PENANGANAN MASALAH COLD START DAN DIVERSITY REKOMENDASI MENGGUNAKAN ITEM-BASED CLUSTERING HYBRID METHOD
|
|
- Yulia Halim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ISSN : e-proceeding of Engineering : Vol., No.3 Deseber 015 Page 8035 PENANGANAN MASALAH COLD START DAN DIVERSITY REKOMENDASI MENGGUNAKAN ITEM-BASED CLUSTERING HYBRID METHOD The Handling of Cold Start and Recoendation Diversity Proble Using Ite-Based Clustering Hybrid Method Gentra Aditya Putra Ruswanda 1, ZK Abdurrahan Baizal, Erliansyah Nasution 3 1,,3 Prodi SI Ilu Koputasi, Fakultas Inforatika Universitas Telko 1 gentra.a@gail.co, baizal@telkouniversity.ac.id, 3 rlinst@yahoo.co Abstrak Pada recoender syste terdapat dua etode yang sering digunakan yaitu content-based filtering dan collaborative filtering. Metode-etode ini eiliki kelebihan dan kekurangannya asing-asing. Metode content-based filtering eiliki kekurangan diana hasil rekoendasi yang diberikannya kurang beraga (diversity) dikarenakan etode ini hanya engacu pada konten ite yang direkoendasikan saja. Pada etode collaborative filtering terdapat asalah diana ite baru yang asih belu eiliki rating tidak dapat direkoendasikan karena data rating yang dibutuhkan saat proses rekoendasi tidak ada. Pada penelitian ini akan diuji hipotesis diana kobinasi dari kedua etode tersebut dapat engatasi asalah cold start dan diversity yand diiliki asing-asing etode. Metode yang digunakan untuk engkobinasikan kedua etode tersebut adalah Ite-based Clustering Hybrid Method (ICHM). Pengukuran keapuan ICHM dala engatasi asalah cold start akan dihitung enggunakan etrik Mean Absolute Error (MAE) sedangkan pengukuran diversity dari hasil rekoendasinya akan dihitung enggunakan etrik Intra-List Siilarity (ILS). Hasil dari penelitian ini enunjukkan bahwa etode ICHM eiliki keapuan lebih baik dala enangani asalah cold start dibandingkan dengan collaborative filtering dengan nilai MAE 1,45 dan 3,8103. Hasil dari pengujian diversity enunjukkan bahwa ICHM eiliki hasil rekoendasi yang lebih beraga dibandingkan dengan content-based filtering dengan nilai ILS -3,7187 dan 34,5709. Kata Kunci : recoender syste, ite-based clustering hybrid ethod, diversification, cold start Abstract There are two coon ethods used in recoender syste which is content-based filtering and collaborative filtering. These ethods have its own advantages and weakness. Content-based filtering ethod has a weakness where its recoendation results are not diverse enough because of its process only rely on the content of the ite itself. In collaborative filtering ethod, there s a proble where a new ite that has not been rated by anyone cannot be recoended at all because the rating data that is needed for the process does not exist. This research will test a hyphotesis which a cobination of these two ethods can overcoe the cold start and diversity proble fro its own ethods. The ethod used here to cobine the is Ite-based Clustering Hybrid Method (ICHM). A easureent used to easure ICHM perforance in overcoing cold start proble is Mean Absolute Error (MAE) while the easureent of recoendation diversity use Intra-List Siilarity (ILS) etric. Results of this research showed that ICHM has a better perforance in handling a cold start proble copared to collaborative filtering with an MAE of 1,45 and 3,8103. Result of the diversity test showed that ICHM has a better recoendation diversity rather than content-based filtering with an ILS of -3,7187 and 34,5709. Keyword : recoender syste, ite-based clustering hybrid ethod, diversification, cold start 1. Pendahuluan Recoender syste erupakan bagian dari ilu inforation filtering syste yang ana eiliki fungsi untuk erekoendasikan suatu konten kepada audiensinya [1]. Terdapat dua etode yang uu digunakan dala ebangun recoender syste, yaitu content-based filtering dan collaborative filtering [7,8]. Kedua etode ini
2 ISSN : e-proceeding of Engineering : Vol., No.3 Deseber 015 Page 8036 eiliki kelebihan dan kekuranganya asingasing. Content-based filtering eiliki kekurangan diana hasil rekoendasi yang diberikan kurang beraga (diversity) karena hanya engacu pada konten daripada ite tersebut []. Sedangkan preferensi seseorang terhadap suatu ite tidak selalu bergantung pada karakteristik aupun konten ite tersebut [1]. Penelitian pada recoender syste saat ini telah elakukan eksperien pada pengukuran keapuan recoender syste selain enggunakan akurasi [1] yaitu diversity yang akan dihitung dengan etode intra-list siilarity. Berbeda dengan content-based filtering, etode collaborative filtering ini elihat pola kesaaan rating yang diberikan tiap user. Kekurangan dari etode ini adalah Group Rating Group-rating atrix Kalkulasi Adjust Cosine siilarity untuk grouprating atrix Group-rating Data Ite siilarity atrix Pengupulan Data Ite, User, dan Rating Kalkulasi total siilarity enggunakan Linear Cobination Data Rating Mengubah ke bentuk atriks Ite-rating atrix Kalkulasi Pearson siilarity untuk Ite-rating atrix Ite-rating siilarity atrix ketidakapuannya dala eberikan rekoendasi untuk ite baru yang belu eiliki Siilarity atrix Hasil Rekoendasi data rating saa sekali, atau biasa disebut asalah cold start pada ite [, 9, 10, 11]. Penelitian ini akan enguji hipotesis bahwa kobinasi dari kedua etode tersebut dapat engatasi asalah cold start dan diversity. Penelitian ini akan enggunakan etode hybrid yang bernaa Ite-based Clustering Hybrid Method (ICHM). Metode ini engkobinasikan pendekatan contentbased dan collaborative filtering. Metrik Mean Absolute Error (MAE) akan digunakan untuk enguji keapuan ICHM dala engatasi asalah cold start sedangkan ILS akan digunakan untuk engukur diversity hasil rekoendasinya.. Ite-based Clustering Hybrid Method Ite-Based Clustering Hybrid Method (ICHM) [] erupakan etode yang ebawa konten dari ite ke dala ite-based collaborative filtering. ICHM engintegrasikan data rating ite oleh pengguna dengan tingkat keiripan dari asingasing ite. Metode ICHM engatasi kekurangankekurangan yang diiliki oleh pendekatan Collaborative dan Content-based Filtering. Dari sisi collaborative, ICHM engatasi asalah cold-start pada pendekatan collaborative yang biasa terjadi ketika terdapat ite baru. Pendekatan collaborative eiliki kesulitan untuk eberikan rekoendasi ite baru karena belu ada pengguna yang eberikan rating pada ite tersebut. Metode ICHM dapat eberikan prediksi rekoendasi ite baru karena tidak hanya engabil inforasi dari atriks ite-rating naun juga dari atriks group-rating [] yang erupakan atriks keiripan ite berdasarkan cluster-nya. Sedangkan dari sisi content-based, etode ini engatasi asalah over-specialization yang biasa terdapat pada jenis etode content-based. Collaborative Prediction Prediction Matrix Database User-Ite disipan ke database Data Rekoendasi Gabar 1 Gabaran etode ICHM Berikut erupakan proses kerja pada etode ICHM: 1. Melakukan clustering untuk engelopokkan ite-ite, keudian enggunakan hasilnya untuk enciptakan atriks group-rating.. Menghitung tingkat keiripan (siilarity). Metode ini enggunakan tiga perhitungan siilarity yaitu: Pertaa enggunakan adjusted-cosine algorith untuk enghitung siilarity dari atriks group-rating. Kedua, engkalkulasi siilarity dari atriks iterating enggunakan Pearson correlation siilarity. Terakhir, elakukan kobinasi linier dari kedua perhitungan siilarity sebelunya untuk endapatkan total siilarity. 3. Mebuat prediksi suatu ite dengan elakukan deviasi rata-rata bobot dari rata-rata neighbour..1. Group Rating Group Rating bertujuan untuk engelopokkan tiap ite ke dala beberapa cluster. Matriks group rating erupakan atriks probabilitas tiap ite asuk ke dala asing-asing cluster. Matriks inilah Siyang enyediakan inforasi content-based etode ICHM [, 5, 8].
3 ISSN : e-proceeding of Engineering : Vol., No.3 Deseber 015 Page 8037 Tiap ite akan eiliki atribut-atribut data teks seperti contohnya kategori, naa, dan deskripsi. Atribut-atribut ite tersebut dihitung nilai TF IDF- si(k, l) = siilarity antar ite k dan l = julah pengguna yang eberi rating k dan l nya enggunakan persaaan (.5) yang keudian hasilnya akan digunakan untuk proses clustering R k, Rl = rata-rata rating dari ite k dan l enggunakan algorita Adjusted K-Means Clustering. R u,k, R u,l = rating pengguna u pada ite k dan l Algorita ini diturunkan dari algorita K- Means Clustering yang dikebangkan dengan engaplikasikan teori fuzzy set untuk erepresentasikan hubungan probabilitas antara objek dan cluster pada langkah akhir algoritanya [, 5, 8]. Berikut erupakan persaaan untuk enentukan group rating dari suatu ite. CS( j, k ) Pr o( j, k ) 1 MaxCS(k ).3. Adjusted Cosine Siilarity Adjusted cosine siilarity erupakan pengebangan dari cosine siilarity yang bertujuan untuk engatasi asalah perbedaan skala rating yang diberikan. Adjusted cosine siilarity eiliki perbedaan diana setiap nilai rating akan dikurangi oleh nilai rata-ratanya. Berikut erupakan persaaan adjusted cosine siilarity yang akan digunakan untuk (.1) enghitung siilarity ite berdasarkan atriks group-rating [5,8]. (R R u,k u )(R R u,l u ) (.5) si(k, l ) Pr o( j, k ) =probabilitas objek j asuk cluster k CS( j, k ) = counter-siilarity antar dokuen j dengan cluster k MaxCS(k ) = nilai aksiu counter-siilarity pada cluster k Diana nilai dari CS(j,k) erupakan jarak antara dokuen j dengan centroid cluster k. Nilai jarak tersebut dihitung dengan enggunakan persaaan Euclidean distance berikut n d ( p, q) 1 ( p i q i ) i d ( p, q) = Jarak dokuen p terhadap cluster q n = Julah dokuen p i = Nilai TF IDF ter i pada dokuen p (.) l (R R u,k u ) (R R u,l u ) si(k, l) = siilarity antar ite k dan l R u = julah cluster = rata-rata nilai probabilitas cluster R u,k, Ru,l = nilai probabilitas cluster u pada ite k dan.4. Linear Cobination Siilarity Persaaan berikut akan engkobinasikan nilai siilarity antara kedua hasil siilarity yang telah dihitung sebelunya, yaitu siilarity iterating yang berdasarkan nilai rating dan siilarity group-rating yang berdasarkan nilai probabilitas ite asuk ke suatu cluster [5,8]. si(k, l) si(k,l) (1 c) si(k,l) c (.11) ite group q i = Nilai rata-rata TF IDF ter i pada cluster q.. Pearson Correlation-based Siilarity Pearson siilarity erupakan salah satu etode kalkulasi siilarity yang paling banyak digunakan dala collaborative filtering. Pearson engukur derajat hubungan linier antar dua variabel yang ada. Persaaan ini akan digunakan untuk enghitung siilarity ite berdasarkan nilai rating ite yang diberikan oleh penggunanya [5,8]. (R u,k R k )(R u,l R l ) (.3) si(k, l ) si(k, l) = siilarity antar ite k dan l c = kobinasi koefisien si(k, l) ite = siilarity antar ite k dan l hasil atriks ite-rating si(k, l) group = siilarity ite k dan l hasil atriks group-rating.5. Collaborative Prediction (R u,k R k )
4 ISSN : e-proceeding of Engineering : Vol., No.3 Deseber 015 Page 8038 (R u,l R l ) Prediksi untuk suatu ite keudian dihitung dengan enggunakan deviasi bobot rata-rata dari rata-rata neighbour. Metode ini enggunakan aturan
5 ISSN : e-proceeding of Engineering : Vol., No.3 Deseber 015 Page 8039 Top N untuk eilih N terdekat berdasarkan siilarity ite [5,8]. Pada asalah cold start, nilai R k akan kosong karena ite k tidak eiliki rating saa sekali. Maka nilai R k akan diganti dengan R ghb yang erupakan nilai rating rata-rata nearest neighbors dari ite k sejulah N. Nearest neighbors dari ite k ini didapat dari atriks group rating [5,8], yaitu ite-ite selain k yang berada pada cluster yang saa diurutkan dari besar ke kecil berdasarkan nilai probabilitasnya. n (content-based), telah lengkap. Sehingga nilai ite siilarity dan group siilarity saa-saa eiliki nilai dan nilai koefisien kobinasi tidak eiliki pengaruh signifikan. Sedangkan pada kasus cold start, data rating ite oleh user banyak yang kosong enyebabkan nilai ite siilarity pun enjadi kosong dan tidak dapat erepresentasikan siilarity antar ite tersebut. Pada kondisi seperti inilah nilai koefisien kobinasi berperan besar enyebabkan nilai akurasi yang dihasilkan lebih bervariasi pada tiap nilai P u,k R k n si(k, i) P u,k (R u,i R i ) si(k, i) i 1 = prediksi untuk pengguna u pada ite k n = total neighbour dari ite k R u,i R k = nilai rating pengguna u pada ite i = rata-rata rating ite k si(k, i) = siilarity antara ite k dengan neighbour i (.1) koefisien kobinasinya. Dari hasil pengujian ini dapat disipulkan bahwa untuk kasus non cold start nilai koefisien kobinasi yang optial adalah 0,5. Sedangkan untuk kasus cold start, nilai koefisien kobinasi yang optial adalah 0,4. MAE Pengaruh koefisien c terhadap MAE 1, 1 0,8 0,6 0,4 0, 0 0 0,5 1 c Non Cold Start Cold Start R i = rata-rata rating pada ite i 3. Evaluasi Pengujian 3.1. Metrik Evaluasi Pengujian ini akan enggunakan data yang didapat dari MovieLens yang berisikan 5844 rating dari 00 user dan 00 fil. Pengukuran akurasi ICHM akan enggunakan etric MAE dengan pebagian data rating enjadi data training dan data testing. Tingkat diversity dari hasil rekoendasi akan diukur enggunakan ILS. 3.. Analisis dan Hasil Pengujian Sebelu eulai pengujian pada asalah cold start dan diversity, perlu didapatkan koefisien kobinasi c yang paling optial untuk etode ICHM ini. Maka pengujian awal ini adalah untuk enentukan koefisien c optial yang akan digunakan oleh etode ICHM ketika akan dibandingkan perforanya dengan etode lain. Hal ini dilakukan dengan elakukan iterasi pengujian non cold start terhadap koefisien c ulai dari 0,1 hingga 0,9 dengan selisih c antar iterasi adalah 0,1. Berdasarkan hasil pengujian yang dapat dilihat pada gabar 3, dapat dilihat bahwa nilai koefisien c tidak begitu epengaruhi nilai akurasi pada kasus non cold start, naun akan cukup berpengaruh pada kasus cold start. Hal ini dapat terjadi karena pada kasus non cold start data rating ite oleh user, yang digunakan untuk ebangun ite siilarity (collaborative), dan data konten ite, yang digunakan untuk ebangun group siilarity Gabar 3 Pengaruh koefisien c Setelah didapatkan koefisien kobinasi c yang optial, ICHM dapat dibandingkan dengan kedua etode lainnya untuk dievaluasi akurasinya pada asalah cold start. Masalah cold start adalah kondisi diana terdapat ite baru yang saa sekali belu eiliki rating [, 9, 10, 11]. Maka dari itu, perlu disiulasikan dataset khusus yang eenuhi kondisi tersebut sebelu eulai pengujian. Hal ini dilakukan dengan cara eilih 5 ite dari dataset training keudian enghapus seluruh data rating yang diiliki oleh ite tersebut dan eindahkannya ke dataset testing. Berdasarkan hasil pengujian, dapat dilihat bahwa etode ICHM eiliki keapuan yang lebih baik dibandingkan etode collaborative filtering dala engatasi asalah cold start. Naun ketika dibandingkan dengan etode content-based filtering, ICHM eiliki perfora yang sedikit di bawah perfora content-based filtering. Diana rata-rata MAE dari content-based filtering adalah 1,43389, sedangkan ICHM eiliki rata-rata MAE sebesar 1,45, sedikit lebih besar daripada content-based filtering.
6 ISSN : e-proceeding of Engineering : Vol., No.3 Deseber 015 Page 8040 Pengaruh Julah Ite Cold-Start Pada MAE 6 enggunakan nilai TF-IDF untuk enentukan keiripannya. Berbeda dengan etode collaborative filtering yang eanfaatkan kesaaan nilai rating MAE Julah Ite Cold Start ICHM Collabora tive Content- Based Gabar 4 Pengaruh julah ite cold start Tabel 1 Hasil kuulatif akurasi seluruh arsitektur antar ite-nya untuk enentukan rekoendasinya. Metode ini enghasilkan rekoendasi yang irip berdasarkan nilai rating-nya bukan irip berdasarkan karakteristik kontennya. ICHM juga endapatkan nilai ILS yang rendah karena turut eperhitungkan kesaaan rating antar ite seperti collaborative filtering. Nilai siilarity ini keudian dikobinasikan dengan adjusted cosine siilarity yang elihat kesaaan konten ite-nya. RATA-RATA MAE MAPE ICHM 1,459 0,4088 Content-based 1, ,3953 Filtering Collaborative Filtering 3, Pada pengujian berikutnya, dihitung tingkat diversity dari hasil rekoendasi asing-asing etode enggunakan Intra-List Siilarity (ILS). ILS erupakan salah satu etric yang bertujuan untuk engukur nilai diversity dari hipunan ite yang direkoendasikan. Metrik ini enggunakan nilai siilarity antar ite yang eiliki skala [-1,+1]. Seakin tinggi nilai ILS enunjukkan bahwa hipunan hasil rekoendasi yang diberikan seakin tidak beraga, begitu pula sebaliknya [7]. ILS (R) 1 si(i, j) i R j R (3.1) Setelah dilakukan pengujian, diperoleh hasil nilai ILS dari tiap etode pada tabel 4-1. Berdasarkan tabel tersebut, dapat disipulkan bahwa etode ICHM eiliki nilai diversity yang jauh lebih baik dibandingkan etode content-based filtering ketika dihitung berdasarkan nilai siilarity adjusted cosine. Dala artian etode ICHM dapat eberikan hasil rekoendasi yang jauh lebih beraga secara konten dibandingkan etode content-based filtering. Tabel Hasil kuulatif akurasi seluruh arsitektur ICHM Content- Collaborative based Nilai ILS yang tinggi dari etode contentbased filtering ini disebabkan karena etode ini hanya eanfaatkan kesaaan karakteristik konten teks tiap ite berdasarkan nilai TF-IDF-nya. Hal ini ebuat hasil rekoendasi yang didapat cenderung irip jika dihitung nilai ILS-nya enggunakan adjusted cosine siilarity karena siilarity ini juga 4. Kesipulan Dengan engkobinasikan kelebihan dari kedua etode, ICHM dapat engatasi asalah cold start yang dihadapi oleh etode collaborative filtering dan asalah diversity yang dihadapi oleh etode content-based filtering. Kelebihan dari etode content-based filtering berhasil engatasi asalah cold start yang diiliki oleh collaborative filtering. Kelebihan dari etode collaborative filtering berhasil engatasi asalah diversity yang diiliki oleh etode content-based filtering. Naun ketika ICHM dibandingkan dengan kelebihan dari asing-asing etode, didapat perbedaan yang tidak signifikan. Pada asalah cold start, etode content-based filtering sedikit lebih baik dari ICHM. Pada asalah diversity, etode ICHM tidak berbeda jauh dengan etode collaborative filtering. Untuk pengebangan berikutnya, perlu dievaluasi asalah cold start pada user baru dengan enggunakan etode User-based Clustering Hybrid Method (UCHM). Selain itu encoba untuk engkobinasikan ICHM dengan ontology untuk endapatkan hasil rekoendasi yang lebih beraga naun tetap relevan dengan ite sebelunya. 5. Daftar Pustaka [1] Jannah, D., Zanker, M., Felfernig, A., Friedrich, G. 01. Recoender Systes: An Introduction. New York: Cabridge University Press. [] Li, Q., Ki, B.M. 01. An Approach for Cobining Content-based and Collaborative Filters. South Korea: Kuoh National Institute of Technology. [3] Adoavicius, G., Tuzhilin, A Toward The Next Generation of Recoender Systes: A Survey of the State-of-the-Art and Possible Extensions. IEEE Transactions on Knowledge and Data Engineering, vol. 17, no. 6, June 005
7 ISSN : e-proceeding of Engineering : Vol., No.3 Deseber 015 Page 8041 [4] Sarwar, B., et al Ite-based Collaborative Filtering Recoender Syste Algorith. GroupLens Research Group/Ary HPC Research Center, Departent of Coputer Science and Engineering, University of Minnesota. Miennapolis. [5] Li, Q., Ki, B.M. 01. Clustering Approach for Hybrid Recoender Syste. South Korea: Kuoh National Institute of Technology. [6] Sandoval, Saul. 01. Novelty and Diversity Enhanceent and Evaluation in Recoender Systes. Spain: Universidad Autonoa de Madrid. [7] Ziegler, C., McNee, M., Konstan, J., Lausen, G Iproving Recoendation Lists Through Topic Diversification. Japan: International World Wide Web Conference Coittee. [8] Ki, B.M., Li, Q., Ki, J.W., Ki, J A New Collaborative Recoender Syste Addressing Three Probles. South Korea: Kuoh National Institute of Technology. [9] Koren, Y., Bell, R., Volinsky, C Matrix Factorization Techniques for Recoender Systes. U.S.A: IEEE Coputer Society. [10] Zhang, Z.K., Liu, C., Zhang, Y.C., Zhou, T Solving The Cold-Start Proble in Recoender Systes with Social Tags. Switzerland: Swiss National Science Foundation. [11] Schein, A.I., Popescul, A., Ungar, L.H., Pennock, D.M. 00. Proceedings of the 5 th Annual International ACM SIGIR Conference on Research and Developent in Inforation Retrieval. New York: ACM.
PENDAHULUAN. 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 terperinciUser-Based Collaborative Filtering Dengan Memanfaatkan Pearson- Correlation Untuk Mencari Neighbors Terdekat Dalam Sistem Rekomendasi
User-Based Collaborative Filtering Dengan Meanfaatkan Pearson- Correlation Untuk Mencari Neighbors Terdekat Dala Siste Rekoendasi Arvid Theodorus 1, Djoko Budiyanto Setyohadi 2, Ernawati 3 Magister Teknologi
Lebih terperinciImplementasi Histogram Thresholding Fuzzy C-Means untuk Segmentasi Citra Berwarna
JURNAL TEKNIK POMITS Vol., No., (03) ISSN: 337-3539 (30-97 Print) Ipleentasi Histogra Thresholding Fuzzy C-Means untuk Segentasi Citra Berwarna Risky Agnesta Kusua Wati, Diana Purwitasari, Rully Soelaian
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 terperinciANALISIS DAN IMPLEMENTASI CLUSTER-SMOOTHED PADA COLLABORATIVE FILTERING ANALYSIS AND IMPLEMENTATION OF CLUSTER-SMOOTHED FOR
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6490 ANALISIS DAN IMPLEMENTASI CLUSTER-SMOOTHED PADA COLLABORATIVE FILTERING ANALYSIS AND IMPLEMENTATION OF CLUSTER-SMOOTHED
Lebih terperinciPenentuan Akar-Akar Sistem Persamaan Tak Linier dengan Kombinasi Differential Evolution dan Clustering
Jurnal Kubik, Volue No. ISSN : 338-0896 Penentuan Akar-Akar Siste Persaaan Tak Linier dengan Kobinasi Differential Evolution dan Clustering Jaaliatul Badriyah Jurusan Mateatika, Universitas Negeri Malang
Lebih terperinciAplikasi Information Retrieval (IR) CATA Dengan Metode Generalized Vector Space Model
Aplikasi Inforation Retrieval (IR) CATA Dengan Metode Generalized Vetor Spae Model Hendra Bunyain, Chathalea Puspa Negara Jurusan Teknik Inforatika Fakultas Teknologi Inforasi, Universitas Kristen Maranatha.
Lebih terperinciPEMILIHAN PERINGKAT TERBAIK FESTIVAL KOOR MENGGUNAKAN METODE TOPSIS
Seinar Nasional Teknologi Inforasi dan Kounikasi 01 (SENTIKA 01 ISSN: 089-981 Yogyakarta, 8 Maret 01 PEMILIHAN PERINGKAT TERBAIK FESTIAL KOOR MENGGUNAKAN METODE TOPSIS Sauel Manurung 1 1Progra Studi Teknik
Lebih terperinciPerbandingan Mean Squared Error (MSE) Metode Prasad-Rao dan Jiang-Lahiri-Wan Pada Pendugaan Area Kecil
Vol. 2, 2017 Perbandingan Mean Squared Error (MSE) Metode Prasad-Rao dan Jiang-Lahiri-Wan Pada Pendugaan Area Kecil Widiarti 1*, Rifa Raha Pertiwi 2, & Agus Sutrisno 3 Jurusan Mateatika, Fakultas Mateatika
Lebih terperinciPEMBENTUKAN SEL-SEL MESIN UNTUK MENDAPATKAN PENGURANGAN JARAK DAN BIAYA MATERIAL HANDLING DENGAN METODE HEURISTIK DI PT. BENGKEL COKRO BERSAUDARA
PEMBENTUKAN SEL-SEL MESIN UNTUK MENDAPATKAN PENGURANGAN JARAK DAN BIAYA MATERIAL HANDLING DENGAN METODE HEURISTIK DI PT. BENGKEL COKRO BERSAUDARA Babang Purwanggono, Andre Sugiyono Progra Studi Teknik
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN ACCOUNT OFFICER BRIGUNA PRODUKTIF DENGAN METODE SIMPLE ADDITIVE WEIGHTING PADA PT BANK RAKYAT INDONESIA (PESERO),
SISTEM PENDUKUNG KEPUTUSAN ACCOUNT OFFICER BRIGUNA PRODUKTIF DENGAN METODE SIMPLE ADDITIVE WEIGHTING PADA PT BANK RAKYAT INDONESIA (PESERO), Tbk KANTOR CABANG SEMARANG PATIMURA Dhia Prathaa Adikusua Siste
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data dan Variabel 2.1.1 Data Pengertian data enurut Webster New World Dictionary adalah things known or assued, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap.
Lebih terperinciMAKALAH SISTEM BASIS DATA
MAKALAH SISTEM BASIS DATA (Entity Relationship Diagra (ERD) Reservasi Hotel) Disusun Oleh : Yulius Dona Hipa (16101055) Agustina Dau (15101635) Arsenia Weni (16101648) PROGRAM STUDI TEKNIK INFORMARIKA
Lebih terperinciPENGEMBANGAN SISTEM DETEKSI AWAL PENYAKIT KEWANITAAN DAN KANDUNGAN MENGGUNAKAN METODE DEMPSTER SHAFER
PENGEMBANGAN SISTEM DETEKSI AWAL PENYAKIT KEWANITAAN DAN KANDUNGAN MENGGUNAKAN METODE DEMPSTER SHAFER Myrda Septi Rahantika 1, Dwi Puspitasari 2, Rudy Ariyanto 3 1,2 Teknik Inforatika, Teknologi Inforasi,
Lebih terperinciKAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA ASURANSI JIWA DWIGUNA
Jurnal Mateatika UNAND Vol. 3 No. 4 Hal. 160 167 ISSN : 2303 2910 c Jurusan Mateatika FMIPA UNAND KAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA
Lebih terperinciKriptografi Visual Menggunakan Algoritma Berbasiskan XOR dengan Menyisipkan pada K-bit LSB Gambar Sampul
Kriptografi Visual Menggunakan Algorita Berbasiskan XOR dengan Menyisipkan pada K-bit LSB Gabar Sapul Yusuf Rahatullah Progra Studi Teknik Inforatika Institut Teknologi Bandung Bandung, Indonesia 13512040@std.stei.itb.a.id
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEMPAT WISATA YOGYAKARTA MENGGUNAKAN METODE ELimination Et Choix Traduisant La RealitA (ELECTRE)
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEMPAT WISATA YOGYAKARTA MENGGUNAKAN METODE ELiination Et Choix Traduisant La RealitA (ELECTRE) Linda Marlinda Jurusan Teknik Koputer, AMIK Bina Sarana Inforatika Jl.RS
Lebih terperinciSistem Linear Max-Plus Interval Waktu Invariant
Siste Linear Max-Plus Interval Waktu Invariant A 11 M. Andy udhito Progra Studi Pendidikan Mateatika FKIP Universitas Sanata Dhara Paingan Maguwoharjo Yogyakarta eail: arudhito@yahoo.co.id Abstrak elah
Lebih terperinciRecommendation System
May 28, 2014 Introduction Recommenders vs Search Engines Kategori recommendation system Input recommendation system Collaborative Filtering Content-based Evaluasi recommendation system Masalah dalam recommendation
Lebih terperinciBAB III METODE BEDA HINGGA CRANK-NICOLSON
BAB III METODE BEDA HINGGA CRANK-NICOLSON 3. Metode Beda Hingga Crank-Nicolson (C-N) Metode Crank-Nicolson dikebangkan oleh Crank John dan Phyllips Nicholson pada pertengahan abad ke-, etode ini erupakan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN CALON ASISTEN PRAKTIKUM MENGGUNAKAN METODE SMART
Prosiding Seinar Nasional Ilu Koputer dan Teknologi Inforasi Vol., No., Septeber 07 e-issn 540-790 dan p-issn 54-66X SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN CALON ASISTEN PRAKTIKUM MENGGUNAKAN METODE
Lebih terperinciRancang Bangun Movie Recommender System Dengan Metode Cluster-Based Smoothing Collaborative Filtering
Rancang Bangun Movie Recommender System Dengan Metode Cluster-Based Smoothing Collaborative Filtering Teguh Budianto 1, Luh Kesuma Wardhani 2 Jurusan Teknik Informatika, Universitas Islam Negeri Sultan
Lebih terperinciSistem Informasi Manajemen Penjualan Pada Koperasi Pegawai Negeri Kantor
Siste Inforasi Manajeen Penjualan Pada Koperasi Pegawai Negeri Kantor Gubernur Berbasis Web Deasy AnnisaSari, Helfi Nasution 2, Anggi Sriurdianti Sukato 3. Progra Studi Inforatika Universitas Tanjungpura,2,3
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 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada bab ini enjelaskan engenai berbagai teori yang digunakan untuk elakukan penelitian ini. Bab ini terdiri dari penjelasan engenai penghitung pengunjung, lalu penjelasan engenai
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 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 terperinciPenyelesaian Algortima Pattern Generation dengan Model Arc-Flow pada Cutting Stock Problem (CSP) Satu Dimensi
Penyelesaian Algortia Pattern Generation dengan Model Arc-Flow pada Cutting Stock Proble (CSP) Satu Diensi Putra BJ Bangun, Sisca Octarina, Rika Apriani Jurusan Mateatika Fakultas MIPA Universitas Sriwijaya
Lebih terperinciBAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelumnya bahwa dalam mengonstruksi field GF(3 )
BAB IV BAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelunya bahwa dala engonstruksi field GF(3 ) diperoleh dari perluasan field 3 dengan eilih polinoial priitif berderajat atas 3 yang dala hal
Lebih terperinciPERANCANGAN TATA LETAK SEL UNTUK MEMINIMASI VARIASI BEBAN SEL DAN MAKESPAN
PERANCANGAN TATA LETAK SEL UNTUK MEMINIMASI VARIASI BEBAN SEL DAN MAKESPAN Agus Ristono Teknik Industri UPN Veteran Yogyakarta Jl. Babarsari 02 Tabakbayan Yogyakarta Indonesia 55281 Phone: + 62 274 485
Lebih terperinciSistem Rekomendasi Bacaan Tugas Akhir Jurusan Teknik Informatika Universitas Sriwijaya menggunakan Metode Collaborative Filtering dan Naive Bayes
Sistem Rekomendasi Bacaan Tugas Akhir Jurusan Teknik Informatika Universitas Sriwijaya menggunakan Metode Collaborative Filtering Naive Bayes Riri Intan Aprilia 1 Teknik Informatika Fakultas Ilmu Komputer
Lebih terperinciMATRIKS DALAM LABORATORIUM oleh : Sugata Pikatan
Kristal no.12/april/1995 1 MATRIKS DALAM LABORATORIUM oleh : Sugata Pikatan Di dala ateatika anda pasti sudah pernah berhadapan dengan sebuah siste persaaan linier. Cacah persaaan yang berada di dala siste
Lebih terperinciANALISIS DAN IMPLEMENTASI SISTEM REKOMENDASI MENGGUNAKAN MOST-FREQUENT ITEM DAN ASSOCIATION RULE TECHNIQUE
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.3 Desember 2015 Page 7757 ANALISIS DAN IMPLEMENTASI SISTEM REKOMENDASI MENGGUNAKAN MOST-FREQUENT ITEM DAN ASSOCIATION RULE TECHNIQUE ANALYSIS AND
Lebih terperinciPENDEKATAN ANALISIS FUZZY CLUSTERING
PENDEKATAN ANALISIS FUZZY CLUSTERING PADA PENGELOMPOKKAN STASIUN POS HUJAN UNTUK MEMBUAT ZONA PRAKIRAAN IKLIM (ZPI) (Studi Kasus Pengelopokkan Zona Prakiraan Ikli (ZPI) dengan Data Curah Hujan di Kabupaten
Lebih terperinciRancang Bangun Sistem Informasi Perpustakaan Berbasis Web Pada SMPN 71 Jakarta
Siposiu Nasional Ilu Pengetahuan dan Teknologi (SIMNASIPTEK) 207 ISBN: 978-602-6268-4-9 Rancang Bangun Siste Inforasi Perpustakaan Berbasis Web Pada SMPN 7 Jakarta Kurniawati, Ghofar Taufik 2 STMIK Nusa
Lebih terperinciPenggunaan Media Manik-Manik Untuk Meningkatkan Kemampuan Belajar Matematika Anak Tunagrahita. Maman Abdurahman SR dan Hayatin Nufus
Riset PenggunaanMedia Manik-Manik* Maan Abdurahan SR HayatinNufus Penggunaan Media Manik-Manik Untuk Meningkatkan Keapuan Belajar Mateatika Anak Tunagrahita Maan Abdurahan SR Hayatin Nufus Universitas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN INTERNET SERVICE PROVIDER MENERAPKAN METODE ELIMINATION AND CHOICE TRANSLATION REALITY (ELECTRE)
KOMIK (Konferensi Nasional Teknologi Inforasi dan Koputer) Volue I, Noor, Oktober 27 ISSN 259765 (edia online) ISSN 25976 (edia cetak) SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN INTERNET SERVICE PROVIDER MENERAPKAN
Lebih terperinciPerbandingan Bilangan Dominasi Jarak Satu dan Dua pada Graf Hasil Operasi Comb
Perbandingan Bilangan Doinasi Jarak Satu dan Dua pada Graf Hasil Operasi Cob Reni Uilasari 1) 1) Jurusan Teknik Inforatika, Fakultas Teknik, Universitas Muhaadiyah Jeber Eail : 1) reniuilasari@gailco ABSTRAK
Lebih terperinciPERBANDINGAN METODE KEMUNGKINAN MAKSIMUM DAN BAYES DALAM MENAKSIR KEMAMPUAN PESERTA TES PADA RANCANGAN TES ADAPTIF ABSTRAK
PERBANDINGAN METODE KEMUNGKINAN MAKSIMUM DAN BAYES DALAM MENAKSIR KEMAMPUAN PESERTA TES PADA RANCANGAN TES ADAPTIF Agus Santoso Jurusan Statistik FMIPA Universitas Terbuka eail:aguss@ut.ac.id ABSTRAK Penelitian
Lebih terperinciAlgoritma Pencarian A* dengan Fungsi Heuristik Jarak Manhattan
Algorita Pencarian A* dengan Fungsi Heuristik Jarak Manhattan Puanta Della Maharani Riyadi - 13507135 Teknik Inforatika Institut Teknologi Bandung Jl. Ganesha no. 10, Bandung If17135@students.if.itb.ac.id
Lebih terperinciIMPLEMENTASI LINEAR CONGRUENT METHOD (LCM) PADA GAME HANGAROO BERBASIS ANDROID
IMPLEMENTASI LINEAR CONGRUENT METHOD (LCM) PADA GAME HANGAROO BERBASIS ANDROID Dwi Rizki Purnaasari Mahasiswa Progra Studi Teknik Inforatika STMIK Budidara Medan Jl. Sisingaangaraja No. 338 Sipang Liun
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIKA DAN ALGORITMA HEURISTIK RAJENDRAN UNTUK PENJADUALAN PRODUKSI JENIS FLOW SHOP
PERBANDINGAN KINERJA ALGORITMA GENETIKA DAN ALGORITMA HEURISTIK RAJENDRAN UNTUK PERJADUALAN PRODUKSI JENIS FLOW SHOP (Didik Wahyudi) PERBANDINGAN KINERJA ALGORITMA GENETIKA DAN ALGORITMA HEURISTIK RAJENDRAN
Lebih terperinciBAB I PENDAHULUAN. pembangunan di bidang-bidang lain, seperti sosial, politik, dan budaya. perbedaan antara yang kaya dengan yang miskin.
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciPENGGUNAAN METODE HOMOTOPI PADA MASALAH PERAMBATAN GELOMBANG INTERFACIAL
PENGGUNAAN METODE HOMOTOPI PADA MASALAH PERAMBATAN GELOMBANG INTERFACIAL JAHARUDDIN Departeen Mateatika Fakultas Mateatika Ilu Pengetahuan Ala Institut Pertanian Bogor Jl Meranti, Kapus IPB Daraga, Bogor
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Konsep Dasar Graph Sebelu sapai pada pendefinisian asalah network flow, terlebih dahulu pada bagian ini akan diuraikan engenai konsep-konsep dasar dari odel graph dan representasinya
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 terperinciSISTEM INFORMASI PENENTUAN PERINGKAT KARYAWAN MENGGUNAKAN METODE ELIMINATION ET CHOIX TRADUISANT LAREALITÉ (ELECTRE) DI PT TELKOM REGIONAL III
SISTEM INFORMASI PENENTUAN PERINGKAT KARYAWAN MENGGUNAKAN METODE ELIMINATION ET CHOIX TRADUISANT LAREALITÉ (ELECTRE) DI PT TELKOM REGIONAL III Iran Harian, S.T., M.T. 1, Lia Purnaasari 2 1 Siste Inforasi
Lebih terperinciIII. KERANGKA PEMIKIRAN. Proses produksi di bidang pertanian secara umum merupakan kegiatan
2 III. KERANGKA PEMIKIRAN Proses produksi di bidang pertanian secara uu erupakan kegiatan dala enciptakan dan enabah utilitas barang atau jasa dengan eanfaatkan lahan, tenaga kerja, sarana produksi (bibit,
Lebih terperinciBILANGAN PRIMA : PERKEMBANGAN DAN APLIKASINYA
J. J. Siang BILANGAN PRIMA : PERKEMBANGAN DAN APLIKASINYA Intisari Dala tulisan ini dipaparkan engenai sejarah peneuan bilangan pria, pengujian bilangan pria besar, serta salah satu aplikasinya dala kriptografi
Lebih terperinciBAB I PENDAHULUAN. daya nasional yang memberikan kesempatan bagi peningkatan demokrasi, dan
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan daerah sebagai bagian yang integral dari pebangunan nasional dilaksanakan berdasakan prinsip otonoi daerah dan pengaturan suber daya nasional yang
Lebih terperinciBAB III. METODE PENELITIAN. Tabel 1. Indikator/ Indikasi Penelitian
39 BAB III. METODE PENELITIAN 3.1. Tipe Penelitian Penelitian ini terasuk tipe penelitian dengan pendekatan analisis deskriptif kualitatif dan kuantitatif. Analisis ini dipergunakan untuk enggabarkan tentang
Lebih terperinciAPLIKASI PEMESANAN PRODUK TIENS BERDASARKAN LOCATION BASED SERVICE BERBASIS ANDROID
Seinar Nasional APTIKOM (SEMNASTIKOM), FaveHotel Jayapura, 3 Noveber 207 APLIKASI PEMESANAN PRODUK TIENS BERDASARKAN LOCATION BASED SERVICE BERBASIS ANDROID Febryna Chaniago, Rikip Ginanjar 2, Rosalina
Lebih terperinciDefinisi 3.3: RUANG SAMPEL KONTINU Ruang sampel kontinu adalah ruang sampel yang anggotanya merupakan interval pada garis bilangan real.
0 RUANG SAMPEL Kita akan eperoleh ruang sapel, jika kita elakukan suatu eksperien atau percobaan. Eksperien disini erupakan eksperien acak. Misalnya kita elakukan suatu eksperien yang diulang beberapa
Lebih terperinciBENTUK NORMAL SMITH DAN MATRIKS BAIK KIRI/KANAN
BENTUK NORMAL SMITH DAN MATRIKS BAIK KIRI/KANAN Yuiati (yui@ail.ut.ac.id) Universitas Terbuka ABSTRACT The Sith noral for and left good atrix have been known in atrix theore. Any atrix over the principal
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di PT Tirta Ala Seesta. Perusahaan tersebut berlokasi di Desa Ciburayut, Kecaatan Cigobong, Kabupaten Bogor. Peilihan objek
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 terperinci(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE
(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE Giat Sudrajat Saruda, 2 Septiadi Padadisastra, 3 I Gede Nyoan Mindra Jaya Mahasiswa
Lebih terperinciSISTEM PENYUSUNAN KEPEGAWAIAN PADA MANAJEMEN CALL CENTER DENGAN MULTI-CLASS PELANGGAN DAN MULTI-POOL SERVER
SISTEM PENYUSUNAN KEPEGAWAIAN PADA MANAJEMEN CALL CENTER DENGAN MULTI-CLASS PELANGGAN DAN MULTI-POOL SERVER Aidy Ily, Rully Soelaian Jurusan Pasca Sarjana Teknik Inforatika, Fakultas Teknologi Inforasi,
Lebih terperinciSistem Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan Fuzzy-Analytic Hierarchy Process (F-AHP) (Studi Kasus : SMA Brawijaya Smart School)
Jurnal Pengebangan Teknologi Inforasi dan Ilu Koputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hl. 2095-2101 http://j-ptiik.ub.ac.id Siste Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan Fuzzy-Analytic
Lebih terperinciBAB I PENDAHULUAN. dalam skala prioritas pembangunan nasional dan daerah di Indonesia
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciPertemuan ke-3 Persamaan Non-Linier: Metode ½ Interval (Bisection) 27 September 2012
Perteuan ke-3 Persaaan Non-Linier: Metode ½ Interval (Bisection) 7 Septeber 01 Analisa Terapan Terapan:: Metode Nuerik Dr.Eng. Agus S. Muntohar Metode Bisection Dasar Teorea: Suatu persaaan ()0, diana
Lebih terperinciANALISIS ALGORITMA LOCALLY OPTIMAL HARD HANDOFF TERHADAP KECEPATAN DAN KORELASI JARAK
ANALISIS ALGORITMA LOCALLY OPTIMAL HARD HANDOFF TERHADAP KECEPATAN DAN KORELASI JARAK Lucky T Sianjuntak, Maksu Pine Departeen Teknik Elektro, Fakultas Teknik Universitas Suatera Utara, Medan e-ail : LuckyTrasya@gail.co
Lebih terperinciEstimasi Sinyal Quantitative Ultrasound QUS dengan Algoritma Space Alternate Generalized Expectation (SAGE)
JUISI, Vol. 03, No. 02, Agustus 2017 1 Estiasi Sinyal Quantitative Ultrasound QUS dengan Algorita Space Alternate Generalized Expectation (SAGE) Musayyanah 1, Yosefine Triwidyastuti 2, Heri Pratikno 3
Lebih terperinciPEMODELAN INFLASI BERDASARKAN HARGA-HARGA PANGAN MENGGUNAKAN SPLINE MULTIVARIABEL. Abstract
Peodelan Inflasi (Alan Prahutaa) PEMODELAN INFLASI BERDASARKAN HARGA-HARGA PANGAN MENGGUNAKAN SPLINE MULTIVARIABEL Alan Prahutaa 1, Tiani Wahyu U, Rezzy Eko C 3, Dede Zurohtuliyosi 3 1 Dosen Jurusan Statistika
Lebih terperinciSistem Rekomendasi Film menggunakan Bisecting K-Means dan Collaborative Filtering
Sistem Rekomendasi Film menggunakan Bisecting K-Means dan Collaborative Filtering Arwin Halim 1, Hernawati Gohzali 2, Dita Maria Panjaitan 3, Ilham Maulana 4 1,2,3,4 Jurusan Teknik Informatika, STMIK Mikroskil,
Lebih terperinciKUANTIFIKASI JENIS KAYU BERDASARKAN SIFAT ELEKTRIK QUANTIFICATION THE TYPES OF WOOD BASED ELECTRICAL PROPERTIES
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.3 Deseber 2017 Page 3906 KUANTIFIKASI JENIS KAYU BERDASARKAN SIFAT ELEKTRIK QUANTIFICATION THE TYPES OF WOOD BASED ELECTRICAL PROPERTIES Zeny Firdha
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR ANALISIS TEKSTUR MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Rosanita Listyaningrum*, Imam Santoso**, R.
1 MAKALAH SEMINAR TUGAS AKHIR ANALISIS TEKSTUR MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Rosanita Listyaningru*, Ia Santoso**, R.Rizal Isnanto** Abstrak - Tekstur adalah karakteristik yang penting
Lebih terperinciPerbandingan Algoritma Horspool dan Algoritma Zhu-Takaoka dalam Pencarian String Berbasis Desktop
erbandingan Algorita Horspool dan Algorita Zhu-Takaoka dala encarian String Berbasis Desktop Adhi Kusnadi 1, Abraha Khrisnandi Wicaksono 2 Fakultas Teknologi Inforasi dan Kounikasi, Universitas Multiedia
Lebih terperinciSistem Pendukung Keputusan Untuk Pengadaan Fasilitas Hotel Menggunakan Metode TOPSIS
Jurnal Siste Inforasi Bisnis 0(0) On-line : http://ejournal.undip.ac.id/inde.php/jsinbis Siste Pendukung Keputusan Untuk Pengadaan Fasilitas Hotel Menggunakan Metode TOPSIS Susi Hendartie a,*, Bau Surarso
Lebih terperinciJSIKA Vol. 5, No. 5. Tahun 2016 ISSN X
SISTEM INFORMASI MANAJEMEN ASET TI PADA KEMENTERIAN AGAMA KOTA PROBOLINGGO Zulfikar Rahan 1) Arifin Puji Widodo 2) Anjik Sukaaji 3) S1 / Jurusan Siste Inforasi Institut Bisnis dan Inforatika STIKOM Surabaya
Lebih terperinciImplementasi Sistem Keamanan Data dengan Menggunakan Teknik Steganografi End of File (EOF) dan Rabin Public Key Cryptosystem
Ipleentasi Siste Keaanan Data dengan Menggunakan Teknik Steganografi End of File (EOF) dan Rabin Public Key Cryptosyste Henny Wandani 1, Muhaad Andri Budian, S.T, M.Cop.Sc, MEM 2, Aer Sharif. S.Si, M.Ko
Lebih terperinciCLASSIFIER BERDASAR TEORI BAYES. Pertemuan 4 KLASIFIKASI & PENGENALAN POLA
CLASSIFIER BERDASAR TEORI BAYES Perteuan 4 KLASIFIKASI & PENGENALAN POLA Miniu distance classifiers elakukan klasifikasi berdasarkan jarak terpendek. Ada dua jenis yang dibahas:. The Euclidean Distance
Lebih terperinciPERANCANGAN SISTEM KOMPUTERISASI PROSES PINJAMAN DAN ANGSURAN PINJAMAN ANGGOTA KOPERASI ( STUDI KASUS PADA KOPERASI AMANAH SEJAHTERA SEMARANG )
PERANCANGAN SISTEM KOMPUTERISASI PROSES PINJAMAN DAN ANGSURAN PINJAMAN ANGGOTA KOPERASI ( STUDI KASUS PADA KOPERASI AMANAH SEJAHTERA SEMARANG ) Siti Munawaroh, S.Ko Abstrak: Koperasi Aanah Sejahtera erupakan
Lebih terperinciPENGENDALIAN MUTU PRODUKSI BERAT SEMEN PT. SEMEN PADANG DENGAN BAGAN KENDALI SHEWHART DAN ROBUST
Jurnal Mateatika UNAND Vol. 5 No. 1 Hal. 74 81 ISSN : 2303 2910 c Jurusan Mateatika FMIPA UNAND PENGENDALIAN MUTU PRODUKSI BERAT SEMEN PT. SEMEN PADANG DENGAN BAGAN KENDALI SHEWHART DAN ROBUST RELIGEA
Lebih terperinciIMPLEMENTASI PANORAMIC IMAGE MOSAIC DENGAN METODE 8 PARAMETER PERSPECTIVE TRANSFORMATION
IMPLEMENTSI PNORMIC IMGE MOSIC DENGN METODE 8 PRMETER PERSPECTIVE TRNSFORMTION Rud dipranata, Hendra Litoo, Cherr G. Ballangan Teknik Inforatika, Fakultas Teknologi Industri, Universitas Kristen Petra
Lebih terperinciISSN WAHANA Volume 67, Nomer 2, 1 Desember 2016
ISSN 0853 4403 WAHANA Volue 67, Noer 2, Deseber 206 PERBANDINGAN LATIHAN BOLA DIGANTUNG DAN BOLA DILAMBUNGKAN TERHADAP HASIL BELAJAR SEPAK MULA DALAM PERMAINAN SEPAK TAKRAW PADA SISWA PUTRA KELAS X-IS
Lebih terperinciAPLIKASI INTEGER LINEAR PROGRAMMING UNTUK MEMINIMALKAN BIAYA PEMINDAHAN BARANG DI PT RST
APLIKASI INTEGER LINEAR PROGRAMMING UNTUK MEMINIMALKAN BIAYA PEMINDAHAN BARANG DI PT RST Andry Budian Sutanto dan Abdullah Shahab Progra Studi Magter Manajeen Teknologi, Institut Teknologi Sepuluh Nopeber
Lebih terperinciKAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE () DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 05 Desen pebibing:
Lebih terperinciBAB III Landasan Teori
BAB III Landasan Teori 3.1 Sistem Rekomendasi Sistem rekomendasi merupakan suatu aplikasi untuk menyediakan dan merekomendasikan suatu item dalam membuat suatu keputusan yang diinginkan oleh pengguna (Ungkawa,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. Pada penelitian sebelumnya yang dilakukan kan oleh Zhang, L. (Zhang, L.,
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Pada penelitian sebelumnya yang dilakukan kan oleh Zhang, L. (Zhang, L., 2014), ia memanfaatkan algoritma User-Based Collaborative laborative
Lebih terperinciANALISA PENGGUNAAN GENEATOR INDUKSI TIGA FASA PENGUATAN SENDIRI UNTUK SUPLAI SISTEM SATU FASA
ANALISA PENGGUNAAN GENEATOR INDUKSI TIGA ASA PENGUATAN SENDIRI UNTUK SUPLAI SISTEM SATU ASA Maulana Ardiansyah, Teguh Yuwono, Dedet Candra Riawan Jurusan Teknik Elektro TI - ITS Abstrak Generator induksi
Lebih terperinciKELUARGA METODE ITERASI ORDE EMPAT UNTUK MENCARI AKAR GANDA PERSAMAAN NONLINEAR ABSTRACT
KELUARGA METODE ITERASI ORDE EMPAT UNTUK MENCARI AKAR GANDA PERSAMAAN NONLINEAR Kiki Reski Ananda 1 Khozin Mu taar 2 12 Progra Studi S1 Mateatika Jurusan Mateatika Fakultas Mateatika dan Ilu Pengetahuan
Lebih terperinciFITUR LENGTH OF EDGE DAN MOMENT INVARIAN UNTUK GESTURE RECOGNITION DENGAN MENGGUNAKAN KINECT UNTUK KONTROL LAMPU
Jurnal Teknologi Inforasi dan Ilu Koputer (JTIIK) Vol., No. 1, April 015, hl. 73-78 FITUR LENGTH OF EDGE DAN MOMENT INVARIAN UNTUK GESTURE RECOGNITION DENGAN MENGGUNAKAN KINECT UNTUK KONTROL LAMPU Rekyan
Lebih terperinciPENGARUH POSISI BEBAN DAN MOMEN INERSIA TERHADAP PUTARAN KRITIS PADA MODEL POROS MESIN KAPAL
PENGARUH POSISI BEBAN DAN MOMEN INERSIA TERHADAP PUTARAN KRITIS PADA MODEL POROS MESIN KAPAL Waris Wibowo Staf Pengajar Akadei Mariti Yogyakarta (AMY) ABSTRAK Penelitian ini bertujuan untuk endapatkan
Lebih terperinciDAFTAR ISI KATA PENGANTAR... DAFTAR ISI...
DAFTAR ISI KATA PENGANTAR DAFTAR ISI Halaan i iii I PENGAWASAN DAN PEMERIKSAAN 11 Latar Belakang 1 12 Fungsi Pengawas dan Peeriksa 2 13 Pengawasan 2 14 Peeriksaan 3 II PEMERIKSAAN ISIAN DAFTAR VIMK14-L2
Lebih terperinciBAB 3 SEJARAH SINGKAT TEMPAT RISET. 3.1 Sejarah Singkat Badan Pusat Statistik (BPS)
BAB 3 SEJARAH SINGKAT TEMPAT RISET 3.1 Sejarah Singkat Badan Pusat Statistik (BPS) Adapun sejarah Badan Pusat Statistik di Indonesia terjadi epat asa peerintah di Indonesia, antara lain : 1. Masa Peerintahan
Lebih terperinciek SIPIL MESIN ARSITEKTUR ELEKTRO
ek SIPIL MESIN ARSITEKTUR ELEKTRO PENGENALAN UCAPAN KATA BERKORELASI TINGGI Mery Subito * Abstract The research on speech recognition by using stochastic ethods has been carried out intensively since 1970
Lebih terperinciKEBERADAAN SOLUSI PERSAMAAN DIOPHANTIN MATRIKS POLINOMIAL DAN PENYELESAIANNYA MENGGUNAKAN TITIK-TITIK INTERPOLASI
KEBERADAAN SOLUSI PERSAMAAN DIOPHANTIN MATRIKS POLINOMIAL DAN PENYELESAIANNYA MENGGUNAKAN TITIK-TITIK INTERPOLASI Laila Istiani R. Heri Soelistyo Utoo 2, 2 Progra Studi Mateatika Jurusan Mateatika FMIPA
Lebih terperinciTHE CAUSALITY AVAILABILITY OF FOOD AND ECONOMIC GROWTH IN CENTRAL JAVA
THE CAUSALITY AVAILABILITY OF FOOD AND ECONOMIC GROWTH IN CENTRAL JAVA Juli Biantoro 1, Didit Purnoo 2 1,2 Fakultas Ekonoi dan Bisnis, Universitas Muhaadiyah Surakarta dp274@us.ac.id Abstrak Ketahanan
Lebih terperinciTEOREMA ELIMINASI CUT PADA SISTEM LOGIKA FL gc DAN FL w,gc
Jurnal Mateatika Vol 0 No Agustus 007:39-4 ISSN: 40-858 TEOREMA ELIMINASI CUT PAA SISTEM LOGIKA FL gc AN FL wgc Bayu Surarso Jurusan Mateatika FMIPA UNIP Jl Prof H Soedarto SH Tebalang Searang 5075 Abstract
Lebih terperinciJurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Jl. Prof. Sudharto, Tembalang, Semarang, Indonesia
APLIKASI KENDALI ADAPTIF PADA SISTEM PENGATURAN TEMPERATUR CAIRAN DENGAN TIPOLOGI KENDALI MODEL REFERENCE ADAPTIVE CONTROLLER (MRAC) Ferry Rusawan, Iwan Setiawan, ST. MT., Wahyudi, ST. MT. Jurusan Teknik
Lebih terperinciPerancangan Sistem Tracking Quadrotor untuk Sebuah Target Bergerak di Darat Menggunakan Sistem Fuzzy
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) A-58 Perancangan Siste Tracking Quadrotor untuk Sebuah Target Bergerak di Darat Menggunakan Siste Fuzzy Mochaad Raa Raadhan,
Lebih terperinciALGORITMA KOMPRESI FRAKTAL SEQUENTIAL DAN PARALEL UNTUK KOMPRESI CITRA. Satrya N. Ardhytia dan Lely Hiryanto
ALGORITMA KOMPRESI FRAKTAL SEQUENTIAL DAN PARALEL UNTUK KOMPRESI CITRA Satrya N. Ardhytia dan Lely Hiryanto Laboratoriu Perosesan Paralel, Fakultas Teknologi Inforasi, Universitas Taruanagara, Kantor Rektorat
Lebih terperinciKata Kunci : UTR, Pemilihan Vendor, MADM, TOPSIS, FAHP
Analisis dan Ipleentasi Siste Rekoendasi Peilihan Vendor untuk Pengadaan Alat Menggunakan Metode Technique for Order Preference by Siilarity to Ideal Solution (TOPSIS) dan Fuzzy AHP (Studi Kasus: PT Universal
Lebih terperinciPenerapan Metode Simpleks Untuk Optimalisasi Produksi Pada UKM Gerabah
Konferensi Nasional Siste & Inforatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Penerapan Metode Sipleks Untuk Optialisasi Produksi Pada UKM Gerabah Ni Luh Gede Pivin Suwirayanti STMIK STIKOM Bali Jl. Raya
Lebih terperinciPenjadwalan Pekerjaan pada No-Wait Flowshop dengan Pembatas Common Due-Date
Perfora (2003) Vol. 2, No.: - 5 Penjadwalan Pekerjaan pada No-Wait Flowshop dengan Pebatas Coon Due-Date Yuniaristanto Jurusan Teknik Industri, Universitas Sebelas Maret, Surakarta Abstract This paper
Lebih terperinciSISTEM REKOMENDASI PEMINJAMAN VCD DENGAN METODE ITEM BASED COLLABORATIVE FILTERING
SISTEM REKOMENDASI PEMINJAMAN VCD DENGAN METODE ITEM BASED COLLABORATIVE FILTERING Oleh ROBINSON GULTOM M0104054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Beberapa Defenisi Pada analisa keputusan, si pebuat keputusan selalu doinan terhadap penjabaran seluruh alternatif yang terbuka, eperkirakan konsequensi yang perlu dihadapi pada setiap
Lebih terperinciPERANCANGAN SISTEM INFORMASI PEMETAAN FASILITAS PELAYANAN KESEHATAN DI KOTA PONTIANAK BERBASIS WEB
PERANCANGAN SISTEM INFORMASI PEMETAAN FASILITAS PELAYANAN KESEHATAN DI KOTA PONTIANAK BERBASIS WEB Aey Indah Pratiwi Progra Studi Teknik Inforatika Jurusan Teknik Elektro Fakultas Teknik Universitas Tanjungpura
Lebih terperinciPEMILIHAN KRITERIA DALAM PEMBUATAN KARTU KREDIT DENGAN MENGGUNAKAN METODE FUZZY AHP
E-Jurnal Mateatika Vol. 3, No. Januari 204, 25-32 ISSN: 2303-75 PEMILIHAN KRITERIA DALAM PEMBUATAN KARTU KREDIT DENGAN MENGGUNAKAN METODE FUZZY AHP JOKO HADI APRIANTO, G. K. GANDHIADI 2, DESAK PUTU EKA
Lebih terperinci