PENGEMBANGAN APLIKASI PREDIKSI PENYAKIT BERBAHAYA DI PROVINSI RIAU BERDASARKAN MODEL MARKOV CHAINS
|
|
- Yenny Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENGEMNGN PLIKSI PREDIKSI PENYKIT ERHY DI PROVINSI RIU ERDSRKN MODEL MRKOV HINS Mustakim 1, Syaifullah 2 Jurusan Sistem Informasi, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. HR. Soebrantas No. 155 Simpang aru, Panam, Pekanbaru, mustakim@uin-suska.ac.id, 2 syaifullah@uin-suska.ac.id STRK Penyakit berbahaya saat ini semakin meningkat setiap tahunnya di berbagai tempat, setiap saat muncul berbagai macam penyakit, Makin tinggi ilmu kedokteran maka semakin hebat pula penyakit berbahaya saat ini. Untuk itu salah satu hal untuk mengatasi dan mengetahui hal tersebut adalah dengan cara memprediksi penyakit-penyakit yang akan muncul beberapa tahun kedepan. Dengan model Markov hains sistem ini dikembangakan untuk memprediksi penyakit berbahaya dengan mengacu pada data stokastik Dari simulasi yang dilakukan pada tahun 215 diperoleh probabilitas sebesar 34,1%, 19,5%, 3,3% dan 16,% (Demam erdarah). Hanya kriteria Penyakit yang mengalami peningkatan dari,444 pada 215 menjadi,452 pada 216, sedangkan untuk ketiga jenis penyakit lainnya mengalami penurunan. Kata kunci : markov chains, prediksi, penyakit berbahaya, probabilitas I. PENDHULUN Perkembangan teknologi semakin meningkat dengan dahsyat di era globalisasi saat ini, berbagai macam kalangan menggunakan teknologi sesuai dengan keperluanya masingmasing. Dari hal yang besar hingga yang sekecilkecilnya tidak luput dari teknologi. Pemerintahan, instansi, pendidikan serta dunia kesehatan pastinya menggunakan teknologi, salah satu contoh adalah Rumah. Seiring berkembangnya pengetahuan tentang ilmu kesehatan, di era sekarang ini bermunculan berbagai macam penyakit berbahaya yang mungkin saja menyebabkan penderitaan yang berkepanjangan. Tidak jarang para penderita yang mengalami penyakit-penyakit berbahaya tersubut hingga sampai meregang nyawa. pa penyebab itu semua? erbagai macam masalah masingmasing dialami setiap manusia hingga menyebabkan demikian. Sebagai contoh di Provinsi Riau khususnya Kota Pekanbaru, menurut data dari Dinas Kesehatan Provinsi Riau tahun 214, terdapat 4 sedikitnya penyakit berbahaya yang ditakuti saat ini yang menyebabkan si penderita mengalami kematian diantanya adalah,,, dan (Demam erdarah) [6]. agaimana kita mengatasi masalah penyakit diatas? Dan apakan penyakit tersebut akan muncul dan mempunyai probabilitas tinggi untuk beberapa tahun kedepan?. Masalah ini yang harus dipecahkan, bagaimana kita memprediksi penyakit-penyakit berbahaya tersebut untuk beberapa tahun kedepan. Salah satu metode yang paling mudah dan simple adalah metode Markov hains, dimana metode ini membandingankan keadaan sebelumnya dengan keadaan sekarang secara diskrit maupun kontinyu. Untuk memberikan lingkup secara jelas dan detail dalam penelitian ini dibuat suatu batasan masalah, yaitu: 1. Data yang digunakan adalah data 4 tahun terakhir secara diskrit maupun kontinyu untuk memprediksi kemungkinan terjadinya probabilitas 2 tahun kedepan. 2. Sistem yang akan dikembangkan hanya dapat menginputkan 4 data kriteria penyakit berbahaya yang pernah dialami masyarakat pekanbaru, sesuai dengan ranking penyakit berbahaya paling ditakuti di Indonesia. 3. Sistem hanya memberikan rekomendasi prediksi untuk 2 tahun kedepan dalam bentuk probabilitas dan persentase, yang hasilnya tidak mutlak tetapi hanya berdasarkan hasil prediksi. II. METODE PENELITIN Metode penelitian dimulai dari perencanaan, liteteratur review, pengumpulan data, proses data manual, pengembangan aplikasi dan simulasi model yang dapat digambarkan pada Gambar 1 berikut:
2 Perencanaan Literatur Review Pengumpulan Proses Data Manual Markov Model Pengembangan plikasi Simulasi Model Gambar 1. Metode Penelitian. Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan didalam database. Data mining adalah proses yang menggunakan teknik statistic, matematika, kecerdasan buatan, dan mechine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar [1]. Menurut Gartner Group Data Mining adalah suatu proses menemukan hubungan yang berarti, pola, dan kecenderungan dengan memeriksa dalam sekumpulan besar data yang tersimpan dalam penyimpanan dengan menggunakan teknik pengenalan pola seperti teknik stastistik dan matematika [2].. Markov hais Models Konsep dasar Model Rantai Markov pertama kali diperkenalkan oleh ndrei. Markov seorang matematisi Rusia pada tahun 197. Model ini berhubungan dengan rangkaian proses dimana kejadian dalam satu proses eksperimen hanya tergantung pada serangkaian kejadian sebelum-sebelumnya yang lain[3]. Metode Markov ini dapat diaplikasikan untuk sistem diskrit (discrete system) maupun sistem kontinyu (continuous system). Sistem diskrit merupakan sistem yang perubahan kondisinya (state) dapat diamati/ terjadi secara diskrit. Sedangkan sistem kontinyu adalah sistem yang perubahan kondisi dan perilaku sistem terjadi 11 secara kontinyu. Proses Markov sendiri merupakan proses stokastik masa lalu tidak mempunyai pengaruh pada masa yang akan datang bila masa sekarang diketahui [4]. da beberapa syarat agar Rantai Markov dapat diaplikasikan dalam evaluasi keandalan sistem. Syarat-syarat tersebut adalah 1. Sistem harus stationery atau homogen, artinya perilaku system selalu sama disepanjang waktu atau peluang transisi sistem dari satu kondisi ke kondisi lainnya akan selalu sama disepanjang waktu. Dengan demikian maka pendekatan Markov hanya dapat diaplikasikan untuk sistem dengan laju kegagalan yang konstan. 2. State is identifiable. Kondisi yang dimungkinkan terjadi pada system harus dapat diidentifikasi dengan jelas. pakah sistem memiliki dua kondisi (state) yakni kondisi beroperasi dan kondisi gagal, ataukah sistem memiliki 3 kondisi, yakni persen sukses, 5 persen sukses dan persen gagal[5].. Konsep Pemodelan Sistem diwakili oleh dua kondisi (state) yang teridentifikasi, dan diberi nama kondisi 1 dan kondisi 2. Yaitu peluang transisi dari satu kondisi ke kondisi lain-nya atau pun peluang tetap berada pada kondisi semula. Peluang transisi ini akan sama disepan-jang waktu (stationery). Gambar 2. Sistem dengan 2 kondisi D. Time Dependent State Probabilities Time dependent state probabilities dapat dicari dengan mengalikan matrik P dengan matrik P itu sendiri sejumlah interval yang diinginkan (Pn, dimana n adalah jumlah interval waktu)[4]. P2 = x (1) ( I = 1) = [1,] x (2) π (1) = π (). P (3) ( I = 2) = [,1] x (4) 1 2
3 Secara sederhana langkah-langkah Rantai Markov dapat diasumsikan sebagai berikut: 1. Membuat matriks awal kejadian 2. Menjumlahkan tiap matriks kejadian 3. Perbandingan jumlah matriks dengan total kejadian 4. Mendapatkan matriks hasil kejadian 5. Mengalikan state kejadian dengan matriks kejadian 6. Persentase prioritas kejadian 5 31/3/ /5/ /7/ /8/ /11/211 III. HSIL DN PEMHSN Dalam pembahasan pada makalah ini diperlukan beberapa data-data penyakit berbahaya atau penyakit yang menyebabkan tingkat kematian tinggi di Provinsi Riau tiap tahunya, dengan menggunakan 3 sampel rumah sakit di Pekanbaru yaitu Rumah, dan, sedangkan data yang digunakan adalah data tahun 211, 212, 213, dan 214. Sebelum mengawali langkah demi langkah rantai markov, terlebih dahulu mendeklarasikan 4 kriteria penyakit berbahaya yang sering menyebabkan kematian: Tabel 1. Peringkat Penyakit erbahaya Nama No Singkatan Keterangan Penyakit SJT 1 erbahaya KKR 2 erbahaya 3 4 (Demam erdarah) ISP DD erbahaya erbahaya. Langkah-Langkah Rantai Markov Langkah pertama adalah membuat matriks awal kejadian atau dalam kasus ini membuat matriks kematian akibat penyakit berbahaya tiap tahunnya (211,212,213 dan 214). Tabel 2. Matriks kematian akibat penyakit berbahaya tahun 211 No Tanggal Penyakit Rumah 1 6/1/ /2/ /2/ /3/211 Tabel 3. Matriks kematian akibat penyakit berbahaya tahun 212 No Tanggal Penyakit Rumah 1 2/1/ /1/ /2/ /2/ /2/ /2/ / /3/ /5/212 4/6/ /9/ /9/ // /12/212 Selanjutnya hingga diketahui data-data sampai dengan 214. Langkah kedua adalah menjumlahkan tiap matriks kejadian, dalam hal ini adalah menjumlahkan berapa banyak tiap penyakit terjadi untuk setiap tahunnya. Tabel 4. Jumlah kejadian setiap tahun SJT KKR ISP DD Total Kejadian
4 Setelah dikelompokkan berdasarkan tahunnya, langkah selanjutnya adalah membandingkan jumlah matriks dengan total kejadian. Tabel 5. Perbandingan jumlah matiks dengan total kejadian SJT KKR ISP DD 211 3/9=,333 1/9=,111 4/9=,444 1/9=, /14=,5 4/14=,286 2/14=,142 1/14=, /17=,294 3/11=,272 4/17=,235 4/17=,235 4/17=,235 2/11=,181 4/11=,363 2/11=,181 Dari tabel diatas didapatkan matriks hasil kejadian sebagai berikut: P =,333,111,444,111,5,286,142,71,294,235,235,235,272,181,363,181 Selanjutnya adalah mengalikan state kejadian dengan matriks kejadian. State kejadian ( π ()) adalah jenis kejadian yang dilambangkan dengan bilangan biner atau 1. Pada kondisi ini isi state kejadian untuk prediksi Pekanbaru ada empat, yaitu:, Kanker, dan (Demam erdarah). Maka jika dilambangkan dengan huruf adalah [J,K,P,M]. Dan jika dengan bilangan biner adalah [,,,]. agian akhir adalah prediksi kemungkinan penyakit mematikan yang akan muncul ditahun 215. dihitung dengan cara : π (1) = π (). P Didapatkan hasil sebagai berikut: 1 =,333,111,444,111 akan mengasilkan data kemungkinan sebagai berikut: P215 = 5% 28,6% 44,4% 23,5% = 146,5% Untuk menjadikan hasil Total menjadi %, maka setiap kemungkinan dibagi dengan total kemungkinan, dan hasilya adalah: P215 = 34,1% 19,5% 3,3% 16,% =,% Kemudian secara perhitungan final Rantai Markov diperoleh hasil 34,1%, 19,5%, 3,3% dan 16,% (Demam erdarah). Sedangkan untuk prediksi penyakit pada 216, dapat dihitung dengan perkalian antara hasil prediksi 215 dengan matriks kejadian: [,5,286,444,235 ] x,333,111,444,111,5,286,142,71,294,235,235,235,272,181,363,181 Diperoleh hasil prediksi sebagai berikut : P216 = [,54,284,452,223 ] Jadi prediksi untuk 216 adalah 34,4%, 19,4%, 3,9% Infeksi Saluran dan 15,2% (Demam erdarah). Untuk rekapitulasi keempat penyakit tersebut dapat digambarkan pada tabel 6 berikut: Tabel 6. Tabel rekapitulasi kemungkinan penyakit setiap tahun Jantung Infeksi Saluran (Demam erdarah) 1 =,5,286,142,71 1 =,294,235,235,235 1 =,272,181,363, ,333,111,444, ,5,286,142,71 213,294,235,235,235 obot Terbesar =,5,286,444, ,272,181,363, ,5,286,444,235 Hasil akhir dari perhitungan adalah: 216,54,283,452,223 P215 = [,5,286,444,235 ] Untuk mendapatkan hasil berupa %, maka mengalikan hasil π (1) sebelumnya dengan %. Hasil diatas jika dijadikan kedalam persentase 13
5 Persentase Persentase Persentase Persentase Jurnal Rekayasa dan Manajemen Sistem Informasi, Vol. 1, No. 1, Februari 215, pp.-16 Tabel 7. Tabel rekapitulasi kemungkinan penyakit setiap tahun dalam persentase Jantung Infeksi Saluran (Demam erdarah) ,3% 11,1% 44,4% 11,1% ,4 Paru-paru 36,3 23,5 14,2 3,3 3, ,% 28,6% 14,2% 7,1% ,4% 23,5% 23,5% 23,5% ,2% 18,1% 36,3% 18,1% ,1% 19,5% 3,3% 16,% Grafik 3. Persentase Kejadian Jenis Paru-paru Setiap dan Prediksi untuk ,4% 19,4% 3,9% 15,2% Untuk rekapitulasi peningkatan kemungkinan penyakit setiap tahunya dapat digambarkan pada grafik berikut ,1 23,5 18, ,2 7, ,6 23,5 18,1 19,5 19,4 11,1 5 Grafik 4. Persentase Kejadian Jenis Paru-paru Setiap dan Prediksi untuk Grafik 1. Persentase Kejadian Jenis Setiap dan Prediksi untuk , 33,3 34,1 34,4 29,4 27,2 Grafik 2. Persentase Kejadian Jenis Setiap dan Prediksi untuk
6 . lur dan Implementasi Sistem lur sistem berjalan atau flowchart sistem digunakan sebagai gambaran umum sistem yang akan berjalan dengan batasan-batasan hak akses tertentu. Flowchart Sistem Gambar 3. Flowchat Sistem dmin Sistem User Input username dan password Input Data Selesai Salah enar Login IF Data Mster Proses Hasil Logout Salah Input username dan password Lihat Informasi Selesai. Implementasi Sistem Implementasi sistem merupakan seluruh rangkaian dari analisa dan perancangan yang kemudian dituangkan dan diimplementasikan kedalam sebuah bahasa pemrograman. Gambar 5. Data Kemungkinan Terjadinya Penyakit dalam tiap satu tahun IV. PENUTUP Dari penelitian ini penulis dapat menyimpulkan beberapa perihal diantaranya adalah Metode Markov hains merupakan metode prediksi yang berdasarkan atas skala data, dan hasil kemungkinan metode tidak dapat dijadikan acuan yang akurat atau % benar, karena model Markov dapat berubah berdasarkan tingkatan kasus yang berbeda/ tergantung sample data. erdasarkan perhitungan dan analisis diperoleh hasil prediksi untuk satu tahun pertama prediksi memiliki tingkat perbedaan yang sangat signifikan dengan prediksi tiga tahun atau lebih kedepanya, sedangkan untuk tahun kedua, ketiga dan keempat serta tahun selanjutnya memiliki perbedaan nilai yang minimal (memiliki hasil prediksi yang sama) setiap jenis tanaman. Hasil analisis data akan berhenti pada sewaktu-waktu atau memiliki kesamaan prediksi pada tahun yang berbeda, dengan demikian metode ini tidak dapat digunakan pada jangka waktu yang sangat lama, karena waktu yang ditetapkan mempengaruhi tingkat akurasi data. simulasi yang dilakukan pada tahun 215 diperoleh probabilitas sebesar 34,1%, 19,5%, 3,3% Infeksi Saluran dan 16,% (Demam erdarah). Hanya kriteria Penyakit Infeksi Saluran yang mengalami peningkatan dari,444 pada 215 menjadi,452 pada 216. Gambar 4. Data Penyakit
7 REFERENSI 1) Turban, E., dkk. 25. Decicion Suport System and Intelligent System. Yogyakarta: ndi Offset. 2) Larose, Daniel T. 25. Discovery Knolegde in Data : n Introduction to Data Mining. Jphn Willey & Sons, Inc. 3) Kepala idang nalisa dan Evaluasi, Pusat Penyiapan Program Penelitian. Informatika Pertanian Vol. 8 (Desember 1999) 4) Jurnal : Papoulis, thanasius, Probabilitas, Variabel Random, dan Proses Stokastik,edisi ke-2, Gadjah Mada university Press, Yogyakarta, ) Jurnal : Sri Nawang Sari, dkk. Konsep Markov hains Untuk Menyelesaikan Prediksi encana lam di Wilayah Indonesia dengan Studi Kasus Kotamadya Jakarta Utara. Universitas Gunadarma. 6) Sumber: Data Kematian akibat Penyakit erbahaya Dinas Kesehatan Provinsi Riau. 7) Siswoutomo, Wiwid. Membangun Web Service menggunakan PHP. 24. Jakarta. Elex Media Komputindo 8) Wijaya, Sudirman. Teknik Data Mining dan plikasinya. 24. Jogjakarta. Pustaka Ilmu. 16
APLIKASI PREDIKSI HASIL TANAMAN PALAWIJA DI KABUPATEN INDRAGIRI HILIR MENGGUNAKAN METODE MARCOV CHAINS
APLIKASI PREDIKSI HASIL TANAMAN PALAWIJA DI KABUPATEN INDRAGIRI HILIR MENGGUNAKAN METODE MARCOV CHAINS 1 Mustakim, 2 Eki Saputra Jurusan Sistem Informasi Fakultas Sains dan Teknologi UIN Suska Riau Jl.
Lebih terperinciKONSEP MARKOV CHAINS UNTUK MENYELESAIKAN PREDIKSI BENCANA ALAM DI WILAYAH INDONESIA DENGAN STUDI KASUS KOTAMADYA JAKARTA UTARA
KONSEP MARKOV CHAINS UNTUK MENYELESAIKAN PREDIKSI BENCANA ALAM DI WILAYAH INDONESIA DENGAN STUDI KASUS KOTAMADYA JAKARTA UTARA Sri Nawangsari Fika Mula Iklima Eri Prasetyo Wibowo Jurusan manajemen Universitas
Lebih terperinciPrediksi Produksi Kayu Bundar Kabupaten Malang Dengan Menggunakan Metode Markov Chains
JURNAL SAINS DAN SENI POMITS Vol. 6, No.2, (2017) 2337-3520 (2301-928X Print) A 95 Prediksi Produksi Kayu Bundar Kabupaten Malang Dengan Menggunakan Metode Markov Chains Ikhtiyari Navila Rizanti, Soehardjoepri
Lebih terperinciRANTAI MARKOV ( MARKOV CHAIN )
RANTAI MARKOV ( MARKOV CHAIN ) 2.1 Tujuan Praktikum Rantai markov (Markov Chain ) merupakan salah satu materi yang akan dipelajari dalam praktikum stokastik. Berikut ini terdapat beberapa tujuan yang akan
Lebih terperinciPREDIKSI BENCANA ALAM DI WILAYAH KABUPATEN WONOGIRI DENGAN KONSEP MARKOV CHAINS
E-ISSN 2527-9378 Jurnal Statistika Industri dan Komputasi Volume 3, No. 1, Januari 2018, pp. 63-70 PREDIKSI BENCANA ALAM DI WILAYAH KABUPATEN WONOGIRI DENGAN KONSEP MARKOV CHAINS Petronella Mira Melati
Lebih terperinciANALISIS ESTIMASI PERUBAHAN MINAT MAHASISWA UNIVERSITAS SUMATERA UTARA TERHADAP TUJUH OPERATOR GSM
Saintia Matematika Vol., No. 2 (2), pp. 9 9. ANALISIS ESTIMASI PERUBAHAN MINAT MAHASISWA UNIVERSITAS SUMATERA UTARA TERHADAP TUJUH OPERATOR GSM Hasoloan M Nababan, Open Darnius Sembiring, Ujian Sinulingga
Lebih terperinciPERBANDINGAN PENGGUNAAN RANTAI MARKOV DAN DISTRIBUSI CAMPURAN DATA TIDAK HUJAN DAN DATA HUJAN UNTUK MENSIMULASI DATA HUJAN HARIAN TUGAS AKHIR
PERBANDINGAN PENGGUNAAN RANTAI MARKOV DAN DISTRIBUSI CAMPURAN DATA TIDAK HUJAN DAN DATA HUJAN UNTUK MENSIMULASI DATA HUJAN HARIAN TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Lebih terperinciBAB I PENDAHULUAN. Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi secara beruntun dan dengan kemungkinan yang berbeda-beda. Sebagai contoh sekarang
Lebih terperinciKata kunci : Data Mining, K-Means, Knowledge Discovery in Databases (KDD), Pemetaan digital
Pemetaan Digital dan Pengelompokan Lahan Hijau di Wilayah Provinsi Riau Berdasarkan Knowledge Discovery in Databases (KDD) dengan Teknik K-Means Mining Mustakim Jurusan Sistem Informasi Fakultas Sains
Lebih terperinciPenerapan Persamaan Aljabar Riccati Pada Masalah Kendali Dengan Waktu Tak Berhingga
Penerapan Persamaan Aljabar Riccati Pada Masalah Kendali Dengan Waktu Tak Berhingga Nilwan Andiraja 1, Zulfikar 2 1,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl.
Lebih terperinciTUGAS AKHIR ARNI YUNITA
SIMULASI HUJAN HARIAN DI KOTA PEKANBARU MENGGUNAKAN RANTAI MARKOV ORDE TINGGI (ORDE 3) TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika Oleh :
Lebih terperinciAPLIKASI SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT KULIT SAPI BERBASIS WEB DENGAN MENGGUNAKAN METODE FORWARD CHAINING
APLIKASI SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT KULIT SAPI BERBASIS WEB DENGAN MENGGUNAKAN METODE FORWARD CHAINING Hady Kurniawan Teknik Informatika STMIK ATMA LUHUR PANGKALPINANG Jl. Jend. Sudirman Selindung
Lebih terperinciRANCANG BANGUN MEDIA PELAYANAN UMUM DESK INFO BERBASIS WEB (STUDI KASUS: PENGADILAN TINGGI AGAMA PEKANBARU)
RANCANG BANGUN MEDIA PELAYANAN UMUM DESK INFO BERBASIS WEB (STUDI KASUS: PENGADILAN TINGGI AGAMA PEKANBARU) Zarnelly 1, Della Adelia 2 Jurusan Sistem Informasi, Fakultas Sains dan Tekhnologi, UIN SUSKA
Lebih terperinciRantai Markov Diskrit (Discrete Markov Chain)
#10 Rantai Markov Diskrit (Discrete Markov Chain) 10.1. Pendahuluan Berbagai teknik analitis untuk mengevaluasi reliability dari suatu sistem telah diuraikan pada bab terdahulu. Teknik analitis ini mengasumsikan
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Oleh: Desi Nur Faizah 1209 1000 17 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI MENGGUNAKAN METODE AHP (ANALYTICAL HIERARCHY PROCESS)
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI MENGGUNAKAN METODE AHP (ANALYTICAL HIERARCHY PROCESS) SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom)
Lebih terperinciSistem Pendukung Keputusan Pemilihan Karyawan Teladan dengan Metode SMART (Simple Multi Attribute Rating Technique)
Sistem Pendukung Keputusan Pemilihan Karyawan Teladan dengan Metode SMART (Simple Multi Attribute Rating Technique) Suryanto 1, Muhammad Safrizal 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Jl.
Lebih terperinciSISTEM INFORMASI STATUS LINGKUNGAN HIDUP DAERAH PADA PUSAT PENGELOLAAN EKOREGION SUMATERA DENGAN KONSEP OBJECT ORIENTED
SISTEM INFORMASI STATUS LINGKUNGAN HIDUP DAERAH PADA PUSAT PENGELOLAAN EKOREGION SUMATERA DENGAN KONSEP OBJECT ORIENTED Rice Novita Jurusan Sistem Informasi, Fakultas Sains dan Teknologi, UIN Sultan Syarif
Lebih terperinciPerancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW (Simple Additive Weighting)
Jurnal Teknologi Informasi DINAMIK Volume 16, No.2, Juli 2011 : 171 176 ISSN : 0854 9524 Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW (Simple Additive
Lebih terperinciPrediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov
JURNAL SAINS DAN SENI POMITS Vol. 6, No.2, (2017) 2337-3520 (2301-928X Print) A 39 Prediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov Risa Septi Pratiwi Daryono Budi Utomo Jurusan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama diberikan tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN KELAYAKAN PEMBERIAN KREDIT MENGGUNAKAN METODE AHP PADA BANK DANAMON CABANG SEGIRI SAMARINDA
22 SEBATIK STMIK WICIDA SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN PEMBERIAN KREDIT MENGGUNAKAN METODE AHP PADA BANK DANAMON CABANG SEGIRI SAMARINDA M. Irwan Ukkas 1), Amelia Yusnita 2), Eri Wandana 3) 1,2 Sistem
Lebih terperinciMETODE MARKOV DAN PENERAPANNYA Markov Model and Its Applications. Noor Cholis Basjaruddin POLBAN
METODE MARKOV DAN PENERAPANNYA Markov Model and Its Applications Noor Cholis Basjaruddin Politeknik Negeri Bandung 2016 Daftar Isi 1 Abstrak... 3 2 Abstract... 3 3 Pendahuluan... 3 4 Model Markov... 4
Lebih terperinciAplikasi Fungsi Diferensial Riccati Pada Sistem Dinamik Dua Kendali Waktu Berhingga
Aplikasi Fungsi Diferensial Riccati Pada Sistem Dinamik Dua Kendali Waktu Berhingga Nilwan Andiraja 1, Fiki Rakasiwi 2 1,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau
Lebih terperinciAPLIKASI PELAPORAN KEHILANGAN SURAT ONLINE
PLIKSI PELPORN KEHILNGN SUR ONLINE Erina Sari, jut waliyah, Z, M.Kom, Halimah us Sa diah, M.Kom Email : erina.023@gmail.com Program Studi Diploma iga Manajemen Informatika FMIP-Universitas Pakuan bstrak
Lebih terperinciKLASIFIKASI DOKUMEN REPOSITORY SECARA OTOMATIS MENGGUNAKAN METODE BAYESIAN NETWORK
Lukman Syafie / JUPITER Volume XV No.2 (2016) 109 KLASIFIKASI DOKUMEN REPOSITORY SECARA OTOMATIS MENGGUNAKAN METODE BAYESIAN NETWORK Lukman Syafie Staf Pengajar Teknik Informatika, Fakultas Ilmu Komputer
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Peranan teknologi informasi di masa kini sangatlah diperlukan disegala aspek pekerjaan manusia. Selain memberikan kemudahan di dalam mengoperasikannya juga memberikan
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 terperinciArisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya
ANALISIS KESTABILAN DAN MEAN DISTRIBUSI MODEL EPIDEMIK SIR PADA WAKTU DISKRIT Arisma Yuni Hardiningsih 1206 100 050 Dosen Pembimbing : Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Institut Teknologi
Lebih terperinciBAB 1 PENDAHULUAN. kehidupan manusia membuat manusia yang dalam hal ini sebagai user. menggunakan model ataupun pengarsipan secara manual.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang semakin pesat dan semakin akrab menyentuh kehidupan manusia membuat manusia yang dalam hal ini sebagai user menginginkan untuk dapat memperoleh
Lebih terperinciPrediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov
A39 Prediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov Risa Septi Pratiwi dan Daryono Budi Utomo Departemen Matematika, Fakultas Matematka dan Ilmu Pengetahuan Alam, Institut Teknologi
Lebih terperinciPenerapan Metode Winnowing Fingerprint dan Naive Bayes untuk Pengelompokan Dokumen
Penerapan Metode Winnowing Fingerprint dan Naive Bayes untuk Pengelompokan Dokumen Adi Radili 1, Suwanto Sanjaya 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Jl. H.R. Soebrantas no. 155 KM. 18
Lebih terperinciMODEL EPIDEMI RANTAI MARKOV WAKTU DISKRIT SUSCEPTIBLE INFECTED RECOVERED DENGAN DUA PENYAKIT
MODEL EPIDEMI RANTAI MARKOV WAKTU DISKRIT SUSCEPTIBLE INFECTED RECOVERED DENGAN DUA PENYAKIT Wisnu Wardana, Respatiwulan, dan Hasih Pratiwi Program Studi Matematika FMIPA UNS ABSTRAK. Pola penyebaran penyakit
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 1, Juni 2016 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Mengembangkan Sistem Aplikasi Layanan Administrasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis survival adalah analisis data yang memanfaatkan informasi kronologis dari suatu kejadian atau peristiwa (event). Respon yang diperhatikan adalah waktu sampai
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 2337-3520 (2301-928X Print) 1 ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Desi Nur Faizah, Laksmi Prita Wardhani. Jurusan Matematika, Fakultas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bidang statistika berhubungan dengan cara atau metode pengumpulan data, pengolahan, penyajian, dan analisisnya serta pengambilan kesimpulan berdasarkan data dan analisis
Lebih terperinciPERANCANGAN SISTEM INFORMASI PENYEWAAN MOBIL PADA RENTAL BERBASIS WEB
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 308~312 308 PERANCANGAN SISTEM INFORMASI PENYEWAAN MOBIL PADA RENTAL BERBASIS WEB Mari Rahmawati AMIK BSI Karawang e-mail: mari.mrw@bsi.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. Kebutuhan akan informasi yang akurat dan tepat untuk penyajian data sangat
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kebutuhan akan informasi yang akurat dan tepat untuk penyajian data sangat diperlukan oleh suatu organisasi atau perusahaan. Koperasi merupakan salah satu organisasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Teori Pemeliharaan Untuk menjamin kontinuitas kegiatan operasional suatu sistem, keandalan setiap komponen peralatan sangat dijaga agar peralatan tersebut tidak mengalami kegagalan
Lebih terperinciRANCANG BANGUN SISTEM INFORMASI GEOGRAFIS DAN DATA CENTER UNTUK PEMETAAN PENYEBARAN PENYAKIT DEMAM BERDARAH DI KABUPATEN PONOROGO
RANCANG BANGUN SISTEM INFORMASI GEOGRAFIS DAN DATA CENTER UNTUK PEMETAAN PENYEBARAN PENYAKIT DEMAM BERDARAH DI KABUPATEN PONOROGO Angga Prasetyo 1*, Rizal Bachtiar Purnama 1, Nunung Rohmatun 2 1) Teknik
Lebih terperinciPengembangan Sistem Database Hasil Penelitian Dan Pengabdian Kepada Masyarakat Dosen Unnes
Juli - Desember 2013 64 Pengembangan Sistem Database Hasil Penelitian Dan Pengabdian Kepada Masyarakat Dosen Unnes Tatyantoro ndrasto Teknik Elektro, Universitas Negeri Semarang Kampus Sekaran Gunungpati
Lebih terperinciPENERAPAN METODE FORWARD CHAINING PADA PERANCANGAN SISTEM PAKAR DIAGNOSIS AWAL DEMAM BERDARAH
PENERAPAN METODE FORWARD CHAINING PADA PERANCANGAN SISTEM PAKAR DIAGNOSIS AWAL DEMAM BERDARAH [1] Sri Lestanti, [2] Sabitul Kirom, dan [3] Dini Kustiari [1],[2,[3] Universitas Islam Balitar Abstrak: Demam
Lebih terperinciPertemuan 5 ANALISIS RANTAI MARKOV
Pertemuan 5 ANALISIS RANTAI MARKOV Objektif: 1. Mahasiswa dapat merumuskan masalah dalam analisis rantai markov 2. Mahasiswa dapat mencari penyelesaian masalah dalam prorses perhitungan probabilitas dengan
Lebih terperinciSISTEM INFORMASI PELAKSANAAN IZIN LINGKUNGAN (SIPIL)
PANDUAN PENGGUNA SISTEM INFORMASI PELAKSANAAN IZIN LINGKUNGAN (SIPIL) PUSAT PENGENDALIAN PEMBANGUNAN EKOREGION SUMATERA KEMENTERIAN LINGKUNGAN HIDUP DAN KEHUTANAN REPUBLIK INDONESIA JL. H.R. SOEBRANTAS
Lebih terperinciALGORITMA BAYESIAN CLASSIFICATION UNTUK MEMPREDIKSI HEREGRISTRASI MAHASISWA BARU DI STMIK WIDYA PRATAMA
ALGORITMA BAYESIAN CLASSIFICATION UNTUK MEMPREDIKSI HEREGRISTRASI MAHASISWA BARU DI STMIK WIDYA PRATAMA Devi Sugianti Program Studi Sistem Informasi,STMIK WidyaPratama Jl. Patriot 25 Pekalongan Telp (0285)427816
Lebih terperinciPENYELESAIAN PERSAMAAN LAPLACE MENGGUNAKAN METODE RANTAI MARKOV TUGAS AKHIR N U R I Z A
PENYELESAIAN PERSAMAAN LAPLACE MENGGUNAKAN METODE RANTAI MARKOV TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika Oleh: N U R I Z A 10854004579
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tren smartphone di Indonesia ini mendorong kenaikan layanan data operator telekomunikasi. Periode 2009-2012, layanan data operator telekomunikasi naik rata-rata 31%.
Lebih terperinciPemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Pemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok Sucia Mentari, Retno Subekti, Nikenasih
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN GURU BERPRESTASI MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING STUDI KASUS SMK BINA LATIH KARYA BANDAR LAMPUNG
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN GURU BERPRESTASI MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING STUDI KASUS SMK BINA LATIH KARYA BANDAR LAMPUNG Luluk Wulandari 12100597 Sistem Informasi STMIK Pringsewu
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Analisa pada sistem yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap sistem aplikasi Android pada E-News, dikarenakan
Lebih terperinciTOOLS SIMULASI INVENTORI PADA SUPERMARKET
TOOLS SIMULASI INVENTORI PADA SUPERMARKET 1) Benny Santoso 2) Liliana 3) Imelda Yapitro Jurusan Teknik Informatika Fakultas Teknik Universitas Surabaya Raya Kalirungkut Surabaya 60293 (031) 298 1395 email
Lebih terperinciBAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat,
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat, menjadikan statistika memegang peranan penting dalam kehidupan. Hampir semua fenomena yang terjadi
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MENENTUKAN LETAK LOKASI PASAR SWALAYAN BARU KOTA SEMARANG DENGAN METODE SIMPLE ADDITIVE WEIGHTING
SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN LETAK LOKASI PASAR SWALAYAN BARU KOTA SEMARANG DENGAN METODE SIMPLE ADDITIVE WEIGHTING Emiria Winda Kismanto Jurusan Teknik Informatika S1, Fakultas Ilmu Komputer,
Lebih terperinciKAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.
TUGAS AKHIR KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR Oleh: RAFIQATUL HASANAH NRP. 1208 100 021 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si. Drs.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Tahapan Penelitian Metodologi penelitian digunakan sebagai pedoman dalam pelaksanaan penelitian agar hasil yang dicapai tidak menyimpang dari tujuan. Tahapan penelitian
Lebih terperinciAPLIKASI PENCATATAN REKAM MEDIS PASIEN MENGGUNAKAN MICROSOFT VISUAL BASIC.NET BERBASIS DESKTOP
APLIKASI PENCATATAN REKAM MEDIS PASIEN MENGGUNAKAN MICROSOFT VISUAL BASIC.NET BERBASIS DESKTOP Ellana Tria Hayuningtyas 1, Eko Luki Prasetya 2, Hafizh Nugraha 3, Oka Fahlan Metatama 4, Rifki Aulia 5, Tina
Lebih terperinciSistem Pendukung Keputusan Seleksi Beasiswa Pendidikan Menggunakan Metode Simple Additive Weighting
SISTEM PENDUKUNG KEPUTUSAN SELEKSI BEASISWA PENDIDIKAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Oleh : Ita Yulianti 1, Imam Tahyudin 2, Nurfaizah 3 1,2,3) STMIK AMIKOM Purwokerto ABSTRAK Tujuan penelitian
Lebih terperinciSISTEM INFORMASI BANK DATA DAN PENELUSURAN TUGAS AKHIR DAN SKRIPSI BERBASIS WEB ( STUDY KASUS STMIK PRINGSEWU)
SISTEM INFORMASI BANK DATA DAN PENELUSURAN TUGAS AKHIR DAN SKRIPSI BERBASIS WEB ( STUDY KASUS STMIK PRINGSEWU) Meilysa Puspita Sari Jurusan Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer
Lebih terperinciSISTEM INFORMASI PEMETAAN KUALITAS PENDIDIKAN DI KOTA PEKANBARU BERBASIS WEB
SISTEM INFORMASI PEMETAAN KUALITAS PENDIDIKAN DI KOTA PEKANBARU BERBASIS WEB Restu Mahdila 1, Eki Saputra 2 Jurusan Sistem Informasi, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. HR.
Lebih terperinciAPLIKASI DAFTAR HADIR MAHASISWA PROGRAM STUDI DIII TEKNIK KOMPUTER
PLIKSI DFR HDIR MHSISW PROGRM SUDI DIII EKNIK KOMPUER Dinan Rizkyah zmi, rfan Haqiqi Sulasmoro, Rais, D3 eknik Komputer Politeknik Harapan Bersama Jln. Mataram No. 09 egal elp/fax (0283) 352000 BSRK Program
Lebih terperinciSISTEM INFORMASI GEOGRAFIS
SISTEM INFORMASI GEOGRAFIS TEMPAT PEMAKAMAN UMUM (TPU) DI SURAKARTA Di Susun Oleh : RATIH ISNAINI K3513055 PENDIDIKAN TEKNIK INFORMATIKA DAN KOMPUTER FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS SEBELAS
Lebih terperinciAnalisis Kestabilan Model Veisv Penyebaran Virus Komputer Dengan Pertumbuhan Logistik
Analisis Kestabilan Model Veisv Penyebaran Virus Komputer Dengan Pertumbuhan Logistik Mohammad soleh 1, Seri Rodia Pakpahan 2 Jurusan Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan
Lebih terperinciJournal of Informatics and Technology, Vol 1, No 4, Tahun 2012, p 1-8
PREDIKSI PENDAPATAN PEMERINTAH INDONESIA MENGGUNAKAN SIMULASI MONTE CARLO Afry Rachmat, Sukmawati Nur Endah, Aris Sugiharto Program Studi Teknik Informatika, Universitas Diponegoro afry.rachmat27@gmail.com,
Lebih terperinciPERANCANGAN APLIKASI SURVEY KEPUASAN TERHADAP LAYANAN PROIDER TELKOMSEL BERBASIS WEB. Rusdiyanto
JTI, Vol 6 No., Desember 0 PERANCANGAN APLIKASI SURVEY KEPUASAN TERHADAP LAYANAN PROIDER TELKOMSEL BERBASIS WEB. Program Studi Teknik Informatika, STMIK Musi Rawas Lubuklinggau Jl. Jend Besar Soeharto
Lebih terperinciBAB I PENDAHULUAN. membahayakan nyawa seseorang, Ironisnya gejala gejala tersebut seringkali
1 BAB I PENDAHULUAN 1.1 Latar Belakang Gejala penyakit merupakan awal timbulnya sebuah penyakit yang dapat membahayakan nyawa seseorang, Ironisnya gejala gejala tersebut seringkali diabaikan sehingga membuat
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Teknologi informasi sangat dibutuhkan dalam kehidupan sehari-hari untuk mempermudah kinerja manusia agar mendapatkan informasi yang cepat, tepat, dan akurat. Begitu
Lebih terperinciKarakterisasi Matriks Leslie Ordo Empat
Karakterisasi Matriks Leslie Ordo Empat Corry Corazon Marzuki 1, Oktomi Malko 2 1,2 Jurusan Matematika Fakultas Sains Teknologi UIN Suska Riau Jl HR Soebrantas No 155 Simpang Baru, Panam, Pekanbaru, 28293
Lebih terperinciSISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT ANGINA PEKTORIS (ANGIN DUDUK) DENGAN MENGGUNAKAN METODE BAYES
SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT ANGINA PEKTORIS (ANGIN DUDUK) DENGAN MENGGUNAKAN METODE BAYES Ayu Permata Lestari (0911267) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl.
Lebih terperinciMenentukan Invers Drazin dari Matriks Singular Dengan Metode Leverrier Faddeev
Jurnal Sains Matematika dan Statistika, Vol. I, No., Januari ISSN 46-44 Menentukan Invers Drazin dari Matriks Singular Dengan Metode Leverrier Faddeev Suhendry, Irma Suryani, Jurusan Matematika, Fakultas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Universitas Islam Negeri Sultan Syarif Kasim Riau (UIN Suska R iau) merupakan salah satu universitas Islam ternama di Provinsi Riau. Hal ini dapat dilihat dari meningkatnya
Lebih terperinciAPLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT GINJAL DENGAN METODE DEMPSTER-SHAFER
APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT GINJAL DENGAN METODE DEMPSTER-SHAFER Aprilia Sulistyohati, Taufiq Hidayat Laboratorium Sistem Informasi dan Perangkat Lunak Jurusan Teknik Informatika Fakultas Teknologi
Lebih terperinciBAB I PENDAHULUAN. manual, maka penulis menyusun tugas akhir ini dengan judul SISTEM INFORMASI EVALUASI BERBASIS WEB PADA PUSAT
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berkembangnya teknologi informasi telah memudahkan setiap pekerjaan. Manfaat dari sistem teknologi informasi dapat begitu dirasakan, salah satunya pada sistem
Lebih terperinciJURNAL SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN KREDIT PADA KSP MITRA RAKYAT BERSAMA NGANJUK DENGAN METODE ANALYTICAL HIERARCHY PROCESS (AHP)
JURNAL SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN KREDIT PADA KSP MITRA RAKYAT BERSAMA NGANJUK DENGAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Disusun Oleh: Moh.Arifin NPM : 12.1.03.03.0318 Dibimbing
Lebih terperinciBAB III METODOLOGI PENELITIAN
3.1. Prose Alur Penelitian BAB III METODOLOGI PENELITIAN Gambar 3. 1 Metodologi Penelitian 3.1.1. Tahap Perencanaan Tahapan perencanaan dalam penelitian ini memiliki empat tahapan, yaitu: 1) Menetukan
Lebih terperinciSISTEM INFORMASI PELAYANAN PASIEN BERBASIS MULTIUSER DI PUSKESMAS NGRAMPAL SRAGEN
ISSN : 338-408 SISTEM INFORMSI PELYNN PSIEN ERSIS MULTIUSER DI PUSKESMS NGRMPL SRGEN Din Eksanti W (din_scorpio00@yahoo.com) Sri Hariyati Fitriasih, M.Kom (fitriasih@gmail.com) Sri Siswanti, M.Kom (syswanty@gmail.com)
Lebih terperinciBAB I PENDAHULUAN. berkembang sangat pesat. Hal ini ditunjukkan oleh media-media elektronik
BAB I PENDAHULUAN A. Latar Belakang Dewasa ini perkembangan teknologi yang menyajikan informasi berkembang sangat pesat. Hal ini ditunjukkan oleh media-media elektronik yang serba digital. Sektor informasi
Lebih terperinciAPLIKASI SISTEM PENGGAJIAN GURU BERBASIS WEB. Muhammad Ali Syakur. Fakultas Teknik Universitas Trunojoyo Madura
APLIKASI SISTEM PENGGAJIAN GURU BERBASIS WEB Muhammad Ali Syakur Fakultas Teknik Universitas Trunojoyo Madura Email : syakurali@yahoo.co.id ABSTRAK Penggajian merupakan fungsi yang sangat penting, untuk
Lebih terperinciModel Matematika Jumlah Perokok dengan Nonlinear Incidence Rate dan Penerapan Denda
Model Matematika Jumlah Perokok dengan Nonlinear Incidence Rate dan Penerapan Denda Mohammad Soleh 1, Ifnur Haniva 2 1,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2. Pengertian Pemeliharaan Menurut Agus Ahyari (99) pemeliharaan merupakan suatu kegiatan mutlak yang diperlukan dalam perusahaan yang saling berkaitan dengan proses produksi, sehingga
Lebih terperinciAPLIKASI PEMBELAJARAN ONLINE PADA PROSES PENCARIAN DATA
APLIKASI PEMBELAJARAN ONLINE PADA PROSES PENCARIAN DATA Hidayatulah Himawan Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281 Yogyakarta Telp (0274)-485323 e-mail
Lebih terperinciBAB IV HASIL DAN UJI COBA
56 BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Hasil rancangan sistem informasi geografis letak akademi kebidanan di Kota Medan yang penulis buat sudah selesai dimana tampilan terdiri dari 2 sbagian
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN KUALITAS JAMUR
SISTEM PENDUKUNG KEPUTUSN UNTUK MENENTUKN KULITS JMUR ¹Devi yunani Wandasari, ²Dewi Soyusiawaty ¹ ² Program Studi Teknik Informatika Universitas hmad Dahlan Prof. Dr. Soepomo, S.H., Janturan, Umbulharjo,
Lebih terperinciSIMULASI PADA MASALAH KEBANGKRUTAN PENJUDI
SIMULASI PADA MASALAH KEBANGKRUTAN PENJUDI Dwi Ardian Syah, Respatiwulan, dan Vika Yugi Kurniawan Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret ABSTRAK.
Lebih terperinciBAB I PENDAHULUAN. Hal ini dibuktikan dengan adanya fakta yang diungkap oleh World Health
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Manusia dapat mendeteksi rangsangan dari luar tubuh dengan adanya alat tubuh yang dinamakan indera. Indera yang digunakan untuk mendeteksi adanya rangsangan
Lebih terperinciPERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV
SEMINAR TUGAS AKHIR PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Oleh : Husien Haikal Fasha 1207 100 011 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciSISTEM INFORMASI USAHA MIKRO KECIL DAN MENENGAH (UMKM) KOTA BONTANG BERBASIS WEBSITE
SISTEM INFORMASI USAHA MIKRO KECIL DAN MENENGAH (UMKM) KOTA BONTANG BERBASIS WEBSITE Nisfu Mahdayani 1, Haeruddin 2*, Ummul Hairah 3 1,2,3 Prodi Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi
Lebih terperinciBAB III METODE DAN PERANCANGAN SISTEM
BAB III METODE DAN PERANCANGAN SISTEM 3.1 Metode Penelitian 1. Studi Literatur Mencari informasi atau referensi teori yang relevan baik mengenai sistem rekomendasi maupun metode TOPSIS sebagai sumber untuk
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) IKG3F3 PEMODELAN STOKASTIK Disusun oleh: Sri Suryani P, S.Si., M.Si. PROGRAM STUDI ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 2015 LEMBAR PENGESAHAN Rencana
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Analisa pada sistem yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap sistem aplikasi Android SMS Gateway pengaduan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN KELAYAKAN PENDONOR DARAH MENGGUNAKAN FUZZY MULTIPLE CITERIA DECISION ANALYSIS (F-MCDA) TIMOER DWI HAPSORO
SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN PENDONOR DARAH MENGGUNAKAN FUZZY MULTIPLE CITERIA DECISION ANALYSIS (F-MCDA) TIMOER DWI HAPSORO Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer, Universitas
Lebih terperinciBAB IV ANALISA SISTEM
BAB IV ANALISA SISTEM 1.1 Analisa Sistem Analisis sistem adalah penguraian dari sistem informasi yang utuh ke dalam bagian-bagian komponen dengan maksud untuk mengidentifikasi dan mengevaluasi permasalahan-permasalahan,
Lebih terperinciANALISA DAN PERANCANGAN BERORIENTASI OBJEK PADA WEBSITE RENCANA PENGEMBANGAN PENDIDIKAN DASAR KOTA
UPI YPTK Jurnal KomTekInfo, Vol. x, No. x, 2017, pp. xx yy Copyright 2017 by LPPM UPI YPTK ANALISA DAN PERANCANGAN BERORIENTASI OBJEK PADA WEBSITE RENCANA PENGEMBANGAN PENDIDIKAN DASAR KOTA Revi Gusriva
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang 1 BAB I PENDAHULUAN Pengambilan keputusan pada perusahaan berskala nasional seperti perusahaan otomotif merupakan hal yang sangat penting. Dimana keputusan yang salah bisa mengakibatkan
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 1, Juni 2016 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Optimasi Persediaan Sparepart Menggunakan Model
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Distribusi Eksponensial Distribusi eksponensial adalah distribusi yang paling penting dan paling sederhana kegagalan mesin penghitung otomatis dan kegagalan komponen
Lebih terperinciKESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSPECTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI
KESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSPECTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI Mohammad soleh 1, Leni Darlina 2 1,2 Jurusan Matematika Fakultas Sains Teknologi Universitas Islam
Lebih terperinciBAB I PENDAHULUAN. Teknologi internet begitu menyentak dan membawa banyak pembaharuan
BAB I PENDAHULUAN I.1 Latar Belakang Dewasa ini teknologi informasi merupakan sarana informasi yang sangat penting bagi individu, suatu organisasi/perusahaan, maupun instansi pemerintahan. Dalam skala
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Dalam dunia pendidikan saat ini biasanya instansi pemerintahan menetapkan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam dunia pendidikan saat ini biasanya instansi pemerintahan menetapkan standar kelulusan siswa dengan melakukan suatu tes yaitu Ujian Nasional (UN). Ujian Nasional
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Berikut ini dijelaskan tentang tampilan hasil dari Sistem Pendukung Keputusan Evaluasi Karyawan pada CV. Fountain dengan menggunakan metode AHP berbasis WEB
Lebih terperinci