Articles
758 Documents
<![CDATA[Klasifikasi Dokumen Tugas Akhir Berbasis Text Mining menggunakan Metode Naïve Bayes Classifier dan K-Nearest Neighbor ]]>
<![CDATA[Hamdani Asril]]>;
<![CDATA[Mustakim Mustakim]]>;
<![CDATA[Insanul Kamila]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (335.676 KB)
<![CDATA[Tugas akhir merupakan salah satu syarat yang harus dipenuhi oleh mahasiswa untuk menyelesaikan pendidikan di perguruan tinggi. Dalam proses pengerjaan tugas akhir, mahasiswa membutuhkan dosen pembimbing sebagai tempat untuk berkonsultasi yang sesuai dengan kategori/bidang ilmu topik tugas akhir yang diajukan mahasiswa dalam proposal tugas akhir. Pada Program Studi Sistem Informasi UIN SUSKA Riau penentuan dosen pembimbing ditentukan berdasarkan keputusan dari Ketua Program Studi sehingga membutuhkan waktu yang cukup lama dalam penentuannya. Tujuan penelitian ini adalah untuk membangun sistem rekomendasi dosen pembimbing menggunakan metode klasifikasi, Naïve Bayes Clasifier dan K-Nearest Neighbor (KNN). Dari percobaan 3 kelas dan 16 kelas diperoleh akurasi terbaik pada percobaan 3 kelas dengan nilai 86,11% untuk Naive Bayes Classifier (NBC) dan 91,67% untuk K-Nearest Neighbor (KNN). Pada pembangunan sistem digunakan metode KNN untuk proses klasifikasinya dengan menggunakan Bahasa pemograman Python.]]>
<![CDATA[Penerapan Algoritma K-Medoids untuk Klasterisasi Penyakit di Pekanbaru Riau ]]>
<![CDATA[Tri Juninda]]>;
<![CDATA[Mustakim Mustakim]]>;
<![CDATA[Elvia Andri]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (187.159 KB)
<![CDATA[Penyakit merupakan suatu kondisi yang membuat sesorang mengalami penurunan fungsi tubuh dan membuat produktifitas aktivitas menurun. Berdasarkan Riset Kesehatan Dasar tahun 2013 mencatat terdapat beberapa penyakit dengan prevalensi tertinggi di Indonesia yaitu hipertensi, penyakit sendi, dan hepatitis B. Klasterisasi penyakit menggunakan algoritma K-Medoids menghasilkan kelompok terbaik dengan penyakit dominan dalam cluster tersebut. Berdasarkan penelitian yang dilakukan terhadap data penyakit yang sering diderita di Pekanbaru Riau didapatkan hasil 4 cluster sebagai pengklasterisasian terbaik dengan nilai Devies Bouildien Indeks sebesar 0,43 . Pada cluster 1 didapatkan 420 record dengan penyakit dominan adalah Maag sebesar 44,39%, cluster 2 didapatkan 349 record dengan penyakit dominan adalah Diare dan Sakit Perut sebesar 16,98%, pada cluster 3 didapatkan 794 record dengan penyakit dominan adalah Batuk dan Pilek sebesar 65,21% dan pada cluster 4 didapatkan 1248 record dengan penyakit dominan adalah Batuk dan Pilek sebesar 54,10%. Hasil dari penelitian ini menunjukan bahawa algoritma K-Medoids mampu melakukan klasterisasi terhadap penyakit di Pekanbaru Riau.]]>
<![CDATA[Penerapan Algoritma Canny Dan LVQ 3 Untuk Klasifikasi Jenis Tanaman Mangga ]]>
<![CDATA[Elvia Budianita]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1389.558 KB)
<![CDATA[Tanaman Mangga merupakan jenis tanaman buah dengan nama ilmiah Mangifera Indica yang termasuk dalam marga Mangifera, mangga terdiri dari 35-40 anggota dan termasuk dalam suku Anacardiaceae. Identifikasi morfologi daun hasil persilangan antar jenis (intraspesifik) maupun antar sifat baru yang berbeda dari kedua tetuanya akan lebih memperkaya keragaman genetik tanaman mangga, sehingga sulit membedakan antar spesies mangga karena setiap jenis memiliki kemiripan satu dengan lainnya. Oleh karena itu, untuk dapat membedakan jenis tanaman mangga lokal dan mangga setelah dilakukan persilangan dibutuhkan suatu sistem informasi. Pengambilan data dilakukan melalui 2 tahapan yaitu menggunakan scanner dan kamera hp. Metode yang digunakan untuk proses deteksi tepi dan ekstraksi ciri adalah algoritma canny dan Gray Level Co-occurence (GLCM). Proses klasifikasi menggunakan metode Learning Vector Quantization 3. Berdasarkan 2 bentuk citra dilakukan 3 kali pengujian , yaitu pengujian Learning Rate, window dan pembagian data. Berdasarkan hasil pengujian, didapatkan hasil akurasi tertinggi pada citra menggunakan kamera hp daun tampak depan yaitu 57 % pada pembagian data latih 70% dan data uji 30%. Kata kunci: Mangga, LVQ 3, GLCM, Learning Rate, Window]]>
<![CDATA[Penerapan Metode SMARTER untuk Penentuan Hasil Open Recruitment Anggota Puzzle Research Data Technology (Predatech) ]]>
<![CDATA[Siti Syahidatul Helma]]>;
<![CDATA[Insanul Kamila]]>;
<![CDATA[Mustakim Mustakim]]>;
<![CDATA[Putri Anglenia]]>;
<![CDATA[Ulya Ramadhani Z]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (946.805 KB)
<![CDATA[Dalam setiap aktivitas organisasi, manusia berperan aktif dan memiliki dampak yang dominan, karena manusia menjadi perencana, pelaku, sekaligus penentu terwujudnya tujuan organisasi. Salah satu hal terpenting dalam pengelolaan dan perkembangan SDM dalam suatu organisasi adalah sistem dalam proses penyeleksian penerimaan atau open recruitment (rekrutmen) calon anggota organisasi. Organisasi Puzzle Research Data Technology (Predatech) setiap tahunnya melakukan penerimaan anggota baru untuk regenerasi. Proses perekrutan dalam agenda open recruitment anggota Predatech melakukan pengolahan yang dianggap monoton karena hanya menggunakan nilai rata-rata sehingga hasil nilai seleksi memiliki perbedaan secara signifikan. Salah satu metode yang dapat membantu dalam proses rekrutmen calon anggota baru yaitu metode Simple Multi-Attribute Rating Technique Exploiting Ranks (SMARTER), yang dapat merankingkan calon anggota berdasarkan pembobotan ROC antara range 0-1 tiap kriterianya. Penelitian menggunakan metode SMARTER ini dapat menghasilkan nilai akhir seleksi calon anggota menjadi lebih optimal dan efektif dengan perankingan alternatif tertinggi bernilai 0,363 sedangkan nilai terendah bernilai 0,169.]]>
<![CDATA[Kendali Optimal Model Persediaan Tanpa Kekurangan Barang Dengan Penurunan Mutu ]]>
<![CDATA[Suci Rahmadayanti]]>;
<![CDATA[Nilwan Andiraja]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (587.675 KB)
<![CDATA[Pada artikel ini dibahas tentang bagaimana menentukan tingkat persediaan dan tingkat produksi pada persamaan diferensial dinamik tingkat persediaan dan fungsi tujuan untuk model persediaan tanpa kekurangan barang yang mengalami penurunan mutu. persamaan diferensial dinamik tingkat persediaan dipengaruhi oleh tingkat produksi, tingkat permintaan dan tingkat kerusakan suatu barang. Sementara fungsi tujuan di pengaruhi oleh biaya penyimpanan dan biaya produksi. Berdasarkan persamaan diferensial dinamik dan fungsi tujuan serta syarat optimal yang diberikan diperoleh persamaan tingkat persediaan dan tingkat produksi yang optimal. Berdasarkan pembahasan dan simulasi yang telah diberikan diperoleh bahwa tingkat persediaan tidak akan terjadi kekurangan barang walaupun terdapat permintaan dan penurunan mutu barang.]]>
<![CDATA[KLASIFIKASI KELUARGA MISKIN MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERBASIS EUCLIDEAN DISTANCE ]]>
<![CDATA[fitra kurnia]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (801.395 KB)
<![CDATA[Kemiskinan merupakan salah satu tantangan terbesar yang akan terus dihadapi semua bangsa termasuk Indonesia. Sesuai amanat konstitusi yang tertuang dalam pasal 34 Undang Undang Dasar 1945 maka pemerintah terus berupaya melindungi dan memberdayakan masyarakat miskin melalui berbagai program strategis. Salah satu problem utama yang sering menghambat suksesnya program pemerintah tersebut adalah ketersediaan data sasaran masyarakat miskin yang sesuai. Hal ini menyebabkan program pemerintah tidak berjalan secara maksimal karena perlu verifikasi dan validasi ulang. Penelitian ini bertujuan untuk merancang aplikasi yang dapat melakukan klasifikasi keluarga miskin menggunakan Algoritma K-NN dengan empat indikator utamanya adalah Nomor Kartu Keluarga, jumlah anggota keluarga, jenis pekerjaan dan penghasilan bulanan. Klasifikasi ini menyediakan data keluarga miskin yang sesuai untuk menerima berbagai bantuan program pemerintah, misalnya Program Keluarga Harapan dari Kementrian Sosial. Prinsip kerja K-Nearest Neighbor (K-NN) adalah mencari jarak terdekat antara data yang akan dievaluasi dengan K-Nearest Neighbor(K-NN) terdekatnya dalam data pelatihan. Euclidean distance digunakan sebagai referensi mencari jarak terdekat. Tingkat akurasi tertinggi menggunakan 100 contoh data penelitian dengan perbandingan 90:10, dengan nilai K=5, K=7 dan K=9 adalah sebesar 90%. Kata kunci: Akurasi, Data Mining, Euclidean distance, Klasifikasi, K-Nearest Neighbor]]>
<![CDATA[KESTABILAN MODEL MATEMATIKA PENULARAN VIRUS HEPATITIS B (VHB) DI BAWAH PENGARUH VAKSINASI DAN PENGOBATAN DENGAN ADANYA MIGRASI ]]>
<![CDATA[Mohammad Soleh]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (482.181 KB)
<![CDATA[Jurnal ini membahas tentang model matematika penyebaran virus hepatitis B menggunakan model SEICR pada populasi terbuka. Langkah untuk menganalisa model dengan mendapatkan titik kesetimbangan bebas penyakit dan titik kesetimbangan endemic penyakit kemudian menganalisa kestabilan kedua titik kesetimbangan.Simulasi diberikan berdasarka nnilai-nilai parameter yang terkaitdalam model yang menggambarkan kondisi pada setiap kelas subpopulasi. Berdasarkan penelitian diperoleh bahwa titik kesetimbangan bebas penyakit dan titik kesetimbangan endemic penyakit stabil asimtotik jika memenuhi syarat tertentu. Kata Kunci: Routh-Hurwitz, SEICR, stabil asimtotik, titik kesetimbangan.]]>
<![CDATA[Penggunaan Hukum De Moivre untuk menghitung premi tahunan asuransi Jiwa Seumur Hidup ]]>
<![CDATA[Aprijon aprijon]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (652.22 KB)
<![CDATA[Kehidupan manusia akan selalu dikelilingi oleh berbagai hal yang mungkin saja dapat mengancam keamanan dan keselamatan atau mungkin juga dapat menyebabkan kerugian finansial. Mengatasi kerugian-kerugian tersebut ialah dengan mengalihkan kerugian-kerugian finansial tersebut kepada pihak yang lain yang kemudian memunculkan adanya asuransi. Perusahaan asuransi membebankan sejumlah premi yang harus dibayar tertanggung. Menentukan besarnya premi tahunan yang dibayar digunakan beberapa asumsi diantaranya dengan menggunakan hukum De Moivre. Hukum De Moivre merupakan hukum mortalita yang menentukan percepatan mortalita yang diperoleh dari distribusi seragam. Besarnya premi tahunan asuransi jiwa seumur hidup bergantung pada umur peserta asuransi tersebut, tingkat bunga dan besarnya uang pertanggungan. Semakin tinggi umur peserta ketika memulai asuransi, maka akan semakin besar premi yang harus dibayarkan. Semakin tinggi perkiraan usia maksimal, maka akan semakin rendah premitahunan yang harus dibayarkan.Berdasarkan penerapannya pada data yang diperoleh besarnya premi tahunan peserta asuransi jiwa seumur hidup dengan hukum De Moivre lebih kecil daripada besarnya premi tahunan yang terdapat pada data. Kata kunci: Anuitas Awal Seumur Hidup, Asuransi Jiwa seumur hidup, Hukum De Moivre,Premi tahunan]]>
<![CDATA[Model SIRS Dinamika Penyebaran Penyakit Sifilis Antar Dua Kota ]]>
<![CDATA[Nur Muhammad Ardianto]]>;
<![CDATA[Mohammad Soleh]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (634.117 KB)
<![CDATA[Makalah ini membahas tentang penyebaran penyakit sifilis antar dua kota menggunakan model SIRS dengan mempertimbangkan transportasi antar kota sebagai faktor penyebaran. Setelah model dibentuk maka dicari keberadaan titik kesetimbanagn bebas penyakit dan endemik. Titik kesetimbangan ditentukan dengan menyelesaikan persamaan pada model SIRS dan uji kestabilan titik kesetimbanagn dilakukan dengan menggunakan kriteria nilai eigen dan Routh Hurwitz.. Berdasarkan analisa didapati bahwa jika perpindahan individu antar kedua kota semakin banyak maka individu rentan menjadi terinfeksi akan semakin bertambah dan sebaliknya. Sedangkan kestabilan masing-masing titik kesetimabangan bergantung pada nilai parameter masing-masing.]]>
<![CDATA[Menyelesaikan Sistem Kongruensi Linear Menggunakan Metode Eliminasi Gauss-Jordan ]]>
<![CDATA[Ade Novia Rahma]]>;
<![CDATA[Repi Trisna Winti]]>;
<![CDATA[Rahmawati Rahmawati]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Sistem kongruensi linear dapat diselesaikan dengan dua metode yaitu metode eliminasi-substitusi dan invers matriks. Pada tulisan ini masalah yang dibahas adalah sistem kongruensi linear memiliki tepat satu solusi yang melibatkan beberapa variabel dengan modulo yang sama. Persoalan yang dibatasi dalam penyelesaian sistem kongruensi linear kongruensi variabel dan kongruensi variabel menggunakan metode eliminasi Gauss-Jordan tahap demi tahap yang dapat digunakan untuk mereduksi matriks menjadi bentuk eselon baris tereduksi, sehingga diperoleh solusi dari penyelesaian sistem kongruensi linear. Kemudian, untuk menyelesaikan sistem kongruensi linear adalah dimana pembagian selalu dapat diganti dengan perkalian dengan invers . Dengan catatan setiap operasi perkalian, penjumlahan dan pengurangan yang dilakukan terhadap]]>
