Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)

EXPERT SYSTEM TO DETECT AIR CONDITIONING DAMAGE USING WEB BASED BACKWARD CHAINING METHOD Yitro Amazihono; Mhd Arief Hasan; Loneli Costaner
JURNAL FASILKOM Vol 12 No 1 (2022): Jurnal Fasilkom (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v12i1.2468

Abstract

Air Conditioner atau disingkat AC termasuk salah satu perangkat penyejuk udara yang paling banyak digunakan masyarakat sampai saat ini.Kemampuannya untuk mendinginkan ruangan telah menarik minat penggunanya untuk membantu mereka memperoleh kenyamanan dalam melakukan kegiatan sehari-hari, terutama pada saat cuaca sedang panas.Bentuknya yang sederhana menjadikannya dapat dipasang di mana saja sesuai kebutuhan pengguna.Toko Berkah Sentral Service AC menyediakan teknisi AC sejumlah 2 orang.Para teknisi harus melayani permasalahan kerusakan semua AC, dirata-ratakan untuk 1 teknisi bisa menyelesaikan service 5 AC. Jika teknisi menerima panggilan service secara bersamaan maka konsumen menunggu antrian sampai teknisi lainnya selesai. Masalah yang sering terjadi dan memakan waktu lama dalam penanganan Service AC yaitu Freon, Oleh karena itu, dibutuhkan sistem pakar yang dapat berperan sebagai asisten teknisi dalam menganalisa permasalahan AC. Salah satu metode penelusuran yang banyak digunakan dalam sistem pakar adalah Backward Chaining. Metode Backward Chaining digunakan bertujuan untuk menelusuri kendala yang ditampilkan dalam bentuk pertanyaan agar dapat mendiagnosa jenis kerusakan pada AC.
PERBANDINGAN METODE NAÏVE BAYES DAN K-NEAREST NEIGHBOR DALAM MENGKLASIFIKASI STATUS PERTUMBUHAN ANAK STUNTING (STUDI KASUS : POSYANDU CEMARA) Mhd Arief Hasan; Miftahul Jannah; Muhammad Al Fajar
JURNAL FASILKOM Vol 14 No 1 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i1.6821

Abstract

Klasifikasi merupakan metode untuk mengelompokkan teks sehingga teks dengan isi yang serupa akan dikelompokkan dalam jenis yang sama. Dalam konteks pertumbuhan anak stunting di Posyandu Cemara, metode data mining untuk klasifikasi menjadi relevan dalam mengidentifikasi kategori pertumbuhan anak sebagai normal atau tidak normal. Stunting, sebagai masalah gizi kronis, disebabkan oleh kurangnya asupan gizi dalam jangka waktu panjang, mengakibatkan gangguan pertumbuhan pada anak dan tinggi badan yang lebih rendah dibandingkan dengan anak-anak seusianya.Dalam penelitian ini, kami menggunakan metode klasifikasi Naïve Bayes dan K-Nearest Neighbor. Naïve Bayes menggunakan perhitungan probabilitas dan statistik, sementara K-Nearest Neighbor adalah metode klasifikasi yang menentukan kategori objek berdasarkan data pembelajaran dengan jarak paling dekat. Hasil eksperimen menunjukkan bahwa Naïve Bayes menghasilkan akurasi sebesar 71.25%, presisi sebesar 66%, dan recall sebesar 11%. Sementara itu, K-Nearest Neighbor memberikan akurasi sebesar 66.67%, presisi sebesar 82%, dan recall sebesar 75%.Temuan ini memberikan wawasan tentang performa dua metode klasifikasi dalam konteks klasifikasi pertumbuhan anak stunting. Diskusi selanjutnya melibatkan implikasi praktis dari hasil penelitian ini dan saran untuk pengembangan penelitian selanjutnya di bidang ini..