CASE BASED REASONING MENENTUKAN KELOMPOK UKT (STUDI UNIVERSITAS SEMBILANBELAS NOVEMBER KOLAKA)
|
|
- Ivan Wibowo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 CASE BASED REASONING MENENTUKAN KELOMPOK UKT (STUDI UNIVERSITAS SEMBILANBELAS NOVEMBER KOLAKA) Muh. Nurtanzis Sutoyo 1), Andi Tenri Sumpala 2) 1)2) Sistem Informasi, Fakultas Teknologi Informasi, USN Kolaka Jl. Pemuda No. 339, Kolaka 1) 2) Abstract Cara kerja Case Based Reasoning adalah dengan membandingkan kasus baru dengan kasus lama. Jika kasus baru tersebut mempunyai kemiripan dengan kasus lama lebih dekat, maka CBR akan memberikan jawaban kasus lama untuk kasus baru. Penelitian ini dilakukan untuk membangun suatu sistem Penalaran Berbasis Kasus untuk menentukan kelompok UKT. Untuk menghitung kemiripan terlebih dahulu dilakukan proses indexing terhadap kasus lama. Hal ini dilakukan agar pada proses pencarian nilai similarity kasus baru terhadap basis kasus dapat lebih efisien karena cukup menghitung nilai similarity kasus baru terhadap data kasus yang memiliki indeks yang sama. Salah satu metode pengukuran similaritas yang digunakan yaitu Nearest Neighbor(NN).Dari hasil pengujian kasus baru diperoleh nilai kemiripan tertinggi 0.92 yang terdapat pada kasus ke-3. Hasil yang diperoleh dari kemiripan kasus baru terhadap kasus lama dijadikan bahan pertimbangan untuk menentukan kelompok UKT. Keywords CBR, NN, UKT I. PENDAHULUAN Dunia pendidikan, khususnya Pendidikan Tinggi mendapat sorotan dari publik. Salah satu sorotan yang dimaksud yaitu: belum meratanya sistem pendidikan tinggi di Jawa dengan luar Jawa. Dimana Angka Partisipasi Kasar (APK) untuk jenjang pendidikan di Perguruan Tinggi masih minim jika dibandingkan jumlah penduduk Indonesia sekitar ± 250 juta. Untuk membuktikan bahwa pendidikan itu sangat terbuka bagi setiap warga negara Indonesia dan sebagai realisasi dari Pasal 31 UUD 1945 yang menyatakan bahwa setiap warga negara Indonesia berhak atas pendidikan. Pemerintah melalui Kementrian Pendidikan Nasional mengeluarkan suatu kebijakan yang diberi nama Uang Kuliah Tunggal (UKT). Hakekat dari UKT adalah guna meringankan beban mahasiswa terhadap pembiayaan pendidikan. Oleh karena itu pemerintah melalui Menteri Pendidikan dan Kebudayaan (Mendikbud) pada tanggal 23 Mei 2013 telah mengeluarkan ketetapan mengenai besarnya Biaya Kuliah Tunggal (BKT) dan Uang Kuliah Tunggal (UKT) pada PerguruanTinggi Negeri (PTN) di lingkungan Kementerian Pendidikan dan Kebudayaan. Universitas Sembilanbelas November Kolaka merupakan salah satu Perguruan Tinggi Negeri dari 2 (dua) Perguruan Tinggi Negeri yang ada di Sulawesi Tenggara dan pada tahun ajaran 2014/2015 telah menerapkan Uang Kuliah Tunggal (UKT). Dimana dalam menerapkan Uang Kuliah Tunggal, Universitas Sembilanbelas November Kolaka membagi kedalam 3 (tiga) kategori kelompok UKT, yaitu Kelompok 1, Kelompok 2, dan Kelompok 3. Dimana jumlah kelompok jumlah kelompok 1 dan kelompok 2 masingmasing sebanyak 10% dari jumlah mahasiswa baru dan untuk kelompok 3 sebanyak 80% dari jumlah mahasiswa baru. Penerapan Case Based Reasoning dapat membantu menganalisa dan menentukan kelompok UKT yang diperoleh dari kondisi. Aryani, dkk (2007) Case-based rasoning (CBR) merupakan sistem penalaran yang menggunakan pengetahuan lama untuk menyelesaikan permasalahan baru. Penyajian pengetahuan (knowledge representation) dibuat dalam bentuk kasus-kasus (cases). Setiap kasus berisi masalah dan jawaban, sehingga kasus lebih mirip dengan suatu pola tertentu. Cara kerja CBR adalah dengan membandingkan kasus baru dengan kasus lama, jika kasus baru tersebut mempunyai kemiripan dengan kasus lama maka CBR akan memberikan jawaban kasus lama untuk kasus baru tersebut. Jika tidak ada yang cocok maka CBR akan melakukan adaptasi dengan memasukkan kasus baru tersebut ke dalam database penyimpanan kasus (case base), sehingga secara tidak langsung pengetahuan CBR akan bertambah. Kelebihan utama dari CBR dibandingkan dengan sistem berbasis aturan (rule base system) adalah dalam hal akuisisi pengetahuan, dimana pada sistem CBR dapat menghilangkan kebutuhan untuk ekstrak model atau kumpulan dari aturan-aturan, seperti yang diperlukan dalam model/sistem yang berbasis aturan. Begitu pula penelitian yang berfokus pada Case-Based Reasoning banyak sekali ditemui dengan berbagai macam metode. Rismawan dan 401
2 Hartati (2012), membahas tentang diagnosa penyakit THT. Proses indexing kasus pada penelitian tersebut dengan menggunakan backpropagation. Sedangkan proses perhitungan similarity dengan menggunakan Cosine Coeffecient. Hasil dari penelitian bahwa dengan penggunaan metode backpropagation pada proses indexing dapat membantu sistem dalam melakukan retrieval karena dengan menggunakan backpropagation, pencarian nilai similarity cukup dilakukan terhadap kasus yang memiliki indeks yang sama dengan kasus baru. Namun dalam proses pelatihan, backpropagation memerlukan waktu yang cukup lama karena harus mencoba parameter pelatihan satu per satu untuk memperoleh jaringan yang terbaik. Begitu pula Toba dan Tanadi (2008) membahas tentang pengembangan pemesanan kain. Perhitungan untuk mendapatkan kesamaan antar kasus dengan menggunakan metode Weighted Euclidean Distance. Hasil yang dicapai dari penerapan Case Based Reasoning pada pemesanan kain sesuai dengan yang diharapkan, yaitu sistem dapat melakukan proses retrieve yaitu proses pengambilan data data yang memiliki kesamaan dengan permasalahan yang sedang dihadapi. Selanjutnya data tersebut akan dicocokan dan dihitung kedekatannya sehingga dapat diketahui data yang memiliki kesamaan tertinggi. Data dengan kesamaan tertinggi tersebut akan diambil solusinya. Selanjutnya sistem akan menjalankan proses reuse. Jadi, masalah dalam penelitian ini apakah dengan Case Based Reasoning dapat menentukan Kelompok UKT II. TINJAUAN PUSTAKA A. Case Based Reasoning Phal dan Shiu (2004), Case-based reasoning (CBR) merupakan metode penyelesaian masalah yang menggunakan pengetahuan akan pengalaman terdahulu untuk memecahkan permasalahan yang baru. Cara kerja CBR adalah dengan membandingkan kasus baru dengan kasus lama, jika kasus baru tersebut mempunyai kemiripan dengan kasus lama maka CBR akan memberikan jawaban kasus lama untuk kasus baru tersebut. Jika tidak ada yang cocok maka CBR akan melakukan adaptasi dengan memasukkan kasus baru tersebut ke dalam database penyimpanan kasus (case base), sehingga secara tidak langsung pengetahuan CBR akan bertambah. Kelebihan utama dari CBR dibandingkan dengan sistem berbasis aturan (rule base system) adalah dalam hal akuisisi pengetahuan, dimana pada sistem CBR dapat menghilangkan kebutuhan untuk ekstrak model atau kumpulan dari aturan-aturan, seperti yang diperlukan dalam model/sistem yang berbasis aturan. Lebih lanjut menjelaskan bahwa siklus CBR ditunjukan seperti Gambar 1 berikut. Gambar 1. Siklus case based reasoning Penjelasan tiap siklus sebagai berikut. 1. RETRIEVE, mengambil kembali pengalaman/solusi dari kasus sebelumnya yang memiliki kemiripan dengan masalah yang dihadapi. 2. REUSE, menggunakan kembali kasus dengan cara menyalin dan mengintegrasikan solusi dari kasus yang diambil. 3. REVISE, merevisi atau mengadaptasi solusi yang telah diambil untuk memecahkan masalah baru. 4. RETAIN, mempertahankan solusi baru yang telah divalidasi pada case base (basis kasus). B. Representasi Kasus Representasi dari sebuah kasus haruslah mencakup permasalahan yang menjelaskan keadaan yang dihadapi dan solusi yang merupakan penyelesaian kasus tersebut. Jadi sebuah kasus harus direpresentasikan ke dalam sebuah bentuk tertentu untuk kepentingan penyimpanan. Kasus dapat direpresentasikan dalam berbagai bentuk, seperti representasi preposisional, frame, jaringan semantik dan kombinasi dari ketiganya. Pilihan model representasi kasus tergantung pada domain dan struktur kasus data yang tersedia. Representasi sebuah kasus dalam sebuah domain, khususnya untuk menentukan UKT adalah jenis kelamin kepala keluarga, pendapatan, jumlah tanggungan, pendidikan, jumlah aset, dan pekerjaan. Gambar 2 menunjukkan salah satu model representasi kasus dengan bentuk frame. 402
3 Apabila kode program studi kasus baru SAMA dengan kode kasus lama, maka kasus lama dari Program Studi itulah yang akan menjadi solusi sesuai nilai kemiripan. Gambar 2. Contoh representasi kasus model frame Pada kasus ini tentang sistem penalaran berbasis kasus menentukan UKT, terdapat 3 macam solusi utama, yaitu:kelompok 1, Kelompok 2, dan Kelompok 3. Adapun kriteriabobot untuk tiap kriteria yang digunakan dan kriteria untuk menentukan beasiswa, yaitu: a. Pendidikan (C1) = 0.85 b. Pekerjaan (C2) = 0.80 c. Usia KK (C3) = 0.75 d. Tanggungan (C4) = 0.85 e. Pendapatan (C5) = 0.80 f. Aset (C6) = 0.85 Sedangkan nilai kedekatan antara nilai-nilai kriteria disajikan seperti Tabel 1 berikut. Tabel 1. Kedekatan nilai kriteria Kriteria Jika Sama Jika Berbeda C C C C C C C. Indexing Indexing merupakan proses pengelompokkan kasus yang ada berdasarkan fitur yang ditentukan. Proses indexing dapat mengefisienkan waktu dan memory karena pada saat melakukan proses pencarian kasus yang mirip dengan kasus yang baru, sistem CBR tidak perlu menghitung nilai kemiripan kasus baru terhadap semua kasus yang ada, namun cukup menghitungg nilai kemiripan terhadap kasus yang berada pada kelompok yang sama dengan kasus baru tersebut. Pada kasus ini metode yang digunakan untuk indexing adalah kode Program Studi. Contoh kode program studi seperti Tabel 2 berikut. Kode P01 P02 P03 Tabel 2. Kode Program Studi Nama Program Studi Pend Bahasa dan Sastra Indonesia Pend Bahasa Inggris Pend Matematika D. Pengukuran Similarity Case Based Reasoning didasarkan bahwa solusi permasalahan-permasalahan sebelumnya dapat membantu penyelesaian permasalahan terkini, sepanjang terdapat kemiripan diantara mereka. Pengukuran kemiripan dilakukan dengan membandingkan atribut yang ada pada kasus dengan atribut sejenis yang ada pada basis kasus. Suatu kasus disebut identik dengan kasus lain apabila nilai similaritasnya sama dengan satu, dan dikatakan mirip jika nilainya dibawah satu. Salah satu metode pengukuran similaritas yang digunakan yaitu Nearest Neighbor, sebagaimana ditunjukan persamaan berikut( (Kusrini dan Luthfi, 2009). n f ( T, S) * w i Similarity( T, S) i 1 n (1) w i i 1 Dimana T kasus baru, S kasuss lama yang ada, n jumlah attribut, i attribut individu 1 s.d n,f kemiripan antara kasus T dan kasus S, dan w bobot yang diberikan. Apabila dari hasil proses retrieval tidak diperoleh kasus yang identik, maka perlu dilakukan proses adaptasi. Model adaptasi yang digunakan dengan menetapkann suatu nilai ambang (treshold). Jika similaritas tertinggi memiliki nilai diatas treshold maka solusi dari kasus yang memiliki nilai similaritas tertinggi dipilih sebagai solusi permasalahan. Sedangkan jika tidak maka akan disimpan untuk mendapatkan revisi dari pakar dalam hal ini penentuan kebijakan di Universitas Sembilanbelas November Kolaka. E. Uang Kuliah Tunggal Untuk membuktikan bahwa pendidikan itu sangat terbuka bagi setiap warga negara sebagai realisasi dari Pasal 31 UUD 1945 yang menyatakan bahwa setiap warga negara Indonesia berhak atas pendidikan. Oleh karena itu berbagai terobosan dilakukan oleh Kementrian Pendidikan Nasional, antara lain pembebasan seluruh biaya pendidikan dengan memunculkan beasiswa bidik misi yang menggratiskan seluruh biaya pendidikan dan diberi biaya hidup selamaa studi berlangsung. Selain itu dikenal juga kebijakan afirmasi dan kebijakan baru dalam sistem pembayaran biaya kuliah selama studi berlangsung. Kebijakan baru itu bernama Uang Kuliah Tunggal yang sering disingkat UKT. Hakekat dari UKT adalah guna meringankan beban mahasiswa terhadap pembiayaan pendidikan, oleh karena itu pemerintah melalui Menteri Pendidikan dan Kebudayaan (Mendikbud) 403
4 pada tanggal 23 Mei 2013 telah mengeluarkan ketetapan mengenai besarnya Biaya Kuliah Tunggal (BKT) dan Uang Kuliah Tunggal (UKT) pada Perguruan Tinggi Negeri (PTN) di lingkungan Kementerian Pendidikan dan Kebudayaan (Kemdikbud). Ketentuan itu tertuang dalam Peraturan Menteri Pendidikan dan Kebudayaan (Permendikbud) No. 55 Tahun 2013 tertanggal 23 Mei Dalam Permendikbud disebutkan bahwa: a. Uang Kuliah Tunggal (UKT) merupakan sebagian biaya kuliah tunggal yang ditanggung setiap mahasiswa berdasarkan kemampuan ekonominya. b. Uang Kuliah Tunggal ditetapkan berdasarkan biaya kuliah tunggal dikurangi biaya yang ditanggung oleh Pemerintah (Pasal 1 Ayat 1). c. Uang Kuliah Tunggal sebagaimana dimaksud ditentukan berdasarkan kelompok kemampuan ekonomi masyarakat yang dibagi dalam 5 (lima) kelompok dari yang terendah hingga yang tertinggi, yaitu Kelompok I, II, III, IV, dan V. d. Uang Kuliah Tunggal kelompok I dan kelompok II diterapkan paling sedikit 5 (lima) persen dari jumlah mahasiswa yang diterima setiap Perguruan Tinggi Negeri (diatur dalam Permendikbud Pasal 4 Ayat 1, dan Ayat 2). e. Perguruan Tinggi Negeri dapat memungut di luar ketentuan uang kuliah tunggal dari mahasiswa baru program Sarjana (S1) dan program diploma non reguler paling banyak 20% (dua puluh persen) dari jumlah mahasiswa baru (Pasal 6 Permendikbud). Permasalahan Uang Kuliah Tunggal lebih jelas nampak mudah difahami setelah keluarnya Surat Edaran Dirjen Dikti No 272/E1.1/KU/2013 tertanggal 3 April 2013 tentang Uang Kuliah Tunggal yang memberikan arah lebih konkrit dan realistis mengenai jenis dan penghitungan serta pengelompokkan besarnya Uang Kuliah Tunggal pada suatu Prodi/Jurusan/Fakultas tertentu. Dalam Surat tersebut disampaikan agar penetapan Uang Kuliah Tunggal memperhatikan berbagai hal, antara lain: a. Tarif UKT sebaiknya dibagi atas 5 kelompok, dari kelompok yang terendah (kelompok 1) sampai kelompok yang paling tinggi (kelompok 5). b. Tarif UKT paling rendah (kelompok 1) rentangnya yang bisa dijangkau oleh masyarakat tidak mampu (misalnya kuli bangunan, tukang becak, dll) dengan rentang RP.0- s.d Rp ,- c. Paling sedikit 5% dari total mahasiswa yang diterima membayar UKT kelompok 1. d. Untuk kelompok 3 s.d 5 masing-masing membayar UKT sesuai dengan kemampuan ekonominya, dimana kelompok 5 merupakan kelompok dengan UKT tertinggi sesuai dengan program studi masing-masing. e. Paling sedikit ada 5% dari total mahasiswa yang diterima membayar UKT kelompok 2 dengan rentang Rp s.d Rp Sedangkan kriteria-kriteria yang digunakan untuk menentukan kelompok UKT ditetapkan oleh pemimpin Perguruan Tinggi (PT). Hal ini berdasarkan Peraturan Menteri Pendidikan dan Kebudayaan Nomor 73 Tahun 2014 tentang Perubahan Atas Aturan Menteri Pendidikan dan Kebudayaan Nomor 55 Tahun 2013 Pasal 4 Ayat 4.Berdasarkan penjelasan tersebut diatas, maka dapat disimpulkan bahwa: a. UKT secara umum merupakan suatu kebijakan untuk menepis anggapan mahalnya biaya kuliah di Perguruan Tinggi Negeri karena dengan UKT dapat meringankan beban mahasiswa terhadap pembiayaan selama menempuh studi. b. UKT juga memberikan kepastian kepada mahasiswa, orang tua atau para pihak yang membiayai mahasiswa seberapa besar dana yang harus disiapkan sampai lulus kuliah. III. METODE PENELITIAN Langkah-langkah dalam melakukan penelitian adalah sebagai berikut. 1. Pengumpulan data Pengumpulan data dilakukan dengan dua cara, yaitu studi pustaka dan wawancara. Kegiatan studi pustaka dilakukan dengan mempelajari literatur-literatur yang berkaitan dengan CBR dan UKT. Sedangkan wawancara dilakukan dengan melakukan tanya jawab secara langsung kepada pihak yang memiliki kapasitas dan informasi yang dibutuhkan dalam pelaksanaan penelitian. 2. Perancangan sistem Proses perancangan sistem meliputi: rancangan pemrosesan, spesifikasi sistem, implementasi sistem, pengujian sistem dan evaluasi, dan menyusun laporan. IV. HASIL DAN PEMBAHASAN Diperoleh data latih kelompok UKT dari 100 orang mahasiswa seperti pada Tabel 3 (halaman belakang). Diberikan suatu kasus baru, seorang mahasiswa dengan ID Prodi P03 dengan umur KK 49 tahun, tanggungan 4 orang, pendapatan Rp , aset Rp , pendidikan SMP/Sederajat, dan pekerjaan wiraswasta. Tergolong dalam kelompok manakah mahasiswa tersebut? Langkah awal adalah melakukan proses indexing terhadap kasus baru tersebut, yaitu proses menentukan kasus uji berada pada indeks/kelas yang mana. Hal ini dilakukan agar pada proses pencarian nilai similarity kasus baru terhadap basis kasus dapat lebih efisien karena cukup menghitung 404
5 nilai similarity kasus baru terhadap data kasus yang memiliki indeks yang sama. Proses pencarian indeks diawali dengan mecari kode program studi kasus lama dan kode kasus baru. Jika sama, maka program studi tersebutlah yang akan dicari nilai kemiripan untuk kasus baru. Hasil proses tersebut dapat dilihat pada Tabel 4 berikut. Tabel 4. Hasil proses indexing Kode Kasus Baru Kode Kasus Lama Hasil Diperoleh P03 P01 Tidak sama P03 P02 Tidak sama P03 P03 Sama Setelah memperoleh indeks dari kasus, langkah selanjutnya adalah menghitung nilai similarity dengan Nearest Neighboar dari kasus uji tersebut terhadap semua kasus pada basis kasus yang memiliki kode program studi sama. Berdasarkan data kasus yang dimiliki, maka dapat diketahui bahwa kasus yang kode program studi sama adalah kode program studi dengan kode P05 yang berjumlah 31 kasus. Nilai similarity dengan Nearest Neighboar dihitung berdasarkan perasamaan (1), dimana kasus dihitung nilai similarity-nya satu per satu terhadap 31 kasus yang memiliki indeks yang sama. Setelah nilai similarity dari kasus uji dihitung terhadap semua kasus yang memiliki indeks sama maka diperoleh nilai similarity sebanyak 31 nilai. Nilai kedekatan untuk kasus ke- 1 dengan index sama disajikan seperti Tabel 5 berikut. Tabel 5. Kedekatan kasus baru dan kasus lama Kriteria Kasus Baru Kasus Lama Nilai C1 SMP/Sederajat SMP/Sederajat 1 C2 Wiraswasta Wiraswasta 1 C C C C Sedangkan contoh perhitungan untuk kasus ke- 1 dengan index sama dengan menggunakan persamaan (1). Tabel 6 menunjukkan rekapitulasi nilai similarity yang diperoleh dari perhitungan similarity antara kasus baru dengan kasus ada yang pada basis kasus yang memiliki indeks yang sama. Tabel 6. Nilai similarity kasus Kode Nilai Kemiripan UKT 1 0,902 Kelompok 3 2 0,839 Kelompok 3 3 0,809 Kelompok 3 4 0,826 Kelompok 3 5 0,809 Kelompok 3 6 0,867 Kelompok 3 7 0,809 Kelompok 3 8 0,849 Kelompok 3 9 0,809 Kelompok ,884 Kelompok ,826 Kelompok ,826 Kelompok ,920 Kelompok ,867 Kelompok ,809 Kelompok ,884 Kelompok ,857 Kelompok ,809 Kelompok ,809 Kelompok ,809 Kelompok ,809 Kelompok ,884 Kelompok ,826 Kelompok ,884 Kelompok ,809 Kelompok ,809 Kelompok ,809 Kelompok ,839 Kelompok ,826 Kelompok ,809 Kelompok ,857 Kelompok ,849 Kelompok ,849 Kelompok ,809 Kelompok ,809 Kelompok ,884 Kelompok ,809 Kelompok ,809 Kelompok ,884 Kelompok ,843 Kelompok ,839 Kelompok 2 Setelah diperoleh nilai similarity kasus uji dengan semua kasus yang memiliki indeks yang sama, maka langkah selanjutnya adalah mencari nilai similarity terbesar. Berdasarkan nilai similarity yang diperoleh pada Tabel 6, dapat diketahui bahwa nilai similarity terbesar adalah dan terdapat pada kasus ke-13 dimana pada tabel kasus dapat diketahui bahwa kasus ke-13 merupakan kelompok UKT
6 Gambar 3 berikut, merupakan grafik hasil pengujian terhadap kasus baru dengan kasus lama yang berjumlah 31 kasus. Gambar 3. Grafik hasil pengujian kasus baru Begitu pula hasil pengujian dengan menggunakan sistem seperti Gambar 4 berikut. Gambar 4. Hasil Pengujian Sistem 41 kasus yang terindexing, dimana diperoleh nilai kemiripan tertinggi dari hasil pengujian kasus baru yaitu dan terdapat pada kasus ke-13. Dari hasil yang diperoleh antara kemiripan kasus baru terhadap kasus lama dapat dijadikan bahan pertimbangan (usulan) untuk menentukan kelompok UKT. DAFTAR PUSTAKA Aryani, AS., Indarto., Abdiansah., 2007, Penalaran Komputer Berbasis Kasus (Case Based Reasoning), Ardana Media, Yogyakarta. Kusrini., Luthfi, ET., 2009, Algoritma Data Mining, Andri Offset, Yogyakarta. Phal, S.K., dan Shiu, S.C.K., 2004, Fondation of Soft Case-Based Reasoning, John Willey and Sons, Inc., New Jersey. Rismawan, T dan Hartati, S., 2012, Case-Based Reasoning Untuk Diagnosa Penyakit THT (Telinga Hidung dan Tenggorokan),IJCCS, Vol.6, No.2, July 2012, pp. 67~78. Toba, H dan Tanadi, S., 2008, Pengembangan Case- Based Reasoning Pada Aplikasi Pemesanan Kain Berdasarkan Studi Kasus Pada CV. Mitra KH Bandung, Jurnal Informatika, Vol. 4, No.2, Desember 2008: Peraturan Menteri Pendidikan dan Kebudayaan RI Nomor 73 Tahun 2014 tentang Perubahan Atas Peraturan Menteri Pendidikan dan Kebudayaan RI Nomor 55 Tahun 2013 tentang Biaya Kuliah Tunggal Dan Uang Kuliah Tunggal Pada Perguruan Tinggi Negeri Di Lingkungan Kementerian Pendidikan Dan Kebudayaan. V. KESIMPULAN Pencarian nilai similarity cukup dilakukan terhadap kasus yang memiliki indeks yang sama dengan kasus baru. Dari hasil pembahasan terdapat Lampiran Tabel 3. Data latih kelompok UKT No ID Prodi C1 C2 C2 C3 C4 C5 C6 1 P01 SMP/Sederajat Petani Kelompok 3 2 P01 SD/Sederajat Buruh Kelompok 1 3 P01 SD/Sederajat Petani Kelompok 3 4 P01 SD/Sederajat Petani Kelompok 3 5 P01 SMP/Sederajat Petani Kelompok 3 6 P01 SMP/Sederajat Petani Kelompok 3 7 P01 SMA/Sederajat Wiraswasta Kelompok 3 8 P01 Diploma/Sarjana Pegawai Negeri Kelompok 3 9 P01 Diploma/Sarjana Pegawai Swasta Kelompok 3 10 P01 SD/Sederajat Petani Kelompok P01 SD/Sederajat Petani Kelompok 2 51 P01 SMA/Sederajat Wiraswasta Kelompok 3 52 P01 SMA/Sederajat Wiraswasta Kelompok 2 53 P01 Diploma/Sarjana Pegawai Negeri Kelompok 3 406
7 54 P01 Diploma/Sarjana Profesional Kelompok 3 55 P01 SD/Sederajat Petani Kelompok 2 56 P01 SD/Sederajat Petani Kelompok 3 57 P01 SMA/Sederajat Profesional Kelompok 3 58 P01 SMA/Sederajat Wiraswasta Kelompok 3 59 P01 SD/Sederajat Buruh Kelompok 2 60 P01 SMA/Sederajat Petani Kelompok 3 61 P01 SD/Sederajat Petani Kelompok 3 62 P01 Diploma/Sarjana Profesional Kelompok 3 63 P01 SD/Sederajat Petani Kelompok 3 64 P01 SMP/Sederajat Wiraswasta Kelompok 3 65 P01 SD/Sederajat Petani Kelompok 3 66 P01 SMA/Sederajat Profesional Kelompok 3 67 P01 SD/Sederajat Pegawai Swasta Kelompok 3 68 P01 SMA/Sederajat Petani Kelompok 3 69 P01 SD/Sederajat Petani Kelompok 3 70 P01 SMP/Sederajat Wiraswasta Kelompok P02 SMA/Sederajat Petani Kelompok P02 Diploma/Sarjana Profesional Kelompok P02 Diploma/Sarjana Pegawai Negeri Kelompok P02 SMP/Sederajat Pegawai Swasta Kelompok P02 SD/Sederajat Petani Kelompok P02 SD/Sederajat Petani Kelompok P02 SMP/Sederajat Pegawai Swasta Kelompok P02 SMP/Sederajat Wiraswasta Kelompok P02 SD/Sederajat Wiraswasta Kelompok P02 SD/Sederajat Petani Kelompok P02 Diploma/Sarjana Pegawai Negeri Kelompok P03 SMA/Sederajat Pegawai Swasta Kelompok P03 SMA/Sederajat Pegawai Swasta Kelompok P03 Diploma/Sarjana Pegawai Negeri Kelompok P03 Diploma/Sarjana Pegawai Negeri Kelompok P03 SD/Sederajat Buruh Kelompok P03 Diploma/Sarjana Pegawai Negeri Kelompok P03 SMA/Sederajat Wiraswasta Kelompok P03 SMA/Sederajat Wiraswasta Kelompok P03 Diploma/Sarjana Pegawai Negeri Kelompok P03 SD/Sederajat Petani Kelompok P03 SMP/Sederajat Wiraswasta Kelompok P03 SMA/Sederajat Pegawai Negeri Kelompok P03 SD/Sederajat Petani Kelompok P03 SMP/Sederajat Wiraswasta Kelompok P03 SMP/Sederajat Pegawai Swasta Kelompok P03 SD/Sederajat Petani Kelompok 2 407
BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia pendidikan, khususnya Pendidikan Tinggi mendapat sorotan dari publik. Salah satu sorotan yang dimaksud yaitu: belum meratanya sistem pendidikan tinggi di Jawa
Lebih terperinciVol.17 No.2. Agustus 2015 Jurnal Momentum ISSN : X CASED BASED REASONING UNTUK PEMILIHAN KEGIATAN ORGANISASI MAHASISWA
CASED BASED REASONING UNTUK PEMILIHAN KEGIATAN ORGANISASI MAHASISWA Oleh: Arif Rohmadi* *)Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Gadjah Mada Abstrak Organisasi
Lebih terperinciRANCANGAN CASE-BASED REASONING MENGGUNAKAN SORENSON COEFFICIENT
RANCANGAN CASE-BASED REASONING MENGGUNAKAN SORENSON COEFFICIENT Murien Nugraheni Program Studi Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Jl. Prof. Dr. Soepomo, S.H., Warungboto, Janturan,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Penyakit jantung merupakan salah satu penyakit yang berbahaya dan penyebab kematian nomor satu di dunia jika tidak ditangani dengan baik. Di Indonesia
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 05, No.03 (2017), hal ISSN : X
IMPLEMENTASI CASE BASED REASONING SISTEM DIAGNOSA PENYAKIT ANAK BERBASIS WEB Tri Rezki Maulidia 1, Tedy Rismawan 2, Syamsul Bahri 3 1,2,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Bahan bangunan merupakan salah satu faktor yang penting untuk membuat sebuah rumah, untuk
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Bahan bangunan merupakan salah satu faktor yang penting untuk membuat sebuah rumah, untuk menghitung kebutuhan bahan bangunan seperti semen, besi,
Lebih terperinciSISTEM PENENTUAN PEMASANGAN SALURAN AIR PDAM KOTA CIMAHI DENGAN MENGGUNAKAN CBR DAN ALGORITMA NEAREST NEIGHBORS
SISTEM PENENTUAN PEMASANGAN SALURAN AIR PDAM KOTA CIMAHI DENGAN MENGGUNAKAN CBR DAN ALGORITMA NEAREST NEIGHBORS ABSTRAKS Feri Frasetiyono 1, Gunawan Abdillah 2, Asep Id Hadiana 3 Program Studi Informatika,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Salah satu hewan ternak yang paling banyak diternakkan adalah unggas. Unggas memberikan banyak manfaat dan keuntungan, antara lain dapat dimanfaatkan dagingnya,
Lebih terperinciBAB I PENDAHULUAN 1. 1 Latar Belakang Dan Permasalahan Pendidikan merupakan sesuatu yang sangat penting, namun tidak semua orang dapat menempuh
BAB I PENDAHULUAN 1. 1 Latar Belakang Dan Permasalahan Pendidikan merupakan sesuatu yang sangat penting, namun tidak semua orang dapat menempuh pendidikan sesuai yang diharapkan. Salah satu permasalahan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang 1 Gizi buruk merupakan status kondisi seseorang yang kekurangan nutrisi, atau nutrisinya di bawah standar. Gizi buruk banyak dialami oleh bayi dibawah lima tahun (balita).
Lebih terperinciIMPLEMENTASI CASE BASED REASONING UNTUK SISTEM DIAGNOSIS PENYAKIT ANJING
IMPLEMENTASI CASE BASED REASONING UNTUK SISTEM DIAGNOSIS PENYAKIT ANJING Fransica Octaviani S. (1) Joko Purwadi (2) Rosa Delima (3) foctas@yahoo.com jokop@ukdw.ac.id rosa@ukdw.ac.id Abstraksi Penalaran
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Paru-paru sebagai pompa satu-satunya untuk sistem pernapasan adalah organ yang sangat penting bagi berlangsungnya kehidupan. Namun masih banyak orang yang kurang peduli
Lebih terperinciEnigma Journal of Infotmatic (ENJOI 2016) ISSN :
b 1 Kombinasi Fuzzy C-Means Clustering dan MADM Model Yager Untuk Menentukan Kelompok UKT (Studi Kasus Universitas Sembilanbelas November Kolaka) Muhammad Nurtanzis Sutoyo 1 dan Andi Tenri Sumpala 2 12
Lebih terperinciCase-Based Reasoning Untuk Diagnosa Penyakit Respirologi Anak Menggunakan Similaritas Simple Mathcing Coefficient
17 Case-Based Reasoning Untuk Diagnosa Penyakit Respirologi Anak Menggunakan Similaritas Simple Mathcing Coefficient Tursina Prodi Teknik Informatika, Fakultas Teknik Universitas Tanjungpura Jl. Ahmad
Lebih terperinciCase Base Reasoning Penentuan Harga Rumah Dengan Menggunakan Metode Tversky (Studi Kasus: Kota Pontianak)
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 1, (2017) 1 Case Base Reasoning Penentuan Harga Rumah Dengan Menggunakan Metode Tversky (Studi Kasus: Kota Pontianak) Hendra 1, Tursina 2, Rudy
Lebih terperinciCASE-BASED REASONING (CBR) PADA SISTEM PAKAR IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN SINGKONG DALAM USAHA MENINGKATKAN PRODUKTIVITAS TANAMAN PANGAN
CASE-BASED REASONING (CBR) PADA SISTEM PAKAR IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN SINGKONG DALAM USAHA MENINGKATKAN PRODUKTIVITAS TANAMAN PANGAN Oleh: Minarni, Indra Warman, Wenda Handayani Jurusan Teknik
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN KLINIS UNTUK MENGEFISIENKAN DIAGNOSA PENYAKIT KEJIWAAN MENGGUNAKAN CASE BASED REASONING
SISTEM PENDUKUNG KEPUTUSAN KLINIS UNTUK MENGEFISIENKAN DIAGNOSA PENYAKIT KEJIWAAN MENGGUNAKAN CASE BASED REASONING 1 Nur Kahfi Ibrahim, 2 Sri Winiarti (0516127501) 1,2 Program Studi Teknik Informatika
Lebih terperinciRancang Bangun Sistem Pakar Pendiagnosa Penyakit Paru-Paru Menggunakan Metode Case Based Reasoning
Rancang Bangun Sistem Pakar Pendiagnosa Penyakit Paru-Paru Menggunakan Metode Case Based Reasoning Diki Andita Kusuma 1, Chairani 2 1,2 Jurusan Teknik Informatika, IBI Darmajaya 1,2 Jl. A. Pagar Alam,
Lebih terperinciPenerapan Case Based Reasoning (CBR) untuk Mendiagnosa Jenis Pecandu Narkoba
Penerapan Case Based Reasoning (CBR) untuk Mendiagnosa Jenis Pecandu Narkoba Andik Adi Suryanto 1, Imron Rosyidi 2, Miftahul Ulum 3, Adi Wendra 4 1,2,3,4 Jurusan Teknik Informatika, FT, Universitas PGRI
Lebih terperinciSistem Pakar Identifikasi Penyakit Tanaman Padi Menggunakan Case-Based Reasoning
Sistem Pakar Identifikasi Penyakit Tanaman Padi Menggunakan Case-Based Reasoning Minarni 1, Indra Warman 2 Jurusan Teknik Informatika Institut Teknologi Padang Padang, Indonesia 1 minarni1706@gmail.com,
Lebih terperinciDIAGNOSIS KERUSAKAN KOMPUTER MENGGUNAKAN METODE SIMILARITY JACCARD COEFFICIENT
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 2, (2017) 40 DIAGNOSIS KERUSAKAN KOMPUTER MENGGUNAKAN METODE SIMILARITY JACCARD COEFFICIENT Annisa 1, Tursina 2, Helen Sasty Pratiwi 3 Program
Lebih terperinciFungsi Similaritas Pada Sistem Berbasis Kasus Penyelesaian Masalah Akademik Mahasiswa
Fungsi Similaritas Pada Sistem Berbasis Kasus Penyelesaian Masalah Akademik Mahasiswa Syaiful Hendra, Sri Kusumadewi 2 Jurusan Teknik Informatika STMIK Adhi Guna Jl. Undata No. 3 Palu Sulawesi Tengah Indonesia
Lebih terperinciCase Based Reasoning Untuk Diagnosis Penyakit Demam Berdarah
Case Based Reasoning Untuk Diagnosis Penyakit Demam Berdarah Rabiah Adawiyah 1 Sistem Informasi Universitas Sembilanbelas November Kolaka 1 Kolaka, Indonesia E-mail: 1 rabiah.heru@gmail.com Abstrak Virus
Lebih terperinciPENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA
PENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281 Yogyakarta
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Resep Elektronik Sistem resep elektronik adalah pemanfaatan sistem elektronik untuk menfasilitasi dan meningkatkan komunikasi urutan resep atau obat, membantu pilihan, administrasi
Lebih terperinciPenentuan Penanganan Kasus Terhadap Penyakit...
Penentuan Penanganan Kasus Terhadap Penyakit... (Risfianti dkk.) PENENTUAN PENANGANAN KASUS TERHADAP PENYAKIT BERDASARKAN GEJALA MENGGUNAKAN CASE BASE REASONING DAN ALGORITMA NEAREST NEIGHBOR(STUDI KASUS:
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tren dan pola gaya hidup selalu mengalami perubahan seiring perkembangan zaman. Perubahan pola hidup sangat berpengaruh terhadap kesehatan dan peningkatan penyakit.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan teknologi begitu pesat terutama dalam bidang komputer, sehingga tidak berlebihan apabila komputer dijadikan alat untuk memperingan beban
Lebih terperinciUKT DALAM PEMBIAYAAN PENDIDIKAN TINGGI
UKT DALAM PEMBIAYAAN PENDIDIKAN TINGGI Oleh Prof. Dr. Jamal Wiwoho, S.H., M.Hum. Pembantu Rektor II Universitas Sebelas Maret Disampaikan dalam Evaluasi Pelaksanaan SPMB 2013 dan Perencanaan Program 2014
Lebih terperinci1 2 Jurnal INTENSIF, Vol.1, No.1, Februari 2017 ISSN:
Sistem Rekomendasi Destinasi Pariwisata Menggunakan Metode Hibrid Case Based Reasoning dan Location Based Service Sebagai Pemandu Wisatawan di Banyuwangi 1 Dedy Hidayat Kusuma, 2 Moh. Nur Shodiq 1,2 Teknik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Istilah gangguan kejiwaan/gangguan mental adalah seluruh gejala atau pola perilaku seseorang yang dapat ditemukan secara klinis yang berkaitan dengan tekanan/distress
Lebih terperinciPENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA
PENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281 Yogyakarta
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK 1. Pendahuluan Dewasa ini kesibukan masyarakat semakin lama semakin bertambah. Hal tersebut menyebabkan terbatasnya kegiatan kegiatan yang dapat dilakukan oleh masyarakat. Selain
Lebih terperinciSISTEM BERBASIS KASUS UNTUK PENANGANAN MAHASISWA BERMASALAH (STUDI KASUS : TEKNIK INFORMATIKA UII)
SISTEM BERBASIS KASUS UNTUK PENANGANAN MAHASISWA BERMASALAH (STUDI KASUS : TEKNIK INFORMATIKA UII) Chanifah Indah Ratnasari Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam Indonesia
Lebih terperinciBAB I PENDAHULUAN. Sistem pakar merupakan salah satu cabang kecerdasan buatan yang
BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar merupakan salah satu cabang kecerdasan buatan yang mempelajari bagaimana mengadopsi cara seorang pakar berpikir dan bernalar dalam menyelesaikan suatu
Lebih terperinciSISTEM PAKAR PERTUMBUHAN BALITA BERBASIS WEB DENGAN METODE CASE BASED REASONING
ISSN : 2338-4018 SISTEM PAKAR PERTUMBUHAN BALITA BERBASIS WEB DENGAN METODE CASE BASED REASONING Mukhammad Shaid (sahid48@gmail.com) Wawan Laksito YS (wlaksito@yahoo.com) Yustina Retno Utami (yustina.retno@gmail.com)
Lebih terperinciPENERAPAN CASE BASED REASONING DALAM MENDUKUNG PENYELESAIAN KASUS
PENERAPAN CASE BASED REASONING DALAM MENDUKUNG PENYELESAIAN KASUS Emha Taufiq Luthfi STMIK AMIKOM Yogyakarta Jl. Ring Road Utara Condong Catur Depok Sleman Yogyakarta E-mail : emha_tl@yahoo.com ABSTRAKSI
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penyakit Kulit Penyakit kulit adalah penyakit infeksi yang paling umum, terjadi pada orang-orang dari segala usia. Gangguan pada kulit sering terjadi karena ada faktor peyebabnya,
Lebih terperinciREKOMENDASI PENANGANAN ANAK BERKEBUTUHAN KHUSUS PADA SEKOLAH LUAR BIASA NEGERI CITEUREUP MENGGUNAKAN CASE BASED REASONING DAN NEAREST NEIGHBORS
Rekomendasi Penanganan Anak Berkebutuhan Khusus... (Padilah dkk.) REKOMENDASI PENANGANAN ANAK BERKEBUTUHAN KHUSUS PADA SEKOLAH LUAR BIASA NEGERI CITEUREUP MENGGUNAKAN CASE BASED REASONING DAN NEAREST NEIGHBORS
Lebih terperinciSISTEM DETEKSI AWAL PENYAKIT TBC DENGAN METODE CBR
SISTEM DETEKSI AWAL PENYAKIT TBC DENGAN METODE CBR Arnes Yuli Vandika* 1, Ahmad Cucus 2 1,2 Ilmu Komputer - Universitas Bandar Lampung (UBL) e-mail: arnes@ubl.ac.id 1, ahmad.cucus@ubl.ac.id 2 Abstrak Penyakit
Lebih terperinciALGORITMA NEAREST NEIGHBOR
ALGORITMA NEAREST NEIGHBOR A. Algoritma Nearest Neighbor adalah pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari
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 terperinciSISTEM INFORMASI PENEMPATAN KERJA MENGGUNAKAN CASE BASED REASONING (STUDI KASUS PADA ALUMNI STIKI MALANG)
SISTEM INFORMASI PENEMPATAN KERJA MENGGUNAKAN CASE BASED REASONING (STUDI KASUS PADA ALUMNI STIKI MALANG) Setiabudi Sakaria, Joshua Adriel Favian Program Studi Teknik Informatika Sekolah Tinggi Informatika
Lebih terperinciPENALARAN BERBASIS KASUS UNTUK DIAGNOSA PENYAKIT BUSUK BUAH PADA TANAMAN KAKAO DENGAN MENGGUNAKAN ALGORITMA BAYESIAN
PENALARAN BERBASIS KASUS UNTUK DIAGNOSA PENYAKIT BUSUK BUAH PADA TANAMAN KAKAO DENGAN MENGGUNAKAN ALGORITMA BAYESIAN Achmad Lukman Teknik Komputer, STMIK EL RAHMA Yogyakarta e-mail: mecaman@gmail.com,
Lebih terperinciPENENTUAN PENANGANAN KERUSAKAN MESIN PRODUKSI RESLETING DI PT. HERO TOP ZIP MENGGUNAKAN CASE BASED REASONING DAN SORENSEN COEFFICIENT
Penentuan Penanganan Kerusakan Mesin Produksi Resleting (Prakasa dkk.) PENENTUAN PENANGANAN KERUSAKAN MESIN PRODUKSI RESLETING DI PT. HERO TOP ZIP MENGGUNAKAN CASE BASED REASONING DAN SORENSEN COEFFICIENT
Lebih terperinciPERBANDINGAN METODE NEAREST NEIGHBOR DAN ALGORITMA C4.5 UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA DI STMIK AMIKOM YOGYAKARTA
PERBANDINGAN METODE NEAREST NEIGHBOR DAN ALGORITMA C4.5 UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA DI STMIK AMIKOM YOGYAKARTA Kusrini 1, Sri Hartati 2, Retantyo Wardoyo 3, Agus Harjoko
Lebih terperinciPERANCANGAN APLIKASI KONSELING MAHASISWA MENGGUNAKAN METODE CASE BASED REASONING. Syaiful Hendra 1*, Sri Kusumadewi 2
PERANCANGAN APLIKASI KONSELING MAHASISWA MENGGUNAKAN METODE CASE BASED REASONING Syaiful Hendra 1*, Sri Kusumadewi 2 1 Program Studi Teknik Informatika, STMIK Adhi Guna Jl. Undata No 3 Palu, Sulawesi Tengah
Lebih terperinciImplementasi Case Base Reasoning Untuk Mendiagnosa Penyakit Gigi dan Mulut Implementation of Case-Based Reasoning for Diagnosing Oral Disease
Implementasi Case Base Reasoning Untuk Mendiagnosa Penyakit Gigi dan Mulut Implementation of Case-Based Reasoning for Diagnosing Oral Disease Fryda Fatmayati* 1, Kusrini 2, Emha Taufiq Lutfi 3 Magister
Lebih terperinci2017, No Mengingat : 1. Undang-Undang Nomor 12 Tahun 2012 tentang Pendidikan Tinggi (Lembaran Negara Republik Indonesia Tahun 2012 Nomor 158, T
BERITA NEGARA REPUBLIK INDONESIA No.779, 2017 KEMENRISTEK-DIKTI. BKT dan UKT PTN. Pencabutan. PERATURAN MENTERI RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI REPUBLIK INDONESIA NOMOR 39 TAHUN 2017 TENTANG BIAYA
Lebih terperinciSISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING
SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Teknik Informatika. UPN Veteran Yogyakarta Jl.
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit pada saluran pencernaan merupakan penyakit yang umum dialami masyarakat. Berdasarkan Profil Kesehatan Provinsi Daerah Istimewa Yogyakarta tahun 2010
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Tugas Akhir atau Skripsi adalah salah satu syarat dari masa akhir perkuliahan. Tugas Akhir di beberapa prodi memiliki beberapa kategori, salah satunya di prodi
Lebih terperinciPurwokerto 53182, Telp. (0281)
BAB IV METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang dilakukan adalah penelitian pengembangan yaitu mengembangkan dalam penentuan tingkat kesesuaian lahan untuk tanaman Jati menggunakan sistem
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tanaman jeruk adalah tanaman buah tahunan yang berasal dari Asia. Cina dipercaya sebagai tempat pertama kali jeruk tumbuh. Sejak ratusan tahun yang lalu, jeruk sudah
Lebih terperinciEnigma Journal of Infotmatic (ENJOI 2016) ISSN : Kolaka, Januari 2016 Vol. 1 No. 1 Hal
81 MODEL PENGAMBILAN KEPUTUSAN PENENTUAN UANG KULIAH TUNGGAL MENGGUNAKAN MODEL MULTI ATTRIBUTE DECISION MAKING PADA UNIVERSITAS SEMBILANBELAS NOVEMBER Qammaddin 1, Ilham Tahir 2 Fakultas Teknologi Informasi
Lebih terperinciRidho Muktiadi 1, Sri Kusumadewi 2. JUITA p-issn: (print); e-issn: (online); Volume VI, Nomor 1, Mei 2018
Sistem Pendukung Keputusan Penentuan Jenis Tindakan Preventif untuk Daerah dengan Kejadian Luar Biasa Penyakit di Kabupaten Banyumas (Decision Support System for Determining Type of Preventive Actions
Lebih terperinciEXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS
EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS Agus Sasmito Aribowo Teknik Informatika. UPN Veteran Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Bab ini menjelaskan mengenai pustaka yang digunakan oleh penulis sebagai pembanding dan acuan dalam membuat sistem. Ada beberapa penelitian yang telah dilakukan sebelumnya, penelitian
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
6 BAB 2 TINJAUAN PUSTAKA 2.1 Konsep Dasar Interaksi Manusia dan Komputer Seseorang yang bekerja dengan komputer, akan melakukan interaksi dengan komputer. Cara yang lazim digunakan adalah pengguna memberikan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESTISIDA PADA TANAMAN JAGUNG BISI 2 MENGGUNAKAN METODE CBR
semantik, Vol.1, No.2, Jul-Des 2015, pp. 69-76 ISSN: 2460-1446Ily pp. 1~5 69 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESTISIDA PADA TANAMAN JAGUNG BISI 2 MENGGUNAKAN METODE CBR Yaseruddin * 1, Muh. Ihsan
Lebih terperinciMENTERI RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI REPUBLIK INDONESIA
SALINAN MENTERI RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI REPUBLIK INDONESIA PERATURAN MENTERI RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI REPUBLIK INDONESIA NOMOR 39 TAHUN 2016 TENTANG BIAYA KULIAH TUNGGAL
Lebih terperinciPENERAPAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA Andi Gita Novianti 1, Dian Prasetyo 2 1,2 Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Manajemen,
Lebih terperinciCASE BASED REASONING UNTUK MENDETEKSI HAMA DAN PENYAKIT TANAMAN ANGGREK DENDROBIUM MENGGUNAKAN ALGORITMA SIMILARITAS PROBABILISTIC SYMMETRIC
CASE BASED REASONING UNTUK MENDETEKSI HAMA DAN PENYAKIT TANAMAN ANGGREK DENDROBIUM MENGGUNAKAN ALGORITMA SIMILARITAS PROBABILISTIC SYMMETRIC Pramudyas Arya Aconcagua 1, Setyawan Wibisono 2 1,2 Program
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam perkembangan bisnis yang bergerak pada bidang jasa dituntut inovasi baru untuk meningkatkan pelayanan kepada pelanggan, sama halnya dalam bidang asuransi.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Mata adalah organ fotosensitif yang kompleks dan berkembang lanjut yang memungkinkan analisis cermat tentang bentuk, intensitas cahaya, dan warna yang dipantulkan
Lebih terperinciGambar 7. Tahapan Proses penelitian
BAB III METODE PENELITIAN 3.1. Alur Penelitian Secara umum, metode penelitian yang digunakan tersusun dalam suatu diagram alur penelitian yang dapat disajikan Gambar 7. Diagram alur tersebut memperlihatkan
Lebih terperinciCase Based Reasoning Untuk Mendeteksi Kerusakan Harddisk
Case Based Reasoning Untuk Mendeteksi Kerusakan Harddisk Nola Ritha 1, M. Nurtanzis Sutoyo 2 1 Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja Ali Haji 2 Sistem Informasi, Fakultas Teknologi
Lebih terperinciCase Based Reasoning (CBR) Untuk Pendeteksi Penyakit Pada Tanaman Kacang Kedelai Berbasis Web
Case Based Reasoning (CBR) Untuk Pendeteksi Penyakit Pada Tanaman Kacang Kedelai Berbasis Web Erni Sulastri, Eneng Tita Tosida, Fajar Delli Program Studi Ilmu Komputer FMIPA Universitas Pakuan Jl. Pakuan
Lebih terperinciSistem Pendukung Keputusan Pemilihan Menu Makanan Bagi Anak
Sistem Pendukung Keputusan Pemilihan Menu Makanan Bagi Anak Rizky Ria Kumaladewi, Sri Kusumadewi Jurusan Teknik Informatika Universitas islam Indonesia Jl. Kaliurang km 14 Yogyakarta 55510 Telp (0274)
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Empiris Ada beberapa penelitian terkait yang pernah dilakukan mengenai Penerapan Metode Probabilitas Bayesian dan Nearest Neighbour dalam Sistem Pakar Berbasis Case
Lebih terperinciBAB I PENDAHULUAN 1BAB I PENDAHULUAN
BAB I PENDAHULUAN 1BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit gigi merupakan salah satu penyakit yang dapat menyerang semua orang, namun di sisi lain jumlah dokter gigi di Indonesia masih sangat sedikit
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 terperinciDENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI AGAMA REPUBLIK INDONESIA,
PERATURAN MENTERI AGAMA REPUBLIK INDONESIA NOMOR 30 TAHUN 2014 TENTANG BIAYA KULIAH TUNGGAL DAN UANG KULIAH TUNGGAL PADA PERGURUAN TINGGI KEAGAMAAN NEGERI DI KEMENTERIAN AGAMA DENGAN RAHMAT TUHAN YANG
Lebih terperinciIMPLEMENTASI CASE BASE REASONING (CBR) UNTUK MENGIDENTIFIKASI PENYAKIT KULIT PADA BAYI
IMPLEMENTASI CASE BASE REASONING (CBR) UNTUK MENGIDENTIFIKASI PENYAKIT KULIT PADA BAYI YulmainiA 1, *), Sri Lestari 2) 1) Software engineering, IBI Darmajaya Z.A Pagar Alam No.93, Bandar Lampung, 35142,
Lebih terperinciPERANCANGAN KNOWLEDGE MANAGEMENT TOOLS UNTUK PENGELOLAAN PENGETAHUAN PERBAIKAN MODUL CATU DAYA TELEKOMUNIKASI
PERANCANGAN KNOWLEDGE MANAGEMENT TOOLS UNTUK PENGELOLAAN PENGETAHUAN PERBAIKAN MODUL CATU DAYA TELEKOMUNIKASI Edo Agung Wibowo Rendi Saputro, Ahmad Rusdiansyah Program Studi Magister Management Teknologi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem pakar adalah suatu cabang kecerdasan buatan yang menggunakan pengetahuan-pengetahuan khusus yang dimiliki oleh seorang ahli untuk menyelesaikan suatu masalah
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Salah satu penemuan dalam psikologi untuk mengenali karakter dan kepribadian manusia yaitu metode Myers-Briggs Type Indicator (MBTI). Metode MBTI dikembangkan pada
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan menempati urutan tertinggi dalam menunjang kelangsungan aktivitas harian setiap manusia (Batubara,
BAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan menempati urutan tertinggi dalam menunjang kelangsungan aktivitas harian setiap manusia (Batubara, 2013). Kesehatan merupakan salah satu faktor penting bagi
Lebih terperinciIMPLEMENTASI SISTEM PAKAR DIAGNOSA PENYAKIT GIGI DAN MULUT MENGGUNAKAN METODE HYBRID CASE-BASED DAN RULE-BASED REASONING
IMPLEMENTASI SISTEM PAKAR DIAGNOSA PENYAKIT GIGI DAN MULUT MENGGUNAKAN METODE HYBRID CASE-BASED DAN RULE-BASED REASONING M. Abdurrachman Irfandi 1, Ade Romadhony 2, Siti Saadah 3 1,2,3 Prodi S1 Teknik
Lebih terperinciIMPLEMENTASI METODE SORENSEN COEFFICIENT DALAM MENENTUKAN DAERAH BERPOTENSI RAWAN PENYAKIT DEMAM BERDARAH (STUDI KASUS : KOTA PONTIANAK) Dede Rachmat
IMPLEMENTASI METODE SORENSEN COEFFICIENT DALAM MENENTUKAN DAERAH BERPOTENSI RAWAN PENYAKIT DEMAM BERDARAH (STUDI KASUS : KOTA PONTIANAK) Dede Rachmat Program Studi Teknik Informatika Jurusan Teknik Elektro
Lebih terperinciPERATURAN MENTERI RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI REPUBLIK INDONESIA NOMOR 22 TAHUN 2015 TENTANG
SALINAN PERATURAN MENTERI RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI REPUBLIK INDONESIA NOMOR 22 TAHUN 2015 TENTANG BIAYA KULIAH TUNGGAL DAN UANG KULIAH TUNGGAL PADA PERGURUAN TINGGI NEGERI DI LINGKUNGAN
Lebih terperinciPERATURAN MENTERI RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI REPUBLIK INDONESIA NOMOR 22 TAHUN 2015 TENTANG
SALINAN PERATURAN MENTERI RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI REPUBLIK INDONESIA NOMOR 22 TAHUN 2015 TENTANG BIAYA KULIAH TUNGGAL DAN UANG KULIAH TUNGGAL PADA PERGURUAN TINGGI NEGERI DI LINGKUNGAN
Lebih terperinciPERATURAN MENTERI RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI REPUBLIK INDONESIA NOMOR 22 TAHUN 2015 TENTANG
SALINAN PERATURAN MENTERI RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI REPUBLIK INDONESIA NOMOR 22 TAHUN 2015 TENTANG BIAYA KULIAH TUNGGAL DAN UANG KULIAH TUNGGAL PADA PERGURUAN TINGGI NEGERI DI LINGKUNGAN
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sistem pendukung keputusan merupakan sistem komputer interaktif, yang membantu untuk mengambil keputusan dengan menggunakan data dan berbagai model untuk menyelesaikan
Lebih terperinciPenerapan Case-Based Reasoning Pada Sistem Cerdas Untuk Pendeteksian dan Penanganan Dini Penyakit Sapi
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Penerapan Case-Based Reasoning Pada Sistem Cerdas Untuk Pendeteksian dan Penanganan Dini Penyakit Sapi Irlando Moggi Prakoso, Wiwik Anggraeni, Ahmad Mukhlason
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Tinjauan Pustaka Dalam penelitian yang berjudul Pembuatan Aplikasi Diagnosa Kerusakan Mesin Sepeda Motor Matic dengan Case-Based Reasoning, menjelaskan tentang kemudahan untuk
Lebih terperinciTEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD
Jurnal Teknik Komputer Unikom Komputika Volume 3, No.2-2014 TEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD Selvia Lorena Br Ginting 1), Wendi Zarman
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Hewan ternak ayam memiliki banyak manfaatnya seperti telur dan dagingnya tidak terlepas dari kebutuhan konsumsi sehari-hari. Namun, ada permasalahan utama yang hampir
Lebih terperinciPenerapan Case-Based Reasoning Dalam Menentukan Similarity Berdasarkan Kesesuaian Lahan Kelapa Sawit
ISSN: 085-6350 Yogyakarta, 7 Juli 017 CITEE 017 Penerapan -Based Reasoning Dalam Menentukan Similarity Berdasarkan Kesesuaian Kelapa Sawit Hamid Muhammad Jumasa, Silmi Fauziati, Adhistya Erna Permanasari
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Abnormal Psychology merupakan salah satu cabang dalam ilmu psikologi yang berupaya untuk memahami pola perilaku abnormal dan cara menolong orang-orang
Lebih terperinciBAB I PENDAHULUAN. Demi tercapainya kualitas hidup yang lebih baik di butuhkan upaya-upaya dari berbagai
BAB I PENDAHULUAN I.1. Latar belakang masalah Salah satu tugas negara adalah mencerdaskan kehidupan bangsa, sebagai mana telah tertulis di dalam Undang Undang Dasar Republik Indonesia (UUD RI) 1945, maka
Lebih terperinciAlgoritma C4.5. Untuk memudahkan penjelasan mengenai algoritma C4.5 berikut ini disertakan contoh kasus yang dituangkan dalam Tabel 1.
Algoritma C4.5 1 Kusrini, 2 Emha Taufiq Luthfi 1 Jurusan Sistem Informasi, 2 Jurusan Teknik Informatika 1, 2 STMIK AMIKOM Yogykakarta 1,2 Jl. Ringroad Utara Condong Catur Sleman Yogyakarta Untuk memudahkan
Lebih terperinciARSITEKTUR APLIKASI TWITTER OPINION MINING UNTUK MENGETAHUI SENTIMEN PUBLIK TERHADAP MEREK PRODUK
ARSITEKTUR APLIKASI TWITTER OPINION MINING UNTUK MENGETAHUI SENTIMEN PUBLIK TERHADAP MEREK PRODUK Agus Sasmito Aribowo Prodi Teknik Informatika UPN Veteran Yogyakarta E-mail: sasmito_skom@yahoo.com Abstrak
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Sistem Pendukung Keputusan Sistem pendukung keputusan pertama kali diperkenalkan pada tahun 1970 oleh Michael S. Scott dengan istilah management decision systemyang merupakan
Lebih terperinciSISTEM DIAGNOSA PENYAKIT MUSANG DENGAN METODE CASE BASED REASONING BERBASIS WEB
SISTEM DIAGNOSA PENYAKIT MUSANG DENGAN METODE CASE BASED REASONING BERBASIS WEB Muhamad Rheza, Herfina, Adriana Sari Aryani. Program Studi Ilmu Komputer FMIPA Universitas Pakuan Jl. Pakuan Po. Box 452
Lebih terperinciPENERAPAN CASE BASED REASONING (CBR) UNTUK MENDIAGNOSIS PENYAKIT STROKE MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENERAPAN CASE BASED REASONING (CBR) UNTUK MENDIAGNOSIS PENYAKIT STROKE MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Moh. Zainuddin 1, Khasnur Hidjah 2, I Wayan Tunjung 3 1,2 Program Studi Teknik Informatika,
Lebih terperinciIntelligent Tutoring System: Expert-Knowledge Module Menggunakan Case-Based Reasoning
Jurnal Generic, Vol. 9, No. 1, Maret 2014, pp. 284~291 ISSN: 1907-4093 (print), 2087-9814 (online) 284 Intelligent Tutoring System: Expert-Knowledge Module Menggunakan Case-Based Reasoning Abdiansah 1
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Penyakit demam dengue atau demam berdarah merupakan penyakit infeksi yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes aegepty dan Aedes albopictus
Lebih terperinciBAB I PENDAHULUAN. perbaikan bangsa ini. Mahasiswa sebagai elemen masyarakat yang mempunyai kekuatan
BAB I PENDAHULUAN 1.1 Latar Belakang Mahasiswa adalah pemuda yang mempunyai peran besar dalam menentukan arah perbaikan bangsa ini. Mahasiswa sebagai elemen masyarakat yang mempunyai kekuatan untuk memperbaiki
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
1 RENCANA PEMBELAJARAN SEMESTER (RPS) Mata Kuliah : Applied Artificial Intelligent Kode/ Bobot : ------- Status : Mata Kuliah Penunjang Disertasi Prasyarat : - Deskripsi Singkat : Konsep dasar Artificial
Lebih terperinci