SISTEM PENDUKUNG KEPUTUSAN UNTUK MENGEVALUASI KREDIBILITAS WEB. Sri Primaini Agustanti
|
|
- Inge Setiabudi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 3 SISTEM PENDUKUNG KEPUTUSAN UNTUK MENGEVALUASI KREDIBILITAS WEB Sri Primaini Agustanti
2 SISTEM PENDUKUNG KEPUTUSAN UNTUK MENGEVALUASI KREDIBILITAS WEB Sri Primaini Agustanti AMIK Sigma Palembang ABSTRAK Kredibilitas Web menunjukkan integritas serta apakah informasi yang ada di dalam Web tersebut dapat dipercaya atau tidak. Diperlukan sistem pendukung keputusan untuk mengevaluasi kredibilitas Web (Web evaluation credibility systems, WECS). Sistem evaluasi kredibilitas Web akan memberi rekomendasi kepada pengguna untuk memberi nilai (rating) kredibilitas terhadap Web yang dikunjungi, mendeteksi pengguna palsu yang memberikan rating palsu, memberikan reputasi kepada pengguna untuk menandai apakah ini pengguna normal atau pengguna palsu. Untuk menentukan kredibilitas Web dilakukan faktorisasi matriks (matrix factorization, MF) dan Latent Dirichlet Allocation (LDA), deteksi pengguna jahat dilakukan dengan cara melihat konsistensi rating Web yang ada dengan yang diberikan oleh pengguna tersebut, reputasi diberikan kepada pengguna yang aktif memberi rating terhadap Web Kata kunci: kredibilitas Web, rekomendasi, reputasi 1. PENDAHULUAN Internet merupakan sumber informasi yang sering digunakan dalam kehidupan masyarakat sehari-hari. Sejumlah besar informasi diunggah ke Web, mulai dari bacaan ringan seperti informasi produk, hingga bacaan serius seperti informasi medis. Tidak seperti media tradisional seperti televisi dan koran, sumber informasi dari Internet, yang disajikan di situs-situs dalam bentuk Web, terkadang dihadirkan tanpa melalui verfikasi dari sumbernya. Pengguna secara bebas dapat memperoleh dan mempublikasikan informasi di situs Web. Hal ini dapat menimbulkan masalah serius jika informasi yang tidak kredibel tersebut digunakan untuk mengambil keputusan. Menurut Fogg (2003), informasi yang kredibel didefinisikan sebagai informasi yang dapat dipercaya. Jika Web menyajikan informasi yang kredibel maka disebut sebagai Web yang kredibel (Schwarz, 2011). Diperlukan cara untuk mengetahui ukuran kredibilitas Web. MyWOT ( adalah salah satu sistem yang digunakan untuk mengukur kredibilitas Web. Pada umumnya tingkat kredibilitas Web diketahui dengan cara meminta pengunjung Web secara sukarela memberikan peringkat (rating) pada Web tersebut (Liu, 2015). Teknik ini secara pasif meminta pengguna untuk memberikan peringkat, pada kenyataannya tidak banyak pengguna yang memberikan peringkat pada Web yang dikunjunginya. Sejauh ini cara yang digunakan dengan meminta pengguna untuk memberikan peringkat cukup menjanjikan, tetapi pada kenyataannya tidak banyak pengguna yang secara sukarela mau memberikan peringkat untuk Web yang diaksesnya. Ada dua persoalan yang dihadapi dengan teknik ini (Liu, 2015). Pertama begitu banyak Web, tetapi hanya 42.67% yang dapat diliput 18 JURNAL SIGMATA LPPM AMIK SIGMA
3 oleh MyWOT, sebagian besar yang terliput memiliki rating yang rendah, artinya tingkat kepercayaan kredibilitasnya rendah. Kedua, pengguna jahat (malicious user) dapat memberikan peringkat palsu untuk merusak konten Web tertentu. Untuk menyelesaikan kedua persoalan tersebut diperlukan sebuah sistem yang mengintegrasikan fungsionalitas untuk (1) menarik pengguna agar memberikan peringkat, (2) melawan pengguna jahat, sehingga diperoleh sistem penilai kredibilitas yang lebih kuat (Liu, 2015). Sistem peniliai kredibilitas ini akan berperan sebagai sebuah Sistem Pendukung Keputusan (SPK) untuk menentukan kredibilitas sebuah Web. Untuk mencapai tujuan (1), dapat diselesaikan dengan Faktorisasi Matriks (Matrix Factorization, MF) dan Latent Dirichlet Allocation (LDA), sedangkan tujuan (2) dapat diselesaikan dengan mekanisme bertahan (Liu, 2015). Berdasarkan uraian di atas, maka dapat dirumuskan permasalahan sebagai berikut: Bagaimana membangun SPK Penilai Kredibilitas Web yang dapat menarik pengguna untuk memberikan peringkat, menggunakan Faktorisasi Matriks (Matrix Factorization, MF) dan Latent Dirichlet Allocation (LDA) Bagaimana membangun SPK Penilai Kredibilitas Web berbasis mekanisme bertahan. 2. TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) adalah sistem yang digunakan untuk mendukung dan membantu proses pengambilan keputusan pada kondisi semi terstruktur dan tidak terstruktur (Turban, 2005). Pada dasarnya konsep SPK hanyalah sebatas pada kegiatan membantu melakukan penilaian. SPK hanya digunakan sebagai alat bantu untuk memperluas kemampuan, bukan menggantikan peran pengambil keputusan. SPK digunakan terutama untuk keputusankeputusan yang memerlukan penilaian atau pada keputusan-keputusan yang sama sekali tidak dapat didukung oleh algoritma. SPK terdiri dari sub sistem manajemen data, subsistem manajemen model dan subsistem antarmuka pengguna (Turban, 2005). Jika diperlukan SPK dapat dilengkapi dengan subsistem manajemen basis pengetahuan. Gambar 1. Pengelolaan Basis Data 2.2 Kredibilitas Web Pengelolaan Antar Muka Pengguna Pengguna Gambar 1. Komponen SPK Pengelolaan Model Yamamoto (2011), mengidentifikasi bahwa kredibilitas Web dipengaruhi oleh persepsi pengguna, dengan mempertimbangkan fiturfitur seperti tampilan visual, popularitas halaman web, jenis domain, nilai PageRank Web tersebut. Hal-hal ini dapat meningkatkan nilai kredibilitas Web.Secara umum, kredibilitas informasi sering dianggap sebagai kualitas objektif, seperti keaslian dan ketepatan informasi. Tetapi penelitian menunjukkan bahwa kredibilitas informasi adalah kualitas subjektif, dan interpretasinya ditentukan oleh penerima dan informasi (Schwarz, 2011) JURNAL SIGMATA LPPM AMIK SIGMA 19
4 MyWOT salah satu contoh sistem evaluasi kredibilitas Web (Web Credibility Evaluation System, WCES) yang secara praktis memiliki dampak ekonomi bagi penyedia konten. Dengan MyWOT semua domain menerima peringkat kredibilitas, kemudian peringkat ini digunakan oleh penjelajah Web (Web browser) untuk ditampilkan pada hasil pencarian oleh Google. Domain yang peringkatnya rendah secara signifikan akan menurunkan trafik, walaupun Google memberi peringkat tinggi pada Web tersebut. Pihak tertentu akan mendapat insentif dengan cara jahat menurunkan peringkat kredibilitas pesaingnya. Hal ini dapat dilakukan secara sederhana, misalnya dengan spamming sistem secara otomatis dengan memberikan peringkat kredibilitas negatif (Liu, 2015). Sistem rekomendasi banyak digunakan pada web komersial seperti e-commerce dan jaringan sosial daring. Sistem rekomendasi tradisional bekerja dengan cara collaborative filtering, yang memprediksi ketertarikan pengguna melalui pengambilan informasi peringkat dari pengguna lain yang mirip (Adomavicius, 2005). Faktorisasi matriks (MF) terbukti merupakan metode yang paling efektif untuk memprediksi peringkat (Koren, 2009). 2.3 Integrasi Fungsionalitas Integrasi fungsionalitas menggabungkan sub sistem rekomendasi dan sub sistem perlawanan terhadap pengguna jahat. Model Sasaran model rekomendasi adalah merekomendasi pengguna untuk memberi rating sehingga akan meningkatkan cakupan sistem. Jika diketahui himpunan Web, P = {p 1, p 2,...}. Masing-masing konten Web dengan rating kredibilitas dalam rentang L = {l 1, l 2,...l i} U l 0, dimana l 0 menunjukkan himpunan pengguna yang berpartisipasi di dalam WECS. U = {u 1, u 2,...} menyatakan himpunan pengguna yang berpartisipasi di dalam WECS. Model rekomendasi akan dibangun dengan MF, dengan tahapan sebagai berikut (Adomavicius, 2005): 1. Buat matriks M P yang mencatat interaksi antara pengguna dengan konten Web. Elemen m p u,c = 1 jika pengguna memberi nilai (rating) terhadap konten Web c, jika tidak maka m p u,c = Kemudian aplikasikan faktorisasi M P pada matriks U P dan matriks V P. Untuk setiap pengguna u dengan vektor faktor latent U U P dan untuk setiap konten Web c dengan vektor laten VC P dapat diperoleh secara iteratif pada elemen matriks dengan melakukan derivasi gradient stokastik (SGD) (Liu, 2015) U p u U p u γ L/U p u (1) V p c V p c γ L/V p c (2) γ adalah nilai pembelajaran (learnng rate). Persamaan (1) and (2) menunjukkan bagaimana derivasi gradient dilakukan dengan memperhatikan U p dan V P. L/U p u = eu;cv p u λu p u (3) L/V p c = eu;cu p u λv p c (4) Dimana e u,c adalah agregasi perbedaan antara nilai yang diprediksi dengan nilai yang sesungguhnya 3. Probabilitas interaksi antara pengguna u dengan kontent Web c dapat diprediksi sebagai berikut: m p u;c = (U P U) T V P C Untuk pengguna u, dibuat daftar Web yang informasi kredibilitasnya sedikit dan belum diberi nilai oleh pengguna u, terurut dari besar ke kecil berdasarkan probabilitaas yang dipredikisi dan termasuk dalam rekomendasi Web dengan ranking top-k. 20 JURNAL SIGMATA LPPM AMIK SIGMA
5 Model Mekanisme Pertahanan Terhadap Pengguna Jahat Selain merekomendasikan pengguna untuk memberi penilaian (rating) terhadap Web yang dikunjungi, fungsi sistem ini juga disiapkan untuk bertahan terhadap pengguna jahat. Teknik yang digunakan adalah mekanisme bertahan dengan cara menganalisis tanggapan pengguna yang terhadap rekomendasi. Untuk membangun reputasi tinggi secara cepat, pengguna jahat memberi rating palsu secara masif terhadap Web. Kasus ini menjadi penanda adanya pengguna jahat yang memberi penilaian (rating) palsu (Liu, 2015). Untuk pengguna u, maka vektor Web yang sudah direkomendasikan oleh user adalah P r u = {p1, p2,...}, dan rating palsu L f = {l f 1, l f 2,...} dan rating yang sesungguhnya L u = {l u 1, l u 2,...}. Jika rating pengguna normal L u i konsisten dengan rating pengguna palsu L f i, jika Li = Lui Lfi lebih kecil atau sama dengan rating yang sudah terdefinisi sebelumnya. Indikator konsistensi rating: Θu = { Θu, Θu,...}, dimana Θu = 1, berarti rating tersebut konsisten, sebaliknya jika Θu = 0 berarti rating palsu (Liu, 2015). Distribusi Beta, yang umum digunakan untuk memodelkan ketidakpastian peristiwa acak, digunakan untuk menyimpulkan probablitas bahwa pengguna u melakukan perilaku jahat. Jika probabilitas tingkah laku jahat lebih besar dari asumsi, maka pengguna tersebut dipertimbangkan sebagai pengguna jahat (Liu, 2015). Efektivitas mekanisme pertahanan tersebut tergantung pada kinerja model rekomendasi. Jika pengguna aktif menilai Web yang direkomendasikan, perilakunya dapat dianalisis secara komprehensifdan pengguna jahat dapat terdeteksi. Jika pengguna menolak untuk menilai, tidak mungkin untuk membedakan pengguna jahat dengan pengguna normal. Untuk lebih memotivasi pengguna agar secara aktif menilai konten Web yang direkomendasikan, selain rekomendasi pribadi, juga dirancang sistem reputasi adaptif. Model Reputasi Adaptif Ada dua cara memberi rating terhadap konten Web, (1) Pengguna memilih sendiri Web yang akan diberi rating, sistem tidak terlibat. (2) Pengguna memberi rating terhadap konten Web yang direkomendasikan oleh sistem. Pada cara yang kedua ini, supaya pengguna lebih aktif memberi rating, sistem akan memberi penghargaan (reward) reputasi kepada pengguna yang sudah memberi rating. Penghargaan ini menentukan reputasi pengguna. Dengan prinsip ini, ada tiga skenario penghargaan reputasi yang berbeda (Liu, 2015). Jika pengguna memilih sendiri Web yang akan diberi rating, dan Web tersebut belum memiliki rating, maka pengguna tersebut diberi penghargaan reputasi R s 0 Jika pengguna memilih sendiri Web yang akan diberi rating, dan Web tersebut sudah memiliki rating, maka pengguna tersebut diberi penghargaan reputasi R s1. Jika pengguna memberi rating terhadap Web yang direkomendasikan oleh sistem, maka pengguna tersebut diberi penghargaan reputasi Rr. Jika Web hanya memiliki sedikit informasi kredibilitas, maka peringkat menjadi sangat berharga, sehingga R s 0 >> R s1. Pada sistem rekomendasi Web ada dua tujuan, yaitu mendorong pengguna untuk memberi rating dan mendeteksi pengguna jahat, maka R r diatur untuk lebih besar dari R s0. Contoh distribusi nilai reputasi R s 0 = 10, R s 1 = 0,1 dan R r = 20. Nilai reputasi tidak hanya meningkat tapi juga dapat menurun. Jika sistem mendeteksi ada pengguna yang memberikan rating palsu, JURNAL SIGMATA LPPM AMIK SIGMA 21
6 maka nilai reputasi akan menurun. Reputasi memberikan keistimewaan kepada pengguna, misalnya sebagai pemimpin di dalam komunitas. 3. USULAN MODEL SISTEM Seperti sudah dinyatakan pada bagian Pendahuluan, bahwa ada dua persoalan pada sistem evaluasi kredibilitas Web (Web Evaluation Credibility System, WECS) yaitu menarik pengguna agar memberikan rating pada Web yang dikunjunginya, serta melawan pengguna palsu. Untuk memperoleh WECS yang lebih kuat, maka diusulkan agar WECS yang akan dibangun: (1) Menggabung sub sistem yang menarik pengguna untuk memberikan rating dan sub sistem melawan pengguna jahat. Sistem dirancang sebagai sistem yang independen, bukan merupakan bagian dari sistem yang lain, seperti mesin pencari (2) Dengan kombinasi MF dan LDA, akan dibangun model rekomendasi personal untuk memotivasi pengguna memberikan rating ke lebih banyak Web. 3.1 Arsitektur Sistem WECS bertindak sebagai repositori pengetahuan yang menyediakan penilaian kredibilitas dari konten Web yang diminta. Pengguna melakukan jelajah (browse) konten Web dan memberi penilaian kredibilitas (jika ingin) berdasarkan penilaian pribadinya, kemudian penilaian tersebut dikirim ke sistem sebagai kontribusi bagi kredibilitas akhir Web. Dimungkinkan pengguna juga memerlukan atau meminta (query) rating dari Web tertentu untuk pengambilan keputusan. Sistem memroses permintaan ini melalui query engine dengan cara memeriksa penyimpan informasi kredibilitas dan mengirimkan hasilnya ke pengguna (bila ada). Sistem reputasi digunakan untuk menilai reliabilitas pengguna berdasarkan tingkah laku rating-nya di masa lalu. Makin tinggi reputasi pengguna maka akan makin dampak penilaian kredibilitas yang diberikan terhadap Web (Liu, 2015). Gambar 2 menunjukkan model sistem yang diusulkan oleh Liu. Jadi semua aktivitas pengguna, baik memberi rating terhadap Web tertentu atau meminta informasi tentang Web tertentu akan mempengaruhi kredibilitas Web yang dikunjunginya. (3) Untuk melawan pengguna palsu, digunakan mekanisme bertahan. Sistem merekomendasikan sejumlah halaman Web yang memiliki rating kredibilitas palsu kepada pengguna, kemudian menganalisis tingkah laku rating yang diberikannya. Digunakan distribusi Beta untuk memodelkan probabilitas tingkah laku pengguna palsu. Mesin Query Antarmuka Query Sistem Reputasi Mesin Perhitungan Kredibilitas Mesin Antarmuka (4) Efektivitas fungsionalitas sistem rekomendasi dapat ditingkatkan dengan merancang sistem reputasi, sistem ini akan memberi penghargaan kepada pengguna yang memberi penilaian (rating) terhadap konten Web yang direkomendasikan. Sistem Penilaian Submit Penilaian atau Query Pengguna Gambar 2. Model Sistem Evaluasi Kredibilitas Web Dengan Fungsionalitas Model sistem tersebut tergambar di dalam arsitektur sistem pada Gambar JURNAL SIGMATA LPPM AMIK SIGMA
7 3.2 Arsitektur Sistem Pertahanan Berdasarkan Gambar 3 menunjukkan bagaimana pengguna jahat dan pengguna normal memberikan reaksi terhadap rekomendasi. Diasumsi Web yang direkomendasikan sudah memiliki informasi kredibilitas yang layak. Tetapi sistem masih meminta pengguna untuk memberi rating palsu agar rating yang ada dapat dipercaya. Misalkan Web sudah memiliki 4-bintang, tetapi sistem menampilkan 2-bintang kepada penggunapengguna tertentu. Ide dasar dari manipulasi penilaian (rating) adalah untuk menarik pengguna palsu untuk meniru dan menyalin peringkat palsu, yang dapat digunakan sebagai bukti untuk deteksi serangan. Jika pengguna normal memutuskan untuk memberi rating pada Web yang direkomendasikan, maka biasanya rating yang diberikan tidak berbeda dari rating yang sesungguhnya. Sebaliknya pengguna palsu hanya akan membuat salinan (copy) dari rating yang tampil, tanpa secara sungguhsungguh memberi rating yang sebenarnya. Dengan membandingkan rating palsu dengan rating yang sesungguhnya, dapat diperkirakan tingkah laku pengguna palsu. Penilaian yang sesungguhnya **** Penilaian yang terlihat (palsu) ** Web KESIMPULAN DAN SARAN Tulisan ini memberikan usulan untuk membangun sistem untuk menilai kredibilitas Web dengan cara mengintegrasikan fungsi rekomendasi untuk menarik pengguna memberikan rating pada Web dan fungsi untuk mendeteksi pengguna jahat yang memberikan rating palsu pada Web berdasarkan fungsi rekomendasi. Sehingga diperoleh sistem evaluasi kredibilitas Web yang lebih kuat. Dengan menggabungkan MF dan LDA, untuk menarik lebih banyak pengguna memberi rating terhadap konten Web sekaligus mencegah rating yang diberikan oleh pengguna jahat. Agar sistem evaluasi kredibilitas Web ini memberikan keluaran yang lebih presisi, tidak hanya menilai rating yang diberikan oleh pengguna, tetapi dipertimbangkan juga profile pengguna, konteks informasi yang diakses dan informasi lain yang berkaitan dengan pengguna. DAFTAR PUSTAKA Adomavicius, Gediminas and Tuzhilin, Alexander, 2005, Toward the Next Generation of Recommender System: A Survey of the State-of-the-Art and Possible Extensions, IEEE Transaction Knowledge Data Engineering, Vol 17, No. 6, June 2005, pp Pengguna Jahat Beri Nilai? Pengguna Normal Beri Nilai? Fogg, BJ, 2003, Persuasive Technology Using Computer to Change What We Think and Do, 1st Edition, Elsevier Salin ** **** Asesmen aktual Gambar 2. Pertahanan Berdasarkan Josang, Audun, Ismail, Roslan, and Boyd Colin, A Survey of Trust and Reputation Systems for Online Service Provision, Decision Support Systems Vol. 43, 2007, pp Koren, Yehuda, Bell, Robert and Volinsky, Chris, 2009 Matrix Factorization Techniques for Recommender Systems, Computer, August 2009, pp JURNAL SIGMATA LPPM AMIK SIGMA 23
8 Liu, Xin, Nielek, Radoslaw, Adamska, Paulina, and Aberer Karl, 2015, Towards a Highly Effective and Robust Web Credibility Evaluation System, Decision Support Systems Vol. 70, 2015, pp, Schwarz, Julia, and Morris, Meredith Ringel, Augmenting Web Page and Search Result to Support Credibility Assesment, 2011, Proceeding of ACM CHI, 2011, pp JURNAL SIGMATA LPPM AMIK SIGMA
BAB I PENDAHULUAN. Pengguna Internet (31 Desember 2000) Afrika 1,037,524,058 4,514, ,609,620 2,527.4%
BAB I PENDAHULUAN 1.1 Latar Belakang Pengguna internet di dunia mengalami peningkatan. Statistik pengguna internet berdasarkan hasil survey Nielsen Online, yaitu pada tanggal 31 Maret 2011 menunjukkan
Lebih terperinciKONSEP MULTICRITERIA COLLABORATIVE FILTERING UNTUK PERBAIKAN REKOMENDASI
KONSEP MULTICRITERIA COLLABORATIVE FILTERING UNTUK PERBAIKAN REKOMENDASI Wiranto 1, Edi Winarko 2 1 Jurusan Teknik Informatika, Universitas Sebelas Maret 2 Program Studi Ilmu Komputer, Universitas Gajah
Lebih terperinciKONSEP MULTICRITERIA COLLABORATIVE FILTERING UNTUK PERBAIKAN REKOMENDASI
KONSEP MULTICRITERIA COLLABORATIVE FILTERING UNTUK PERBAIKAN REKOMENDASI Wiranto 1), Edi Winarko 2) 1) Jurusan Teknik Informatika, Universitas Sebelas Maret E-mail : wir@uns.ac.id 2) Program Studi Ilmu
Lebih terperinciPENERAPAN METODE ANALYTICAL HIERRARCHI PROCESS (AHP) UNTUK MEMILIH PROGRAM STUDI DI PERGURUAN TINGGI
3 PENERAPAN METODE ANALYTICAL HIERRARCHI PROCESS (AHP) UNTUK MEMILIH PROGRAM STUDI DI PERGURUAN TINGGI Sri Primaini Agustanti Hartini JURNAL SIGMATA LPPM AMIK SIGMA 17 PENERAPAN METODE ANALYTICAL HIERRARCHI
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB 1 PENDAHULUAN 1.1 Latar Belakang Informasi dan data saat ini bisa diakses dengan lebih cepat dan mudah melalui internet. Orang-orang dapat dengan mudah mencari dan mendapatkan informasi apa pun yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan teknologi internet membawa dampak positif untuk berbagai industri, perkembangan ini dapat membantu pertumbuhan industri, tetapi dengan transfer semua proses
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Perkembangan internet mendorong tumbuhnya media pemberitaan online, sehingga menjadikan media online (portal berita) tidak lagi hanya menjadi media sekunder tetapi
Lebih terperinciAplikasi Rekomendasi Film menggunakan Pendekatan Collaborative Filtering dan Euclidean Distance sebagai ukuran kemiripan rating
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 135 Aplikasi Rekomendasi Film menggunakan Pendekatan Collaborative Filtering dan Euclidean Distance sebagai ukuran kemiripan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas teori tentang Sistem Pendukung Keputusan, Metode Simple Additive Weighting (SAW), Metode Profile Matching. 2.1 Sistem Pendukung Keputusan Dalam teori sistem
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan volume dan keragaman informasi yang tersedia di internet saat ini sangat pesat sehingga mendorong tumbuhnya media pemberitaan online.
Lebih terperinciSISTEM REKOMENDASI BAHAN AJAR UNTUK ELEARNING
SISTEM REKOMENDASI BAHAN AJAR UNTUK ELEARNING Hervin Islahudin Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jalan Tamansari 10 Bandung 40132 E-mail: hervin@gmail.com ABSTRAKSI Sistem
Lebih terperinciDIGITAL CAKERY DENGAN ALGORITMA COLLABORATIVE FILTERING
DIGITAL CAKERY DENGAN ALGORITMA COLLABORATIVE FILTERING Yudhistira Adhitya Pratama, David Wijaya, Paulus, Arwin Halim STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 yudhistira@mikroskil.ac.id,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan internet secara pesat dengan miliaran halaman web tersedia di internet dan halaman-halaman tersebut selalu tumbuh setiap waktunya, Akibat dari pertumbuhan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN BAB 1. PENDAHULUAN 1.1 Latar Belakang Transaksi perdagangan merupakan salah satu kegiatan yang sering kita jumpai pada kehidupan sehari-hari. Transaksi perdagangan tidak hanya menggunakan
Lebih terperinciDecision Support System (DSS)
Decision Support System (DSS) source : http://nextgeneration.web.id/?p=48 Seiring perkembangan zaman, manusia dituntut membuat berbagai keputusan yang tepat dalam menghadapi permasalahan yang semakin kompleks.
Lebih terperinciBAB I PENDAHULUAN. dalam situs jejaring sosial, seperti Facebook, Twitter, dan Instagram telah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan Web 2.0 telah mengubah cara pengguna dan organisasi saling berinteraksi dan berkolaborasi. Meningkatnya popularitas interaksi sosial dalam situs
Lebih terperinciP6 Arsitektur SPK. A. Sidiq P. Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta
P6 Arsitektur SPK A. Sidiq P. Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta Arsitektur SPK 2 Arsitektur SPK Komponen-Komponen (arsitektur) DSS dibagi
Lebih terperinciPERSUADER DAN PENGEMASAN PESAN PERSUASIF MELISA ARISANTY, S.I.KOM, M.SI
PERSUADER DAN PENGEMASAN PESAN PERSUASIF MELISA ARISANTY, S.I.KOM, M.SI BECOME A PERSUADER AUTHORITY CREDIBILITY ATTRACTIVE COMMUNICATORS AUTHORITY Otoritas mempengaruhi orang lain melalui kepatuhan. Individu
Lebih terperinciBAB I PENDAHULUAN 1.1 Tujuan 1.2 Latar Belakang
BAB I PENDAHULUAN 1.1 Tujuan Merancang sebuah sistem yang dapat meringkas teks dokumen secara otomatis menggunakan metode generalized vector space model (GVSM). 1.2 Latar Belakang Dunia informasi yang
Lebih terperinciDaftar Isi. Daftar Gambar. Daftar Tabel. 1 Pendahuluan 1. 2 Apakah Hacking Statistik? 2
Daftar Isi Daftar Isi Daftar Gambar Daftar Tabel i iii iv 1 Pendahuluan 1 2 Apakah Hacking Statistik? 2 3 Celah Keamanan Situs Berita 2 3.1 Jumlah Pembaca Berita......................... 2 3.2 Kirim Berita
Lebih terperinciIMPLEMENTASI DAN ANALISIS ONLINE UPDATING REGULARIZATION KERNEL MATRIX FACTORIZATION MODEL PADA SISTEM REKOMENDASI
IMPLEMENTASI DAN ANALISIS ONLINE UPDATING REGULARIZATION KERNEL MATRIX FACTORIZATION MODEL PADA SISTEM REKOMENDASI Kadek Byan Prihandana Jati, S.Kom 1, Agung Toto Wibowo, ST.,MT. 2, Rita Rismala, ST.,MT.
Lebih terperinciP6 Arsitektur SPK. SQ
P6 Arsitektur SPK SQ http://sidiq.mercubuana-yogya.ac.id Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta Arsitektur Sistem Penunjang Keputusan 2 Arsitektur
Lebih terperinciBAB I PENDAHULUAN. Perkembangan teknologi web dan internet yang ada saat ini. memungkinkan seseorang membuat website yang diinginkan menjadi lebih
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi web dan internet yang ada saat ini memungkinkan seseorang membuat website yang diinginkan menjadi lebih mudah. Meskipun orang tersebut
Lebih terperinciSEO Search Engine Optimization. Oleh: Ade Eka Putra ( )
SEO Search Engine Optimization Oleh: Ade Eka Putra (0615124023) PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS WIDYATAMA BANDUNG 2016 Belajar SEO: Panduan untuk Pemula dalam Memahami dan
Lebih terperinciP6 Arsitektur SPK. SQ
P6 Arsitektur SPK SQ http://sidiq.mercubuana-yogya.ac.id Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta Arsitektur Sistem Penunjang Keputusan 2 Arsitektur
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 ANALISIS MASALAH Berita adalah laporan tercepat mengenai fakta atau ide terbaru yang benar, berita tersebar ke khalayak luas melalui media kabar berkala seperti surat
Lebih terperinciBab 2. Tinjauan Pustaka
Bab 2 Tinjauan Pustaka 2.1 Penelitian Sebelumnya Penelitian tentang pembuatan sistem informasi pencatatan dan perawatan gardu distribusi masih jarang ditemukan. Adapun Skripsi yang telah dipublikasikan
Lebih terperinciANALISIS DAN IMPLEMENTASI METODE ITEM-BASED CLUSTERING HYBRID PADA RECOMMENDER SYSTEM
ANALISIS DAN IMPLEMENTASI METODE ITEM-BASED CLUSTERING HYBRID PADA RECOMMENDER SYSTEM Ramadhanuz A Djamal, Warih Maharani, dan Angelina Prima Kurniati Fakultas Informatika Institut Teknologi Telkom, Bandung
Lebih terperinciBAB I INTRODUKSI. Infrastruktur teknologi infomasi dan komunikasi telah berkembang
BAB I INTRODUKSI 1.1. Latar Belakang Masalah Infrastruktur teknologi infomasi dan komunikasi telah berkembang belakangan ini. Hal yang sama juga terjadi pada perangkat gadget yang memberikan banyak fitur
Lebih terperinciKebijakan Privasi (Privacy Policy)
Halaman 1 Kebijakan Privasi (Privacy Policy) Tanggal perubahan terakhir: 18 Mei 2017 Mitrateladan.org merupakan layanan yang memberikan informasi secara umum dan khusus kepada anggota, dan menjadi aset
Lebih terperinciIMPLEMENTASI SEARCH ENGINE OPTIMIZATION (SEO) UNTUK MENINGKATKAN PERINGKAT DI SERP PADA GOOGLE HUMMINGBIRD
IMPLEMENTASI SEARCH ENGINE OPTIMIZATION (SEO) UNTUK MENINGKATKAN PERINGKAT DI SERP PADA GOOGLE HUMMINGBIRD Rasyid Panji Ishwara Universitas Dian Nuswantoro Jl. Nakula I No. 5-11 Semarang 50131 E-mail :
Lebih terperinciBAB I PENDAHULUAN. Pesatnya pertumbuhan internet saat ini berdampak pada melimpahnya
BAB I PENDAHULUAN 1.1 Latar Belakang Pesatnya pertumbuhan internet saat ini berdampak pada melimpahnya informasi dengan sangat cepat dan jumlah yang sangat besar. Hal ini membuat suatu keadaan dimana kita
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini, akan dibahas landasan teori, penelitian terdahulu, kerangka pikir yang mendasari penyelesaian rekomendasi dengan menggunakan metode Simple Additive Weighting (SAW).
Lebih terperinciJournal of Informatics and Technology, Vol 1, No 4, Tahun 2012, p 9-16
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI KULINER DI SEMARANG DENGAN METODE SIMPLE ADDITIVE WEIGHTING Raina Stefani Budi, Indriyati, Sukmawati Nur Endah Program Studi Teknik Informatika, Universitas
Lebih terperinciPERTEMUAN 6 PROMOSI DAN PEMELIHARAAN WEB
PERTEMUAN 6 PROMOSI DAN PEMELIHARAAN WEB Promosi Website Bagaimana user dapat menemukan dan mendapatkan informasi dari website adalah tujuan dari promosi web, terutama untuk aplikasi web yang komersil.
Lebih terperinciPERANCANGAN WEB RANK MENGGUNAKAN COLLABORATIVE FILTERING BERDASARKAN KEMIRIPAN KONTEN
PERANCANGAN WEB RANK MENGGUNAKAN COLLABORATIVE FILTERING BERDASARKAN KEMIRIPAN KONTEN Eka Budhi Prasetya Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jakarta Jl. Cempaka Putih Tengah 27
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan zaman, kemajuan dalam bidang ilmu pengetahuan dan teknologi informasi berkembang sangat pesat. Maka informasi juga semakin banyak dan membuat
Lebih terperinciPENDAHULUAN. 1.1 Latar Belakang
DAFTAR TABEL Tabel 3-1 Dokumen Term 1... 17 Tabel 3-2 Representasi... 18 Tabel 3-3 Centroid pada pengulangan ke-0... 19 Tabel 3-4 Hasil Perhitungan Jarak... 19 Tabel 3-5 Hasil Perhitungan Jarak dan Pengelompokkan
Lebih terperinciKELEBIHAN DAN KEKURANGAN 3 ONLINE SHOP (LAZADA, BUKALAPAK, TOKOPEDIA) Nama : Goes Tri Yadi NIM :
KELEBIHAN DAN KEKURANGAN 3 ONLINE SHOP (LAZADA, BUKALAPAK, TOKOPEDIA) Nama : Goes Tri Yadi NIM : 201481069 Universitas Esaunggul Jakarta 2016 LAZADA Kelebihan : 1. Website yang user-friendly Bagi orang
Lebih terperinciSISTEM REKOMENDASI PERSONAL PADA TOKO BUKU ONLINE MENGGUNAKAN PENDEKATAN COLLABORATIVE FILTERING DAN ALGORITMA SLOPE ONE
SISTEM REKOMENDASI PERSONAL PADA TOKO BUKU ONLINE MENGGUNAKAN PENDEKATAN COLLABORATIVE FILTERING DAN ALGORITMA SLOPE ONE Syandra Sari 1), Ayu Permata Sary 2) 1,2) Jurusan Informatika, Fakultas Teknologi
Lebih terperinciPENENTUAN DALAM PEMILIHAN JASA PENGIRIMAN BARANG TRANSAKSI E-COMMERCE ONLINE
PENENTUAN DALAM PEMILIHAN JASA PENGIRIMAN BARANG TRANSAKSI E-COMMERCE ONLINE Nunu Kustian Program Studi Teknik Informatika, Fakultas Teknik, Matematika dan IPA Email: kustiannunu@gmail.com ABSTRAK Kebutuhan
Lebih terperinciKenapa Harus Google?
Kenapa Harus Google? D alam bab ini, kita akan coba mengenali Google sebagai sebuah mesin pencari yang paling banyak digunakan oleh peselancar saat ini. Menduduki peringkat pertama di hasil pencarian Google,
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Bab ini menjelaskan mengenai dasar teori yang digunakan oleh penulis sebagai acuan dalam membuat sistem. 3.1 Pariwisata Menurut UU No 10 Tentang Kepariwisataan tahun 2009 pasal 1
Lebih terperinciPengertian Sistem. Ika Menarianti, M.Kom. - Konsep Dasar Sistem - Konsep Dasar Informasi - Konsep Dasar Sistem Informasi - Peranan Sistem Informasi
CHAPTER 1 Pengertian Sistem - Konsep Dasar Sistem - Konsep Dasar Informasi - Konsep Dasar Sistem Informasi - Peranan Sistem Informasi Ika Menarianti, M.Kom 08/03/2014 Pengertian Sistem -- Ika Menarianti,
Lebih terperinciINTERNET DASAR DEFINISI INTERNET
INTERNET DASAR Modul Pelatihan dan Pendampingan Rumah Kreatif BUMN DEFINISI INTERNET Internet adalah jaringan besar yang saling berhubungan dari jaringan-jaringan komputer yang menghubungkan orangorang
Lebih terperinciPANDUAN PRAKTIS MEMBUAT PROFIL
PANDUAN PRAKTIS MEMBUAT PROFIL KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN RI DIREKTORAT JENDERAL PENDIDIKAN TINGGI DIREKTORAT PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT 2014 i DAFTAR ISI 1. Pendahuluan...
Lebih terperinciPERATURAN MENTERI KOMUNIKASI DAN INFORMATIKA REPUBLIK INDONESIA NOMOR TAHUN 2017 TENTANG PENYELENGGARAAN PORTAL DAN SITUS WEB BADAN PEMERINTAHAN
PERATURAN MENTERI KOMUNIKASI DAN INFORMATIKA REPUBLIK INDONESIA NOMOR TAHUN 2017 TENTANG PENYELENGGARAAN PORTAL DAN SITUS WEB BADAN PEMERINTAHAN DENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI KOMUNIKASI DAN
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1 Sistem Rekomendasi Sistem Rekomendasi (SR) merupakan model aplikasi dari hasil observasi terhadap keadaan dan keinginan pelanggan. Sistem Rekomendasi memanfaatkan opini seseorang
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Provinsi Daerah Istimewa Yogyakarta semakin ramai sebagai kota wisata. Kota ini memiliki beberapa daerah yang berpotensi sebagai tempat tujuan wisata yang menarik.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA rekomendasi sering diaplikasikan pada area dimana pilihan tersedia dalam jumlah relatif banyak. Bidang turisme dan pariwisata menjadi satu lahan yang menarik untuk digarap, terbukti
Lebih terperinciPENGENALAN GOOGLE SCHOLAR
PENGENALAN GOOGLE SCHOLAR Eko Prasetyo Universitas Muhammadiyah Yogyakarta Agustus 2016 Topik Pemeringkatan Perguruan Tinggi Google Scholar What s and Why? Google Scholar, How? PEMERINGKATAN PERGURUAN
Lebih terperinciBUKU RANCANGAN PEMBELAJARAN
BUKU RANCANGAN PEMBELAJARAN Mata Kuliah Machine Learning oleh Dr. rer. nat. Hendri Murfi Program Studi Magister Matematika Departemen Matematika - FMIPA Universitas Indonesia 2013 DAFTAR ISI DAFTAR ISI
Lebih terperinciAnalisis Perbandingan Sistem Rekomendasi dengan Faktorisasi Matriks dan Pearson Berbasis Collaborative Filtering Pada Web E-Commerce
Analisis Perbandingan Sistem Rekomendasi dengan Faktorisasi Matriks dan Pearson Berbasis Collaborative Filtering Pada Web E-Commerce 1 Marissa Aflah Syahran 2 Erwin Budi Setiawan 3 Sri Suryani Fakultas
Lebih terperinciStudi Kasus Sistem Rekomendasi
MMA10991 Topik Khusus - Machine Learning Studi Kasus Sistem Rekomendasi Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Tinjauan Pustaka Terkait dengan penelitian ini, terlebih dahulu Paska Marto Hasugian telah melakukan penelitian dengan judul Fuzzy Multiple Attribute Decision Making untuk
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Infrastruktur teknologi informasi dan komunikasi telah berkembang sangat cepat. Hal yang sama juga terjadi pada perangkat gadget yang memberikan banyak fitur dalam
Lebih terperinciRUANG LINGKUP SISTEM PENDUKUNG KEPUTUSAN
1 RUANG LINGKUP SISTEM PENDUKUNG KEPUTUSAN N. Tri Suswanto Saptadi 2 Bahan Kajian Karakteristik SPK Komponen-komponen SPK Kategori SPK Kapabilitas SPK 1 3 Ruang Lingkup 14 Standalone, terintegrasi dan
Lebih terperinciBAB I PENDAHULUAN. signifikan terhadap proses bisnis di setiap organisasi. Sebagai contoh, dengan
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi yang sangat pesat memberikan dampak yang signifikan terhadap proses bisnis di setiap organisasi. Sebagai contoh, dengan menggunakan
Lebih terperinciDECISION SUPPORT SYSTEMS
DECISION SUPPORT SYSTEMS Definisi Little,J.D.C (dalam Models and Managers:The Concept of a Decision Calculus,1970) : DSS sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Pendukung Keputusan / Decision Support System (DSS) 2.1.1 Konsep Sistem Pendukung Keputusan Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) pertama
Lebih terperinciMengoptimalkan Google.com
Mengoptimalkan Google.com Mesin pencari internet (internet searching engine) telah menjadi senjata andalan pengguna internet untuk mencari suatu halaman web, artikel atau informasi lain dengan keterbatasan
Lebih terperinciBAB III KERANGKA KONSEPTUAL DAN HIPOTESIS PENELITAN
1 BAB III KERANGKA KONSEPTUAL DAN HIPOTESIS PENELITAN 3.1 Kerangka Konseptual Secara teoritis, kajian ini diambil dari konsep SERVQUAL, yang meliputi tangible, reliability, responsiveness, assurance dan
Lebih terperinciBAB I PENDAHULUAN. tetapi merambah pada interaksi yang lebih komplek. Internet membantu
BAB I PENDAHULUAN A. Latar Belakang Masalah Internet saat ini sudah menjadi sesuatu yang familiar bagi semua kalangan masyarakat. Perkembangan dalam bidang tekhnologi informasi menjadikan internet tidak
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Peningkatan jumlah dokumen ilmiah yang ada menimbulkan kebutuhan akan suatu sistem yang dapat memberikan rekomendasi dokumen ilmiah yang baik. Recommendation system
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Pada bab ini, akan dijelaskan mengenai pendahuluan, rumusan masalah,tujuan, batasan yang dikerjakan, hipotesis, metodologi penyelesaian masalah, sistematika penulisan, dan jadwal pengerjaan
Lebih terperinciPembuatan Konten Manajemen Video untuk mendukung Komunitas IbuKreatif di Facebook
Pembuatan Konten Manajemen Video untuk mendukung Komunitas IbuKreatif di Facebook Siti Rochimah 1, Abdul Munif 2, Diniar Nabilah Ghassani 3 1,2,3 Jurusan Teknik Informatika FTIF Institut Teknologi Sepuluh
Lebih terperinciBAB II LANDASAN TEORI. yang didasarkan oleh situasi seseorang dan konteks sosialnya. Ketika seseorang
BAB II LANDASAN TEORI II. A. KEPERCAYAAN II. A. 1. Pengertian Kepercayaan Kepercayaan adalah kemauan seseorang untuk bertumpu pada orang lain dimana kita memiliki keyakinan padanya. Kepercayaan merupakan
Lebih terperinciPROPOSAL PENAWARAN JASA PEMBUATAN WEBSITE
PROPOSAL PENAWARAN JASA PEMBUATAN WEBSITE Web Design & Maintenance Personal Company Education Hotel & Villa Real Estate Restaurant Community Tour & Travel Adventure & Online Shop Photography And more...
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Menggunakan server dengan spesifikasi sebagai berikut : - Processor 1.2 GHz 2007 Opteron or 2007 Xeon processor
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Sistem Menggunakan server dengan spesifikasi sebagai berikut : - Processor 1.2 GHz 2007 Opteron or 2007 Xeon processor - Memory 512MB DDR - Harddisk 5GB
Lebih terperinciAPA ITU TANGKAPAN PROSPEK?
Pemasaran di Internet terkadang sepertinya merupakan tugas yang mustahil. Pemasaran Email adalah saluran relatif sederhana dan sangat efektif, menurut Asosiasi Pemasaran Langsung, setiap satu dolar yang
Lebih terperinciNama Kelompok : Praktikum Pengantar Teknologi Informasi
World Wide Web Nama Kelompok : 1. Cephi Prasintasari (12/332452/SV/01167) 2. Fera Dwi Lestari (12/332011/SV/00727) 3. Rizky Suprayogi (12/332470/SV/01185) 4. Sidiq Purwanta (12/327985/SV/00161) Praktikum
Lebih terperinciTutorial Menggunakan webpraktis profil bisnis
Tutorial Menggunakan webpraktis profil bisnis 1. Kunjungi Webpraktis.com dan klik tombol Buat Website 2. Pilih Jenis Template Setelah klik buat website,pilih template yang ingin Anda gunakan dari kategori
Lebih terperinciAPLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SEKOLAH
APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SEKOLAH Dedi Trisnawarman, Margaret Livereja Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Tarumanagara Jakarta E-mail: dedi_tr@yahoo.com
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di jaman modern sekarang ini, pilihan tempat makan yang ada sangat banyak, berbagai fasilitas dan jenis makanan, dan harga yang ditawarkan Melihat dari jumlah tempat
Lebih terperinciBAB V PERANCANGAN MOXIE
BAB V PERANCANGAN MOXIE Bab ini berisi penjabaran dari hasil perancangan Moxie. Pembahasan pada bab ini mencakup perancangan arsitektur dan model skenario untuk Moxie. Model skenario merupakan produk dari
Lebih terperinciSistem Pendukung Keputusan. Lecture s Structure. Pengambilan Keputusan
Sistem Pendukung Keputusan Yudi Agusta, PhD Sistem Informasi Manajemen, Lecture 11 Lecture s Structure Pengambilan Keputusan Struktur Masalah Konsep dan Tujuan DSS Sistem Pendukung Keputusan Kelompok Kecerdasan
Lebih terperinciEVALUASI EFEKTIFITAS METODE MACHINE-LEARNING PADA SEARCH-ENGINE
EVALUASI EFEKTIFITAS METODE MACHINE-LEARNING PADA SEARCH-ENGINE Rila Mandala Kelompok Keahlian Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jalan Ganesha 10 Bandung,
Lebih terperinciPERANCANGAN SISTEM CUSTOMER RELATIONSHIP MANAGEMENT BERBASIS WEB (STUDI KASUS: FIRMA PERENCANAAN KEUANGAN PROTRUST ADVISORS)
PERANCANGAN SISTEM CUSTOMER RELATIONSHIP MANAGEMENT BERBASIS WEB (STUDI KASUS: FIRMA PERENCANAAN KEUANGAN PROTRUST ADVISORS) Kevin Tandianos Jurusan Sistem Informasi dan Management, BINUS University Jl.
Lebih terperinciRANCANG BANGUN PORTAL AKADEMIK PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS TANJUNGPURA
RANCANG BANGUN PORTAL AKADEMIK PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS TANJUNGPURA Adnan Amirwan, Novi Safriadi, Helen Sasty Pratiwi. Program Studi Informatika Universitas Tanjungpura,,. adnanamirwan08@gmail.com,
Lebih terperinciTINGKAT PENERIMAAN MAHASISWA TERHADAP PENGGUNAAN SITUS JEJARING SOSIAL SEBAGAI MEDIA PEMBELAJARAN. Abstrak
TINGKAT PENERIMAAN MAHASISWA TERHADAP PENGGUNAAN SITUS JEJARING SOSIAL SEBAGAI MEDIA PEMBELAJARAN Almed Hamzah Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas Islam Indonesia Yogyakarta
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 3 GARUT
SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 3 GARUT Asep Hendar Rustiawan 1, Dini Destiani 2, Andri Ikhwana 3 Jurnal Algoritma Sekolah Tinggi Teknologi Garut Jl. Mayor Syamsu
Lebih terperinciPROFESSIONAL WEB DESIGN & DEVELOPMENT - SEO - CYBER PR
PROFESSIONAL WEB DESIGN & DEVELOPMENT - SEO - CYBER PR Sebelum kedatangan teknologi canggih yakni internet, dalam hal promosi seorang pebisnis, penjual, penyedia jasa haruslah susah payah untuk mengiklankan
Lebih terperinciBab IV Rekomendasi IV.1. Analisis Lanjutan
48 Bab IV Rekomendasi Pada bab ini akan dipaparkan jalannya tahap 3 penelitian (Gambar III.1), yaitu mengenai pembentukan rekomendasi bagi UKM untuk langkah implementasi selanjutnya. Sebagai dasar pemberian
Lebih terperinciMuhammad Miftakul Amin
Personalisasi Web Muhammad Miftakul Amin mafis_amin@yahoo.com http://mafis_amin.web.ugm.ac.id Lisensi Dokumen: Copyright 2003-2009 IlmuKomputer.Com Seluruh dokumen di IlmuKomputer.Com dapat digunakan,
Lebih terperinciBAB 4 RANCANGAN SISTEM YANG DIUSULKAN
BAB 4 RANCANGAN SISTEM YANG DIUSULKAN 4.1 Membangun Hubungan Antarmuka dengan Pelanggan Salah satu faktor penting yang harus diperhatikan oleh setiap perusahaan dalam merancang suatu website yang baik
Lebih terperinciANALISIS DAN USULAN SOLUSI SISTEM UNTUK MENDUKUNG KEPUTUSAN PENILAIAN KINERJA DOSEN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP)
ANALISIS DAN USULAN SOLUSI SISTEM UNTUK MENDUKUNG KEPUTUSAN PENILAIAN KINERJA DOSEN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Petrus Wolo 1, Ernawati 2, Paulus Mudjihartono 3 Program Studi
Lebih terperinciBAB 2 LANDASAN TEORI
5 BAB 2 LANDASAN TEORI 2.1 Sistem pendukung keputusan (SPK) Konsep sistem pendukung keputusan atau decision support system (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton
Lebih terperinciTAKARIR. Perangkat lunak atau seperangkat indtruksi yang diprogram pada perangkat keras
xi DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN DOSEN PEMBIMBING... ii LEMBAR PERNYATAAN KEASLIAN... iii LEMBAR PENGESAHAN DOSEN PENGUJI... iv HALAMAN MOTTO... v KATA PENGANTAR... vi SARI... viii TAKARIR...
Lebih terperinciSistem Pendukung Keputusan. Komponen SPK. Entin Martiana, S.Kom, M.Kom. Politeknik Elektronika Negeri Surabaya
Komponen SPK Entin Martiana, S.Kom, M.Kom Komponen-komponen dss Subsistem manajemen data Termasuk database, yang mengandung data yang relevan untuk berbagai situasi dan diatur oleh software yang disebut
Lebih terperinciImplementasi Metode AHP dalam Perancangan Sistem Penunjang Keputusan Penentuan Kuota Pembimbing Mahasiswa. Irfan Dwi Jaya
2 Implementasi Metode AHP dalam Perancangan Sistem Penunjang Keputusan Penentuan Kuota Pembimbing Mahasiswa Irfan Dwi Jaya IMPLEMENTASI METODE AHP DALAM PERANCANGAN SISTEM PENUNJANG KEPUTUSAN PENENTUAN
Lebih terperinciStudi dan Analisis Penggunaan Secure Cookies Berbasis Kriptografi Kunci Publik untuk Aplikasi ecommerce
Studi dan Analisis Penggunaan Secure Cookies Berbasis Kriptografi Kunci Publik untuk Aplikasi ecommerce Julian Sukmana Putra 1) 1) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika
Lebih terperinciPERANCANGAN APLIKASI SOCIAL COMMERCE BERDASARKAN METODE UJI KUALITAS WEBQUAL 4.0
PERANCANGAN APLIKASI SOCIAL COMMERCE BERDASARKAN METODE UJI KUALITAS WEBQUAL 4.0 R. Nindyasari 1*, Endang Supriyati 1 1 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muria Kudus Gondangmanis,
Lebih terperinciPenerapan Kombinasi Algoritma Minhash dan Binary Hamming Distance pada Hybrid Perekomendasi Lagu
Penerapan Kombinasi Algoritma Minhash dan Binary Hamming Distance pada Hybrid Perekomendasi Lagu Lutvi Satriyo Putro Jurusan Informatika Universitas Sebelas Maret Jl. Ir. Sutami 36A Kentingan Surakarta
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN 3 SKS
SISTEM PENDUKUNG KEPUTUSAN 3 SKS Deskripsi Mata Kuliah Pengampu : Rahmat Robi Waliyansyah, M.Kom. Buku Pegangan : Dadan Umar Daihani, Komputerisasi Pengambilan Keputusan, Elex Media Komputindo, 2001. D.
Lebih terperinciINTERACTIVE BROADCASTING. Modul ke: Manajemen Web. Fakultas Ilmu Komunikasi. Yusuf Elmande., S.Si., M.Kom. Program Studi Penyiaran
INTERACTIVE BROADCASTING Modul ke: Manajemen Web Fakultas Ilmu Komunikasi Yusuf Elmande., S.Si., M.Kom Program Studi Penyiaran Pengertian Web Situs dapat diartikan sebagai kumpulan halamanhalaman yang
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan diterangkan tentang analisa dan perancangan sistem sebuah website informasi wisata di Malang menggunakan algoritma Userbased Collaborative Filtering
Lebih terperinciSEARCH ENGINE OPTIMIZATION (MESIN PENCARI)
SEARCH ENGINE OPTIMIZATION (MESIN PENCARI) Muhamad Zaelani zaelani@raharja.info Abstrak Perkembangan internet semakin maju dan terus berkembang, sehingga semakin banyak manusia membuat suatu situs atau
Lebih terperinciImplementasi Algoritma Squeezer dan Term Frequency Ranking dalam Pembangunan Sistem Rekomendasi Tempat Makan
Implementasi Algoritma Squeezer dan Term Frequency Ranking dalam Pembangunan Sistem Rekomendasi Tempat Makan Vincentius Wirawan 1, Seng Hansun 1, Hargyo Tri Nugroho I. 2 1 Program Studi Teknik Informatika,
Lebih terperinciPERATURAN MENTERI KOMUNIKASI DAN INFORMATIKA REPUBLIK INDONESIA NOMOR TAHUN 2016 TENTANG PENYELENGGARAAN PORTAL DAN SITUS WEB BADAN PEMERINTAH
PERATURAN MENTERI KOMUNIKASI DAN INFORMATIKA REPUBLIK INDONESIA NOMOR TAHUN 2016 TENTANG PENYELENGGARAAN PORTAL DAN SITUS WEB BADAN PEMERINTAH DENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI KOMUNIKASI DAN INFORMATIKA
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN SISTEM. diusulkan dari sistem yang ada di Dinas Kebudayaan dan Pariwisata Kota
BAB IV ANALISA DAN PERANCANGAN SISTEM 4.1. Analisis Sistem yang Sedang Berjalan Pada bab ini dijelaskan mengenai prosedur yang berjalan dan yang diusulkan dari sistem yang ada di Dinas Kebudayaan dan Pariwisata
Lebih terperinci