BAB I PENDAHULUAN. informasi telah menjadi kebutuhan yang cukup penting dalam kehidupan manusia.
|
|
- Hamdani Darmadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1 Latar Belakang Kebutuhan manusia akan informasi memacu pesatnya perkembangan teknologi di bidang informasi. Kemajuan teknologi yang semakin meningkat didukung dengan sarana dan prasarana yang memadai, membuktikan bahwa kini informasi telah menjadi kebutuhan yang cukup penting dalam kehidupan manusia. Teknologi informasi dalam hal ini berfungsi sebagai pendukung untuk mengambil keputusan yang tepat berdasarkan informasi yang tersedia. Program Studi Sistem Informasi merupakan salah satu program studi yang ada pada STIKOM Bali. Kurikulum pada Program Studi Sistem Informasi disusun sampai dengan 8 semester dengan total sks sebesar 144 sks. Pada semester VI, mahasiswa Program Studi ini diwajibkan untuk memilih konsentrasi berdasarkan minat mahasiswa. Masing-masing konsentrasi memilki kompetensi yang berbedabeda. Namun dikarenakan konsentrasi ini beririsan satu sama lain, maka ada kompetensi yang berada di beberapa konsentrasi. Kompetensi adalah suatu kemampuan untuk melaksanakan atau melakukan suatu pekerjaan yang dilandasi atas keterampilan dan pengetahuan serta didukung oleh sikap kerja yang dituntut oleh pekerjaan tersebut (Posuma, 2013). Penentuan kompetensi mahasiswa merupakan hal yang penting karena akan memudahkan mahasiswa untuk memasuki dunia kerja yang sesuai 1
2 dengan kompetensinya. Mahasiswa akan memiliki landasan untuk bekerja baik sebagai karyawan ataupun sebagai pengusaha berdasarkan kompetensi yang dimilikinya. Dengan adanya kompetensi akan berpengaruh positif terhadap kinerja karyawan pada suatu perusahaan (Posuma, 2013). Klasterisasi (clustering) merupakan proses mengelompokkan atau menggolongkan obyek berdasarkan informasi yang diperoleh dari data yang menjelaskan hubungan antar objek dengan prinsip untuk memaksimalkan kesamaan antar anggota satu kelas dan meminimumkan kesamaan antar kelas/cluster (Kim, 2008). Algoritma klasterisasi (clustering) berusaha untuk menemukan kelompok komponen secara natural, berdasarkan pada beberapa kesamaan yang dimiliki. Implementasi klasterisasi dapat diterapkan pada berbagai bidang sebagai contoh dalam hal pemasaran, klasterisasi dapat digunakan sebagai metode untuk mengelompokkan pelanggan yang memiliki kesamaan dalam perilaku keseharian belanja (Liu, 2008). Penerapan klasterisasi dalam bidang ilmu biologi dapat dilakukan salah satunya dalam pengelompokan tumbuhan ataupun hewan. Dalam bidang informatika, teknik klasterisasi sangat banyak digunakan antara lain pada data mining, information retrieval, pengolahan citra, dan lain sebagainya. Contoh lainnya juga dalam hal penentuan kompetensi mahasiswa. Penelitian terdahulu membahas proses klasterisasi data menggunakan algoritma K-Means dan Algoritma Genetik (Kim, 2008) dimana proses 2
3 klasterisasi data pada metode K-Means, pembentukan partisi dilakukan sedemikian rupa sehingga setiap objek berada tepat pada satu partisi. Akan tetapi pada suatu saat secara alami hal ini sering tidak dapat dilakukan untuk menempatkan suatu objek tepat pada satu partisi, karena sebenarnya objek tersebut bisa saja terletak di antara dua atau lebih partisi yang lain. Sehingga perlu dilakukan klasterisasi data dengan menggunakan fuzzy clustering. Batas pada cluster dapat bersifat fuzzy maupun crisp, dimana fuzzy artinya titik data dapat berada pada dua atau lebih kelompok dengan derajat keanggotaan yang berbeda. Dengan batasan seperti ini dianggap lebih dekat dengan masalah yang ada di dunia nyata, sehingga kinerja yang lebih baik dapat diharapkan dibandingkan batasan crisp yang datanya hanya dapat berada pada satu cluster saja. Inilah yang menjadi alasan untuk menggunakan model fuzzy. karena pemodelan fuzzy berarti pemodelan yang lebih fleksibel yang keanggotaan berada dalam interval 0 sampai 1. Alasan lainnya untuk menggunakan model fuzzy adalah bahwa lebih mudah untuk memecahkan komputasi, karena pada kenyataannya, model non-fuzzy sering menghasilkan pencarian yang melelahkan di ruang besar, karena variabel kunci hanya dapat mengambil nilai-nilai 0 dan 1. Sebagai contoh, pada kasus kompetensi mahasiswa. Seorang mahasiswa mungkin saja berada/memiliki lebih dari 1 (satu) buah kompetensi. Peneilitian oleh Syaiful (2015) mendapatkan hasil yang menunjukkan pengelompokkan dengan Fuzzy C-Means mendapatkan hasil yang lebih baik jika dibandingkan K-Means karena Fuzzy C-Means menghasilkan rasio S w/s b yang 3
4 lebih kecil dibandingkan metode K-Means. Penelitian yang dilakukan oleh Widodo (2013), mendapatkan hasil dengan pembandingan berdasarkan fungsi obyektif, indeks validitas dan waktu komputasinya, didapatkan bahwa metode Fuzzy C-Means merupakan metode terbaik untuk digunakan dengan jumlah kelompok yang optimum adalah enam kelompok. Algoritma Fuzzy C-Means merupakan salah satu teknik pengelompokkan data dimana tingkat keberadaan data dalam suatu kelas atau cluster ditentukan oleh derajat keanggotaannya. Pada algoritma Fuzzy C-Means ini setiap objek/data dapat menjadi anggota dari beberapa cluster. Batasan dalam C-Means adalah bersifat soft. Algoritma ini termasuk dalam metode pengelompokan fuzzy sehingga data dapat menjadi anggota dari semua kelas atau cluster terbentuk dengan derajat atau tingkat keanggotaan yang berbeda antara 0 hingga 1 (Sukim, 2011). Teknik klasterisasi data (clustering) telah dipakai dengan sangat luas sekarang ini. Namun ternyata pada kenyataannya, masalah-masalah tentang fitur yang digunakan dalam proses clustering masih sangat diabaikan, sehingga kerap kali terjadi penggunaan fitur-fitur yang kurang relevan dalam proses klasterisasi data (clustering) tersebut. Hal ini dapat mengakibatkan hasil klasterisasi juga akan menjadi kurang optimal. Pemilihan fitur merupakan kegiatan yang termasuk ke dalam preprocessing yang bertujuan untuk memilih fitur yang berpengaruh dan mengesampingkan fitur 4
5 yang tidak berpengaruh dalam suatu kegiatan pemodelan atau penganalisaan data. Terdapat banyak alternatif yang dapat digunakan dan juga dilakukan proses mencoba-coba untuk mencari fitur yang cocok (Laetitia, 2001). Algoritma Genetik telah banyak digunakan dalam penelitian serupa. Algoritma genetik berhasil dalam memilih dan menemukan fitur genetik dan faktor lingkungan yang terlibat dalam penyakit multifaktorial seperti obesitas dan diabetes (Laetitia, 2001). Metode Algoritma Genetik juga digunakan dalam menyelesaikan masalah variabel yang tidak relevan dalam hal segmentasi pemasaran (Liu, 2008). Algoritma Genetik merupakan metode adaptive yang biasa digunakan untuk memecahkan suatu pencarian nilai dalam sebuah masalah optimasi. Algoritma ini didasarkan pada proses genetik yang ada dalam makhluk hidup, yaitu perkembangan generasi dalam sebuah populasi yang alami. Secara lambat laun mengikuti prinsip seleksi alam dan menurut teori ini, di alam terjadi persaingan antara individu-individu untuk memperebutkan sumber daya lain yang langka sehingga makhluk yang kuat mendominasi makhluk yang lemah. Dengan meniru teori evolusi ini, Algoritma Genetik dapat digunakan untuk mencari solusi permasalahan-permasalahan yang ada dalam dunia nyata. Berdasarkan permasalahan yang ada tersebut, maka pada penelitian ini akan digunakan penggabungan antara Algoritma Genetik dan Fuzzy C-Means dalam penentuan kompetensi mahasiswa. Algoritma Genetik digunakan dalam 5
6 menentukan fitur yang valid dan metode Fuzzy C-Means digunakan dalam melakukan pengelompokkan secara optimal dalam hal penentuan kompetensi mahasiswa. Sehingga dengan adanya kombinasi antara dua buah algoritma ini, maka dapat menghasilkan nilai fitness dan tingkat konvergensi yang lebih baik serta membentuk hasil cluster yang semakin akurat dalam proses klasterisasi (clustering). Batasan yang digunakan adalah batasan soft, yaitu dengan menggunakan fuzzy dimana memungkinkan sebuah data berada pada beberapa cluster yang berbeda. 1.2 Rumusan Masalah Berdasarkan latar belakang di atas, maka muncul permasalahan yang akan dibahas pada penelitian ini, yaitu: 1. Bagaimana merancang dan membangun sistem untuk menentukan kompetensi mahasiswa STIKOM Bali dengan batasan soft menggunakan Algoritma Genetik dan Fuzzy C-Means. 2. Bagaimana hasil unjuk kerja dari penerapan Algoritma Genetik dan metode Fuzzy C-Means untuk penentuan kompetensi mahasiwa STIKOM Bali. 1.3 Tujuan Penelitian Adapun yang menjadi tujuan dalam penelitian ini adalah: 1. Untuk mendapatkan rancangan dan implementasi sistem dalam menentukan kompetensi mahasiswa STIKOM Bali dengan batasan soft. 6
7 2. Untuk mendapatkan hasil pemilihan fitur dengan Algoritma Genetik dan hasil olahan data mahasiswa dengan metode Fuzzy C-Means. 3. Untuk mendapatkan informasi tentang unjuk kerja dari penerapan Algoritma Genetik dan metode Fuzzy C-Means untuk penentuan kompetensi mahasiwa STIKOM Bali. 1.4 Manfaat Penelitian Manfaat dari penelitian ini dibagi menjadi 2 (dua), yaitu manfaat akademik dan manfaat praktis sebagai berikut: Manfaat Akademik Manfaat akademik dari penelitian ini, yaitu dapat memberikan informasi, ilmu dan bahan pembanding untuk penelitian selanjutnya yang berkaitan dalam penentuan kompetensi mahasiswa. Dapat memberikan informasi, ilmu dan bahan pembanding untuk penelitian selanjutnya yang berkaitan dalam bidang Data Mining Manfaat Praktis Manfaat praktis dari penelitian ini, yaitu menghasilkan sistem yang mampu menentukan kompetensi mahasiswa STIKOM Bali dengan menggabungkan Algoritma Genetik dan metode Fuzzy C-Means, sehingga mahasiswa mengetahui kompetensinya untuk diterapkan di dunia kerja nantinya. 7
8 1.5 Batasan Masalah Menghindari bahasan yang terlalu luas, maka dibutuhkan batasan masalah untuk membatasinya. Adapun batasan masalah dalam penelitian ini adalah: 1. Sistem yang dibangun digunakan untuk menentukan kompetensi mahasiswa. 2. Studi kasus diambil pada Program Studi Sistem Informasi STIKOM Bali 3. Menerapkan Algoritma Genetik dan metode Fuzzy C-Means untuk menentukan kompetensi mahasiswa. 1.6 Keaslian Penelitian Penelitian yang dilakukan oleh Laetitia Jourdan, Clarisse Dhaenens, El- Ghazali Talbi dalam penelitiannya yang berjudul A Genetic Algorithm for Feature Selection in Data-Mining for Genetics menbahas penyelesaian masalah seleksi fitur dengan menggunakan algoritma genetik (GA) dan menggunakan algoritma K-Means untuk clustering. Penelitian yang dilakukan oleh Hsiang-Hsi Liu, Chorng-Shyong Ong dalam penelitiannya yang berjudul Variable selection in clustering for marketing segmentation using genetic algorithms menerangkan Algoritma genetik (GA) yang digunakan untuk pemilihan variabel dan untuk menentukan jumlah cluster pada kasus nyata segmentasi pemasaran. Penelitian yang dilakukan oleh Kyoung-jae Kim dan Hyunchul Ahn dalam A recommender system using GA K-Means clustering in an online shopping market membahas tentang algoritma clustering Algoritma Genetik dan K-Means pada kasus dunia nyata untuk segmentasi pasar dalam perdagangan elektronik dan menemukan bahwa Algoritma Genetik dan K-Means mengakibatkan segmentasi yang lebih 8
9 baik dari algoritma clustering tradisional K-Means dan SOM (Self Organizing Map). Penelitian oleh Annas Syaiful Rizal dan R.B Fajriya Hakim melanjutkan penelitian Sarita Budiyani Purnamasari dkk dengan judul Metode K-Means Cluster dan Fuzzy C-Means Cluster (Studi Kasus: Indeks Pembangunan Manusia di Kawasan Indonesia Timur tahun 2012), mendapatkan hasil yang menunjukkan pengelompokkan dengan Fuzzy C-Means mendapatkan hasil yang lebih baik jika dibandingkan K-Means karena Fuzzy C-Means menghasilkan rasio S w/s b yang lebih kecil dibandingkan metode K-Means. Berdasarkan pada beberapa hasil penelitian yang telah dilakukan sebelumnya, maka penulis mengusulkan pendekatan baru yaitu algoritma Fuzzy C-Means yang dikombinasikan dengan Algoritma Genetik untuk menghasilkan pengelompokan yang optimal dan fitur yang valid pada penentuan kompetensi mahasiswa. Untuk beberapa penelitian terkait yang menggunakan metode berbeda penulis rangkum di Bab II pada sub bab state of the art. 9
PENENTUAN KOMPETENSI MAHASISWA DENGAN ALGORITMA GENETIK DAN METODE FUZZY C- MEANS
Teknologi Elektro, Vol. 15, No. 2, Juli - Desember 2016 101 PENENTUAN KOMPETENSI MAHASISWA DENGAN ALGORITMA GENETIK DAN METODE FUZZY C- MEANS Rosalia Hadi 1, I Ketut Gede Darma Putra 2, I Nyoman Satya
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 State Of The Art Pada penelitian Laetitia Jourdan, Clarisse Dhaenens, El-Ghazali Talbi yang berjudul A Genetic Algorithm for Feature Selection in Data Mining for Genetic dilakukan
Lebih terperinciBAB I PENDAHULUAN. dinyatakan diterima di di universitas, institut atau akademi, yang masuk dari berbagai
BAB I PENDAHULUAN 1.1 Latar Belakang Mahasiswa baru adalah peserta seleksi penerimaan mahasiswa baru yang telah dinyatakan diterima di di universitas, institut atau akademi, yang masuk dari berbagai jalur
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Di tengah laju kemajuan teknologi telekomunikasi dan informatika, informasi yang cepat dan akurat semakin menjadi kebutuhan pokok para pengambil keputusan. Informasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Absensi adalah tingkat kehadiran pegawai yang berkenaan dengan tanggung jawab. Kehadiran berkenaan dengan tanggung jawab pegawai saat bekerja, pegawai yang hadir tepat
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciBAB 2 PENELITIAN TERKAIT DAN LANDASAN TEORI
BAB 2 PENELITIAN TERKAIT DAN LANDASAN TEORI 2.1 Penelitian Terkait Ada beberapa penelitian terkait dengan penggunaan Data Mining metode cluster dengan menggunakan Algoritma Fuzzy C-Means untuk dapat mengelompokkan
Lebih terperinciBAB I PENDAHULUAN. Perguruan tinggi yang baik dipengaruhi oleh kualitas. mahasiswa di dalamnya. Mahasiswa merupakan objek
1 BAB I PENDAHULUAN 1.1. Latar Belakang Perguruan tinggi yang baik dipengaruhi oleh kualitas mahasiswa di dalamnya. Mahasiswa merupakan objek pembelajaran bagi perguruan tinggi sehingga jika prestasi mahasiswa
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Promosi adalah salah satu faktor yang diperlukan bagi keberhasilan bagi suatu perusahaan atau organisasi, maka promosi merupakan salah satu senjata ampuh bagi perusahaan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK PENGELOMPOKAN NILAI AKADEMIK SISWA MENGGUNAKAN METODE K-MEANS UNTUK SISWA SDN LAKARSANTRI I/472 SURABAYA SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGELOMPOKAN NILAI AKADEMIK SISWA MENGGUNAKAN METODE K-MEANS UNTUK SISWA SDN LAKARSANTRI I/472 SURABAYA SKRIPSI Disusun oleh : AYU RAHMAWATI 0934010160 JURUSAN TEKNIK
Lebih terperinciBAB I PENDAHULUAN. Saat ini, konsep data mining semakin dikenal sebagai tools penting dalam
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Saat ini, konsep data mining semakin dikenal sebagai tools penting dalam manajemen informasi karena jumlah informasi yang semakin besar jumlahnya. Data mining sendiri
Lebih terperinciBAB 1 PENDAHULUAN. Dengan kemajuan teknologi informasi sekarang ini, kebutuhan akan
BAB 1 PENDAHULUAN A. Latar Belakang Dengan kemajuan teknologi informasi sekarang ini, kebutuhan akan informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari. Namun kebutuhan informasi yang
Lebih terperinciBab 2 Tinjauan Pustaka
Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Adapun penelitian terdahulu yang berkaitan dalam penelitian ini berjudul Penentuan Wilayah Usaha Pertambangan Menggunakan Metode Fuzzy K-Mean Clustering
Lebih terperinciTESIS IMPLEMENTASI ALGORITMA GENETIK DAN METODE FUZZY C-MEANS DALAM PENENTUAN KOMPETENSI MAHASISWA OLEH: ROSALIA HADI
TESIS IMPLEMENTASI ALGORITMA GENETIK DAN METODE FUZZY C-MEANS DALAM PENENTUAN KOMPETENSI MAHASISWA OLEH: ROSALIA HADI PROGRAM PASCASARJANA UNIVERSITAS UDAYANA DENPASAR 2016 1 TESIS IMPLEMENTASI ALGORITMA
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN:
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 545 Penerapan metode GA-Kmeans untuk pengelompokan pengguna pada Bapersip Provinsi Jawa Timur Ferlyna K Wardhani, Erma Suryani, dan Ahmad Mukhlason
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Penerapan metode GA-Kmeans untuk pengelompokan pengguna pada Bapersip Provinsi Jawa Timur Ferlyna K Wardhani, Erma Suryani, dan Ahmad Mukhlason Sistem Informasi,
Lebih terperinciPerancangan Sistem Pendukung Keputusan Pemasaran STIKOM Bali Menggunakan Metode Fuzzy C Means Clustering
JURNAL SISTEM DAN INFORMATIKA 21 Perancangan Sistem Pendukung Keputusan Pemasaran STIKOM Bali Menggunakan Metode Fuzzy C Means Clustering Putu Desiana Wulaning Ayu STMIK STIKOM Bali Jl. Raya Puputan no.86
Lebih terperinciBAB I PENDAHULUAN. efektivitas dan efisiensi kerja tercapai. STIKOM Surabaya merupakan salah
BAB I PENDAHULUAN 1.1 Latar belakang masalah Solusi pemanfaatan teknologi komputer sebagai alat bantu dalam mendukung kegiatan operasional suatu bidang usaha memudahkan manusia dalam mendapatkan data atau
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Berdasarkan Peraturan Pemerintah Nomor 37 tahun 2009, dosen merupakan pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan,
Lebih terperinciArtificial Intelligence. uthie 1
Artificial Intelligence uthie 1 Cabang-cabang AI 1. Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree uthie 2 Cabang-cabang AI 2. Search Pencarian
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Analisis cluster merupakan salah satu alat yang penting dalam pengolahan data statistik untuk melakukan analisis data. Analisis cluster merupakan seperangkat metodologi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada tinjauan pustaka ini membahas tentang landasan teori yang medukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Data Mining Data mining adalah kegiatan menemukan
Lebih terperinciPENGELOMPOKAN KOLEKSI BUKU PERPUSTAKAAN BERDASARKAN LAMA PEMINJAMAN BUKU MENGGUNAKAN K-MEANS
PENGELOMPOKAN KOLEKSI BUKU PERPUSTAKAAN BERDASARKAN LAMA PEMINJAMAN BUKU MENGGUNAKAN K-MEANS SKRIPSI Diajukan untuk memenuhi salah satu syarat guna memperoleh gelar Sarjana Komputer (S.Kom.) Pada Program
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkebunan kelapa sawit di Indonesia terus berkembang dalam tiga dekade terakhir. Di Asia Tenggara negara seperti Malaysia, Thailand dan Indonesia merupakan penghasil
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang antara lain bidang teknologi informasi, arkeologi, astronomi, biomedis,
Lebih terperinciBABI PENDAHULUAN. 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Setiap perusahaan dituntut untuk siap menghadapi persaingan yang semakin ketat dengan perusahaan lain. Makin intensifnya persaingan yang dihadapi, telah menyebabkan
Lebih terperinciImplementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 2, (2017) 28 Implementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika Andreas Christian
Lebih terperinci1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian
Penerapan Data Mining dengan Menggunakan Metode Clustering K-Mean Untuk Mengukur Tingkat Ketepatan Kelulusan Mahasiswa Program Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
7 BAB I PENDAHULUAN 1.1 Latar Belakang Beberapa institusi yang memanfaatkan sistem informasi berbasis komputer selama bertahun-tahun sudah pasti memiliki jumlah data yang cukup besar pula. Data yang dihasilkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pembentukan kelas belajar merupakan kegiatan rutin yang dilakukan oleh setiap sekolah pada setiap tahun ajaran baru. Pembentukan kelas biasanya dilakukan dengan membagi
Lebih terperinciPENGKLASIFIKASIAN DATA SEKOLAH PENGGUNA INTERNET PENDIDIKAN MENGGUNAKAN TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS STUDI KASUS PT TELKOM SURABAYA
Artikel Skripsi PENGKLASIFIKASIAN DATA SEKOLAH PENGGUNA INTERNET PENDIDIKAN MENGGUNAKAN TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS STUDI KASUS PT TELKOM SURABAYA SKRIPSI Diajukan Untuk Memenuhi Sebagian
Lebih terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciPENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 590~595 PENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION 590 Indra Gunawan
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciBAB I PENDAHULUAN. digunakan untuk identitas citra adalah nama file, tanggal pengambilan,
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Seiring berkembangnya teknologi, makin banyak pulalah hasil-hasil citra digital di berbagai aspek. Citra tersebut bisa merupakan hasil digitalisasi foto-foto analog,
Lebih terperinciBAB I PENDAHULUAN. lebih efektif dan efisien karena akan melewati rute yang minimal jaraknya,
BAB I PENDAHULUAN A. Latar Belakang Distribusi merupakan proses penyaluran produk dari produsen sampai ke tangan masyarakat atau konsumen. Kemudahan konsumen dalam mendapatkan produk yang diinginkan menjadi
Lebih terperinciSeleksi Atribut Menggunakan Information Gain Untuk Clustering Penduduk Miskin Dengan Validity Index Xie Beni
1 Seleksi Atribut Menggunakan Information Gain Untuk Clustering Penduduk Miskin Dengan Validity Index Xie Beni Femi Dwi Astuti Program Studi Teknik Informatika STMIK AKAKOM femi@akakom.ac.id Abstrak -
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciBAB I PENDAHULUAN. membaca sebagai hal yang penting. Dimana dengan membaca wawasan akan
BAB I PENDAHULUAN 1.1 Latar Belakang Kebutuhan membaca pada masyarakat Indonesia tergolong sangat rendah, ini dikarenakan masyarakat Indonesia belum menempatkan kebutuhan membaca sebagai hal yang penting.
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN FITUR WARNA DAN TEKSTUR DENGAN FGKA CLUSTERING (FAST GENETICS K-MEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN FITUR WARNA DAN TEKSTUR DENGAN FGKA CLUSTERING (FAST GENETICS K-MEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Dewi Wulansari, S.ST 1, Entin Martiana K, M.Kom 2, Nana Ramadijanti,
Lebih terperinci1. Pendahuluan 1.1. Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pengumpulan Data 3.1.1 Sumber Data Penulis menggunakan pendukung dalam melakukan penelitian yaitu menggunakan beberapa data antara lain : 1. Data Internal Data Internal
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pangan merupakan kebutuhan paling utama bagi setiap orang [1]. Nutrisi yang ada dalam berbagai macam pangan dapat memenuhi nutrisi yang dibutuhkan oleh tubuh kita [2].
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan teknologi informasi yang semakin pesat berdampak pada terjadinya penurunan substansial dalam biaya penyimpanan data, peningkatan pesat
Lebih terperinciPerancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors Gede Aditra
Lebih terperinciRANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH)
RANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH) TUGAS AKHIR Disusun Oleh : RIO PRAYOGA SUPRAYANA NPM. 06
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
61 BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Analisis Permasalahan Proses Segmentasi citra dapat dilakukan dengan berbagai cara, antara lain dengan metode konvensional secara statistik maupun
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Ketika disodori sejumlah data dari suatu obyek atau kejadian, apa yang bisa dilakukan terhadap data untuk menindaklanjutinya? Data perlu diolah untuk mendapatkan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan pasar modal yang pesat, menuntut investor untuk memiliki banyak strategi dalam berinvestasi. Dalam berinvestasi dituntut untuk selalu mengelola
Lebih terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
Lebih terperinciKlasifikasi Mutu Buah Manggis Berdasarkan Warna Berbasis Fuzzy C Means dan Template Matching
Klasifikasi Mutu Buah Manggis Berdasarkan Warna Berbasis Fuzzy C Means dan Template Matching Octa Heriana 1, Risanuri Hidayat 2 1,2 Jurusan Teknik Elektro FT UGM Jln. Grafika 2 Yogyakarta 55281 INDONESIA
Lebih terperinciBAB IV PREPROCESSING DATA MINING
BAB IV PREPROCESSING DATA MINING A. Konsep Sebelum diproses data mining sering kali diperlukan preprocessing. Data preprocessing menerangkan tipe-tipe proses yang melaksanakan data mentah untuk mempersiapkan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining Data Mining adalah proses pencarian pengetahuan dari suatu data berukuran besar melalui metode statistik, machine learning, dan artificial algorithm. Hal yang paling
Lebih terperinciOptimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir
IJCCS, Vol.6, No.1, January 2012, pp. 101~110 ISSN: 1978-1520 101 Optimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir Putri Elfa Mas`udia* 1, Retantyo Wardoyo
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di lakukan oleh Muhammad Toha dkk (2013), Sylvia Pretty Tulus (2014), Johan
Lebih terperinciBAB 1. PENDAHULUAN 1.1. Latar Belakang Pelanggan merupakan salah satu posisi penting dalam pengembangan strategi bisnis, pelanggan juga merupakan salah satu sumber keuntungan dalam perusahaan. Untuk itu
Lebih terperinciPemanfaatan Algoritma FCM Dalam Pengelompokan Kinerja Akademik Mahasiswa
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Pemanfaatan Algoritma FCM Dalam Pengelompokan Kinerja Akademik Mahasiswa Aidina Ristyawan 1), Kusrini 2), Andi Sunyoto
Lebih terperinciBAB 3 METODE PENELITIAN. Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder.
BAB 3 METODE PENELITIAN 3.1 Metode Pengumpulan Data 3.1.1 Sumber Data Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder. 1. Data primer Didapatkan peneliti secara langsung
Lebih terperinciBAB I PENDAHULUAN. Pembangunan suatu piranti lunak menjadi penting karena semakin banyak
BAB I PENDAHULUAN 1.1. Latar Belakang Pembangunan suatu piranti lunak menjadi penting karena semakin banyak individual dan komunitas yang bergantung pada sistem piranti lunak tingkat tinggi (Sommerville,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA Klasifikasi Data Mahasiswa Menggunakan Metode K-Means Untuk Menunjang Pemilihan Strategi Pemasaran
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Beberapa penelitian terdahulu telah banyak yang menerapkan data mining, yang bertujuan dalam menyelesaikan beberapa permasalahan seputar dunia pendidikan. Khususnya
Lebih terperinciBAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta
BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan
Lebih terperinciKLASTERISASI PROSES SELEKSI PEMAIN MENGGUNAKAN ALGORITMA K-MEANS
1 KLASTERISASI PROSES SELEKSI PEMAIN MENGGUNAKAN ALGORITMA K-MEANS (Study Kasus : Tim Hockey Kabupaten Kendal) Alith Fajar Muhammad Jurusan Teknik Informatika FIK UDINUS, Jl. Nakula No. 5-11 Semarang-50131
Lebih terperinciPenerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia
Penerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia Aristoteles Jurusan Ilmu Komputer FMIPA Universitas Lampung aristoteles@unila.ac.id Abstrak.Tujuan penelitian ini adalah meringkas
Lebih terperinciOPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM
OPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM Poetri Lestari Lokapitasari Belluano poe3.setiawan@gmail.com Universitas Muslim Indonesia Abstrak Non Dominated Sorting pada
Lebih terperinciBAB 1 KONSEP DATA MINING 2 Gambar 1.1 Perkembangan Database Permasalahannya kemudian adalah apa yang harus dilakukan dengan data-data itu. Sudah diket
Bab1 Konsep Data Mining POKOK BAHASAN: Konsep dasar dan pengertian Data Mining Tahapan dalam Data Mining Model Data Mining Fungsi Data Mining TUJUAN BELAJAR: Setelah mempelajari materi dalam bab ini, mahasiswa
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4B3 SOFT COMPUTING Disusun oleh: Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Era teknologi informasi saat ini tidak dapat dipisahkan dari multimedia. Data atau informasi yang terdapat pada multimedia tidak hanya disajikan dalam bentuk teks,
Lebih terperinciKlasterisasi Wilayah Pemasaran berdasarkan Preferensi Konsumen terhadap PT. X
Klasterisasi berdasarkan Konsumen terhadap PT. X Prasetyo, Andhika Eko Program Studi Manajemen Rekayasa Universitas Internasional Semen Indonesia Jl. Veteran Gresik, Jawa Timur 61122 E-mail: andhika.prasetyo@uisi.ac.id
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 20010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 20010/2011 PENERAPAN METODE CLUSTERING HIRARKI AGGLOMERATIVE UNTUK KATEGORISASI DOKUMEN PADA WEBSITE SMA NEGERI
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah kemiskinan merupakan hal yang sangat kompleks. Di wilayah Kecamatan Bantul, seorang warga disebut sebagai keluarga miskin berdasarkan beberapa aspek seperti
Lebih terperinciBAB I PENDAHULUAN. informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga
BAB I PENDAHULUAN I.1. Latar Belakang Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga informasi akan menjadi
Lebih terperinciAlgoritme Genetika Untuk Optimasi K-Means Clustering Dalam Pengelompokan Data Tsunami
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 3865-3872 http://j-ptiik.ub.ac.id Algoritme Genetika Untuk Optimasi K-Means ring Dalam Pengelompokan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Sekolah Menengah Atas (SMA) Negeri 01 Belangkejeren, yang terletak di
BAB I PENDAHULUAN 1.1. Latar Belakang Sekolah Menengah Atas (SMA) Negeri 01 Belangkejeren, yang terletak di Kabupaten Gayo Lues Provinsi Aceh, merupakan instansi pemerintah yang tujuan dasarnya adalah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pesatnya perkembangan dunia pariwisata, tidak diiringi dengan perkembangan teknologi yang digunakan. Ditambah lagi dengan kondisi, banyak wisatawan yang tidak mau berwisata
Lebih terperinciBAB II LANDASAN TEORI
6 BAB II LANDASAN TEORI 2 2.1 Tinjauan Pustaka Aplikasi sistem pendukung keputusan untuk menentukan penjurusan pada tingkat SMA sudah beberapa kali dilakukan dengan menggunakan metode yang bermacam-macam.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pendidikan merupakan hal yang sangat penting, sebab pendidikan merupakan proses mencetak generasi penerus bangsa. Adapun fungsi pendidikan adalah untuk mengembangkan
Lebih terperinciPenerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem
Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Tri Kusnandi Fazarudin 1, Rasyid Kurniawan 2, Mahmud Dwi Sulistiyo 3 1,2 Prodi S1 Teknik Informatika,
Lebih terperinciPERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Setelah berkembangnya AI (Artifical Intelligence), banyak sekali ditemukan sejumlah algoritma yang terinspirasi dari alam. Banyak persoalan yang dapat diselesaikan
Lebih terperinciBAB II LANDASAN TEORI. yang terdiri dari komponen-komponen atau sub sistem yang berorientasi untuk
BAB II LANDASAN TEORI 2.1 Sistem Menurut Gondodiyoto (2007), sistem adalah merupakan suatu kesatuan yang terdiri dari komponen-komponen atau sub sistem yang berorientasi untuk mencapai suatu tujuan tertentu.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pemilu 2014 sudah di depan mata, banyak partai politik bermunculan baik yang sudah lama berdiri maupun yang baru saja berdiri. Namun tidak semua partai politik dapat
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pesatnya pertumbuhan pasar pada sektor telekomunikasi seluler semakin terlihat dengan banyaknya jumlah pelanggan yang ada pada setiap para penyedia jasa telepon seluler.
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kegiatan penjadwalan merupakan hal penting yang sering dilakukan pada setiap kegiatan baik dalam lingkup perusahaan, transportasi, sekolah, perguruan tinggi dan lain
Lebih terperinciBAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya
5 BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya Traveling salesman problem (TSP) merupakan salah satu permasalahan yang telah sering diangkat dalam berbagai studi kasus dengan penerapan berbagai
Lebih terperinciJl. Raya Dukuhwaluh Purwokerto )
Sistem Klasterisasi Menggunakan Metode K-Means dalam Menentukan Posisi Access Point Berdasarkan Posisi Hotspot di Universitas Muhammadiyah Purwokerto (Clustering System Using K-Means Method in Determining
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN Bab Pendahuluan terdiri dari uraian latar belakang yang mendasari pembuatan tugas akhir, pengenalan masalah yang dibahas didalam tugas akhir, manfaat maupun tujuan penelitian yang ingin
Lebih terperinciPENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS
Jurnal Ilmiah ILKOM Volume 8 mor (Agustus 16) ISSN: 87-1716 PENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS Widya Safira Azis 1 dan Dedy Atmajaya 1 safiraazis18@gmail.com dan dedy.atmajaya@umi.ac.id
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciIMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI MAHASISWA BERDASARKAN PREDIKSI WAKTU KELULUSAN SKRIPSI
IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI MAHASISWA BERDASARKAN PREDIKSI WAKTU KELULUSAN SKRIPSI Disusun Oleh : ALVI SYAHRIN NPM. 0934010254 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI
Lebih terperinciBAB IV HASIL DAN UJICOBA
BAB IV HASIL DAN UJICOBA IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari perancangan data mining varian produk elektronik sound system dengan metode K-Means Clustering yang dapat
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Saat ini, kebutuhan manusia akan teknologi semakin meningkat karena tidak bisa dipungkiri bahwa teknologi tersebut dapat meringankan pekerjaan manusia. Hal ini juga diimbangi
Lebih terperinciBAB 3 ANALISIS DAN PENGEMBANGAN ALGORITMA. ketidakpastian. Citra tersebut terkadang belum tentu dapat diketahui objeknya,
BAB 3 ANALISIS DAN PENGEMBANGAN ALGORITMA 3.1 Analisis Permasalahan Pengolahan citra merupakan sebuah proses yang memiliki banyak faktor ketidakpastian. Citra tersebut terkadang belum tentu dapat diketahui
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) Edisi... Volume..., Bulan 20.. ISSN :
IMPLEMENTASI ALGORITMA K-MEANS PADA PENDETEKSIAN WARNA UNTUK MEMBANTU PENDERITA BUTA WARNA Marcel Eka Putra 1 Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : zellkoeman@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penambangan Data (Data Mining) Pengertian data mining, berdasarkan beberapa orang: 1. Data mining (penambangan data) adalah suatu proses untuk menemukan suatu pengetahuan atau
Lebih terperinci