Pengembangan Sistem Deteksi Kesesuaian Dokumen Proposal Program Kreativitas Mahasiswa Dengan Metode Extended Weighted Tree Similarity
|
|
- Harjanti Chandra
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Pengembangan Sstem Deteks Kesesuaan Dokumen Proposal Program Kreatvtas Mahasswa Dengan Metode Extended Weghted Tree Smlarty Wwk Suharso 1), Qurrota A yun 2), Den Arfanto 3) 1,2,3) Jurusan Teknk Informatka, Fakultas Teknk, Unverstas Muhammadyah Jember Jl. Karmata No. 49 Jember Kode Pos Emal : 1) wwksuharso@unmuhjember.ac.d ABSTRAK Dalam rangka menngkatkan kualtas proposal dan kuanttas perolehan dana hbah Program Kreatvtas Mahasswa (PKM), Tm seleks nternal d Perguruan Tngg mengevaluas kesesuaan dokumen dgtal proposal usulan mahasswa dengan dokumen pedoman PKM yang berlaku. Evaluas tersebut serngkal tdak optmal karena ketdaksembangan jumlah anggota tm seleks dan jumlah proposal yang dtangan serta perubahan ketentuan dalam setap tahun pedoman baru. Proposal usulan mahasswa umumnya memlk kesalahan dalam sstematka penulsan, uraan s, ketentuan krtera dan persyaratan pengusul dalam skema yang dplh sehngga upaya perbakan membutuhkan banyak waktu, tenaga dan baya. Oleh karena tu tujuan jangka panjang peneltan n adalah tersedanya perangkat lunak sstem pendeteksan otomats dokumen dgtal yang mampu mengdentfkas kesalahan sstematka, s dan ketentuan sesua dokumen pedoman PKM yang berlaku. Target khusus yang akan dcapaa dalah dtemukannya model pendeteksan dokumen dgtal format pdf yang memlk tngkat press dan akuras tngg sehngga dapat dgunakan oleh tm seleks nternal sebaga alat bantu koreks awal. Pemodelan n memanfaatkan operas text mnng untuk mengdentfkas s dokumen dengan melbatkan serangkaan metode yatu tokenzng, stoplst/wordlst, stemmng, pembobotan kata TF-IDF dan kemrpan antar bagan dokumen dalam struktur tree dengan metode cosne measure yang dnyatakan dalam bentuk nla bobot label node tree. Perhtungan kemrpan total rata-rata antara dua buah tree dokumen dengan metode Extended Weghted Tree Smlarty menggambarkan hasl kesesuaan sejauh mana proposal mahasswa telah menerapkan pedoman PKM. Prototpe perangkat lunak telah menghaslkan nla auto matchng antar bagan (sub tree) yang sama dan scorng antara dokumen proposal dan dokumen pedoman PKM. Data pelathan dar proposal yang lolos pendanaan tdak selalu memlk nla tertngg dbandngkan dengan data pengujan, sehngga kepatuhan terhadap pedoman harus dkut oleh kualtas dar proposal yang dusulkan. Sebagan besar data pelathan memlk nla tertngg pertama dan kedua, sehngga kepatuhan terhadap pedoman menjad pertmbangan dalam menentukan proposal yang ddana. Kata Kunc : Kesesuaan Dokumen, Proposal, Pedoman PKM, Text Mnng, Cosne Measure, Extended Weghted Tree Smlarty 1. PENDAHULUAN Program Kreatvtas Mahasswa (PKM) merupakan salah satu program dar Drektorat Jenderal Pembelajaran dan Kemahasswaan, Kementeran Rset, Teknolog, dan Penddkan Tngg untuk menngkatkan mutu mahasswa d Perguruan Tngg. Mutu mahasswa tersebut salah satunya dapat dukur dar kompetens untuk menghaslkan karya kreatf dan novatf berlandaskan IPTEKS (Pedoman PKM 2015). Kegatan hbah PKM mendapat respon postf dar Perguruan Tngg dan mahasswa. Respon tersebut berupa pembentukan tm seleks nternal untuk menngkatkan 84
2 JUSTINDO, Jurnal Sstem & Teknolog Informas Indonesa, Vol. 2, No. 2, Agustus 2017 kualtas dan kuanttas proposal usulan mahasswa dalam setap tahun. Tm seleks bertugas mengevaluas kesesuaan dokumen dgtal format pdf proposal usulan mahasswa dengan dokumen pedoman PKM yang berlaku. Evaluas tersebut serngkal tdak optmal karena ketdaksembangan jumlah anggota tm seleks dan jumlah proposal usulan yang dtangan serta perubahan ketentuan dalam setap tahun pedoman baru. Proposal usulan mahasswa umumnya memlk kesalahan dalam sstematka penulsan, uraan s, ketentuan krtera dan persyaratan pengusul dalam skema yang dmaksudkan sehngga upaya perbakan membutuhkan banyak waktu, tenaga dan baya. Hal n ddukung oleh data dan nformas tm seleks PKM Unverstas Muhammadyah Jember (UM Jember) bahwa (1) Tm seleks nternal terdr dar 5 orang sesua SK Rektor Nomor : 0203/KEP/II.3.AU/F/2016, (2) Jumlah kelompok pengusul PKM tahun 2015 sebanyak 149 dan sejak tahun 2013 terjad penngkatan rata-rata pertahun sebesar 24%, (3) Perubahan pedoman PKM terjad setap tahun sepert tahun 2013, 2014, 2015, dan perubahan tersebut rata-rata terjad menjelang waktu pengunggahan proposal usulan baru PKM 5 bdang atau pelaksanaan PIMNAS, (4) Jumlah proposal dterma atau penerma hbah PKM menurun tajam dar 19 kelompok pada tahun 2015 menjad 5 kelompok pada tahun 2016 atau turun sebesar 280%, (5) Perubahan kebjakan bdang kemahasswaan UM Jember tahun 2016 memasukkan persyaratan pembuatan proposal usulan PKM bag pelamar beasswa mempengaruh penngkatan jumlah proposal yang harus dkoreks (Dokumen Tm PKM, 2016). Bahkan observas revewer terhadap skema PKM-KT menemukan fakta kesalahan admnstratf dan atau substans d atas 50% berakbat proposal PKM tdak lolos pada saat pra-evaluas (Pedoman PKM 2015). Untuk mengurang kesalahan admnstratf dan substans s dperlukan perhatan dosen pembmbng dan tm seleks nternal dalam membantu mahasswa. Sejalan dengan tugas tersebut ketersedaan perangkat lunak sstem pendeteksan otomats dokumen dgtal proposal mahasswa dapat membantu menemukan kesalahan sstematka, s dan ketentuan sesua pedoman PKM sehngga upaya perbakan lebh mudah dan cepat. Oleh karena tu peneltan n mengusulkan model pendeteksan kesesuaan dokumen dgtal pdf proposal PKM dengan metode Extended Weghted Tree Smlarty (EWTS). Menurut Sulstyo (2008), Sarno (2008) algortma EWTS memanfaatkan text mnng dengan mempertmbangkan frekuens suatu kata dalam suatu dokumen (term frequency), dan penyebaran suatu kata pada sekumpulan dokumen (Inverse Document Frequency) serta kemrpan antar dokumen dengan metode cosne measure dnyatakan dalam nla bobot label node tree. Perhtungan kemrpan antara dua buah tree dengan metode EWTS akan menghaslkan nla kesesuaan sejauh mana proposal mahasswa telah menerapkan pedoman PKM. Dalam peneltan n permasalahan yang akan dselesakan adalah bagamana caranya memodelkan sstem pendeteksan otomats kesesuaan dokumen dgtal format pdf proposal usulan dan pedoman PKM untuk menla tngkat kesesuaan sejauh mana proposal telah menerapkan pedoman, serta bagamana membangun perangkat lunak sstem pendeteksan otomats kesesuaan dokumen dgtal. 85
3 Wwk Suharso, Qurrota Ayun, Den Arfanto, Pengembangan Sstem Deteks hlm TINJAUAN PUSTAKA Dokumen drepresentaskan dalam bentuk tree berdasarkan sstematka setap skm PKM yang telah dtetapkan pada pedoman PKM yang berlaku. Setap skm PKM memlk 4 bagan yatu bagan krtera, bagan awal, bagan s, dan bagan lampran, dmana masng-masng bagan dapat memlk sub bagan dan pada sub bagan tersebut terdapat dokumen atau penjelasan detal dar suatu bagan. Oleh sebab tu, pada sub bagan nlah fokus pengukuran kesesuaan dokumen dlakukan. Berdasarkan struktur tersebut maka pembentukan tree terbag atas 4 laps. Contoh pembentukan tree pada skm PKMK dgambarkan pada Gambar 1. terdr dar bagan-bagan sebaga berkut. 1) Krtera terdr dar : Int Kegatan, Mater Kegatan, Strata Penddkan, Jumlah Anggota, Alokas Pendanaan, Tahun Angkatan, Luaran, Jumlah Halaman, Format Fle. 2) awal terdr dar : Halaman Sampul, Halaman Pengesahan, Daftar Is, Rngkasan. 3) Is terdr dar : Bab 1 Pendahuluan, Bab 2 Gambaran Umum Rencana Usaha, Bab 3 Metode Pelaksanaan, Bab 4 Baya dan Jadwal Kegatan. 4) Lampran terdr dar : Lampran 1 Bodata Ketua, Anggota dan Dosen Pembmbng, Lampran 2 Justfkas Anggaran Kegatan, Lampran 3 Susunan Organsas Tm Kegatan dan Pembagan Tugas, Lampran 4 Surat Pernyataan Ketua Kegatan. Text mnng ddefnskan sebaga proses penemuan kembal relas dan fakta yang terkubur ddalam teks dan tdak harus baru (Sulstyo, 2008). Dalam peneltan n text mnng melput tokenzng, stoplst/wordlst, stemmng. Dalam peneltan Suharso (2015) ketga operas text mnng tersebut sebaga tahap persapan untuk menyarng dan mengurang jumlah nformas atau termterm yang tdak memlk relevans dalam pengukuran derajat kemrpan suatu dokumen. Proses selanjutnya adalah pembobotan kata dan pengukuran kemrpan dokumen. Masng-masng tahapan tersebut djelaskan dengan merujuk pada peneltan Sulstyo (2008) (Suharso, 2015). 1) Tokenzng Tokenzng adalah proses pemecahan dokumen atau paragraf atau kalmat menjad daftar kata atau token yang berdr sendr. Fungs tokentersebut akan melakukan pengecekan terhadap jarak antar kata (spas, tabulas, enter) untuk membuat daftar kata pada semua kata yang terdapat dalam dokumen. 2) Stoplst/Wordlst Stoplst adalah daftar kata yang tdak relevan dalam mengdentfkas s suatu dokumen sepert kata sambung, kata depan, kata gant, smbol dan tanda baca. Wordlst adalah daftar kata yang relevan sebaga kata kunc sehngga akan dgunakan dalam stemmng. Stoplst/Wordlst adalah proses pembuangan atau penyarngan terhadap stoplst sehngga dhaslkan wordlst. 3) Stemmng Stemmng bertujuan mengubah atau mengembalkan kata menjad bentuk dasarnya dengan menghlangkan mbuhan-mbuhan pada kata dalam dokumen. Pembentukan kata dasar n menggunakan algortma porter dar Dr. Martn Porter yang dsesuakan atau dkembangkan dalam Bahasa Indonesa. 86
4 JUSTINDO, Jurnal Sstem & Teknolog Informas Indonesa, Vol. 2, No. 2, Agustus 2017 Sstem pencaran nformas secara otomats dapat dlakukan dengan membandngkan content dentfer berupa kata (term) yang terdapat pada teks (document) dan nformas yang dmnta oleh user (user nformaton queres). Dokumen dapat berupa dokumen, paragraf atau kalmat D dnyatakan dalam term vectors. D ( t, t j,... t p) (1) Dmana setap t k mengdentfkaskan term yang terdapat pada dokumend. Demkan juga pada queryq drepresentaskan dalam term vectors. Q ( qa, qb,... qr ) (2) Dmana setap q k mengdentfkas term yang terdapat pada query Q. Sehngga bobot (weght) pada setap term untuk membedakan term yang terdapat dalam dokumen D dan queryq dtulskan sebaga berkut. D t, w ; t, w ;...,; t, w ) (3) ( 0 d 0 1 d1 t dt Q q, w ; q, w ;...,; q, q, w ) (4) ( 0 q0 1 q1 t a qt Dmana W dk merupakan bobot dar term t k dalam dokumend, dan W qk merupakan bobot term t k dalam dokumenq. Metode tf*df adalah cara untuk memberkan bobot hubungan suatu kata (term) terhadap dokumen. Proses pembobotan n membentuk bobot D t ) melbatkan tga tahapan yatu TF, IDF, dan TF*IDF dengan persamaan : TF ( t, D) (5) log N IDF 1 df ( t, D) (6) ( t ) D t N tf ( t, D) x log 1 df ( t ) N ( tf ( t, D) x log 1) df ( t ) ( 2 (7) Penlaan tngkat kemrpan querydocument bsa ddapatkan dengan membandngkan antara kedua vektor yang sesua dengan persamaan 8. M Cos( Q, D) ( t ) x ( t ) (8) r 1 Q Algortma Extended Weghted-Tree Smlarty (dsngkat EWTS) adalah algortma yang dgunakan untuk (1) mengukur tngkat kemrpan (smlarty) antara dua buah tree. Penentuan tngkat smlarty dlakukan dengan menentukan dstance atau level smlarty. Dua buah obyek dkatakan memlk tngkat kemrpan tngg, dtanda dengan nla (2) dstance yang mendekat 0 atau nla smlarty yang mendekat angka 1. Pada peneltan n dtentukan tngkat smlarty antara dua buah tree dengan algortma EWTS dmana smlarty akan bernla 0 apabla keduanya tdak memlk kesamaan sama sekal dan bernla 1 apabla benar-benar memlk kesamaan. Tree pada metode n dbag menjad 3 bagan yatu node-labelled, arc-labelled, arc-weghted tree. Dmana node-labelled adalah label atau nama atau denttas yang ada pada setap node, arc-labelled adalah label atau nama atau denttas pada setap cabang node, arc-weghted adalah bobot pada setap cabang node. Menurut Sulstyo (2008), Sarno (2008) EWTS memlk 3 fungs yatu treesm, treemap dan treeplcty. Fungs treemap secara rekursf membandngan dua lst I dan I, masng-masng adalah hmpunan arc pada setap level yang root-nya, dmana rata-rata bobot dapat dhtung dengan persamaan 9. (A(S )(w + w' )/2) (9) 3. METODE PENELITIAN Preprocessng dlakukan dengan text mnng untuk mendapatkan terms relevan, Weghtng dlakukan dengan TF*IDF untuk D 87
5 Wwk Suharso, Qurrota Ayun, Den Arfanto, Pengembangan Sstem Deteks hlm mendapatkan bobot dar term, Auto Matchng dlakukan dengan Cosne Measure pada bagan (sub tree) dokumen pedoman dan proposal, Scorng dengan EWTS untuk menghtung kemrpan total dua buah tree. PREPROCESSING WEIGHTING Tokenzng Stoplst/Wordlst Stemmng Term Frequency (TF) Inverse Document Frequency (IDF) AUTO MATCHING SCORING Weghtng TF*IDF Cosne Measure Extended Weghted Tree Smlarty Gambar 1. Metode Peneltan Preprocessng, Weghtng, Auto Matchng, Scorng 4. HASIL DAN PEMBAHASAN Data yang dgunakan terdr dar data query (Q), data pelathan (L) dan data pengujan (U). Data query berupa daftar term relevan dar masng-masng bagan dokumen dgtal sesua skm PKM dar buku pedoman PKM 2015 dan Data pelathan berupa dokumen proposal usulan mahasswa yang lolos pendanaan dar Drjen Belmawa Kemenrstekdkt. Data pengujan berupa daftar dokumen proposal mahasswa yang dunggah d laman smbelmawa.rstekdkt.go.d. Peneltan n menggunakan data pelathan (L) sebanyak 8 proposal dan data pengujan (U) sebanyak 24 proposal dalam dua tahun terakhr (usulan tahun 2015 dan 2016) sehngga jumlah keseluruhan dokumen sebanyak 32 proposal dtunjukkan dalam Tabel 1. Dmana raso jumlah data perbandngan menggunakan 1 : 3 (satu data pelathan berbandng tga data pengujan). Tabel 1. Rekaptulas Jumlah Data Pelathan (L) dan Data Pengujan (U) Tahun Usulan PKMP PKMK PKMM PKMT Total L U L U L U L U L U Total Sumber Data : Surat Penugasan PKM 5 Bdang Tahun 2015, Laman dan Pengujan dlakukan dengan auto matchng kemrpan antar bagan yang sama (sub tree) dar dokumen pedoman PKM (Query Q) dan dokumen proposal mahasswa dalam setap skm PKM (Dokumen D). (sub tree) dokumen melput Daftar Is, Rngkasan, Bab 1, Bab 2, Bab 3, dan Bab 4. Nla kemrpan cosne antar bagan yang sama akan dhtung total rata-ratanya untuk menentukan kemrpan antara dua dokumen. Perhtungan scorng total ratarata tersebut dengan fungs treemap dar algortma Extended Weghted Tree Smlarty. Prototpe perangkat lunak sstem pendeteksan dokumen dgtal menerma nput berupa data format teks (*.txt) dar bagan-bagan (sub tree) dar dokumen proposal dan dokumen pedoman PKM. Dmana fle dokumen format pdf dkonvers dalam format text (*.txt) menggunakan laman pdftotext.com/d. 88
6 JUSTINDO, Jurnal Sstem & Teknolog Informas Indonesa, Vol. 2, No. 2, Agustus 2017 Hasl dar auto matchng antar bagan (sub tree) dokumen dar data peneltan dan pedoman PKM menghaslkan nla kemrpan dtunjukkan dalam Tabel 2 sampa Tabel 8 berkut n. Tabel 2. Hasl Smlarty Antar Query Q dan Dokumen D (PKMP 2015) PKMP1 PKMP2 PKMP3* PKMP4* Daftar Is 0,540 0,601 0,714 0,539 Rngkasan 0,323 0,409 0,374 0,428 Bab ,479 0,524 0,428 Bab 2 0,425 0,337 0,444 0,371 Bab 3 0,444 0,470 0,417 0,308 Bab 4 0,000 0,627 0,612 0,558 Rata-Rata 0,3464 0, , ,43867 Keterangan : * Data Pelathan Tabel 3. Hasl Smlarty Antar Query Q dan Dokumen D (PKMP 2015) PKMP5 PKMP6 PKMP7 PKMP8 Daftar Is 0,574 0,415 0,814 0,538 Rngkasan 0,401 0,409 0,425 0,471 Bab 1 0,507 0,454 0,47 0,528 Bab 2 0,405 0,371 0,322 0,401 Bab 3 0,418 0,482 0,447 0,380 Bab 4 0,584 0,467 0,486 0,377 Rata-Rata 0,4815 0,433 0,494 0,44917 Tabel 4. Hasl Smlarty Antar Q dan D (PKMK 2015) PKMK1* PKMK2 PKMK3 PKMK4 Daftar Is 0,770 0,621 0,639 0,796 Rngkasan 0,236 0,236 0,425 0,425 Bab 1 0,538 0,462 0,535 0,626 Bab 2 0,596 0,298 0,428 0,506 Bab 3 0,464 0,366 0,412 0,492 Bab 4 0,541 0,545 0,416 0,573 Rata-Rata 0, , , ,56967 Tabel 5. Hasl Smlarty Antar Q dan D (PKMM 2015) PKMM1 PKMM2 PKMM3 PKMM4* Daftar Is 0,710 0,720 0,676 0,749 Rngkasan 0,547 0,216 0,311 0,311 Bab 1 0,442 0,505 0,358 0,462 Bab 2 0,718 0,717 0,749 0,767 Bab 3 0,499 0,424 0,568 0,575 Bab 4 0,533 0,511 0,528 0,557 Rata-Rata 0, ,5155 0, ,57017 Tabel 6. Hasl Smlarty Antar Q dan D (PKMT 2015) PKMT1* PKMT2 PKMT3 PKMT4 Daftar Is 0,657 0,503 0,527 0,543 Rngkasan 0,311 0,216 0,288 0,311 Bab 1 0,337 0,275 0,340 0,443 Bab 2 0,257 0,232 0,343 0,423 Bab 3 0,478 0,550 0,550 0,378 Bab 4 0,580 0,559 0,532 0,453 Rata-Rata 0, , ,430 0,42517 Tabel 7. Hasl Smlarty Antar Q dan D (PKMP 2016) PKMP1 PKMP2 PKMP3 PKMP4* Daftar Is 0,762 0,558 0,541 0,729 Bab 1 0,416 0,485 0,504 0,443 Bab 2 0,425 0,388 0,292 0,332 Bab 3 0,323 0,406 0,417 0,437 Bab 4 0,575 0,601 0,601 0,432 Rata-Rata 0,5002 0,4876 0,471 0,4746 Tabel 8. Hasl Smlarty Antar Q dan D (PKMK 2016) PKMK1 PKMK2 PKMK3* PKMK4 Daftar Is 0,753 0,821 0,751 0,804 Bab 1 0,589 0,468 0,568 0,536 Bab 2 0,597 0,413 0,394 0,542 Bab 3 0,394 0,394 0,365 0,486 Bab 4 0,558 0,525 0,637 0,319 Rata-Rata 0,5782 0,5242 0,543 0,5374 Tabel 9. Hasl Smlarty Antar Q dan D (PKMM 2016) PKMM1 PKMM2* PKMM3 PKMM4 Daftar Is 0,688 0,846 0,680 0,770 Bab 1 0,428 0,471 0,384 0,468 Bab 2 0,645 0,667 0,635 0,631 Bab 3 0,519 0,499 0,451 0,505 Bab 4 0,560 0,570 0,519 0,522 Rata-Rata 0,568 0,6106 0,5338 0,5792 Dar hasl pengujan kemrpan antar bagan, maka dhaslkan nla scorng dar total rata-rata setap tree dokumen proposal dtunjukkan dalam Tabel 10 untuk usulan tahun 2015, dan Tabel 11 untuk usulan tahun
7 Wwk Suharso, Qurrota Ayun, Den Arfanto, Pengembangan Sstem Deteks hlm Tabel 10. Nla Scorng Sort By Descendng (PKM 2015) Proposal PKM Tahun 2015, Tertngg Skm PKM P 0,514 0,487 0,481 0,449 0,433 0,438 0,494 0,3464 PKMK 0,569 0,524 0,475 0,421 PKMM 0,574 0,570 0,531 0,515 PKMT 0,436 0,430 0,425 0,389 Tabel 11. Nla Scorng Sort By Descendng (PKM 2016) SKIM Proposal PKM Tahun 2016, Tertngg PKMP 0,5002 0,4876 0,4746 0,471 PKMK 0,5782 0,543 0,5374 0,5242 PKMM 0,6106 0,5792 0,568 0,5338 Berdasarkan Tabel 10 dan Tabel 11 dsmpulkan bahwa prototpe perangkat lunak telah menghaslkan nla scorng akhr antara dokumen proposal mahasswa dan pedoman PKM. Data pelathan dar proposal yang lolos pendanaan (tercetak tebal) tdak selalu memlk nla tertngg dbandngkan dengan data pengujan, sehngga kepatuhan terhadap pedoman harus dkut oleh kualtas dar proposal. Sebagan besar data pelathan memlk nla tertngg pertama dan kedua, sehngga kepatuhan terhadap pedoman tetap menjad pertmbangan dalam menentukan proposal yang ddana 5. KESIMPULAN DAN SARAN Kesmpulan dar peneltan dengan judul Pengembangan Sstem Deteks Kesesuaan Dokumen Proposal Program Kreatvtas Mahasswa Dengan Metode Extended Weghted Tree Smlarty yatu : (1) Prototpe perangkat lunak sstem pendeteksan kesesuaan dokumen telah dapat menghaslkan nla auto matchng kemrpan antar bagan (sub tree) yang sama dar dokumen, dan menghaslkan nla scorng kesesuaan total rata-rata tree dokumen proposal dan dokumen pedoman PKM, (2) Hasl akhr dar scorng menunjukkan bahwa data pelathan dar proposal yang lolos pendanaan tdak selalu memlk nla scorng tertngg dbandngkan dengan data pengujan dar dokumen proposal yang tdak lolos, sehngga kepatuhan terhadap pedoman harus dkut oleh kualtas dar proposal PKM yang dusulkan, (3) Sebagan besar data pelathan memlk nla tertngg pertama dan kedua, sehngga kepatuhan terhadap pedoman tetap menjad pertmbangan dalam menentukan proposal ddana. Peneltan n dapat dkembangkan dengan mempertmbangkan kontekstual dar substans s proposal yang dusulkan. (sub tree) dokumen dapat dperluas dengan bagan yang lebh kecl sehngga dapat menghaslkan nformas lebh detal tentang ketdaksesuaan atau kekurangan yang harus dlengkap. Dsampng tu prototpe perangkat lunak perlu dkembangkan dalam antar muka yang user frendly agar dapat memudahkan pengguna dan haslnya dapat dvsualsaskan dalam bentuk yang lebh mudah dpaham DAFTAR PUSTAKA Sarno, Ryanarto; Rahutomo, Fasal. (2008), Penerapan Algortma Weghted Tree Smlarty Untuk Pencaran Semantk, JUTI. Vol 7 No. 1 : Sulstyo, Wwn; Sarno, Ryanarto. (2008), Pemodelan Kesesuaan Dokumen Sekurt Manajemen Aset Teknolog Informas Menggunakan Algortma Extended Weghted Tree Smlarty, Prosdng Semnar Nasonal Sstem & Teknolog Informas (SNASTI), Surabaya : Sulstyo, Wwn; Sarno, Ryanarto. (2008), Auto Matchng Antar Dokumen Dengan Metode Cosne Measure, Semnar Nasonal Teknolog 90
8 JUSTINDO, Jurnal Sstem & Teknolog Informas Indonesa, Vol. 2, No. 2, Agustus 2017 Informas dan Komunkas, Indonesa. Suharso, Wwk. (2015), Identfkas Kebutuhan Non-Fungsonal Dalam Spesfkas Tekstual Berdasarkan Atrbut ISO/IEC 9126, Prosdng Semnar Nasonal Manajemen Teknolog XXII, MMT ITS Surabaya. Pedoman Program Kreatvtas Mahasswa 2015, Drektorat Jenderal Pembelajaran dan Kemahasswaan (Belmawa), Kementeran Rset, Teknolog dan Penddkan Tngg. Pedoman Program Kreatvtas Mahasswa 2016, Drektorat Jenderal Pembelajaran dan Kemahasswaan (Belmawa), Kementeran Rset, Teknolog dan Penddkan Tngg. Laporan Tm PKM 2016, Kemahasswaan Unverstas Muhammadyah Jember. Surat Penugasan PKM 5 Bdang Tahun 2015, SK Rektor Nomor : 0203/KEP/II.3.AU/F/ (dakses 4 Me 2016) (1 Jul 2017) 91
III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciBAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas
BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciSISTEM PENAMBANG TERM INDIKATOR PADA PELATIHAN KEBUTUHAN NON-FUNGSIONAL BERBASIS ISO/IEC 9126
SISTEM PENAMBANG TERM INDIKATOR PADA PELATIHAN KEBUTUHAN NON-FUNGSIONAL BERBASIS ISO/IEC 926 Wwk Suharso ), St Rochmah 2),2) Program Magster Jurusan Teknk Informatka Fakultas Teknolog Informas Insttut
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n membahas tentang prosedur pengembangan pembelajaran dan mplementas model Problem Based Learnng dalam pembelajaran Konsep Dasar Matematka, Subjek Peneltan, Teknk dan Instrumen
Lebih terperinciArdi Kurniawan 1), Kusrini 2) Sistem Informasi STMIK AMIKOM Yogyakarta 2)
Semnar Nasonal Teknolog Informas dan Multmeda 2016 STMIK AMIKOM Yogyakarta, 6-7 Februar 2016 ANALISIS DAN PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA GURU (PKG) MENGGUNAKAN METODE SIMPLE ADDITIVE
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
ANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE M. Fachrurroz, M.T. 1, Nov Yuslan, M.T. 2 1,2 Jurusan Teknk Informatka Fakultas Ilmu Komputer, Unverstas Srwjaya 1 obetsobets@gmal.com,
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciStrategi Pemilihan Kalimat pada Peringkasan Multi Dokumen
JURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: 2337-3539 (2301-9271 Prnt) A-924 Strateg Pemlhan Kalmat pada Perngkasan Mult Dokumen Satro Verdanto, Agus Zanal Arfn, dan Dana Purwtasar Jurusan Teknk Informatka,
Lebih terperinciBAB III METODOLOGI PENELITIAN. dalam situs BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal dari dua
BAB III METODOLOGI PENELITIAN 3.1. Ruang Lngkup Peneltan Reksadana yang dgunakan dalam peneltan n adalah reksadana yang terdaftar dalam stus BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB III METODE PENELITIAN. problems. Cresswell (2012: 533) beranggapan bahwa dengan
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan kombnas atau mxed methods. Cresswell (2012: 533) A mxed methods research desgn s a procedure for collectng, analyzng and mxng
Lebih terperinciALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN
ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN Hendra Bunyamn Jurusan Teknk Informatka Fakultas Teknolog Informas Unverstas Krsten Maranatha
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Kamus Buku acuan yang memuat kata dan ungkapan, basanya dsusun menurut abjad berkut keterangan tentang makna, pemakaan, atau terjemahannya, kamus juga dsebut buku yang memuat
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciPENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN
PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN Handry Wardoyo 1 Jeanny Pragantha Vny Chrstant M. 3 1 3 Teknk Informatka Unverstas Tarumanagara
Lebih terperinciIII PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan
Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciBAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance
BAB IV METODE PENELITIAN 4.1 Lokas dan Waktu Peneltan Peneltan mengena Analss Pengaruh Kupedes Terhadap Performance Busness Debtur dalam Sektor Perdagangan, Industr dan Pertanan dlaksanakan d Bank Rakyat
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciMenggugat Kinerja Profesor
Haran Kompas, 11 November 2015 Menggugat Knerja Profesor Jumlah profesor d negara kta terlalu sedkt. Itu pun sebagan dnla kurang berkualtas dan tdak produktf. Hal n terkuak dalam Semnar Nasonal Keprofesoran
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciPERHITUNGAN PENILAIAN MAHASISWA TERHADAP MENGAJAR DOSEN BERBASIS KASUS MENGGUNAKAN ALGORITMA BAYESIAN
JURNAL DAI IN: - Vol. No. JUNI ERHITUNGAN ENILAIAN MAHAIWA TERHADA MENGAJAR DOEN BERBAI KAU MENGGUNAKAN ALGORITMA BAYEIAN Ern enwat TMIK AMIKOM Yogyakarta ern.s@amkom.ac.d ABTRAKI roses belaar mengaar
Lebih terperinciPENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT
PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan
Lebih terperinciBABY. S!MPULAN DA:"i SARAN. Rumah sakit adalah bentuk organisasi pengelolaan jasa pelayanan
BABY S!MPULAN DA:" SARAN A. Smpulan Rumah sakt adalah bentuk organsas pengelolaan jasa pelayanan kesehatan ndvdual secara menyeluruh oleh karena tu dperlukan penerapan vs. ms. dan strateg seara tepat oleh
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciSUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD
SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperincilingkungan Kantor Dinas Pendidikan Kabupaten Bandung dalam pelaksanaan otonomi daerah belum dapat dilaksanakan secara optimal, antara
BAB V KESMPULAN, MPLKAS DAN REKOMENDAS A. Kesmpulan Berdasarkan hasl peneltan yang telah durakan sebelumnya kesmpulan yang dsajkan d bawah n dtark dar pembahasan hasl peneltan yang memjuk pada tujuan peneltan
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciTENTANG PEDOMAN PELAKSANAAN ALOKASI DANA DESA KABUPATEN PACITAN ( DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI PACITAN
1 BUPAT PACTAN PERATURAN BUPAT PACTAN NOMOR S TAHUN 2012 TENTANG PEDOMAN PELAKSANAAN ALOKAS DANA DESA KABUPATEN PACTAN ( DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN Menmbang Bahwa dalam rangka tertb
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciSTRATEGI PEMILIHAN KALIMAT PADA PERINGKASAN MULTI DOKUMEN
STRATEGI PEMILIHAN KALIMAT PADA PERINGKASAN MULTI DOKUMEN Satro Verdanto, Agus Zanal Arfn, dan Dana Purtasar Jurusan Teknk Informatka, Fakultas Teknolog Informas, Insttut Teknolog Sepuluh Nopember (ITS)
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1 Model Pengembangan Produk model pengembangan pembelajaran mengacu pada proses pembelajaran yang menekankan pada pemberdayaan teman sejawat dan permanan. Pemberdayaan teman
Lebih terperinciBAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,
BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciBAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian
BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang Masalah
RINGKASAN OPTIMALISASI PELAKSANAAN STRATEGI PEMBELAJARAN AKTIF DENGAN GROUP RESUME DAN CONCEPT MAP DALAM UPAYA PENINGKATAN KUALITAS PEMBELAJARAN EKONOMI Oleh: Endang Mulyan Daru Wahyun Peneltan n bertujuan
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciOptimasi Fungsi Keanggotaan Fuzzy
Optmas Fungs Keanggotaan Fuzzy Tsukamoto Dua Tahap Menggunakan Algortma Genetka Pada Pemlhan Calon Penerma Beasswa dan BBP-PPA (Stud Kasus: PTIIK Unverstas Brawjaya Malang) Bunga Amela Restuputr 1, Wayan
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun
BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang. menghimpun dana dari pihak yang kelebihan dana (surplus spending unit) kemudian
Pengaruh Captal Structure terhadap Proftabltas pada Industr Perbankan d Indonesa Mutara Artkel n d-dgtalsas oleh Perpustakaan Fakultas Ekonom-Unverstas Trsakt, 2016. 021-5663232 ext.8335 BAB I PENDAHULUAN
Lebih terperinciJurnal Bakti Saraswati Vol.04 No.01. Maret 2015 ISSN :
Jurnal Bakt Saraswat Vol.04 No.01. Maret 2015 ISSN : 2088-2149 PEMANFAATAN PROGRAM APLIKASI MAPLE SEBAGAI UPAYA MENINGKATKAN MOTIVASI DAN PRESTASI BELAJAR KALKULUS I MAHASISWA PROGRAM STUDI PENDIDIKAN
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Sejalan dengan semakn populernya penggunaan Internet dan Perpustakaan Dgtal nformas dalam jumlah yang luar basa besar kn bsa dakses secara luas oleh masyarakat suatu hal yang
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciAnalisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank
ISSN 907-0500 Analss Kecepatan Dan Percepatan Mekansme Empat Batang (Four Bar ngkage Fungs Sudut Crank Nazaruddn Fak. Teknk Unverstas Rau nazaruddn.unr@yahoo.com Abstrak Pada umumnya analss knematka dan
Lebih terperinciLAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi
LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl
Lebih terperinciBAB 3 GAMBARAN UMUM TEMPAT RISET
BAB 3 GAMBARAN UMUM TEMPAT RISET 3. Sejarah dan Kegatan Operasonal Perusahaan 8 3.. Sejarah Perkemangan Kantor Perwaklan Bank Indonesa Wlayah I (Sumut & Aceh) 8 3. Struktur Organsas dan Deskrps Tugas Kantor
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
Lebih terperinci