Bab 2 Tinjauan Pustaka 2.1 Penelitian Sebelumnya
|
|
- Hartono Hermanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Bab 2 Tinjauan Pustaka 2.1 Penelitian Sebelumnya Berbagai penelitian yang menerapkan algoritma ID3 (Iterative Dichotomizer Three) sebagai metode perhitungannya telah banyak dilakukan. ID3 (Iterative Dichotomizer Three) digunakan sebagai perhitungan untuk menggambarkan pohon keputusan yang digunakan sebagai acuan dalam penentuan penerima beasiswa mahasiswa yang sesuai dengan ketentuan yang berlaku. Penelitian tersebut merupakan perbandingan antara perhitungan menggunakan ID3 (Iterative Dichotomizer Three) dan AHP (Analytic Hierarcy Process). Atribut yang digunakan pada penelitian tersebut antara lain IPA (Indeks Prestasi Akademik), wawancara, latar belakang ekonomi serta rekomendasi wali studi. Setelah pengujian selesai dilakukan, dapat diketahui perbedaan prioritasnya. Dalam perhitungan ID3 (Iterative Dichotomizer Three) atribut yang menentukan adalah atribut IPK sedangkan dalam perhitungan AHP (Analytic Hierarcy Process) atribut yang menjadi prioritas adalah latar belakang ekonomi. Namun terdapat persamaan yaitu atribut terendah atau yang menjadi priorotas terendah adalah atribut rekomendasi wali studi (Lee, 2010). Penelitian mengenai pemilihan dosen penguji juga pernah dilakukan dengan mencari hubungan melalui beberapa atribut yang berpengaruh dalam pemilihan dosen penguji berdasarkan keterkaitan bidang minat dosen, keterkaitan bahasa pemrograman, keterkaitan 7
2 8 mata kuliah dan kesesuaian jadwal. Dengan menggunakan banyak atribut diharapkan dapat memberikan hasil yang maksimal dalam menentukan dosen penguji serta dapat hadirnya dosen pembimbing maupun dosen penguji pada saat pengujian dilaksanakan (Dhiwi, 2009). Aplikasi pemilihan dosen penguji dan penjadwalan ujian skripsi yang dibuat di Universitas Kristen Satya Wacana tersebut mampu menyusun jadwal, mengatur dosen penguji dan memetakan jadwal, namun ada beberapa hal yang masih harus diperbaiki yaitu dalam hal pemilihan dosen penguji masih dilakukan secara manual dengan melihat jadwal dari para dosen. Pada penelitian ini, algoritma ID3 (Iterative Dichotomizer Three) akan digunakan dalam menentukan pohon dalam pemilihan dosen pembimbing yang sesuai dengan topik yang diambil mahasiswa. Pada sistem hanya akan memiliki satu hak akses saja dikarenakan hanya KPTA saja yang memiliki wewenang dalam hal ini. Sedangkan mahasiswa hanya dapat melakukan pencarian dosen pembimbing skripsi tanpa harus login atau mencantumkan identitasnya seperti nama dan NIM. 2.2 Penentuan Dosen Pembimbing Skripsi di FTI, UKSW Skripsi merupakan tugas akhir mahasiswa untuk memperoleh gelar akademisnya. Skripsi akan dibimbing oleh dua dosen pembimbing yang memiliki keterkaitan dengan topik skripsi tersebut. Misal mahasiswa dengan minat pengembangan Sistem Cerdas berbasis Mobile maka sebaiknya dibimbing oleh dosen yang
3 9 memiliki minat dibidang Sistem Cerdas dan Mobile, agar di saat mahasiswa tersebut menemukan kendala saat pengerjaan dapat terbantu dengan solusi yang diberikan pembimbingnya. Pembimbing 1 harus merupakan dosen dengan pendidikan terakhir minimal S2, sedangkan pembimbing 2 merupakan dosen dengan pendidikan terakhir S1 dengan tingkat kepangkatan yang lebih tinggi (misal lektor, asisten ahli). Untuk menentukan dosen pembimbing, melalui beberapa tahap. Tahap seleksi awal ditentukan dengan mengklasifikasikan proposal yang diajukan berdasarkan bidang pengembangan (misal: Algoritma Pemrograman dan Database, Jaringan Komputer, Mobile Application dan lain- lain). Tahap selanjutnya koordinator KPTA menyerahkan proposal yang masuk kepada koordinator masingmasing bidang pengembangan. Masing-masing bidang pengembangan melakukan rapat guna menentukan proposal mana yang layak diterima maupun ditolak. Setelah tahap ini selesai, dilakukan rapat dengan seluruh staff pengajar guna menentukan dosen pembimbing yang sesuai dengan topik yang telah diterima. Apabila telah dicapai kesepakatan antara dosen untuk membimbing mahasiswa dengan topik tersebut, maka dosen dapat melakukan proses bimbingan dengan mahasiswa yang bersangkutan. 2.3 Sistem Pendukung Keputusan Pengertian SPK Konsep Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut merupakan suatu sistem yang
4 10 berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur. DSS sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para manager mengambil keputusan. Untuk dapat meraih kesuksesan, sistem tersebut haruslah sederhana, cepat, mudah dikontrol, adaptip, lengkap dengan isu- isu penting, dan mudah berkomunikasi (Little, 1970). Definisi klasik lainnya untuk Decision Support Sistem (DSS) yaitu : Sistem Pendukung Keputusan memadukan sumber daya intelektual dari individu dengan kapabilitas komputer untuk meningkatkan kualitas keputusan (Keen dan Scott Morton, 1978) Karakteristik dan manfaat Karakteristik sistem pendukung keputusan: Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur dengan menambahkan kebijaksanaan manusia dan informasi komputerisasi. Dalam proses pengolahannya, sistem pendukung keputusan mengkombinasikan penggunaan model-model analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari / interogasi informasi. Sistem Pendukung Keputusan, dirancang sedemikian rupa sehingga dapat digunakan/dioperasikan dengan mudah.
5 11 Sistem Pendukung Keputusan dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi (Kadarsah, 2002). Dengan berbagai karakter khusus diatas, SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK : SPK memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya. SPK membantu pengambil keputusan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan. Walaupun suatu SPK, mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun SPK dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya, karena mampu menyajikan berbagai alternatif pemecahan (Kadarsah, 2002) Komponen SPK Sebuah sistem pendukung keputusan terdiri dari beberapa subsistem (Turban, 2005), antara lain : a. Subsistem manajemen data, meliputi basis data yang mengandung data yang relevan dengan keadaan yang ada dan dikelola oleh sebuah sistem yang dikenal sebagai database management system (DBMS).
6 12 b. Subsistem manajemen model, yaitu sebuah paket perangkat lunak yang berisi model-model finansial, statistik, management science, atau model kuantitatif yang lain yang menyediakan kemampuan analisis sistem dan management software yang terkait. c. Subsistem manajemen pengetahuan (knowledge) yaitu subsistem yang mampu mendukung subsistem yang lain atau berlaku sebagai sebuah komponen yang berdiri sendiri. d. Subsistem antarmuka pengguna (User Interface), yang merupakan media tempat komunikasi antara pengguna dan sistem pendukung keputusan serta tempat pengguna memberikan perintah kepada sistem pendukung keputusan (Anonim, 2007). 2.4 Algoritma Iterative Dichotomizer Three (ID3) Iterative Dichotomizer Three (ID3) merupakan suatu algoritma matematika yang digunakan untuk menghasilkan suatu pohon keputusan yang mampu mengklasifikasi suatu objek, ID3 diperkenalkan pertama kali oleh Ross Quinlan (1979). Aturan-aturan yang dihasilkan oleh ID3 mempunyai hubungan yang hierarkis seperti suatu pohon (mempunyai akar, titik, cabang, dan daun) (Gunawan, 2007). Algoritma ID3 membentuk pohon keputusan dengan cara pembagian dan menguasai sampel secara rekursif dari atas ke bawah. Algoritma ID3 dimulai dengan semua data yang ada sebagai akar dari pohon keputusan, sebuah atribut yang dipilih akan menjadi pembagi dari sampel tersebut. Untuk setiap atribut dari cabang yang telah dibentuk, semua sampel yang memiliki nilai yang sama dengan
7 13 atribut cabang akan masuk dalam anggotanya dan dinamakan anak cabang (Nugroho, 2007). Iterative Dichotomizer 3 (ID3) merupakan sebuah metode yang digunakan untuk membangkitkan pohon keputusan. Algoritma pada metode ini berbasis pada Occam s razor, lebih memilih pohon keputusan yang lebih kecil (teori sederhana) dibanding yang lebih besar. Tetapi tidak dapat selalu menghasilkan pohon keputusan yang paling kecil dan karena itu occam s razor bersifat heuristic, Occam s razor diformalisasi menggunakan konsep dari entropi informasi (Setiawan, 2009). Dasar dari algoritma ini mengasumsikan bahwa tidak ada noise di domain, mencari untuk menjelaskan konsep untuk mengklasifikasikan data uji secara sempurna. Namun, aplikasi pada dunia nyata domain membutuhkan metode untuk menangani data noise. Pada kenyataannya, dibutuhkan sebuah mekanisme yang untuk mendeskripsikan konsep induksi data, dan ini memerlukan kendala lemah bahwa deskripsi induksi harus mengklasifikasikan data uji dengan sempurna (Clark dan Niblett, 1989). Konsep perhitungan dalam algoritma ID3 adalah menentukan objek yang akan dijadikan sebagai atribut utama. Semua objek yang ada dihitung nilai kemungkinannya terlebih dahulu, dari perhitungan tersebut diketahui mana objek yang memiliki nilai atribut paling tinggi yang kemudian dijadikan sebagai atribut utama. Berikut adalah langkah langkah dalam algoritma ID3 : (Suyanto, 2007) Buat simpul Root If semua sampel adalah kelas i, maka Return pohon satu simpul Root dengan label = i
8 14 If Kumpulan Atribut kosong, Return pohon satu simpul Root dengan label=nilai atribut target yang paling umum (yang paling sering muncul) Else A <--- Atribut yang merupakan best classifer (dengan information gain terbesar) Atribut keputusan untuk Root <--- A For vi (setiap nilai pada A) Tambahkan suatu cabang di bawah Root sesuai dengan nilai vi Buat suatu variabel, misal Sampelvi, sebagai himpunan bagian (subset) dari kumpulan sampel yang bernilai vi pada atribut A If Sampelvi kosong * THEN di bawah cabang ini tambahkan suatu simpul daun (leaf node, simpul yang tidak punya anak di bawahnya) dengan label=nilai atribut target yang paling umum(yang paling sering muncul) * ELSE di bawah cabang ini tambahkan subtree dengan memanggil fungsi ID3 (Sampelvi,, AtributTarget, Atribut- {A}) End End Return Root
9 15 Adapun sample data yang digunakan oleh ID3 memiliki beberapa syarat, yaitu: Deskripsi atribut-nilai. Atribut yang sama harus mendeskripsikan tiap contoh dan memiliki jumlah nilai yang sudah ditentukan. Kelas yang sudah didefinisikan sebelumnya. Suatu atribut contoh harus sudah didefinisikan, karena mereka tidak dipelajari oleh ID3. Kelas-kelas yang diskrit. Kelas harus digambarkan dengan jelas. Kelas yang kontinu dipecah-pecah menjadi kategorikategori yang relatif, misalnya saja metal dikategorikan menjadi hard, quite hard, flexible, soft, quite soft. Jumlah contoh (example) yang cukup. Karena pembangkitan induktif digunakan, maka dibutuhkan test case yang cukup untuk membedakan pola yang valid dari peluang suatu kejadian. Pemillihan atribut pada ID3 dilakukan dengan properti statistik, yang disebut dengan information gain. Gain mengukur seberapa baik suatu atribut memisahkan training example ke dalam kelas target. Atribut dengan informasi tertinggi akan dipilih. Dengan tujuan untuk mendefinisikan gain, pertama-tama digunakanlah ide dari teori informasi yang disebut entropi. Entropi mengukur jumlah dari informasi yang ada pada atribut. Rumus Entropy Informasi dituliskan dalam persamaan 2.1 (Mitchell, 1997) Entropy S) p log 2 p p log 2 ( p (2.1)
10 16 Keterangan : S adalah ruang (data) sampel yang digunakan untuk training. P + P - adalah jumlah yang bersolusi positif (mendukung) pada data sampel untuk kriteria tertentu. adalah jumlah yang bersolusi negatif (tidak mendukung) pada data sampel untuk kriteria tertentu. Catatan: Entropy(S) = 0, jika semua contoh pada S berada dalam kelas yang sama. Entropy(S) = 1, jika jumlah contoh positif dan jumlah contoh negatif dalam S adalah sama. 0 < Entropy(S) < 1, jika jumlah contoh positif dan negatif dalam S tidak sama. Gambar 2.1 Grafik Fungsi Entropy Untuk Kumpulan Data Dalam 2 Kelas Rumus menghitung Gain ditunjukkan dalam persamaan 2.2 (Mitchell, 1997)
11 17 Sv Gain ( S, A) Entropy ( S) Entropy ( Sv) (2.2) S Keterangan : A : atribut V : menyatakan suatu nilai yang mungkin untuk atribut A Values(A) : himpunan yang mungkin untuk atribut A Sv : jumlah sampel untuk nilai v S : jumlah seluruh sampel data Entropy(Sv): entropy untuk sampel-sampel yang memilki nilai v 2.5 Model View Control (MVC) Konsep MVC adalah konsep pemisahan antara logic dengan tampilan dan database.manfaat konsep ini adalah, membuat coding logic lebih sederhana, karena sudah di pisah dengan code untuk tampilan dan membuat programmer dapat bekerja secara terpisah dengan designer. Programmer mengerjakan logic, sedangkan designer berkutat dengan design dan tampilan. Gambaran umum struktur MVC dapat dilihat pada Gambar 2.2. Model Gambar 2.2 Arsitektur MVC (Model View Control) (Jeni, 2009)
12 18 Model mencakup semua proses yang terkait dengan pemanggilan struktur data baik berupa pemanggilan fungsi, input processing atau mencetak output ke dalam browser. View View mencakup semua proses yang terkait layout output. Bisa dibilang untuk menaruh template interface website atau aplikasi. Layer ini mengandung keseluruhan detail dari implementasi user interface. Disini, komponen grafis menyediakan representasi proses internal aplikasi dan menuntun alur interaksi user terhadap aplikasi. Tidak ada layer lain yang berinteraksi dengan user, hanya View (Jeni, 2009). Controller Controller mencakup semua proses yang terkait dengan pemanggilan database dan kapsulisasi proses-proses utama. Jadi semisal di bagian ini ada file bernama member.php, maka semua proses yang terkait dengan member akan dikelompokan dalam file ini
Bab 2 Tinjauan Pustaka
Bab 2 Tinjauan Pustaka Bab 2 Tinjauan Pustaka 2.1. Penelitian Terdahulu Dalam penelitian sebelumnya yang berjudul "Perancangan Klasifikasi Penerimaan Beasiswa Menggunakan Algoritma ID3 (Iterative Dichotomizer
Lebih terperinciMetode Iterative Dichotomizer 3 ( ID3 ) Untuk Penyeleksian Penerimaan Mahasiswa Baru
Metode Iterative Dichotomizer 3 ( ID3 ) Untuk Penyeleksian Penerimaan Mahasiswa Baru Wahyudin Program Pendidikan Ilmu Komputer, Universitas Pendidikan Indonesia Abstrak Konsep pohon merupakan salah satu
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN (SPK) UNTUK MENENTUKAN KELAIKLAUTAN KAPAL ABSTRAK
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN (SPK) UNTUK MENENTUKAN KELAIKLAUTAN KAPAL Oleh Pembimbing : Bambang Setiawan : 1. Prof. Ir. Raden Sjarief Widjaja, Ph.D 2. DR-Ing. Ir. Setyo Nugroho ABSTRAK Salah
Lebih terperinciDecision Tree Learning Untuk Penentuan Jalur Kelulusan Mahasiswa
Decision Tree Learning Untuk Penentuan Jalur Kelulusan Mahasiswa Winda Widya Ariestya 1, Yulia Eka Praptiningsih 2, Wahyu Supriatin 3 Program Studi Sistem Informasi Fakultas Ilmu Komputer dan Teknologi
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) adalah sistem komputer yang saling berhubungan dan menjadi alat bantu bagi seorang
Lebih terperinciDecision Tree Learning Untuk Penentuan Jalur Kelulusan Mahasiswa
Decision Tree Learning Untuk Penentuan Jalur Kelulusan Mahasiswa Winda Widya Ariestya 1, Yulia Eka Praptiningsih 2, Wahyu Supriatin 3 Program Studi Sistem Informasi Fakultas Ilmu Komputer dan Teknologi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
6 BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Systems (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott
Lebih terperinciPENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN MENGGUNAKAN METODA POHON KEPUTUSAN ID3
PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN MENGGUNAKAN METODA POHON KEPUTUSAN ID3 Youllia Indrawaty N 1), Mira Musrini Barmawi 2), Andreas Sinaga 3) 1,2,3) Jurusan Teknik Informatika,
Lebih terperinciPROGRAM BANTU SELEKSI AWAL DOSEN BERPRESTASI MENGGUNAKAN METODE ITERATIVE DICHOTOMISER 3
32 PROGRAM BANTU SELEKSI AWAL DOSEN BERPRESTASI MENGGUNAKAN METODE ITERATIVE DICHOTOMISER 3 Yo el Pieter Sumihar* 1, Idris Efendi 2 1,2,3 Jurusan Komputer, Teknik Informatika, Fakultas Sains dan Komputer,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Data Mining 2.1.1 Pengertian Data Mining Dengan semakin besarnya jumlah data dan kebutuhan akan analisis data yang akurat maka dibutuhkan metode analisis yang tepat. Data mining
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Data Mining Dengan perkembangan pesat teknologi informasi termasuk diantaranya teknologi pengelolaan data, penyimpanan data, pengambilan data disertai kebutuhan pengambilan
Lebih terperinciSistem Pendukung Keputusan. Oleh: Ade Sarah H., M.Kom
Sistem Pendukung Keputusan Oleh: Ade Sarah H., M.Kom Topik Defenisi Sistem Defenisi Pembuatan Keputusan Tahap pembuatan keputusan Pendekatan untuk pembuatan keputusan Pengertian Sistem Pendukung Keputusan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) atau dikenal Decision Support System(DSS) adalah sistem informasi interaktif yang menyediakan informasi, pemodelan
Lebih terperinciKecerdasan Buatan Materi 6. Iterative Dichotomizer Three (ID3)
Kecerdasan Buatan Materi 6 Iterative Dichotomizer Three (ID3) Pengertian ID3 Singkatan dari Iterative Dichotomiser Three. Atau Induction of Decision Tree. Diperkenalkan pertama kali oleh Ross Quinlan (1979)
Lebih terperinci1. Pendahuluan 2. Kajian Pustaka
1. Pendahuluan PTPN IX kebun Ngobo, Ungaran adalah salah satu perusahaan yang bergerak dalam bidang pertanian tanaman semusim dan tahunan. Karet termasuk dalam hasil pertanian tanaman tahunan. Menurut
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
Lebih terperinciSistem Pendukung Keputusan Manajemen
Sistem Pendukung Keputusan Manajemen Entin Martiana, S.Kom, M.Kom Sistem Pendukung Keputusan proses pengambilan keputusan merupakan hal yang menjadi bagian penting di dalam suatu organisasi atau perusahaan.
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN PENERIMAAN GURU BERBASIS WEB
SISTEM PENUNJANG KEPUTUSAN PENERIMAAN GURU BERBASIS WEB Widya Wisanti Dosen Jurusan Teknik Elektro Universitas Sawerigading Makassar Email : wwisanty@yahoo.co.id ABSTRAK Kegiatan dalam menerima calon guru
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Sistem Pendukung Keputusan Sistem pendukung keputusan (decision support systems disingkat DSS) adalah bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis
Lebih terperinciMetode Iterative Dichotomizer 3 ( ID3 ) Untuk Penerimaan Mahasiswa Baru
Metode Iterative Dichotomizer 3 ( ID3 ) Untuk Penerimaan Mahasiswa Baru Wahyudin Program Studi Ilmu Komputer Universitas Pendidikan Indonesia Abstrak Konsep pohon merupakan salah satu konsep teori graf
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN. Sistem Informasi Pariwisata
SISTEM PENDUKUNG KEPUTUSAN Sistem Informasi Pariwisata SISTEM PENDUKUNG KEPUTUSAN Proses pengambilan keputusan merupakan hal yang menjadi bagian penting di dalam suatu organisasi atau perusahaan. Pengambilan
Lebih terperinciSistem Pendukung Keputusan dengan Menggunakan Algoritma Iterative Dichotomizer Three (Studi Kasus Sistem PT Warna Agung Semarang)
Sistem Pendukung Keputusan dengan Menggunakan Algoritma Iterative Dichotomizer Three (Studi Kasus Sistem PT Warna Agung Semarang) 1) Ninik Kristiyani, 2) Charitas Fibriani, 3) Andeka Rocky Tanaamah Fakultas
Lebih terperinciIMPLEMENTASI ALGORITMA FUZZY SEBAGAI PENGGALIAN INFORMASI KETERLAMBATAN KELULUSAN TUGAS AKHIR MAHASISWA DENGAN METODE DECISION TREE
IMPLEMENTASI ALGORITMA FUZZY SEBAGAI PENGGALIAN INFORMASI KETERLAMBATAN KELULUSAN TUGAS AKHIR MAHASISWA DENGAN METODE DECISION TREE Yusni Amaliah 1), Ummi Syafiqoh 2), Eviana Tjatur Putri (3) 1,2) Sistem
Lebih terperinciBAB II KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Decision support system atau sistem penunjang keputusan disingkat menjadi DSS, secara umum
BAB II KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Decision support system atau sistem penunjang keputusan disingkat menjadi DSS, secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan
Lebih terperinciSuyanto, Artificial Intelligence
Suyanto, Artificial Intelligence 12/11/2009 1 Merupakan metode yang berusaha menemukan fungsi-fungsi pendekatan yang bernilai diskrit. Banyak digunakan dalam data mining untuk klasifikasi. Dua fase : Learning/pembelajaran
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. yang tepat. Sistem data mining mampu memberikan informasi yang tepat dan
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Sistem data mining akan lebih efektif dan efisiensi dengan komputerisasi yang tepat. Sistem data mining mampu memberikan informasi yang
Lebih terperinciBAB 2 LANDASAN TEORI
5 BAB 2 LANDASAN TEORI 2.1 Sistem pendukung keputusan (SPK) Konsep sistem pendukung keputusan atau decision support system (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton
Lebih terperinciOutline. Definisi SPK Tujuan SPK Fitur SPK Karakteristik dan Kemampuan SPK Komponen SPK
Tinjauan SPK Outline Definisi SPK Tujuan SPK Fitur SPK Karakteristik dan Kemampuan SPK Komponen SPK Definisi Menurut Keen dan Scoot Morton : Sistem Pendukung Keputusan merupakan penggabungan sumber sumber
Lebih terperinciBAB I. : Kundang K.Juman, Ir.MMSI : Agar Mahasiswa memahami konsep dasar sistem informasi
Oleh Tujuan : Kundang K.Juman, Ir.MMSI : Agar Mahasiswa memahami konsep dasar sistem informasi BAB I Konsep Dasar Sistem 1.1 Pengertian Sistem Definisi sistem berkembang sesuai dengan konteks dimana pengertian
Lebih terperinciPOHON KEPUTUSAN DENGAN ALGORITMA C4.5
POHON KEPUTUSAN DENGAN ALGORITMA C4.5 1. Pengantar Algoritma C4.5 Klasifikasi merupakan salah satu proses pada data mining yang bertujuan untuk menemukan pola yang berharga dari data yang berukuran relatif
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMA BEASISWA PADA SMA 1 BOJA DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP)
SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMA BEASISWA PADA SMA 1 BOJA DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Bagas Dista Ariyadi Jurusan Sistem Informasi, Fakultas Ilmu Komputer, Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA Sistem Pendukung Keputusan (Decision Support System)
BAB II TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan (Decision Support System) Sistem Pendukung Keputusan (SPK) merupakan sistem yang dibuat untuk membantu mengambil keputusan oleh komputer dalam suatu
Lebih terperinciUniversitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika. Classification Decision Tree
Universitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika Classification Decision Tree Classification Decision Tree Pengertian Pohon Keputusan Pohon keputusan adalah
Lebih terperinciTUGAS DATA MINING. Nama Kelompok : I Putu Ari Ratna Pratama ( ) Putu Mega Suryawan ( ) Ida Bagus Surya Winantara ( )
TUGAS DATA MINING Nama Kelompok : I Putu Ari Ratna Pratama (1208605055) Putu Mega Suryawan (1208605069) Ida Bagus Surya Winantara (1208605085) PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER - FMIPA
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN PENERIMAAN BEASISWA MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (STUDI KASUS PENERIMAAN BEASISWA DI SMP N 5 PRINGSEWU)
SISTEM PENUNJANG KEPUTUSAN PENERIMAAN BEASISWA MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (STUDI KASUS PENERIMAAN BEASISWA DI SMP N 5 PRINGSEWU) Jumirin, Sudewi STMIK Pringsewu Jl. Wisma Rini No.
Lebih terperinciPERANCANGAN LibraryUMS-CMS MENGGUNAKAN CODEIGNITER
PERANCANGAN LibraryUMS-CMS MENGGUNAKAN CODEIGNITER TUGAS AKHIR Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan Teknik Elektro Universitas
Lebih terperinciSistem Penunjang Keputusan, Pertemuan Ke-3
DECISION SUPPORT SYSTEMS Pengertian. Definisi awalnya adalah suatu sistem yang ditujukan untuk mendukung manajemen pengambilan keputusan. Sistem berbasis model yang terdiri dari prosedur-prosedur dalam
Lebih terperinciJurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017 50 APLIKASI KLASIFIKASI ALGORITMA C4.5 (STUDI KASUS MASA STUDI MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Keputusan Teori keputusan adalah teori mengenai cara manusia memilih pilihan diantara pilihan-pilihan yang tersedia secara acak guna mencapai tujuan yang hendak diraih (Hansson,
Lebih terperinciDecision Support System. by: Ahmad Syauqi Ahsan
15 Decision Support System by: Ahmad Syauqi Ahsan Kenapa Manajer butuh bantuan IT? 2 Alternatif penyelesaian yang harus dipertimbangkan semakin banyak dan selalu bertambah. Keputusan-keputusan harus dibuat
Lebih terperinciAlgoritma Iterative Dichotomizer 3 ( ID3 ) Pengambilan Keputusan
Algoritma Iterative Dichotomizer 3 ( ID3 ) Pengambilan Keputusan Decision Making Using Iterative Dichotomizer 3 Algorithm Arief Kelik Nugroho *1,Dadang Iskandar *2 ariefkeliknugroho@gmail.com dadangiskandar83@gmail.com
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESERTA KAPAL PEMUDA NUSANTARA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (WP)
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESERTA KAPAL PEMUDA NUSANTARA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (WP) Noprin Pakaya 1 dan Amiruddin 2 1 noprin.pakaya92@gmail.com, 2 amier.76@gmail.com 1,2
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Masalah Dalam pengoperasian pekerjaan gondola di ketinggian membutuhkan keahlian khusus dan pengetahuan dibidangnya agar tidak terjadi kendala yang dapat
Lebih terperinciDecision Support System (DSS)
Decision Support System (DSS) source : http://nextgeneration.web.id/?p=48 Seiring perkembangan zaman, manusia dituntut membuat berbagai keputusan yang tepat dalam menghadapi permasalahan yang semakin kompleks.
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PROGRAM STUDI S1 DI LPKIA MENGGUNAKAN METODE AHP
SISTEM PENDUKUNG KEPUTUSAN PROGRAM STUDI S1 DI LPKIA MENGGUNAKAN METODE AHP Irman Hariman 1, Imam Munandar 2 12 Program Studi Manajemen Informatika STMIK LPKIA Jln. Soekarno Hatta No. 456 Bandung 40266,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DUTA MAHASISWA GENERASI BERENCANA BKKBN DENGAN METODE WEIGHTED PRODUCT (WP)
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DUTA MAHASISWA GENERASI BERENCANA BKKBN DENGAN METODE WEIGHTED PRODUCT (WP) Nurhayati Mursalin 1 dan Rezqiwati Ishak 2 1 mursalin.nurhayati@gmail.com, 2 rezqi.uig@gmail.com
Lebih terperinciDECISION SUPPORT SYSTEMS
DECISION SUPPORT SYSTEMS Definisi Little,J.D.C (dalam Models and Managers:The Concept of a Decision Calculus,1970) : DSS sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 1.1 Data Training Data training adalah data yang digunakan untuk pembelajaran pada proses data mining atau proses pembentukan pohon keputusan.pada penelitian ini
Lebih terperinciPerancangan dan Implementasi Sistem Pendukung Keputusan untuk Jalan Menggunakan Metode ID3 (Studi Kasus Bappeda Kota Salatiga)
Perancangan dan Implementasi Sistem Pendukung Keputusan untuk Jalan Menggunakan Metode ID3 (Studi Kasus Bappeda Kota Salatiga) 1) FX. Bagus A. W., 2)M. A. Ineke Pakereng, 3)Hendro S. Tampake Fakultas Teknologi
Lebih terperinciAlgoritma Iterative Dichotomizer 3 (ID3) Pengambilan Keputusan
Algoritma Iterative Dichotomizer 3 (ID3) Pengambilan Keputusan Decision Making Using Iterative Dichotomizer 3 Algorithm Arief Kelik Nugroho 1, Dadang Iskandar 2 1 ariefkeliknugroho@gmail.com 2 dadangiskandar83@gmail.com
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN Oleh : Saripudin PENGAMBILAN KEPUTUSAN Pengambilan keputusan merupakan proses pemilihan alternative tindakan untuk
SISTEM PENDUKUNG KEPUTUSAN Oleh : Saripudin PENGAMBILAN KEPUTUSAN Pengambilan keputusan merupakan proses pemilihan alternative tindakan untuk mencapai tujuan atau sasaran tertentu. Pengambilan keputusan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN 3 SKS
SISTEM PENDUKUNG KEPUTUSAN 3 SKS Deskripsi Mata Kuliah Pengampu : Rahmat Robi Waliyansyah, M.Kom. Buku Pegangan : Dadan Umar Daihani, Komputerisasi Pengambilan Keputusan, Elex Media Komputindo, 2001. D.
Lebih terperinciIMPLEMENTASI DATA MINING PADA PENENTUAN JUMLAH SKS MENGGUNAKAN DECISION TREE
IMPLEMENTASI DATA MINING PADA PENENTUAN JUMLAH SKS MENGGUNAKAN DECISION TREE Asmah 1), Mussallimah 2), Indrianti 3) 1,2,3) Sistem Informasi STMIK PPKIA Tarakanita Rahmawati Tarakan Jl Yos Sudarso rt. 06
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN PENERIMAAN BEASISWA MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (STUDI KASUS PENERIMAAN BEASISWA DI SMAN2 METRO)
SISTEM PENUNJANG KEPUTUSAN PENERIMAAN BEASISWA MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (STUDI KASUS PENERIMAAN BEASISWA DI SMAN2 METRO) Aulia Vitari dan Muhammad Said Hasibuan Magister Teknologi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perguruan tinggi merupakan suatu sarana dalam proses pembelajaran. Pembelajaran adalah proses interaksi mahasiswa dengan dosen dan sumber belajar pada lingkungan belajar.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Decision Tree Definisi Decision tree adalah sebuah diagram alir yang berbentuk seperti struktur pohon yang mana setiap internal node menyatakan pengujian terhadap suatu atribut,
Lebih terperinciPerancangan Sistem Penunjang Keputusan untuk Membantu Proses Seleksi Calon Pegawai Baru di Pdam Bekasi
Perancangan Sistem Penunjang Keputusan untuk Membantu Proses Seleksi Calon Pegawai Baru di Pdam Bekasi 20 Nopember 2010 ABHIMATA OKTA WICUDDHA Jurusan Sistem Informasi Fakultas Ilmu Komputer dan Teknologi
Lebih terperinciPendahuluan: Decision Support system STMIK BANDUNG
Pendahuluan: Decision Support system Yus Jayusman Yus Jayusman STMIK BANDUNG Sistem-sistem yang ada dalam Management Support System (MSS). Pengambilan keputusan, penjelasan sistem, pemodelan, dan masalah
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pengambilan keputusan berkaitan dengan ketidakpastian dari hasil keputusan yang diambil. Untuk mengurangi faktor ketidakpastian tersebut, keputusan membutuhkan informasi
Lebih terperinciBAB II TINJAUAN PUSTAKA. Berkaca dari pesatnya laju perkembangan teknologi. modern, sistem penjadwalan guru di sebuah sekolah akan lebih
BAB II TINJAUAN PUSTAKA 2.1. Tinjauan Pustaka Berkaca dari pesatnya laju perkembangan teknologi modern, sistem penjadwalan guru di sebuah sekolah akan lebih efektif jika menggunakan sebuah aplikasi. Aplikasi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Pendahuluan Sistem Pendukung Keputusan (SPK) sudah banyak diterapkan hampir dalam setiap pekerjaan manusia. Sistem ini bertujuan membantu manusia dalam mengambil
Lebih terperinciBab 2. Tinjauan Pustaka
6 Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Metode MVC sudah banyak diterapkan dan digunakan dalam aplikasi yang mendukung sistem, salah satu diantaranya adalah Perancangan dan Implementasi Perangkat
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM. permasalahan yang ada sebagai dasar untuk membuat sebuah solusi yang
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Langkah awal dalam pembuatan sistem adalah mengidentifikasi permasalahan yang ada sebagai dasar untuk membuat sebuah solusi yang disajikan dalam
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE DESCISION TREE C4.5 Pada SMAK YOS SUDARSO BATU
SISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE DESCISION TREE C4.5 Pada SMAK YOS SUDARSO BATU Jonathan Rinaldy 1) 1) Program Studi Teknik Informatika, Sekolah Tinggi Informatika & Komputer
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGANALISA KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA BARU
PENERAPAN DATA MINING UNTUK MENGANALISA KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA BARU Tacbir Hendro Pudjiantoro, Faiza Renaldi, dan Age Teogunadi Universitas jenderal Achmad Yani Cimahi tacbir235127@yahoo.com
Lebih terperinciPENGEMBANGAN SPK PENERIMAAN ANGGOTA BARU STUDI KASUS: ORGANISASI IMSI STMIK MIKROSKIL
Seminar Nasional Sistem Informasi Indonesia, 22 September 2014 PENGEMBANGAN SPK PENERIMAAN ANGGOTA BARU STUDI KASUS: ORGANISASI IMSI STMIK MIKROSKIL Gunawan 1), Wilson 2), Fandi Halim 3) 1,2,3 Program
Lebih terperinciSISTEM INFORMASI PENDUKUNG KEPUTUSAN
Mk. Penerapan Komputer Dosen : Toto Haryanto, S.Kom, M.Si Tugas ke-1 Hari/tanggal : Senin, 7 November 2011 Tempat: Ruang B1 D SISTEM INFORMASI PENDUKUNG KEPUTUSAN Kelompok 2 Oleh: Defi Syukria Cahyaningrum
Lebih terperinciSISTEM INFORMASI. Oleh Iwan Sidharta, MM NFORMASI
SISTEM INFORMASI Oleh Iwan Sidharta, MM NFORMASI Jenis-jenis Keputusan Menurut Herbert A. Simon, ahli manajemen pemenang Nobel dari Carnegie-Mellon University, keputusan berada pada suatu rangkaian kesatuan
Lebih terperinciPENGAMBILAN KEPUTUSAN UNTUK PENENTUAN BEASISWA TEPAT SASARAN MENGGUNAKAN METODE DECISION TREE DI SMK TARUNA BAKTI KERTOSONO
PENGAMBILAN KEPUTUSAN UNTUK PENENTUAN BEASISWA TEPAT SASARAN MENGGUNAKAN METODE DECISION TREE DI SMK TARUNA BAKTI KERTOSONO SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciSubsistem manajemen data terdiri dari elemen-elemen berikut ini:
Nama : Fernanda Celsiliya NIM : 155030207111048 E. KOMPONEN UTAMA DECISION SUPPORT SYSTEM Menurut Carter et. al. (1992) Decision Support System (DSS) memiliki tiga komponen utama atau subsistem utama yang
Lebih terperinciP9 Perancangan SPK. SQ Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta
P9 Perancangan SPK SQ http://sidiq.mercubuana-yogya.ac.id Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta Teknik Perancangan DSS 2 Teknik Perancangan DSS 1.Perancangan dengan cara cepat
Lebih terperinciKonsep Dasar Sistem Pendukung Keputusan (SPK)
Konsep Dasar Sistem Pendukung Keputusan (SPK) Mochammad Eko S, S.T 1 Manajement Support System Decision Support Systems (DSS). Group Support Systems (GSS), termasuk Group DSS (GDSS). Executive Information
Lebih terperinciSistem Pendukung Keputusan dengan Menggunakan Algoritma Iterative Dichotomizer Three (Studi Kasus Sistem PT Warna Agung Semarang)
Sistem Pendukung Keputusan dengan Menggunakan Algoritma Iterative Dichotomizer Three (Studi Kasus Sistem PT Warna Agung Semarang) 1) Ninik Kristiyani, 2) Andeka Rocky Tanaamah, 3) Charitas Fibriani Fakultas
Lebih terperinciMembangun Rule Dengan Algoritma Iterative Dichotomiser 3 (Id3) Untuk Penjurusan Siswa SMA
Membangun Rule Dengan Algoritma Iterative Dichotomiser 3 (Id3) Untuk Penjurusan Siswa SMA 1 Didik Kurniawan, 2 Anie Rose Irawati, 3 Hilman hudaya 1 Jurusan Ilmu Komputer FMIPA Unila 2 Jurusan Ilmu Komputer
Lebih terperinciPendahuluan PENGERTIAN SISTEM PAKAR
(Sistem Pakar) Pendahuluan PENGERTIAN SISTEM PAKAR Kecerdasan Buatan adalah salah satu bidang ilmu komputer yang mendayagunakan komputer sehingga dapat berperilaku cerdas seperti manusia. Cabang-cabang
Lebih terperincia. Prosesor yang digunakan adalah Intel Core i3 1.9 Ghz b. RAM dengan ukuran 2GB c. Harddisk dengan ukuran 500GB d. Layar monitor 14.
BAB III METODE PENELITIAN 3.1 Instrumen Penelitian Beberapa perangkat yang digunakan untuk mengerjakan tugas akhir ini adalah sebagai berikut : 1. Perangkat Lunak Dalam melakukan penelitian, peneliti menggunakan
Lebih terperinciID3 : Induksi Decision Tree
ID3 : Induksi Decision Tree Singkatan: Iterative Dichotomiser 3 Induction of Decision "3" (baca: Tree Pembuat: Ross Quinlan, sejak akhir dekade 70-an. Pengembangan Lanjut: Cikal bakal algoritma C4.5, pada
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
Lebih terperinciBAB III DECISION SUPPORT SYSTEM
BAB III DECISION SUPPORT SYSTEM Decision Support System atau Sistem Pendukung Keputusan / SPK, secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan kemampuan baik kemampuan pemecahan masalah
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Perancangan Sistem Pendukung Keputusan Pemberian Bonus Berdasarkan Penilaian Kinerja Karyawan Pada PT. Telkom, Tbk Medan Dengan Metode
Lebih terperinciSISTEM PENILAIAN DOSEN TELADAN MENGGUNAKAN METODE SAW ( SIMPLE ADDITIVE WEIGHTING) DI UNIVERSITAS NUSANTARA PGRI KEDIRI
SISTEM PENILAIAN DOSEN TELADAN MENGGUNAKAN METODE SAW ( SIMPLE ADDITIVE WEIGHTING) DI UNIVERSITAS NUSANTARA PGRI KEDIRI Fatkur Rohman 1), Ahmad Bagus Setiawan 2) 1), 2) Teknik Informatika Universitas Nusantara
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Konsep Sistem Pendukung Keputusan (SPK)
BAB 2 LANDASAN TEORI 2.1 Konsep Sistem Pendukung Keputusan (SPK) Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Dasar Sistem Menurut Jogiyanto (2001), sistem adalah jaringan kerja dari prosedur - prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penambangan Data (Data Mining) Pengertian data mining, berdasarkan beberapa orang: 1. Data mining (penambangan data) adalah suatu proses untuk menemukan suatu pengetahuan atau
Lebih terperinciBAB III METODOLOGI PENELITIAN. digunakan pada proses rekomendasi penjurusan pada jenjang menengah. Merumuskan Masalah
A. Desain Penelitian BAB III METODOLOGI PENELITIAN Gambar 3.1 berikut ini merupakan desain penelitian yang akan digunakan pada proses rekomendasi penjurusan pada jenjang menengah atas. Merumuskan Masalah
Lebih terperinciKonsep Dasar Sistem Hanif Al Fatta M.kom
Konsep Dasar Sistem Hanif Al Fatta M.kom Pengertian Sistem Untuk mengawali pembahasan tentang analisis dan perancangan sistem informasi, maka pemahaman akan sistem terlebih dahulu harus ditekankan. Definisi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Konsep Sistem Pendukung Keputusan Sistem pendukung keputusan (SPK) adalah salah satu produk software yang dikembangkan secara khusus untuk membantu manajemen dalam proses pengambilan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Pendukung Keputusan Konsep Sistem Pendukung Keputusan (SPK) / Decision Support System (DSS) pertama kali dikemukakan oleh Michael Scott Morton pada awal tahun 1970-an
Lebih terperinciPENERAPAN AHP SEBAGAI MODEL SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN RUMAH BERSALIN CONTOH KASUS KOTA PANGKALPINANG
PENERAPAN AHP SEBAGAI MODEL SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN RUMAH BERSALIN CONTOH KASUS KOTA PANGKALPINANG Fitriyani STMIK Atma Luhur Pangkalpinang Jl. Jend. Sudirman Selindung Pangkalpinang bilalzakwan12@yahoo.com
Lebih terperinciPENERAPAN DECISION TREE UNTUK PENENTUAN POLA DATA PENERIMAAN MAHASISWA BARU
PENERAPAN DECISION TREE UNTUK PENENTUAN POLA DATA PENERIMAAN MAHASISWA BARU Aradea, Satriyo A., Ariyan Z., Yuliana A. Teknik Informatika Universitas Siliwangi Tasikmalaya Ilmu Komputer Universitas Diponegoro
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan Istilah sistem Pendukung Keputusan pertama kali di kemukakan oleh P.G.W Keen, seorang akademis Inggris yang berkarir di Amerika. Pada tahun 1978,
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Kajian Pustaka
Bab 2 Tinjauan Pustaka 2.1 Kajian Pustaka Penelitian yang menerapkan arsitektur Model View Controller (MVC) telah banyak digunakan pada perancangan dan implementasi pembuatan sebuah sistem. Salah satu
Lebih terperinciBAB III METODE PENELITIAN. Pendekatan metode pengembangan sistem yang digunakan peneliti merupakan
BAB III METODE PENELITIAN 3.1. Metode Pengembangan Sistem Pendekatan metode pengembangan sistem yang digunakan peneliti merupakan salah satu dari agile methods yaitu extreme Programming (XP). Dalam metode
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 3 GARUT
SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 3 GARUT Asep Hendar Rustiawan 1, Dini Destiani 2, Andri Ikhwana 3 Jurnal Algoritma Sekolah Tinggi Teknologi Garut Jl. Mayor Syamsu
Lebih terperinciPEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5
PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Jurusan Sistem Informasi, STMIK Indonesia 1 syam@stmik-indonesia.ac.id,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBAGIAN KELAS UNGGULAN SISWA BARU MENGGUNAKAN METODE PROMETHEE PADA STM RAKSANA MEDAN
SISTEM PENDUKUNG KEPUTUSAN PEMBAGIAN KELAS UNGGULAN SISWA BARU MENGGUNAKAN METODE PROMETHEE PADA STM RAKSANA MEDAN Junaidi Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
6 BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Umum Perusahaan Lembaga pendidikan pelatihan dan ketrampilan komputer Media Com Binjai didirikan pada tanggal 25 Mei 2010 di kota Binjai, Sumatera Utara. Landasan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Laboratorium komputer merupakan tempat berlangsungnya praktikum sebagai salah satu kegiatan akademik di Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara.
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Sistem yang Sedang Berjalan Sistem yang sedang berjalan pada PT. Daeng Mas Inti Perkasa dalam merekrut tenaga kerja masih dengan sistem manual, hal ini
Lebih terperinciBAB II LANDASAN TEORI. digunakan untuk memodelkan kebutuhan data dari suatu organisasi,
BAB II LANDASAN TEORI 2.1 Entity Relationship Diagram Entity Relationship Diagram (ERD) merupakan teknik yang digunakan untuk memodelkan kebutuhan data dari suatu organisasi, biasanya oleh System Analys
Lebih terperinci