is short and clear, implies research results (First Author)
10 10 ISSN: Hal ini menunjukkan bahwa metode k-means dapat diterapkan dalam proses pengelompokkan data pasien dan jenis layanan pasien berdasarkan data dari rekam medis RSI Sultan Agung Semarang. 5. SARAN 5.1 Saran Dalam penelitian ini masih memiliki kekurangan yang dapat dikembangkan dan dapat diperbaiki dalam penelitian selanjutnya yang memiliki pembahasan sama, saran untuk penelitian berikutnya yaitu pada proses pengelompokkan metode k-means dapat menggunakan atribut lebih banyak agar hasil akurasi dapat ditingkatkan dan juga pada hasil dari proses klustering agar dapat ditambahkan urutan data ke berapa saja yang masuk dalam setiap kluster yang telah dibuat. DAFTAR PUSTAKA [1] Novita Yuliani, Analisis Keakuratan Kode Diagnosis Penyakit Commotio Cerebri Pasien Rawat Inap Berdasarkan ICD-10 Rekam Medik di Rumah Sakit Islam Klaten ISSN : , 1 Februari 2010 [2] Edy Irwansyah, Muhammad Faisal. (2015). Advanced Clustering Teori dan Aplikasi. DeePublish. Pp 1-2. ISBN [3] Yudi Agusta (Phd: 2007), K-Means Penerapan, Permasalahan, dan Metode Terkait. [4] Julianta, Feri., & Dominikus Juju. (2010). Data Mining Meramalkan Bisnis Perusahaan. [5] Kusrini., & Luthfi, Emha Taufiq. (2009). Algoritma Data Mining. Andi offset: Yogyakarta. [6] Santosa, Budi. (2007). Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis. Graha Ilmu; Yogyakarta. [7] Prasetyo, Eko. Data Mining Mengolah Data Menjadi Informasi Menggunakan MATLAB. Andi Offset : Yogyakarta. [8] Larose, Daniel T. (2014). Discovering knowledge in data an introduction to Data Mining. A John Willey & Sons, Inc: United State. [9] Nurfaizin. (2015). Implementasi Algoritma K-Means Untuk Mengetahui Wilayah Rentan Penyakit Menggunakan Data RL Rawat Inap RSUP Dr.Kariadi Semarang. Semarang : Universitas Dian Nuswantoro. [10] Fitria Wahyu Putri. (2015). Analisis Data Rawat Inap Rumah Sakit Kota Semarang Untuk Mengetahui Daerah Endemi Penyakit Menggunakan Algoritma K-Means. Semarang : Universitas Dian Nuswantoro. [11] Erga, Sari Aprina. (2015). Penerapan Algoritma K-Means untuk Menentukan Tingkat Kesehatan Bayi dan Balita Pada Kabupaten dan Kota di Jawa Tengah. Semarang : Universitas Dian Nuswantoro. KUALITAS PELAYANAN," vol. 3 no.1, IJCCS Vol. x, No. x, July201x : first_page end_page
11 IJCCS ISSN: [12] Adriyani, Ni Made Muni.,dkk. Implementasi Algoritma Levenshtein Distance Dan Metode Empiris Untuk Menampilkan Saran Perbaikan Kesalahan pengetikan Dokumen Berbahasa Indonesia. Universitas Udayana: Fakultas Matematika dan Ilmu Pengetahuan Alam. [13] V. Handayani, A. dan A.P. Kurniati, " Analisa Clustering Menggunakan Algoritma K-Modes," Telkom University, pp.1-8, Title of manuscript is short and clear, implies research results (First Author)
IMPLEMENTASI ALGORITMA K MEANS UNTUK MENGETAHUI WILAYAH RENTAN PENYAKIT MENGGUNAKAN DATA RL RAWAT INAP RSUP DR.KARIADI SEMARANG
IMPLEMENTASI ALGORITMA K MEANS UNTUK MENGETAHUI WILAYAH RENTAN PENYAKIT MENGGUNAKAN DATA RL RAWAT INAP RSUP DR.KARIADI SEMARANG Nurfaizin 1, Heru Lestiawan, M.Kom. 2 1 Fakultas Ilmu Komputer, Universitas
Lebih terperinciPenerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 39 Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi Irwan
Lebih terperinciSISTEM PAKAR DETEKSI DINI PENYALAHGUNAAN NARKOBA MENGGUNAKAN TEOREMA BAYES EXPERT SYSTEM FOR EARLY DETECTION OF DRUGS ABUSE USING BAYES THEOREM
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 198-1520 1 SISTEM PAKAR DETEKSI DINI PENYALAHGUNAAN NARKOBA MENGGUNAKAN TEOREMA BAYES EXPERT SYSTEM FOR EARLY DETECTION OF DRUGS ABUSE USING BAYES THEOREM Cicih
Lebih terperinciIJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN:
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Klasifikasi Naive Bayes Untuk Strategi Pemasaran Mahasiswa Baru di Universitas Dian Nuswantoro Naive Bayes Classification in marketing strategy of
Lebih terperinciPenerapan Algoritma K-Means Clustering Untuk Pengelompokkan Citra Digital Dengan Ekstraksi Fitur Warna RGB
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Citra Digital Dengan Ekstraksi Fitur Warna RGB Sandi Desmanto 1, Irwan 2, Renni Angreni
Lebih terperinciIMPLEMENTASI ALGORITMA K-MEANS PADA DATA PELANGGARAN LALU LINTAS DI PENGADILAN NEGERI PURWODADI
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 IMPLEMENTASI ALGORITMA K-MEANS PADA DATA PELANGGARAN LALU LINTAS DI PENGADILAN NEGERI PURWODADI IMPLEMENTATION OF K-MEANS ALGORITHM FOR DATA TRAFFIC
Lebih terperinciRancang Bangun Sistem Pembuatan Surat Keputusan dan Sertifikat di STMIK GI MDP
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Rancang Bangun Sistem Pembuatan Surat Keputusan dan Sertifikat di STMIK GI MDP Pringka Arwanda Sirwandi, Fransiska PS., S.SI., M.T.I., Mulyati, SE,
Lebih terperinciStudent Clustering Based on Academic Using K-Means Algoritms
Student Clustering Based on Academic Using K-Means Algoritms Hironimus Leong, Shinta Estri Wahyuningrum Faculty of Computer Science, Faculty of Computer Science Unika Soegijapranata marlon.leong@gmail.com
Lebih terperinciIMPLEMENTASI METODE CERTAINTY FACTOR UNTUK MENDETEKSI GANGGUAN PERKEMBANGAN ANAK BERBASIS MOBILE HANDPHONE
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 IMPLEMENTASI METODE CERTAINTY FACTOR UNTUK MENDETEKSI GANGGUAN PERKEMBANGAN ANAK BERBASIS MOBILE HANDPHONE Marganda Simarmata [1], Dahlan Abdullah
Lebih terperinciPERANGKAT LUNAK BANTU MENENTUKAN PILIHAN SEPEDA MOTOR BEKAS DI BEDAGAN DENGAN METODE FUZZY
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 n1 PERANGKAT LUNAK BANTU MENENTUKAN PILIHAN SEPEDA MOTOR BEKAS DI BEDAGAN DENGAN METODE FUZZY TAHANI SOFTWARE OPTIONS HELP DETERMINE USED MOTORCYCLES
Lebih terperinciPENERAPAN ALGORITMA K-MEANS UNTUK MENENTUKAN TINGKAT KESEHATAN BAYI DAN BALITA PADA KABUPATEN DAN KOTA DI JAWA TENGAH
PENERAPAN ALGORITMA K-MEANS UNTUK MENENTUKAN TINGKAT KESEHATAN BAYI DAN BALITA PADA KABUPATEN DAN KOTA DI JAWA TENGAH Erga Aprina Sari Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian
Lebih terperinciPENERAPAN ALGORITMA K-MEANS PADA KUALITAS GIZI BAYI DI INDONESIA
PENERAPAN ALGORITMA K-MEANS PADA KUALITAS GIZI BAYI DI INDONESIA Diajeng Tyas Purwa Hapsari Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email :
Lebih terperinciPerancangan Sistem Informasi Manajemen Pemasangan Dan Pembayaran Iklan Pada Sumeks Cindo
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Perancangan Sistem Informasi Manajemen Pemasangan Dan Pembayaran Iklan Pada Sumeks Cindo Erika Mutiara Dewi 1, Wella Oktarina 2, Mulyati 3, Desi
Lebih terperinciSistem Informasi Geografis Kecamatan Ilir Barat II Berbasis Mobile
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Sistem Informasi Geografis Kecamatan Ilir Barat II Berbasis Mobile Ahmad Padhli 1, Dedy Hermanto 2 1,2 STMIK GI MDP; Jalan Rajawali 14, Palembang,
Lebih terperinciMETODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami
METODE CLUSTERING DENGAN ALGORITMA K-MEANS Oleh : Nengah Widya Utami 1629101002 PROGRAM STUDI S2 ILMU KOMPUTER PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA SINGARAJA 2017 1. Definisi Clustering
Lebih terperinciKLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING
KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING Moh Ahsan Universitas Kanjuruhan Malang ahsan@unikama.ac.id ABSTRAK. Universitas Kanjuruhan Malang
Lebih terperinciMetode Clustering Untuk Mengelompokan Data Balita Peserta Posyandu Menggunakan Algoritma K-Means
DRAFT JURNALIJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Metode Clustering Untuk Mengelompokan Data Balita Peserta Posyandu Menggunakan Algoritma K-Means Faradila Mulyaningrum 1, Usman Sudibyo
Lebih terperinciSISTEM INFORMASI PENGELOLAAN ODI (ORPHAN DETAIL INFORMATION) BERBASIS CLIENT SERVER DI KANTOR BAITULMAAL MUAMALAT
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM INFORMASI PENGELOLAAN ODI (ORPHAN DETAIL INFORMATION) BERBASIS CLIENT SERVER DI KANTOR BAITULMAAL MUAMALAT Dahlan Abdullah Program Studi Teknik
Lebih terperinciSISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM Marganda Simarmata [1], Dahlan Abdullah [2] 1.Program Studi Teknik Informatika
Lebih terperinciFakultas Ilmu Komputer, Universitas Dian Nuswantoro Semarang
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN ALGORITMA K-MEANS BERDASARKAN COSINE SIMILARITY UNTUK PENGENALAN KAYU KELAPA APPLICATION OF K-MEANS ALGORITHM BASED ON COSINE SIMILARITY
Lebih terperinciDesain Model Fuzzy Gejala Penyakit Untuk Sistem Pakar Pendiagnosa Penyakit Anak
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Desain Model Fuzzy Gejala Penyakit Untuk Sistem Pakar Pendiagnosa Penyakit Anak Natalia 1, Bella Halim 2, Gasim 3 1,2 STMIK GI MDP; Jl. Rajawali
Lebih terperinciPENERAPAN ALGORITMA DIJKSTRA DAN FUZZY LOGIC SUGENO PADA GAME ZOMBIE SHOOTER
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN ALGORITMA DIJKSTRA DAN FUZZY LOGIC SUGENO PADA GAME ZOMBIE SHOOTER Andryano Pratama 1, Fadli Delta Rizky 2, Daniel Udjulawa 3 3 STMIK GI
Lebih terperinci1. PENDAHULUAN. Kata Kunci: Data Mining, Clustering, Fuzzy C-Means
CLUSTERING BIDANG PEKERJAAN BERDASARKAN PEMETAAN MATA KULIAH MENGGUNAKAN ALGORITMA FUZZY C-MEANS PADA FAKULTAS ILMU KOMPUTER UNIVERSITAS DIAN NUSWANTORO SEMARANG Taufiq Ramadhan Ashari 1, Ruri Suko Basuki
Lebih terperinci1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian
Penerapan Data Mining dengan Menggunakan Metode Clustering K-Mean Untuk Mengukur Tingkat Ketepatan Kelulusan Mahasiswa Program Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBERIAN BANTUAN BIAYA PENDIDIKAN MENGGUNAKAN ALGORITMA K-MEANS
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBERIAN BANTUAN BIAYA PENDIDIKAN MENGGUNAKAN ALGORITMA K-MEANS Sinawati ), Ummi Syafiqoh 2) ), 2) Sistem Informasi STMIK PPKIA Tarakanita Rahmawati Tarakan Jl Yos
Lebih terperinciAPLIKASI SURAT MASUK DAN KELUAR DENGAN KLASTERISASI MENGGUNAKAN METODE K-MEANS DI INSTALASI FARMASI RSUD DR.SAIFUL ANWAR
APLIKASI SURAT MASUK DAN KELUAR DENGAN KLASTERISASI MENGGUNAKAN METODE K-MEANS DI INSTALASI FARMASI RSUD DR.SAIFUL ANWAR Sari Nur Sita Wibowo 1 Amak Yunus EP 1 Sistem Informasi, Universitas Kanjuruhan
Lebih terperinciIMPROVE K-MEANS TERHADAP STATUS NILAI GIZI PADA BALITA
semantik, Vol.3, No.1, Jan-Jun 2017, pp. 143-148 ISSN: 2502-8928 (Online) 143 IMPROVE K-MEANS TERHADAP STATUS NILAI GIZI PADA BALITA Puspita Sari* 1, Bambang Pramono 2, La Ode Hasnuddin S. Sagala 3 *1,2,3
Lebih terperinciKlasifikasi Penyakit Ginjal dengan Metode K-Means
Received: February 2017 Accepted: March 2017 Published: April 2017 Klasifikasi Penyakit Ginjal dengan Metode K-Means Andi Sri Irtawaty 1* 1 Teknik Elektronika. Politeknik Negeri Balikpapan * andi.sri@poltekba.ac.id
Lebih terperinciKLUSTER K-MEANS DATA MAHASISWA BARU TERHADAP PROGRAM STUDI YANG DIPILIH
KLUSTER K-MEANS DATA MAHASISWA BARU TERHADAP PROGRAM STUDI YANG DIPILIH Citra Arum Sari dan Dwi Sukma D Program Studi Teknik Industri, FTI-UPN Jatim ABSTRAK Besarnya peminat dari setiap program studi di
Lebih terperinciPENERAPAN METODE HISTOGRAM OF ORIENTED GRADIENT (HOG) PADA OBJECT COUNTING BERBASIS RASBERRY PI
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN METODE HISTOGRAM OF ORIENTED GRADIENT (HOG) PADA OBJECT COUNTING BERBASIS RASBERRY PI Eko Nopyanto 1, Hikma Taufik 2, Dedy Hermanto 3 Eka
Lebih terperinciARTIKEL SISTEM PEMBAGIAN KELOMPOK BELAJAR SISWA MENGGUNAKAN METODE K-MEANS CLUSTERING DI SD NEGERI 1 NGEBONG KABUPATEN TULUNGAGUNG
ARTIKEL SISTEM PEMBAGIAN KELOMPOK BELAJAR SISWA MENGGUNAKAN METODE K-MEANS CLUSTERING DI SD NEGERI 1 NGEBONG KABUPATEN TULUNGAGUNG Oleh: BAGUS YAYANG FATKHURRAHMAN 13.1.03.02.0180 Dibimbing oleh : 1. Ahmad
Lebih terperinciPenerapan Metode Clustering Dengan K-Means Untuk Memetakan Potensi Tanaman Padi Di Kota Semarang
1 Penerapan Metode ing Dengan K-Means Untuk Memetakan Potensi Tanaman Padi Di Kota Lianna Felicia Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Abstract Berdasarkan data hasil pertanian padi di Dinas
Lebih terperinciPengenalan Wajah Manusia dengan Hidden Markov Model (HMM) dan Fast Fourier Transform (FFT)
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Pengenalan Wajah Manusia dengan Hidden Markov Model (HMM) dan Fast Fourier Transform (FFT) Andes Andriady 1, Fandi Sanjaya 2, Derry Alamsyah 3 1,2,3
Lebih terperinciMateri 2 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya
Materi 2 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya nizar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Memahami definisi, proses serta teknik data mining. Pengenalan
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 terperinciSISTEM INFORMASI KEPEGAWAIAN FAKULTAS TEKNIK UNIVERSITAS HALU OLEO SUB-SISTEM UTILITY DAN PENGGAJIAN
semantik, Vol.2, No.1, Jan-Jun 2016, pp. 187-194 ISSN : 2502-8928 (Online) 187 SISTEM INFORMASI KEPEGAWAIAN FAKULTAS TEKNIK UNIVERSITAS HALU OLEO SUB-SISTEM UTILITY DAN PENGGAJIAN Muhammad Ichwan Utari*
Lebih terperinciPERBANDINGAN DECISION TREE
84 2015 Jurnal Krea-TIF Vol: 03 No: 02 PERBANDINGAN DECISION TREE PADA ALGORITMA C 4.5 DAN ID3 DALAM PENGKLASIFIKASIAN INDEKS PRESTASI MAHASISWA (Studi Kasus: Fasilkom Universitas Singaperbangsa Karawang)
Lebih terperinciANALISIS PENGELOMPOKAN PENYEBARAN LULUSAN MAHASISWA UNIVERSITAS GUNADARMA MENGGUNAKAN METODE CLUSTERING ABSTRAK
ANALISIS PENGELOMPOKAN PENYEBARAN LULUSAN MAHASISWA UNIVERSITAS GUNADARMA MENGGUNAKAN METODE CLUSTERING Sheila Pramita Hervianti Program Studi Magister Sistem Informasi Universitas Gunadarma Jln. Kenari
Lebih terperinciREKOMENDASI PEMBELIAN PERSONAL KOMPUTER DENGAN METODE RANKED CLUSTERING
REKOMENDASI PEMBELIAN PERSONAL KOMPUTER DENGAN METODE RANKED CLUSTERING Fadly Shabir 1 dan Abdul Rachman M 2 1 kyofadly@gmail.com, 2 emanrstc@yahoo.co.id 1 Stimik Handayani, 2 Universitas Muslim Indonesia
Lebih terperinciSistem Informasi Geografis Bengkel Mobil Berbasis Android Di Palembang-Sekayu
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Sistem Informasi Geografis Bengkel Mobil Berbasis Android Di Palembang-Sekayu Adhitya Yuda Bhaskara 1, Agus Mubarok 2, Dedy Hermanto 3 1,2 STMIK
Lebih terperinciImplementasi Algoritma Fuzzy C-Means Untuk Clustering Penderita Tuberculosis di Kota Semarang
Implementasi Algoritma Fuzzy C-Means Untuk Clustering Penderita Tuberculosis di Kota Semarang Implementation Of Fuzzy C-Means Algorithm For Clustering Tuberculois Patients at Semarang. Devi Dwi R¹, Etika
Lebih terperinciPENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI
PENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI Fitri Nurchalifatun Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Jl.
Lebih terperinciPENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK DENGAN METODE PROFILE MATCHING DI PT SUARA MERDEKA
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK DENGAN METODE PROFILE MATCHING DI PT SUARA MERDEKA DEVELOPMENT OF DECISION SUPPORT
Lebih terperinciPENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS
1 PENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS Indra Setiawan 1 1 Teknik Informatika Universitas Dian Nuswantoro Semarang E-mail :
Lebih terperinciIMPLEMETASI K-MEANS CLUSTERING PADA RAPIDMINER UNTUK ANALISIS DAERAH RAWAN KECELAKAAN
Seminar Nasional Riset Kuantitatif Terapan 2017 Kendari, 8 April 2017 58 IMPLEMETASI K-MEANS CLUSTERING PADA RAPIDMINER UNTUK ANALISIS DAERAH RAWAN KECELAKAAN Brilian Rahmat C.T.I. *1, Agum Agidtama Gafar
Lebih terperinciSISTEM INFORMASI MANAJEMEN RUMAH SAKIT KARYA ASIH CHARITAS BERBASIS WEBSITE
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM INFORMASI MANAJEMEN RUMAH SAKIT KARYA ASIH CHARITAS BERBASIS WEBSITE M.Ramadhan* 1, Yandi Akbar Pratama 2, Dien Novita 3 STMIK GI MDP PALEMBANG
Lebih terperinciARTIKEL PENILAIAN PRESTASI KERJA PEGAWAI NEGERI SIPIL
ARTIKEL PENERAPAN METODE K-MEANS DALAM PROSES CLUSTERING PENILAIAN PRESTASI KERJA PEGAWAI NEGERI SIPIL Oleh: IRFAN DWI NURCAHYO BUDIARTO 13.1.03.02.0117 Dibimbing oleh : 1. Hermin Istiasih, ST.,M.M.,M.T.
Lebih terperinciKata kunci Prediksi Ketepatan Masa Studi, Sistem Pakar, Case Based Reasoning, Algoritma C4.5
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Aplikasi Berbasis Sistem Pakar Untuk Memprediksi Ketepatan Masa Studi Dengan Pendekatan Case Based Reasoning dan C45 EXPERT SYSTEM BASED APPLICATION
Lebih terperinciSistem Informasi Rawat Jalan Pada Rumah Sakit Ibu Dan Anak Marissa Palembang
8888IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Sistem Informasi Rawat Jalan Pada Rumah Sakit Ibu Dan Anak Marissa Palembang Netti Herawati* 1, Taufan Prahara Januarsyah 2, Sudiadi 3,Della
Lebih terperinciBAB 3 METODE PENELITIAN. Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder.
BAB 3 METODE PENELITIAN 3.1 Metode Pengumpulan Data 3.1.1 Sumber Data Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder. 1. Data primer Didapatkan peneliti secara langsung
Lebih terperinciALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN
ALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN Devi Sugianti Program Studi Sistem Informasi,STMIK Widya Pratama Jl. Patriot 25 Pekalongan Telp (0285)427816 email
Lebih terperinciSISTEM INFORMASI MANAJEMEN PADA WARNA WARNI AUTOBODY PALEMBANG
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM INFORMASI MANAJEMEN PADA WARNA WARNI AUTOBODY PALEMBANG Andreas Elnatan *1, Filipus Kristian 2, Yulistia 3 1,2 Sistem Informasi STMIK GI MDP
Lebih terperinciIMPLEMENTASI ALGORITMA FUZZY K-MEANS PADA DATA REKAM MEDIS BERDASARKAN KODE PENYAKIT INTERNASIONAL (ICD10)
IMPLEMENTASI ALGORITMA FUZZY K-MEANS PADA DATA REKAM MEDIS BERDASARKAN KODE PENYAKIT INTERNASIONAL (ICD10) Mulya Negara Bachtiar 1, Haryanto Hanny 2 1 Mahasiswa, 2 Dosen Pembimbing Program Studi Teknik
Lebih terperinciPENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR
PENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciImplementasi Metode Forward Chaining untuk Mendiagnosa PenyebabPenyakit Tanaman Singkong
EnJOI, Vol.1, No.1, Januari 2016, pp. 22~28 ISSN: 2502-2237 22 Implementasi Metode Forward Chaining untuk Mendiagnosa PenyebabPenyakit Tanaman Singkong Iluh Dewi Sari *1, Ade Irna 2, Andi Tenri Sumpala
Lebih terperinciAPLIKASI PENCARIAN RUTE TRANSPORTASI UMUM BERBASIS ANDROID
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 APLIKASI PENCARIAN RUTE TRANSPORTASI UMUM BERBASIS ANDROID Okta Trianti M. 1, Very Verdinan W. 2, Rachmansyah 3 1,2 STMIK GI MDP; Jl.Rajawali No.14
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN PENANGANAN PRIORITAS KERUSAKAN JALAN DENGAN MEMBANDINGKAN METODE TOPSIS AHP
semantik, Vol.1, No.1, Jan-Jun, pp. 33-42 ISSN: 2460-1446-1520 33 SISTEM PENUNJANG KEPUTUSAN PENANGANAN PRIORITAS KERUSAKAN JALAN DENGAN MEMBANDINGKAN METODE TOPSIS Retno Yuliawanti * 1, Statiswaty 2,
Lebih terperinciSistem Informasi Akademik Berbasis Web pada SMA Bakti Ibu 8 Palembang
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Sistem Informasi Akademik Berbasis Web pada SMA Bakti Ibu 8 Palembang Pandito Dewa Putra 1, Imelda Oktavia 2, Mulyati 3, Triana Elizabeth 4 STMIK
Lebih terperinciDATA MINING DENGAN METODE CLUSTERING UNTUK PENGOLAHAN INFORMASI PERSEDIAAN OBAT PADA PUSKESMAS PANDANARAN SEMARANG
DATA MINING DENGAN METODE CLUSTERING UNTUK PENGOLAHAN INFORMASI PERSEDIAAN OBAT PADA PUSKESMAS PANDANARAN SEMARANG Joanna Ardhyanti Mita Nugraha 1, Yupie Kusumawati 2 1,2 Sistem Informasi, Fakultas Ilmu
Lebih terperinciSPK PEMBERIAN BONUS TAHUNAN KARYAWAN PT. TAMBORA MANDIRI CABANG PALEMBANG DENGAN METODE SAW
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 1 SPK PEMBERIAN BONUS TAHUNAN KARYAWAN PT. TAMBORA MANDIRI CABANG PALEMBANG DENGAN METODE SAW 1 Triyana Widya Ningrum, 2Sherly Valentina, 3Dafid STMIK MDP; Jalan Rajawali
Lebih terperinciBAB 2 TINJAUAN PUSTAKA Klasifikasi Data Mahasiswa Menggunakan Metode K-Means Untuk Menunjang Pemilihan Strategi Pemasaran
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Beberapa penelitian terdahulu telah banyak yang menerapkan data mining, yang bertujuan dalam menyelesaikan beberapa permasalahan seputar dunia pendidikan. Khususnya
Lebih terperinciPenerapan Model Warna HSV pada Aplikasi Deteksi Warna
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Penerapan Model Warna HSV pada Aplikasi Deteksi Warna Vera Nita Mulpasi Dewi 1, Robert 2, Gasim 3 1,2,3 STMIK GI MDP; Jl. Rajawali No. 14, +62(711)376400/376360
Lebih terperinciPENERAPAN ALGORITMA FLOYD WARSHALL DAN METODE FINITE STATE MACHINE PADA APLIKASI PERMAINAN MAZE TREASURE
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN ALGORITMA FLOYD WARSHALL DAN METODE FINITE STATE MACHINE PADA APLIKASI PERMAINAN MAZE TREASURE M.Yusuf Febryan 1, M.Zainul Umri Muttaqin
Lebih terperinciDATA MINING MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN STRATEGI PROMOSI UNIVERSITAS DIAN NUSWANTORO ABSTRAK
DATA MINING MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN STRATEGI PROMOSI UNIVERSITAS DIAN NUSWANTORO Oleh: Rima Dias Ramadhani Jurusan Sistem Informasi, Fakultas Ilmu Komputer, Universitas
Lebih terperinciPENGEMBANGAN PERANGKAT LUNAK DIAGNOSA PENYAKIT DIABETES MELLITUS TIPE II BERBASIS TEKNIK KLASIFIKASI DATA ABSTRACT
PENGEMBANGAN PERANGKAT LUNAK DIAGNOSA PENYAKIT DIABETES MELLITUS TIPE II BERBASIS TEKNIK KLASIFIKASI DATA Rodiyatul FS 1, Bayu Adhi Tama 2, Megah Mulya 3 1,2,3 Fakultas Ilmu Komputer, Universitas Sriwijaya
Lebih terperinciIdentifikasi Jenis Buah Jeruk Menggunakan Metode Jaringan Syaraf Tiruan Berdasarkan Tekstur Kulit
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Jenis Buah Menggunakan Metode Jaringan Syaraf Tiruan Berdasarkan Tekstur Kulit Reni Resita *1, Juratminingsih *2, Gasim 3 1,2 STMIK GI MDP; Jl. Rajawali
Lebih terperinciAplikasi Pembelajaran Faktorisasi Prima Bilangan Bulat Positif dengan Pohon Faktor Berbasis Android
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Aplikasi Pembelajaran Faktorisasi Prima Bilangan Bulat Positif dengan Pohon Faktor Berbasis Android Neti Lidyawati* 1, Serlly Pramita 2, Mardiani
Lebih terperinciIMPLEMENTASI METODE K-MEANS CLUSTERING UNTUK ANALISA PRESTASI SISWA BERDASARKAN DATA SISWA DI SMA NEGERI 1 GROGOL SKRIPSI
IMPLEMENTASI METODE K-MEANS CLUSTERING UNTUK ANALISA PRESTASI SISWA BERDASARKAN DATA SISWA DI SMA NEGERI 1 GROGOL SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih terperinciKlasterisasi Wilayah Pemasaran berdasarkan Preferensi Konsumen terhadap PT. X
Klasterisasi berdasarkan Konsumen terhadap PT. X Prasetyo, Andhika Eko Program Studi Manajemen Rekayasa Universitas Internasional Semen Indonesia Jl. Veteran Gresik, Jawa Timur 61122 E-mail: andhika.prasetyo@uisi.ac.id
Lebih terperinciANALISIS PERFORMA DAN KUALITAS CITRA BERBASIS ANDROID MENGGUNAKAN ALGORITMA KRIPTOGRAFI RIJNDAEL, DAN SERPENT
IJCCS, Volx, Nox, Julyxxxx, pp 1~5 ISSN: 1978-1520 1 ANALISIS PERFORMA DAN KUALITAS CITRA BERBASIS ANDROID MENGGUNAKAN ALGORITMA KRIPTOGRAFI RIJNDAEL, DAN SERPENT Sutrisno 1, Isrok Husnaidi 2, M Haviz
Lebih terperinciPengembangan Perangkat Lunak Sistem Manajemen Hotel Berbasis Web Pada Quin Centro Hotel Palembang
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Pengembangan Perangkat Lunak Sistem Manajemen Hotel Berbasis Web Pada Quin Centro Hotel Palembang Windriarti 1, Tiya Siti Nurbaeti 2, Antonius Wahyu
Lebih terperinciIJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN:
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN ALGORITMA APRIORI UNTUK MEMBANTU CALON MAHASISWA DALAM MEMILIH PROGRAM STUDI DI FAKULTAS ILMU KOMPUTER UNIVERSITAS DIAN NUSWANTORO APRIORI
Lebih terperinciSISTEM INFORMASI KEPEGAWAIAN DAN PENGELOLAAN INVENTARIS ALAT KESEHATAN PADA RSIA HAMAMI PALEMBANG
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM INFORMASI KEPEGAWAIAN DAN PENGELOLAAN INVENTARIS ALAT KESEHATAN PADA RSIA HAMAMI PALEMBANG Muhammad Fachry 1, Triana Elizabeth 2 1,2 STMIK
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN
BAB IV ANALISIS DAN PERANCANGAN 4.1. Analisa 4.1.1 Analisis Data Pada tahap analisa data ini akan dibahas mengenai citra CT Scan yang akan dilakukan proses segmentasi atau pengelompokan data. Data citra
Lebih terperinciModel Aplikasi Penentuan Jenis Beasiswa Berbasis Algoritma K-NN Termodifikasi
ISSN: 2089-3787 1181 Model Aplikasi Penentuan Jenis Beasiswa Berbasis Algoritma K-NN Termodifikasi Soegiarto 1, Bahar 2 Program Studi Teknik Informatika, STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru
Lebih terperinciANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS
ANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS Iin Parlina1, Prof.Herman Mawengkang2, Dr.Syahril Efendi, S.Si, M.IT3 Magister Teknik Informatika, Universitas Sumatera Utara
Lebih terperinciModel Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa)
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) Agus Perdana Windarto* 1, Dedy Hartama
Lebih terperinciAnalisa Data Mining Menggunakan Metode Bayes Untuk Mengukur Tingkat Kerusakan Mesin Motor (Studi Kasus Pada AHASS Astra Motor Kudus)
Analisa Data Mining Menggunakan Metode Bayes Untuk Mengukur Tingkat Kerusakan Mesin Motor (Studi Kasus Pada AHASS Astra Motor Kudus) Yunus Pradika FakultasIlmuKomputer, Universitas Dian Nuswantoro, Jl.
Lebih terperinciDATA MINING DENGAN TEKNIK CLUSTERING UNTUK MENGGALI INFORMASI TENTANG BIMBINGAN KONSELING SISWA (STUDI KASUS : SMA NEGERI 1 X KOTO SINGKARAK)
Jurnal Ilmiah Fakultas Teknik LIMIT S Vol.13 No 1 Maret 2017 38 DATA MINING DENGAN TEKNIK CLUSTERING UNTUK MENGGALI INFORMASI TENTANG BIMBINGAN KONSELING SISWA (STUDI KASUS : SMA NEGERI 1 X KOTO SINGKARAK)
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. menerapkan metode clustering dengan algoritma K-Means untuk penelitiannya.
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Salah satu cara untuk mengetahui faktor nilai cumlaude mahasiswa Fakultas Teknik Universitas Muhammadiyah Yogyakarta adalah dengan menerapkan
Lebih terperinciIMPLEMENTASI DATA MINING PENGELOMPOKKAN MURID TAMAN KANAK-KANAK DENGAN METODE K-MEANS
JURNAL IMPLEMENTASI DATA MINING PENGELOMPOKKAN MURID TAMAN KANAK-KANAK DENGAN METODE K-MEANS Implementation Of Data Mining Grouping Kindergarten Pupils With K-Means Method Oleh: YOYOK BAGUS SAKSIKO 12.1.03.02.0132
Lebih terperinciPENGELOMPOKKAN PERFORMA AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI MENGGUNAKAN K-MEANS CLUSTERING
A-99 PENGELOMPOKKAN PERFORMA AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI MENGGUNAKAN K-MEANS CLUSTERING Rachmad Zaini Alberto 1, Winda Kurnia Sari 2, Samsuryadi 3, Anggina Primanita 4 1,2,3,4 Fakultas
Lebih terperinciPENGELOMPOKAN TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS
PENGELOMPOKAN TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS Yulius Palumpun 1), Sitti Nur Alam 2) 1) Program Studi Sistem Informasi Fakultas Ilmu Komputer dan Manajemen (FIKOM) - Universitas
Lebih terperinciClustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means
Clustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means Sri Redjeki Andreas 1), Andreas Pamungkas, Pamungkas Hastin 2), Hastin Al-fatah Al-fatah 3) 1)2)3) STMIK dzeky@akakom.ac.id
Lebih terperinciIMPLEMENTASI DATA MINING UNTUK PENGELOMPOKKAN DATA SISWA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING (STUDI KASUS : SMKN 1 KEDIRI) SKRIPSI
Artikel Skripsi IMPLEMENTASI DATA MINING UNTUK PENGELOMPOKKAN DATA SISWA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING (STUDI KASUS : SMKN 1 KEDIRI) SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah
Lebih terperinciRANCANG BANGUN SISTEM INFORMASI MANAJEMEN PADA KORAMIL SU 1 PALEMBANG BERBASIS WEBSITE
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 RANCANG BANGUN SISTEM INFORMASI MANAJEMEN PADA KORAMIL 418-04 SU 1 PALEMBANG BERBASIS WEBSITE Sefti Rinanda 1, Qudratul Rochna Rhina 2, Sudiadi 3,
Lebih terperinciPENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS
PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika Universitas Indraprasta PGRI Abstract. The purpose of this study was to
Lebih terperinciANALISIS SEGMENTASI NASABAH MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING (Studi Kasus di PT. Buana Sejahtera Multidana Cabang Cikampek)
ANALISIS SEGMENTASI NASABAH MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING (Studi Kasus di PT. Buana Sejahtera Multidana Cabang Cikampek) Meriska Defriani 1, Noviyanti 2 1 STT Wastukancana 2 Teknik Informatika,
Lebih terperinciPerancangan Sistem Informasi Kelulusan Berdasarkan Tahun Akademik di Yayasan SMP Makna Bakti
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 Jatisi, Vol. 3 No. 2 Maret 2017 85 Perancangan Sistem Informasi Kelulusan Berdasarkan Tahun Akademik di Yayasan SMP Makna Bakti Achmad Irfan* 1, Budi Arifitama 2 1,2
Lebih terperinciSISTEM INFORMASI COSTUMER RELATIONSHIP MANAGEMENT BERBASIS WEBSITE PADA CV. SUMBER ALAM TABARAK PALEMBANG
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM INFORMASI COSTUMER RELATIONSHIP MANAGEMENT BERBASIS WEBSITE PADA CV. SUMBER ALAM TABARAK PALEMBANG Fadli Agasi 1, Rendy Rusli. 2, Dien Novita
Lebih terperinciUniversitas Dian Nuswantoro Jl. Nakula I No Semarang, Indonesia 1,
PENERAPAN METODE CLUSTERING DENGAN ALGORITMA K- MEANS UNTUK REKOMENDASI PEMILIHAN JALUR PEMINATAN SESUAI KEMAMPUAN PADA PROGRAM STUDI TEKNIK INFORMATIKA-S1 UNIVERSITAS DIAN NUSWANTORO Rizky Adrianto 1,
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI HASIL PENJUALAN BARANG PADA TOKO SINAR BARU DENGAN MENGGUNAKAN ALGORITMA APRIORI
JURNAL IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI HASIL PENJUALAN BARANG PADA TOKO SINAR BARU DENGAN MENGGUNAKAN ALGORITMA APRIORI IMPLEMENTATION OF DATA MINING TO PREDICT RESULTS OF SALES GOODS IN THE
Lebih terperinciAnalisis Determinan Indeks Pembangunan Manusia
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Analisis Determinan Indeks Pembangunan Manusia (Studi Kasus Sumatera Utara) Wahyu Danin* 1, Muammar Rinaldi 2, Sri Rezeki Pane 3 1,2 Jurusan Ilmu
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 terperinciPANDUAN PENCARIAN RUTE GEDUNG DAN RUANGAN PADA FAKULTAS DI UNIVERSITAS HALU OLEO MENGGUNAKAN ALGORITMA DIJKSTRA BERBASIS MACROMEDIA FLASH
semantik, Vol.1, No.2, Jul-Des 2015, pp. 45-56 ISSN: 2460-1446Ily pp. 1~5 45 PANDUAN PENCARIAN RUTE GEDUNG DAN RUANGAN PADA FAKULTAS DI UNIVERSITAS HALU OLEO MENGGUNAKAN ALGORITMA DIJKSTRA BERBASIS MACROMEDIA
Lebih terperinciPENERAPAN METODE KLASTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI TEKNIK INFORMATIKA STRATA SATU
PENERAPAN METODE KLASTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI TEKNIK INFORMATIKA STRATA SATU Gita Premashanti Trayasiwi Program Studi Teknik Informatika S1,
Lebih terperinciPemanfaatan Data Mining Untuk Penempatan Buku Di Perpustakaan Menggunakan Metode Association Rule
Jatisi, Vol. 4 No. 1 September 2017 1 Pemanfaatan Data Mining Untuk Penempatan Buku Di Perpustakaan Menggunakan Metode Association Rule Robi Yanto* 1, Hendra Di Kesuma 2 1,2 STMIK BNJ Lubuklinggau; Jl
Lebih terperinciPENERAPAN METODE ASOSIASI GSP DAN APRIORI UNTUK STOK DAN REKOMENDASI PRODUK
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 412~416 412 PENERAPAN METODE ASOSIASI GSP DAN APRIORI UNTUK STOK DAN REKOMENDASI PRODUK Elly Muningsih AMIK BSI Yogyakarta e-mail : elly.emh@bsi.ac.id
Lebih terperinciIMPLEMENTASI METODE PER CONNECTION CLASSIFIER DENGAN FAILOVER DAN FITUR NOTIFIKASI
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 IMPLEMENTASI METODE PER CONNECTION CLASSIFIER DENGAN FAILOVER DAN FITUR NOTIFIKASI EMAIL Risandy Wiratman 1, Septian Ari Purnomo 2, Dedy Hermanto
Lebih terperinciPenerapan Algoritma K-Means Untuk Analisis Prestasi Akademik Mahasiswa Fakultas Ilmu Komputer Universitas Klabat
Penerapan Algoritma K-Means 230 Penerapan Algoritma K-Means Untuk Analisis Prestasi Akademik Mahasiswa Fakultas Ilmu Komputer Universitas Klabat Application of K-Means Algorithm for Academic Achievement
Lebih terperinci