• Tidak ada hasil yang ditemukan

prosiding semmau 2015 - UBBG Institutional Repository

N/A
N/A
Nguyễn Gia Hào

Academic year: 2023

Membagikan "prosiding semmau 2015 - UBBG Institutional Repository"

Copied!
215
0
0

Teks penuh

Fungsi pengelolaan data pemeriksaan meliputi: a) Fungsi penambahan data pemeriksaan. Fungsi ini digunakan untuk menambah data reagen baru. Merupakan fungsi yang digunakan untuk melakukan pengecekan data reagen yang ada di gudang.

PENDAHULUAN

Dengan tersedianya website sebagai sumber database kota wisata yang dapat diakses melalui internet, maka informasi mengenai segala potensi kota wisata di Yogyakarta lengkap dengan fasilitas, keunikan dan keunggulannya dapat tersampaikan kepada calon wisatawan dengan cara yang mudah dan efisien. . Penelitian ini bertujuan untuk merancang dan membangun sistem informasi berbasis web untuk mendapatkan database desa wisata di wilayah DIY.

LANDASAN TEORI

Pemanfaatan TIK sebagai sarana promosi sangat penting, karena rata-rata calon wisatawan dari suatu desa wisata berasal dari luar daerah. Selain itu, pemerintah akan dapat memantau desa wisata yang aktif dan berpotensi untuk dikembangkan.

METODE PENELITIAN

Keberadaan kota wisata akan menjamin kelestarian lingkungan, budaya dan budaya yang dikelola, dimiliki dan untuk kepentingan masyarakat itu sendiri.

HASIL DAN PEMBAHASAN

Kategori data ini memuat informasi tentang potensi oleh-oleh atau kerajinan tangan yang ada di desa wisata. Kategori ini memuat informasi lain dari desa wisata yang berada di luar sepuluh kategori yang tercantum di atas.

Gambar 1. ERD Sistem informasi Desa Wisata
Gambar 1. ERD Sistem informasi Desa Wisata

KESIMPULAN

Makalah ini dipublikasikan di: Artificial Intelligence, Management Science and Electronic Business (AIMSEC), 2nd International Conference on. Proses seleksi beasiswa membutuhkan Sistem Pendukung Keputusan (SPK) untuk membantu memberikan solusi alternatif.

Pendahuluan

Penggunaan teknik data mining dengan algoritma k-nearest neighbor diharapkan dapat memberikan informasi yang bermanfaat tentang teknik klasifikasi bagi calon penerima hibah PPA dan BBM. Tujuan dari penelitian ini adalah mengimplementasikan algoritma k-nearest neighbor sebagai pendukung keputusan klasifikasi penerima beasiswa masa depan Membangun aplikasi sistem pendukung keputusan yang mampu mengklasifikasikan calon penerima beasiswa menggunakan algoritma k-nearest neighbor.

Kerangka Teori

  • Sistem Pendukung Keputusan
  • Proses Pengambilan Keputusan
  • Metode Klasifikasi
  • Algoritma K-Nearest Neighbor
  • Standarisasi Data
  • Beasiswa PPA dan BBM

Untuk mengukur akurasi algoritma k-nearest neighbor digunakan metode cross-validation yang melibatkan estimasi akurasi yang baik. Hasil penelitian ini menunjukkan bahwa hasil akurasi klasifikasi dan prediksi data direct marketing dengan algoritma k-nearest neighbor relatif tinggi (Govindrajan, 2010).

Metodologi Penelitian 1 Bahan dan Alat Penelitian

Prosedur Penelitian

Data yang digunakan dalam penelitian ini berupa data riwayat mahasiswa penerima beasiswa PPA dan BBM yang digunakan sebagai data latih untuk mengklasifikasikan calon mahasiswa penerima beasiswa PPA dan BBM. Data dari mahasiswa calon penerima beasiswa PPA dan BBM juga dijadikan sampel untuk menguji sistem yang akan dibangun dengan menggunakan analisis algoritma k-nearest neighbor.

Gambar 1. Data Penelitian  e. Pengumpulan Data
Gambar 1. Data Penelitian e. Pengumpulan Data

Analisa Keputusan

Berdasarkan kebutuhan informasi dan kebutuhan data yang ada pada analisis sebelumnya, langkah selanjutnya adalah merancang implementasi algoritma k-nearest neighbor dalam pengambilan keputusan klasifikasi penerima beasiswa PPA dan BBM dengan menggunakan beberapa tools untuk pemodelan proses. dan Perancangan Database Perancangan yang digunakan dalam penelitian ini adalah Unified Modelling Language (UML) dengan tahapan mengidentifikasi pelaku bisnis, membuat proses bisnis, use case model diagram, activity diagram, sequence diagram, class diagram dan Data Flow Diagram (DFD).

Desain Perancangan Form Aplikasi

Hasil Penelitian

Verifikasi Hasil Perhitungan Ms. Excel dan Sistem

Excel dan sistem/aplikasi yang dibuat menggunakan 360 data sampel dan diuji validitasnya dengan data ujian yang sama yaitu IPK = 3,03, semester = 3, piagam = tidak ada, penghasilan tanggungan orang tua = 2 orang dan tagihan listrik = 40 ribu . Sehingga didapatkan hasil yang sama dari perhitungan menggunakan ms.

Grafik Evaluasi

Kesimpulan

Kebijakan kenaikan harga BBM memberikan dampak yang sangat besar bagi masyarakat, baik konsumsi langsung maupun tidak langsung. Berdasarkan hasil analisis dan klasifikasi dokumen, sentimen masyarakat terhadap kenaikan harga BBM di detik.com dan kompas.com menunjukkan sentimen negatif.

KAJIAN LITERATUR

Analisis Sentimen

Hasil polarisasi opini terkait kenaikan BBM di Detik.com dapat dilihat pada Gambar 3. Visualisasi polarisasi opini terkait kenaikan BBM di Kompas.com dapat dilihat pada Gambar 5.

Gambar 1. Metodologi Penelitian
Gambar 1. Metodologi Penelitian

J. Lamabelawa 1 , Petrus Katemba 2

METODE PENELITIAN Pada bagian ini dijelaskan teor

  • Ekstraksi Fitur
    • Skewness
    • Smoothness
  • Ekstraksi Fitur dengan deteksi tepi
  • Prosedur Penelitian

Social network analysis (SNA) digunakan untuk memetakan pola jaringan yang terbentuk dari interaksi para pecinta drama Korea yang saling bertukar informasi. Pecinta drama korea bisa mendapatkan informasi tentang drama korea terbaru dari hasil pencarian di internet.

Gambar 2. Flowchart ekstraksi fitur dengan  histogram
Gambar 2. Flowchart ekstraksi fitur dengan histogram

Kajian Literatur

Beberapa peneliti telah menunjukkan bahwa ada hubungan antara faktor inovasi dan berbagi pengetahuan dalam suatu organisasi. Hasil penelitiannya menunjukkan bahwa kemampuan perusahaan untuk berbagi pengetahuan berpengaruh positif terhadap kemampuannya untuk berinovasi.

Metode Penelitian Perancangan riset

Ada beberapa jenis pengkodean, termasuk pengkodean terbuka, pengkodean aksial, dan pengkodean selektif. Kategori yang dihasilkan dalam pengkodean terbuka dan aksial terintegrasi secara sistematis untuk membentuk skema yang lebih besar, yang merupakan bentuk teori.

Hasil dan Pembahasan

Kesediaan karyawan UKM batik untuk secara sukarela membagikan ilmunya kepada orang lain tidak terlepas dari nilai-nilai budaya yang diyakininya. Wawancara dengan Pak W, manajer produksi UKM AD batik, memberikan contoh bagaimana budaya mempengaruhi orang untuk berbagi pengetahuan.

Ucapan Terima Kasih

Meskipun struktur dan operasinya tidak sebanding dengan organisasi yang sudah mapan, ada juga faktor yang mendorong berbagi pengetahuan dalam UKM batik. Budaya dan iklim organisasi mereka tidak menghalangi orang untuk berbagi pengetahuan mereka, baik di tempat kerja maupun umpan balik untuk dibawa pulang.

Acuan

Hasil penelitian ini menunjukkan bahwa fitur tekstur dengan matriks co-occurrence tingkat keabuan cocok digunakan sebagai ekstraktor untuk memperoleh informasi penting dari suatu citra. Dalam pengolahan citra digital terdapat beberapa cara untuk mengekstrak fitur yaitu fitur bentuk, fitur warna dan fitur tekstur [4]. Salah satu metode ekstraksi ciri tekstur adalah gray-level co-occurrence matrix (GLCM), yang diperkenalkan oleh Haralick dan juga dikenal sebagai fungsi statistik orde kedua [5].

Contoh penelitian yang menggunakan fitur tekstural adalah segmentasi tingkat nyeri betis [10], skrining mamografi untuk deteksi kanker payudara menghasilkan akurasi sebesar 81,1% [6].

LANDASAN TEORI 1. Jagung

  • Grey level co-occurence matrix (GLCM) GLCM atau gray level co-occurence matrix

METODE PENELITIAN 1. Bahan Penelitian

  • Prosedur Penelitian
  • Karakteristik Ciri Homogenitas pada Citra Benih Jagung Layak Tanam dan tidak
  • Karakteristik Ciri Kontras pada Citra Benih Jagung Layak Tanam dan Tidak
  • Karakteristik Ciri Korelasi pada Citra Benih Jagung Layak Tanam dan Tidak
  • Karakteristik Ciri Entropi pada Citra Benih Jagung Layak Tanam dan Tidak Layak

Ciri Homogenitas Gambar Benih Jagung Sesuai Tanam dan Benih Jagung Tidak Sesuai Tanam dan Tidak Sesuai Tanam. Sifat Benih Benih Jagung Cocok Ditanam dan Tidak Cocok Ditanam Biji jagung cocok ditanam dan tidak cocok ditanam. Sifat Korelasi Sifat Benih Jagung Sesuai Ditanam dan Benih Jagung Tidak Sesuai Ditanam dan Tidak Sesuai Ditanam.

Karakteristik entropi Karakteristik benih Citra jagung layak tanam dan jagung tidak layak tanam dan tidak layak tanam.

Gambar 4 dan gambar 5 akan menampilkan langkah  GLCM dan SVM.
Gambar 4 dan gambar 5 akan menampilkan langkah GLCM dan SVM.

PENDAHULUAN [Times New Roman, 10]

Pertumbuhan populasi penyakit pada babi akibat virus dan bakteri semakin meningkat, sehingga diperlukan kewaspadaan dan tindakan yang cepat dan tepat dalam mengatasi masalah ini. Penerapan sistem pakar sebagai bidang yang bercirikan sistem berbasis pengetahuan ke sistem berbantuan komputer dalam bentuk aplikasi interaktif untuk diagnosis dini penyakit babi dapat menawarkan solusi untuk masalah ini. Sistem pakar ini menggunakan feedback chaining dengan memodifikasi algoritma rule-based sistem yaitu perbandingan nilai probabilitas, dengan tujuan agar gejala yang berpotensi status gejala = TU (true) dapat dilakukan oleh mesin inferensi, sehingga kesimpulan yang diperoleh akan maksimal.

Setelah melalui proses ujian terhadap 13 data penyakit, perbandingan keputusan ujian sistem pakar yang dibangunkan semuanya serupa dengan ujian terus oleh pakar dengan purata peratusan 99.69%.

KAJIAN LITERATUR DAN PEGEMBANGAN HIPOTESIS

Arsitektur Sistem Pakar

Kaidah dan Tabel Keputusan

Runut Balik (Backward Chaining)

  • Mulai inferensi
  • Pengecekan kaidah
  • Query
  • Evaluasi kaidah

Jika tabel tujuan tidak kosong, maka cari aturan status aktif yang properti klausa kesimpulannya cocok dengan properti di bagian atas tabel tujuan. Mengambil salah satu data dari kumpulan data yang disediakan pengguna yang cocok dengan atribut di bagian atas tabel Sasaran. Jika ada, maka pindahkan properti yang ada di atas tabel target dan kemudian letakkan di tabel memori kerja beserta nilainya, yaitu data yang diambil.

Jika aturan tidak dalam keadaan aktif, maka pilih atribut dari klausa premis pertama yang berada dalam keadaan bebas dan tempatkan di bagian atas tabel Sasaran.

Metode Bayes

Tabel status aturan/premis, untuk menyimpan nomor aturan, status aturan terkait, pasangan atribut-nilai dari klausa premis aturan dalam basis pengetahuan, nomor klausa premis dalam aturan terkait, dan status dari klausa premis. Jika ada klausa premis dengan status salah (FA) dalam suatu aturan, maka berikan status penolakan terhadap aturan tersebut. Tetapi jika semua premis dalam aturan memiliki status true (TU), maka berikan aturan tersebut keadaan yang dipicu.

Ini akan berlanjut dengan mengeksekusi setiap gejala yang diproses di bagian atas tabel target di tabel memori kerja sebagai gudang semua nilai atribut yang dikeluarkan, sehingga kesimpulan yang diperoleh akan maksimal.

Penyakit Pada Ternak babi

Gejala pada ternak Babi

Tabel Auran/ Rule

Pemberian nilai probabilitas

Strategi penentuan goal awal Setiap gejala akan dihitung k

Hasil

  • KESIMPULAN A. Kesimpulan

Saran

  • METODE PENELITIAN
    • Penelitian Terdahulu
    • Algoritma Genetika
    • Struktur Umum algoritma Genetik
    • Prosedur Umum Algoritma Genetik
    • Langkah-Langkah Algoritma Genetik Langkah-langkah algoritma genetika adalah
  • Pengkodean (encoding) dan representasi Pada tahap ini dibuat pengkodean (encoding)
  • Evaluasi Fungsi Fitness
  • Seleksi (selection) Kromosom
  • Membuat polulasi baru
    • Sistem Perkuliahan Pada Fakultas Sains dan Teknologi
    • Prosedur Penelitian
  • Populasi dan Sampel
  • Langkah-langkah Penelitian
  • Kriteria Berhenti
  • HASIL DAN DISKUSI
  • KESIMPULAN
  • LANDASAN TEORI a. Algoritma
  • METODOLOGI
  • KAJIAN LITERATUR Sistem Pengambilan Keputusan
  • TAHAPAN PENGEMBANGAN SISTEM Decission Support System ini bertujuan untuk
  • HASIL DAN PENGUJIAN Perhitungan Fuzzy-AHP

Penelitian ini bertujuan untuk membandingkan algoritma Dijkstra dan best-first search untuk menemukan rute apotek terdekat yang dapat dijangkau dengan melihat bobot terkecil. Tujuan dari penelitian ini adalah membandingkan algoritma Dijkstra dan best first search untuk menentukan rute ke apotek terdekat di Kota Kupang. Pada langkah ini akan terbentuk knowledge base untuk algoritma Dijkstra dan algoritma best first search.

Penelitian ini dilakukan dengan membandingkan algoritma Dijkstra dan first search terbaik dalam menemukan jalan apotek terdekat.

Gambar 2.1 Sistem Penjadwalan dengan AG
Gambar 2.1 Sistem Penjadwalan dengan AG

Donna Setiawati 2

  • Media Pembelajaran
  • Penelitian Terdahulu
  • Perancangan Input dan Output
  • Menu Utama
  • Pilihan Doa
  • Pilihan Cetak Doa
  • Pengujian Media Pembelajaran
  • PENDAHULUAN 1 Latar Belakang
    • Rumusan Masalah
    • Batasan Masalah
    • Tujuan dan Manfaat Penelitian
  • METODE PENELITIAN 1 Studi Kepustakaan
    • Kuesioner
    • Metode Pengembangan Perangkat Lunak Metode pengembangan ini dilakukan dengan
    • Sequence Diagram
    • Kesimpulan
    • Saran
  • METODE DAN TAHAPAN PENELITIAN Perkembangan metode pembelajaran sangat
  • PEMBAHASAN
  • METODE DAN TAHAPAN PENELITIAN Dalam proses pelaksanaan akreditasi ini ada
  • KAJIAN LITERATUR 1. Landasan Teori
  • PENDAHULUAN a. Latar belakang
  • KAJIAN LITERATUR a. Tinjauan penelitian terdahulu
  • HASIL DAN PEMBAHASAN a. Pengguna dan alur dokumen
  • PENDAHULUAN A. Latar Belakang
  • Rumusan Masalah
  • Batasan Masalah
  • Tujuan
  • Manfaat Penelitian
    • Dasar Teori
  • Studi Pustaka Brankas Otomatis
  • Electronic Dazer
    • Keypad 3x4

Dari latar belakang permasalahan di atas, dapat disimpulkan bahwa rumusan masalah adalah sebagai berikut: “Bagaimana membangun ensiklopedia persebaran keanekaragaman hayati berbasis android”. Perancangan perangkat lunak dilakukan untuk merancang perangkat lunak yang akan dikembangkan sehingga dapat diperoleh gambaran detail dari sistem. Responden yang mengikuti pengujian perangkat lunak ini adalah pengguna aplikasi ensiklopedis distribusi keanekaragaman hayati berbasis Android [8].

Hasil dari penelitian ini adalah dibangunnya sistem informasi penjualan tanah berbasis web di Kota Kupang dengan menggunakan bahasa pemrograman PHP dan Dreamweaver sebagai editor. Web Wironda adalah perangkat lunak berupa website yang digunakan untuk menangani proses pengecekan jalur terpendek menuju lokasi wisata bahari di Kabupaten Rote Ndao. Penerapan yang akan dilakukan dalam penelitian ini menggunakan metode backward chain, sistem informasi pariwisata berbasis web yang dapat.

Gambar 1. Gambaran Umum Alur Sistem Media                        Pembelajaran
Gambar 1. Gambaran Umum Alur Sistem Media Pembelajaran

PROSIDING SEMMAU 2015

HIPO

Pada penelitian ini dibangun website Wironda untuk menentukan rute terpendek menuju objek wisata bahari di Kabupaten Rote Ndao, sebuah sistem informasi pariwisata berbasis web yang dapat diakses oleh wisatawan untuk menentukan rute wisata terpendek sehingga memudahkan wisatawan untuk merencanakan. Web Wironda dapat membantu Dinas Pariwisata Rote Ndao dalam upaya meningkatkan promosi wisata bahari di Kabupaten Rote Ndao dengan memanfaatkan informasi berbasis web. Website Wironda belum terkoneksi dengan google map, sehingga perlu dilakukan pengembangan informasi dan penentuan lokasi awal yang dapat ditentukan kemana saja menuju objek wisata yang ingin dituju.

2012, Merancang dan membangun aplikasi penentuan jalur terpendek menggunakan algoritma Floyd pada Lokasi Wisata Purbalingga juita ISSN Vol.

Heni 2

Gambar

Gambar 1. ERD Sistem informasi Desa Wisata
Gambar 2. Use case Sistem Informasi  Desa Wisata
Gambar 4. Purwarupa halaman beranda
Gambar 7. Purwarupa halaman pengelolaan data  berita dan kunjungan dari desa wisata
+7

Referensi

Dokumen terkait

Penelitian ini memanfaatkan teknik Data Mining dengan Algoritma K-Nearest Neighbor berbasis Particle Swarm Optimization dalam mengklasifikasi kelayakan penerimaan

Oleh karena itu dengan adanya sebuah prediksi kelulusan mahasiswa dengan teknik klasifikasi menggunakan algoritma k-nearest neighbor diharapkan agar mahasiswa dapat

Hal ini dibuktikan dengan beberapa penelitian sebelumnya, di antaranya penelitian yang telah dilakukan Hanes, dkk (2021) yaitu perbandingan algoritma C4.5, K-Nearest

Dari beberapa hasil penelitian sebelumnya (Prasetya, 2017) yang berjudul sistem rekomendasi E-Commerce dengan menggunakan metode algoritma K-Nearest Neighbor, pada

spesifik model algoritma K-Nearest Neighbor berbasis Forward Selection pada penyakit jantung yang akan diteliti dibanding teknik- teknik diagnosis lain yaitu Forward

Penelitian-penelitian dengan konsep klasifikasi yang menggunakan metode naïve bayes dan k-NN diantaranya: Perbandingan Metode Klasifikasi Naïve Bayes dan K-Nearest Neighbor pada

Dalam penelitian ini implementasi algoritma data mining menggunakan metode K-Nearest Neighbor, metode ini dapat digunakan untuk membantu prediksi penjualan kendaraan terlaris..

Alasan menggunakn algoritma tersebut, karena algoritma K-Means Clustering sangat banyak digunakan peneliti sebelumnya dalam menentukan maupun mengelompokkan sebuah data sperti