Daftar Kelompok
Fahmi Husaeni
14-044 6D
ANALISIS
SKILL
DAN
ABILITY
KARAKTER PADA
GAME ONLINE
DOTA2 ESPORT
Kelvin Tungari, Nurdin Nurdin, Dewi Kusumawati
Ilmu Komputer
Stmik Bina Mulia Palu
Jurnal Elektronik Sistem Informasi Dan Komputer VOL 1 No.2 Juli-Desember 2015
Latar Belakang
Peminat
permainan
DoTA2
DoTA 2
Tingkat Kesulitan
Data
saat ini atau saat yang
lampau.
HasiL Penelitian
Abaddon
dapat menjadi
tanker
atau semi
carry
yang cukup bagus.
Anti Mage
, adalah
magic killer
karena semua
skill
yang dia miliki merupakan
anti magic
.
Lina
merupakan
hero carry
atau semi
carry
, yang sangat berguna dalam
single kill
.
Axe
adalah seorang
initiator war
sejati, dengan
skill bersekers call
.
Kesimpulan
Pemula yang akan memainkan
game ini, dapat
KLASIFIKASI JENIS-JENIS BISNIS E-COMMERCE DI INDONESIA
Mahir Pradana
Universitas Telkom Bandung
Jurnal Neo-bis
Volume 9, No. 2, Des 2015
Latar Belakang
Tujuan Penelitian
Data yang digunakan
Metode yang digunakan
Hasil dan Pembahasan
Klasifikasi bisnis e-commerce :
Listing
/ iklan baris
Online marketplace
Shopping Mall
Toko
Online
Toko
media sosial
Online
di
crwodsourcing
Jenis
website
dan
Kesimpulan
Klasifikasi Kendaraan Roda Empat Berbasis Knn
Ahmad Nouvel, AMIK BSI Purwokerto
Jurnal Bianglala Informatika Vol 3 No 2
September 2015
Latar Belakang
Tujuan Penelitian
Data yang digunakan
Mobil
Dalam Peraturan Pemerintah Republik Indonesia Nomor 44 Tahun 1993:
Kendaraan bermotor adalah setiap kendaraan yang digerakkan oleh peralatan mekanik berupa mesin selain kendaraan yang berjalan di atas rel. Mobil penumpang adalah kendaraan bermotor beroda empat yang dilengkapi sebanyak-banyaknya 8 (delapan) tempat duduk, tidak termasuk tempat duduk pengemudi, baik dengan maupun tanpa perlengkapan pengangkutan bagasi.
Data
Mining
Untuk menghasilkan informasi dan pengetahuan yang berguna dari suatu basis data yang besar diperlukan proses penggalian data yang disebut data mining sehingga ditemukan pola-pola dan relasi yang tersembunyi dalam sejumlah data yang besar tersebut dengan tujuan melakukan klasifikasi, estimasi, prediksi, asosiasi, deskripsi dan visualisasi (Han danKamber, 2001).
KNN
Dasar Algoritma K Nearest Neaghbour (Brammer,2007):
· Temukan pelatihan yang paling dekat dengan data yang tidak diketahu class-nya.
Metode yang diterapkan
●
Merancang sebuah sistem klasifikasi.
Hasil Pembahasan
KLASIFIKASI DATA
MINING
DALAM
MENENTUKAN PEMBERIAN KREDIT BAGI NASABAH
KOPERASI
Ika Menarianti
TAHUN 2015
Jurnal Ilmiah Teknosains, Vol. 1 No. 1 November 2015
Latar Belakang
- instansi keuangan seperti koperasi di luar perbankan belum memiliki pusat data, hal
ini dapat meningkatkan resiko kredit yang mengancam profitabilitas
- pada umumnya pemberian kredit dipengaruhi beberapa faktor seperti kepercayaan,
kesepakatan, jangka waktu, risiko dan balas jasa (Kasmir, 2010).
- Pengukuran yang akurat dan kemampuan manajemen yang baik dalam menghadapi
risiko kredit. Kegagalan mengidentifikasi risiko kredit mengarah pada hilangnya
pendapatan
dan
memperluas
kredit
Tujuan Penelitian :
- Menentukan resiko kredit yang terjadi pada transaksi peminjaman
- Menentukan peningkatan kualitas kredit
- Penurunan resiko kredit
Data yang digunakan :
- data agunan
- data pinjaman
Metode yang digunakan :
1.
cross validation
2.
confussion matrix
3.
ROC curve
dan
T-Test.
Algoritma klasifikasi data
mining
yang digunakan adalah
1.
Logistic Regression
2.
Discriminant Analys
3.
K-Nearest
Neighbour
4.
Naive Bayes
5.
Decision Tree
Hasil dan Pembahasan
Berdasarkan proses
cross validation
dan
confussion matrix
diperoleh hasil sebagai
berikut :
Hasil
cross validation
Hasil dan Pembahasan
Berdasarkan dari analisis pengujian
ROC Curve
dan
T-Test
hasil diperoleh sebagai
berikut :
Hasil
T-Test
Kesimpulan
METODE DATA MINING UNTUK KLASIFIKASI KESETIAAN PELANGGAN TERHADAP
MEREK PRODUK
Agus Sasmito Aribowo
Teknik Informatika. UPN “Veteran” Yogyakarta
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013
Latar Belakang
Tujuan
Metode yang digunakan
Rule based classification
Penelitian memanfaatkan data penjualan produk
kendaraan bermotor supermarket.
Proses pemecahan permasalahan
1. Proses transformasi data.
Data penjualan produk ditransformasikan menjadi data sequence (urutan) merek produk yang
dibeli oleh seorang konsumen.
2. Pembuatan rule based classifier
Klasifikasi loyalitas konsumen dibagi menjadi lima tingkatan yaitu Undevided Brand Loyalty,
Brand Loyalty with Occasional Switch, Brand Loyalty Switches, Devided Brand Loyalty, dan
Brand Indifference.
3. Pembentukan aturan klasifikasi (Rule Based Classifier)
Rule base disusun menggunakan pendekatan direct method. Pembentukan rule base diawali
dengan membuat pohon keputusan.
4. Rule set
Pohon keputusan tersebut dapat dibentuk rule set yang berguna untuk proses klasifikasi.
HASIL PENELITIAN
Penelitian menghasilkan aplikasi yang diimplementasikan menggunakan java. Aplikasi
diuji dengan data penjualan kendaraan bermotor berbagai merek di wilayah Daerah Istimewa
Yogyakarta untuk tahun 2000 hingga 2010 (data diperoleh dari DITLANTAS Polda DIY). Aplikasi
akan meminta input nama konsumen, kemudian akan melakukan pencarian merek-merek kendaraan
yang telah dibeli oleh konsumen tersebut dalam kurun waktu 10 tahun tersebut. Sejarah
Kesimpulan
1. Metode tersebut dapat dipakai untuk mengklasifikasikan
jenis pelanggan dalam kelompok yang setia (Undevided
Brand Loyalty), pembeli yang beralih (Switch Brand
Loyalty), dan pembeli yang tidak setia.
2. Jumlah pembeli setia suatu merek menggambarkan kekuatan
merek tersebut. Maka merek dengan jumlah pelanggan
SISTEM KLASIFIKASI PENYAKIT TENGGOROKAN
BERBASIS WEB MENGGUNAKAN METODE NAIVE
BAYES
Penulis : Beni Agustiawan
Program Studi Teknik Informatika, Fakultas Ilmu
Komputer
Universitas Dian Nuswantoro
ABSTRAK
Tujuan dari klasifikasi gejala-gejala penyakit tenggorokan disini adalah untuk
membahas satu masalah penyakit saja, agar fokus permasalahan penelitian tidak
meluas ke pembahasan penyakit yang lain. Jika tidak diklasifikasi data gejala
penyakit tenggorokan, maka akan menimbulkan permasalahan-permasalahan
yang lain selain penyakit tenggorokan. Dalam membahas gejala-gejala penyakit
tenggorokan peneliti menggunakan metode
Naïve Bayes
.
LATAR BELAKANG
Penyakit tenggorokan dibagi menjadi dua jenis penyakit yaitu penyakit tenggorokan akut dan penyakit tenggorokan kronis.
Penyakit tenggorokan akut memiliki ciri dengan gejala nyeri pada tenggorokan dan disertai demam dan batuk, penyakit
tenggorokan akut masih dalam skala baru. Sedangkan penyakit tenggorokan kronis mempunyai ciri disertai nyeri pada saat
menelan air atau makanan terasa ada sesuatu yang mengganjal tenggorokan, penyakit tenggorokan kronis berlangsung
dalam waktu yang lama. Untuk mengetahui gejala-gejala yang terjadi pada penyakit tenggorokan, maka diperlukan suatu
pengklasifikasi gejala penyakit tenggorokan.
RUMUSAN MASALAH
Rumusan masalah yang dapat diangkat dalam penelitian ini adalah Bagaimana menerapkan metode
Naïve Bayes
untuk mengklasifikasi gejala-gejala penyakit tenggorokan.
BATASAN MASALAH
Permasalahan penulis hanya dibatasan pada permasalahan yaitu hanya mengklasifikasikan
gejala-gejala penyakit tenggorokan saja.
TUJUAN
DATA YANG DIGUNAKAN
Bagian metode pengumpulan data berisi penjelasan mengenai sumber data yang didapatkan. Penjelasan
bagian ini meliputi sumber data, variabel, penjelasan variabel, jumlah data, dan sampel data. Pada
Penelitian ini Objek yang dipilih adalah Dinas Kesehatan Semarang. Dalam penelitian mengenai gejala
penyakit tenggorokan, data didapatkan dari Dinas Kesehatan Semarang serta survei yang dilakukan di
Dinas Kesehatan. Data yang didapatkan sebanyak 23
record
.
Jenis Penyakit :
1. Pilek
2.
Strep Throat
3.
Tonsilitis
Gejala Penyakit :
1. Hidung berlendir 1 2. Bersin 1
3. Batuk 1
4. Sakit kepala ringan 1 5. Nyeri tubuh ringan 1 6. Demam 1Demam 2
7. Sakit tenggorokan mendadak 2 8. Kehilangan nafsu makan 2 9. Nyeri sewaktu menelan 2
10. Amandel memerah dengan bitnik-bintik putih 2 11. Demam 2
12. Nafas bau 3 13. Demam 3
14. Suara berubah karena pembengkakan 3 15. Nyeri sewaktu menelan 3
16. Pembengkakan kelenjar limfa di leher 3 17. Susah jika menelan 3
18. Pembengkakan pada gelenjar getah bening di leher 4 19. Demam 4
20. Demam 2 21. Nafas bau 3 22. Demam 3
23. Suara berubah karena pembengkakan 3 24. Nyeri sewaktu menelan 3
25. Pembengkakan kelenjar limfa dileher 3 26. Susah jika menelan 3
27.Pembengkakan pada gelenjar getah bening di leher 4
28. Demam 4
Penyakit Tenggorokan dan Gejalanya :
HASIL DAN PEMBAHASAN
Perhitungan dengan menggunakan klasifikasi naive bayes classifier
dapat diterapkan pada pasien ke-1 mengalami gejala nomor 1, 4, 5, dan 6, Keterangan gejala :
1.Hidung berlendir 5.Nyeri tubuh ringan 4.Sakit kepala ringan 6.Demam
Langkah-langkah perhitungan naive bayes classifier sebagai berikut :
1. Menentukan nilai untuk setiap class Penyakit tenggorokan ke-1 : Pilek N = 1 P = 1/4 = 0.25 M = 19 1.nc = 0 4.nc = 0 5.nc = 0 6.nc = 0