Articles
<![CDATA[PENERAPAN EQUAL-WIDTH INTERVAL DISCRETIZATION DALAM METODE NAIVE BAYES UNTUK MENINGKATKAN AKURASI PREDIKSI PEMILIHAN JURUSAN SISWA (STUDI KASUS: MAS PAB 2 HELVETIA,MEDAN) ]]>
<![CDATA[Saleh, Alfa]]>;
<![CDATA[Nasari, Fina]]>
<![CDATA[ Masyarakat Telematika Dan Informasi : Jurnal Penelitian Teknologi Informasi dan Komunikasi Vol 8, No 1 (2017): Masyarakat Telematika Dan Informasi : Jurnal Penelitian Teknologi Informasi dan ]]>
Publisher : <![CDATA[Kementerian Komunikasi dan Informatika R.I. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (446.212 KB)
|
DOI: 10.17933/mti.v8i1.98
<![CDATA[The student majors is very important thing in developing students' academic skills and talents, it is required by the students are expected to hone the academic ability according to the field that is mastered and this is done so that each student can learn more in the Subjects that match the concentration that has been determined for each - students based on some predefined criteria. In this research has been tested by the method of Naive Bayes which aims to classify the students department based on the criteria that support. Where it is currently conducted with a case study on Madrasah Aliyah PAB 6 Helvetia students and obtained results from 100 student data with 90% accuracy rate. However, in order to improve the accuracy of the results of calcification, the researcher, the method used by using Unsupervised Discretization techniques that will transform numerical / continuous criteria into a categorical criterion. The result of the discretization on 100 data have been tested, it is proved that the results of the techniques used Discontented Disputes on the method of Naive Bayes rose from 90% to 93%. Jurusan siswa merupakan hal yang sangat penting dalam mengembangkan keterampilan dan bakat akademik siswa, hal ini dianggap perlu sebab siswa diharapkan mampu mengasah kemampuan akademis sesuai bidang yang dikuasai dan hal ini dilakukan agar setiap siswa dapat belajar lebih dalam pada mata pelajaran yang sesuai dengan konsentrasi yang telah ditentukan untuk masing-masing siswa berdasar beberapa kriteria yang telah ditetapkan. Pada penelitian ini telah dilakukan pengujian dengan metode Naive Bayes yang bertujuan untuk mengkasifikasikan jurusan siswa bedasarkan kriteria yang menunjang. pada penelitian ini dilakukan dengan studi kasus pada siswa Madrasah Aliyah Swasta PAB 6 Helvetia dan didapatkan hasil pengujian dari 100 data siswa dengan tingkat keakuratan 90%. Namun, untuk meningkatkan akurasi hasil kalsifikasi penentuan jurusan siswa ini, peneliti mengembangkan metode yang digunakan sebelumnya dengan menerapkan teknik Unsupervised Discretization yang akan mentransformasikan kriteria numerik/kontinyu menjadi kriteria kategorikal. Hasil dari diskritasi pada 100 data siswa yang diuji, terbukti bahwa hasil klasifikasi penerapan teknik Unsupervised Discretization pada metode Naive Bayes naik dari 90% menjadi 93%.]]>
<![CDATA[PENERAPAN EQUAL-WIDTH INTERVAL DISCRETIZATION DALAM METODE NAIVE BAYES UNTUK MENINGKATKAN AKURASI PREDIKSI PEMILIHAN JURUSAN SISWA ]]>
<![CDATA[Saleh, Alfa]]>;
<![CDATA[Nasari, Fina]]>
<![CDATA[ Masyarakat Telematika Dan Informasi : Jurnal Penelitian Teknologi Informasi dan Komunikasi Vol 9, No 1 (2018): Masyarakat Telematika Dan Informasi : Jurnal Penelitian Teknologi Informasi dan ]]>
Publisher : <![CDATA[Kementerian Komunikasi dan Informatika R.I. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (506.908 KB)
|
DOI: 10.17933/mti.v9i1.113
<![CDATA[AbstractThe student majors is very important thing in developing students' academic skills and talents, it is required by the students are expected to hone the academic ability according to the field that is mastered and this is done so that each student can learn more in the Subjects that match the concentration that has been determined for each - students based on some predefined criteria. In this research has been tested by the method of Naive Bayes which aims to classify the students department based on the criteria that support. Where it is currently conducted with a case study on Madrasah Aliyah PAB 6 Helvetia students and obtained results from 100 student data with 90% accuracy rate. However, in order to improve the accuracy of the results of calcification, the researcher, the method used by using Unsupervised Discretization techniques that will transform numerical / continuous criteria into a categorical criterion. The result of the discretization on 100 data have been tested, it is proved that the results of the techniques used Discontented Disputes on the method of Naive Bayes rose from 90% to 93%. AbstrakJurusan siswa merupakan hal yang sangat penting dalam mengembangkan keterampilan dan bakat akademik siswa, hal ini dianggap perlu sebab siswa diharapkan mampu mengasah kemampuan akademis sesuai bidang yang dikuasai dan hal ini dilakukan agar setiap siswa dapat belajar lebih dalam pada mata pelajaran yang sesuai dengan konsentrasi yang telah ditentukan untuk masing-masing siswa berdasar beberapa kriteria yang telah ditetapkan. Pada penelitian ini telah dilakukan pengujian dengan metode Naive Bayes yang bertujuan untuk mengkasifikasikan jurusan siswa bedasarkan kriteria yang menunjang. pada penelitian ini dilakukan dengan studi kasus pada siswa Madrasah Aliyah Swasta PAB 6 Helvetia dan didapatkan hasil pengujian dari 100 data siswa dengan tingkat keakuratan 90%. Namun, untuk meningkatkan akurasi hasil kalsifikasi penentuan jurusan siswa ini, peneliti mengembangkan metode yang digunakan sebelumnya dengan menerapkan teknik Unsupervised Discretization yang akan mentransformasikan kriteria numerik/kontinyu menjadi kriteria kategorikal. Hasil dari diskritasi pada 100 data siswa yang diuji, terbukti bahwa hasil klasifikasi penerapan teknik Unsupervised Discretization pada metode Naive Bayes naik dari 90% menjadi 93%.]]>
<![CDATA[RANCANG BANGUN ALAT PEMBERSIH LANTAI BERBASIS MIKROKONTROLER ATMEGA 8535 DENGAN NAVIGASI ANDROID ]]>
<![CDATA[Putra, Tengku Indra]]>;
<![CDATA[Kurniawan, Helmi]]>;
<![CDATA[Nasari, Fina]]>
<![CDATA[ IT (INFORMATIC TECHNIQUE) JOURNAL Vol 7, No 2 (2019): IT JOURNAL OKTOBER 2019 ]]>
Publisher : <![CDATA[Universitas Potensi Utama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22303/it.7.2.2019.37-50
<![CDATA[Kegiatan membersihkan lantai seringkali terabaikan disebabkan aktifitas yang sangat padat. Kemajuan teknologi berkembang pesat, telah banyak diciptakan suatu teknologi baru yang dapat membantu pekerjaan manusia. Salah satu bentuk dari berkembangnya teknologi tersebut adalah robot. Secara umum robot didefenisikan sebagai sebuah piranti mekanik yang mampu melakukan pekerjaan manusia atau berprilaku seperti manusia. Ada beberapa jenis robot pada saat ini seperti robot beroda, robot berkaki dan robot humanoid, robot tersebut dikendalikan secara manual dan otomatis. Robot manual adalah robot yang pengoperasiaannya masih dikendalikan oleh manusia seperti robot dengan remote control penggunaan smartphone android dan menggabungkannya dengan teknologi mikrokontroler. Melalui komunikasi bluetooth, smartphone android dapat berkomunikasi dengan mikrokontroler dalam bentuk pengendalian robot yang dapat membantu meringankan dalam kegiatan membersihkan lantai yang sering kali terabaikan di karenakan kelelahan bekerja.]]>
<![CDATA[PENERAPAN METODE CASE BASED REASONING UNTUK MENDIAGNOSA PENYAKIT PADA BURUNG LOVERBIRD ]]>
<![CDATA[Vivi Elvina Simanjutak]]>;
<![CDATA[Labuan Nababan]]>;
<![CDATA[Fina Nasari]]>
<![CDATA[ Proceeding Seminar Nasional Sistem Informasi dan Teknologi Informasi 2018: Proceeding Seminar Nasional Sistem Informasi dan Teknologi Informasi (SENSITEK) ]]>
Publisher : <![CDATA[STMIK Pontianak ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/pss.v1i1.251
<![CDATA[The Expert System is one part of Artificial Intelligence that contains the knowledge and experience inserted by many experts into a particular area of knowledge, so that everyone can use it to solve specific problems, in this case the diagnosis of the disease in lovebird birds. Bird lovebird is one type of grain-eating birds. The colors, sounds and funny behavior make lovebird birds one of the options as a pet. But lovebirds are also susceptible to disease. By utilizing the Case Based Reasoning method, an application can be generated to diagnose lovebird bird disease. With the hope that this system can be used as a means or as a knowledge in maintaining the health of lovebird birds and help you to get optimal results in maintaining the growth of each lovebird bird. The Case Based Reasoning Method (CBR) is used in the Lovebird Bird Disease Diagnostic application using Nearest Neighbor Calculations, where new case data will be compared against the old case data in the database, and then calculated the similarity criteria based on the formula or the applicable terms.Kata kunci: Sistem Pakar, Lovebird Bird, Diagnosis, Case Based Reasoning.]]>
<![CDATA[Penggunaan Teknik Unsupervised Discretization pada Metode Naive Bayes dalam Menentukan Jurusan Siswa Madrasah Aliyah ]]>
<![CDATA[Alfa Saleh]]>;
<![CDATA[Fina Nasari]]>
<![CDATA[ Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 3: Juni 2018 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer, Universitas Brawijaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (238.548 KB)
|
DOI: 10.25126/jtiik.201853705
<![CDATA[Pemilihan jurusan bagi siswa merupakan langkah positif yang dilakukan untuk memfokuskan siswa sesuai dengan potensi yang dimiliki, hal ini dianggap penting karena dengan adanya jurusan, siswa diharapkan mampu mengembangkan kemampuan akademis sesuai bidang yang dikuasai. Pada penelitian sebelumnya, telah dilakukan pengujian dengan metode Naive Bayes yang bertujuan untuk mengkasifikasikan jurusan siswa bedasarkan kriteria yang menunjang dengan studi kasus pada siswa Madrasah Aliyah Swasta PAB 6 Helvetia, dan didapatkan hasil pengujian dari 100 data siswa dengan tingkat keakuratan 90%. pada penelitian ini, dilakukan optimalisasi metode yang digunakan sebelumnya dengan menerapkan teknik Unsupervised Discretization yang akan mentransformasikan kriteria numerik/kontinyu menjadi kriteria kategorikal dan mengeliminasi satu kriteria yang dianggap tidak mempengaruhi keakuratan hasil pengujian, dengan begitu keakurasian hasil klasifikasi dapat meningkat. Dari 120 data siswa yang diuji, terbukti bahwa hasil klasifikasi penerapan teknik unsupervised discretization pada metode naive bayes naik dari 90% menjadi 92.8%. AbstractSelection of majors for students is a positive step that is done to focus students in accordance with their potential, it is considered important because with the majors, students are expected to develop academic ability according to the controlled field. In previous research, Naive Bayes method has been tested to classify the students department based on the supportive criterias (case study on Madrasah Aliyah PAB 6 Helvetia), and the test result of 100 students data, the classification accuracy is about 90% . in this study, optimizaton is done with a method used earlier by applying Unsupervised Discretization techniques that would transform numerical / continuous criteria into categorical criteria and eliminating one criterion that is considered not affect the accuracy of test results. thus the accuracy of classification results could increase. 120 students data is tested, it is evident that the results of the classification of the application of unsupervised discretization techniques on the Naive Bayes method rose from 90% to 92.8%.]]>
<![CDATA[Implementation Equal-Width Interval Discretization in Naive Bayes Method for Increasing Accuracy of Students' Majors Prediction ]]>
<![CDATA[Alfa Saleh]]>;
<![CDATA[Fina Nasari]]>
<![CDATA[ Lontar Komputer : Jurnal Ilmiah Teknologi Informasi Vol. 9, No. 2 August 2018 ]]>
Publisher : <![CDATA[Institute for Research and Community Services, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (406.221 KB)
|
DOI: 10.24843/LKJITI.2018.v09.i02.p05
<![CDATA[The Selection of majors for students is a positive step that is done to focus students in accordance with their potential, it is considered important because with the majors, students are expected to develop academic ability according to the field of interest. In previous research, Naive Bayes method has been tested to classify the student’s department based on the criteria that support the case study on Private Madrasah Aliyah PAB 6 Helvetia students and the accuracy of the test from 100 student data is 90%. in this study, the researcher developed a previously used method by applying an equal-width interval discretization that would transform numerical or continuous criteria into a categorical criteria with a predetermined k value, different k values ??would be tested to find the best accuracy value. from the 120-student data that have been tested, it is proved that the result of the classification of the application of equal-width interval discretization on the Naive Bayes method with the value of k = 8 is better and increased the accuracy value 91.7% to 93.3%.]]>
<![CDATA[Algoritma K-Means Untuk Mengelompokkan Suplier Obat (Studi Kasus: RS. Prima Husada Cipta Medan) ]]>
<![CDATA[Fahdin Zikri]]>;
<![CDATA[Fina Nasari]]>
<![CDATA[ INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 5, No 1: InfoSys Agustus 2020 ]]>
Publisher : <![CDATA[Universitas Potensi Utama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22303/infosys.5.1.2020.01-11
<![CDATA[Obat merupakan zat yang berasal dari tumbuhan, hewan, mineral maupun zat kimia tertentu yang dapat digunakan untuk mengurangi rasa sakit, memperlambat proses penyakit dan atau menyembuhkan penyakit. Obat-obat yang diterima oleh RS. Prima Husada Cipta Medan merupakan obat yang telah dikirimkan oleh suplier-suplier nya. Dengan banyaknya data tersebut, maka bagian Farmasi RS. Prima Husada Cipta Medan mengalami kesulitan untuk menentukan tingkat pengiriman terhadap masing-masing supplier. Dari permasalahan yang ada, maka penulis ingin menerapkan data mining dengan algoritma K-Means (Clustering) menggunakan aplikasi RapidMiner untuk mengelompokkan data supplier, yang awalnya tidak tersusun/terstruktur bisa menjadi data yang terstruktur, selain itu penggalian informasi pada sebuah data yang berukuran sangat besar (memiliki jumlah field dan jumlah record yang banyak) tidak dapat dilakukan dengan mudah, maka daripada itu teknologi data mining adalah salah satu alat bantu untuk penggalian data berukuran besar dengan tingkat kerumitan yang cukup mudah. Pengolahan data mining yang dilakukan pada penelitian ini menggunakan tahapan Knowledge Discovery in Database (KDD), agar dapat menghasilkan informasi sesuai dengan tahapan yang telah ditentukan. Penelitian ini juga menggunakan tools RapidMiner agar dapat dilakukannya pengujian dengan perhitungan manual dan dengan menggunakan tools RapidMiner. Hasil akhir dari penelitian ini berbentuk informasi mengenai tingkat pengiriman dari para supplier yang terbagi menjadi 3 kelompok pengiriman yaitu tinggi, sedang, dan rendah.]]>
<![CDATA[Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Penyebaran Diare Di Kabupaten Langkat ]]>
<![CDATA[Fina Nasari]]>;
<![CDATA[Charles Jhony Manto Sianturi]]>
<![CDATA[ CogITo Smart Journal Vol 2, No 2 (2016): CogITo Smart Journal ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer, Universitas Klabat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (826.004 KB)
|
DOI: 10.31154/cogito.v2i2.19.108-119
<![CDATA[Diare merupakan penyakit yang bertanggung jawab untuk sekitar seperempat dari 130.000 kematian tahunan diantara anak balita, terutama pada musim pancaroba seperti yang terjadi dihampir seluruh kawasan Indonesia tidak terlebih di kabupaten langkat sumatera utara. Untuk melihat kawasan penyebarannya perlu dibuat sebuah pengelompokan kawasan penyebaran diare, agar diperoleh daerah penyebaran diare dan pusat penyebarannya. Algoritma K-Means Clustering merupakan salah satu algoritma yang mengelompokkan data yang sama pada kelompok tertentu dan data yang berbeda pada kelompok yang lain. Hasil dari pengelompokkan daerah penyebaran diperoleh Kecamatan Batang Serangan, Brandan Barat dan Permata Jaya sebagai pusat penyebaran diare pada Cluster pertama dan Kecamatan Hinai dan Sei Bingai menjadi pusat cluster kedua.Kata Kunci: Diare, Data Mining, K-Means Clustering]]>
<![CDATA[RANCANG BANGUN ALAT PEMBERSIH LANTAI BERBASIS MIKROKONTROLER ATMEGA 8535 DENGAN NAVIGASI ANDROID ]]>
<![CDATA[Tengku Indra Putra]]>;
<![CDATA[Helmi Kurniawan]]>;
<![CDATA[Fina Nasari]]>
<![CDATA[ IT (INFORMATIC TECHNIQUE) JOURNAL Vol 7, No 1 (2019): IT JOURNAL APRIL 2019 ]]>
Publisher : <![CDATA[Universitas Potensi Utama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22303/it.7.1.2019.36-50
<![CDATA[Kegiatan membersihkan lantai seringkali terabaikan disebabkan aktifitas yang sangat padat. Kemajuan teknologi berkembang pesat, telah banyak diciptakan suatu teknologi baru yang dapat membantu pekerjaan manusia. Salah satu bentuk dari berkembangnya teknologi tersebut adalah robot. Secara umum robot didefenisikan sebagai sebuah piranti mekanik yang mampu melakukan pekerjaan manusia atau berprilaku seperti manusia. Ada beberapa jenis robot pada saat ini seperti robot beroda, robot berkaki dan robot humanoid, robot tersebut dikendalikan secara manual dan otomatis. Robot manual adalah robot yang pengoperasiaannya masih dikendalikan oleh manusia seperti robot dengan remote control penggunaan smartphone android dan menggabungkannya dengan teknologi mikrokontroler. Melalui komunikasi bluetooth, smartphone android dapat berkomunikasi dengan mikrokontroler dalam bentuk pengendalian robot yang dapat membantu meringankan dalam kegiatan membersihkan lantai yang sering kali terabaikan di karenakan kelelahan bekerja.]]>
<![CDATA[Regresi Linear Dalam Mengestimasi Jumlah Pemakaian Bahan Baku Dan Tenaga Pekerja Dalam Pembangunan Rumah Tinggal Pada PT. Segar Jaya Nurindo ]]>
<![CDATA[Nurhayati Nurhayati]]>;
<![CDATA[Fina Nasari]]>;
<![CDATA[Ria Eka Sari]]>
<![CDATA[ IT (INFORMATIC TECHNIQUE) JOURNAL Vol 6, No 1 (2018): IT JOURNAL APRIL 2018 ]]>
Publisher : <![CDATA[Universitas Potensi Utama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22303/it.6.1.2018.67-78
<![CDATA[Membangun sebuah rumah tinggal dibutuhkan bahan baku dan tenaga kerja agar terciptanya rumah tinggal tersebut. Dalam pembangunan rumah tinggal sering terjadi keterlambatan dalam proses pembangunan sehingga tidak selesai sesuai waktu yang telah ditentukan. Hal ini diakibatkan ketidaksesuaian persediaan bahan baku dan tenaga pekerja dengan jumlah rumah tinggal yang akan dibangun, akibatnya proses pembangunan rumah tinggal menjadi tertunda tidak selesai sesuai waktu yang telah ditentukan sehingga ada pihak yang dirugikan. Dalam proses pembangunan owner ataupun perusahaan tidak dapat menentukan jumlah pemakaian bahan baku dan tenaga pekerja pada pembangunan rumah tinggal itu sendiri. Untuk membangun rumah tinggal agar siap dengan waktu yang telah ditentukan maka diperlukan persediaan bahan baku dan tenaga pekerja yang sesuai dengan jumlah rumah tinggal yang akan dibangun. Regresi linear dalam mengestimasi pemakaian bahan baku dan tenaga pekerja dalam pembangunan rumah tinggal untuk membantu memperkirakan pemakaian bahan baku dan tenaga pekerja dalam pembangunan rumah tinggal yang sesuai dengan jumlah rumah tinggal yang akan dibangun, sehingga pembangunan rumah tinggal selesai sesuai waktu yang telah ditentukan. Hasil dari mengestimasi akan dijadikan persediaan utama dalam pembangunan rumah tinggal.]]>
