Garuda - Garba Rujukan Digital

MODEL SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN KREDIT SEPEDA MOTOR DI PT X FINANCE Yahfizham Yahfizham
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 1, No 1 (2014)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v1i1.9

Para menejer membuat banyak keputusan untuk mengatasi masalah, masalah semi terstruktur berada antara masalah terstruktur dan tidak terstruktur, yang memiliki beberapa elemen terstruktur dan tidak terstruktur. Penting bagi menejer untuk dapat membedakan antara masalah dan gejala. Tidak tersedianya aplikasi sistem pendukung keputusan untuk menyeleksi para pemohon yang berhak mendapatkan kredit menjadi hal yang harus dipertimbangkan. Penggunaan metode linear programming dengan memberikan skor atau pembobotan kelayakan pemohon berdasarkan kriteria-kriteria yang akan ditentukan sendiri oleh lembaga pembiayaan mungkin dapat dipakai oleh para menejer. Hasil perhitungan model summary yang layak untuk menerima permohonan kredit > dari skor/bobot sebesar 17 poin dengan demikian bahwa model sistem pendukung keputusan yang dirancang mampu memberikan solusi yang tepat terhadap keputusan yang semi terstruktur. Kata kunci : Sistem Pendukung Keputusan dan Linear Programming.

PENGELOMPOKAN PERSENTASE BUTA HURUF UMUR 15-44 MENURUT PROVINSI MENGGUNAKAN ALGORITMA K-MEANS Saifullah Saifullah; Nani Hidayati
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 7, No 3 (2020)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v7i3.329

Data Mining is a method that is often needed in large-scale data processing, so data mining has important access to the fields of life including industry, finance, weather, science and technology. In data mining techniques there are methods that can be used, namely classification, clustering, regression, variable selection, and market basket analysis. Illiteracy is one of the factors that hinder the quality of human resources. One of the basic things that must be fulfilled to improve the quality of human resources is the eradication of illiteracy among the community. The purpose of this study is to determine the clustering of illiterate communities based on provinces in Indonesia. The results of the study are illiterate data clustering according to the age proportion of 15-44 namely 1 high group node, low group has 27 nodes, and medium group 6 nodes. The results of this study become input for the government to determine illiteracy eradication policies in Indonesia based on provinces.Kata Kunci: Illiterate, Data mining, K-Means ClusteringData Mining termasuk metode yang sering dibutuhkan dalam pengolahan data berskala besar, maka data mining mempunyai akses penting pada bidang kehidupan diantaranya yaitu bidang industri, bidang keuangan, cuaca, ilmu dan teknologi. Pada teknik data mining terdapat metode-metode yang dapat digunakan yaitu klasifikasi, clustering, regresi, seleksi variabel, dan market basket analisis. Buta huruf merupakan salah satu faktor yang menghambat kualitas sumber daya manusia. Salah satu hal mendasar yang harus dipenuhi untuk meningkatkan kualitas sumber daya manusia adalah pemberantasan buta huruf di kalangan masyarakat Adapun tujuan penelitian ini adalah menetukan clustering masyarakat buta huruf berdasarkan propinsi di Indonesia. Hasil dari penelitian adalah data clustering buta huruf menurut propisi umur 15-44 yaitu 1 node kelompok tinggi, kelompok rendah memiliki 27 node, dan kelompok sedang 6 node. Hasil penelitian ini menjadi bahan masukan kepada pemerintah untuk menentukan kebijakan pemberantasan buta huruf di Indonesia berdasarakn propinsi.Kata Kunci: Buta Huruf, Data mining, K-Means Clustering

PENERAPAN METODE RBPNN UNTUK KLASIFIKASI KANKER PAYUDARA Fairudz Shahura; Oni Soesanto; Fatma Indriani
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 3, No 2 (2016)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v3i2.51

Breast cancer is the most commonly diagnosed cancer in women. Breast cancer cases are increasing each year. Therefore, early detection of breast cancer plays an important role in anticipating the spread of cancer. Fine-needle aspiration (FNA) biopsy is one way to detect breast cancer. FNA is a method of taking the majority of tissue with a syringe that is intended to aid in the diagnosis of various tumor diseases. The FNA samples that have been studied generate ten characteristics, namely radius, texture, perimeter, area, compactness, smoothness, concavity, concave points, symmetry, and fractal dimension. These characteristics are used to classify benign and malignant breast cancer. To classify breast cancer, Radial Basis Probabilistic Neural Network (RBPNN) required. This study aims to determine how the performance of the method of Radial Basis Probabilistic Neural Network for classifying breast cancer. The accuracy was found to be equal 93.19% for training data, and 90.35% for testing data.Keywords: Radial Basis Probabilistic Neural Network, Classification, Breast Cancer.Kanker payudara merupakan penyakit yang paling banyak menyerang kaum wanita. Penderita penyakit kanker payudara semakin meningkat pada tiap tahunnya. Oleh karena itu deteksi dini kanker payudara memegang peranan penting dalam mengantisipasi penyebaran kanker. Salah satu cara untuk mendeteksi kanker payudara adalahÂ dengan fine-needle aspiration (FNA) biopsy. FNA merupakan suatu metode pengambilan sebagian jaringan tubuh manusia dengan jarum suntik yang bertujuan untuk membantu diagnosis berbagai penyakit tumor. Sampel FNA yang telah diteliti menghasilkan sepuluh karakteristik, yaitu radius, texture, perimeter, area, compactness, smoothness, concavity, concave points, symmetry, dan fractal dimension. Kesepuluh karakteristik tersebut digunakan untuk mengklasifikasikan kanker payudara jinak dan ganas. Untuk mengklasifikasi tingkat keganasan dari kanker payudara dapat dilakukan dengan metode Radial Basis Probabilistic Neural Network (RBPNN). Penelitian ini bertujuan untuk mengetahui bagaimana performansi metode Radial Basis Probabilistic Neural Network untuk mengklasifikasikan kanker payudara. Dari hasil penelitian didapat akurasi 93.19% untuk data training, serta 90.35% untuk data testing.Kata kunci : Radial Basis Probabilistic Neural Network, Klasifikasi, Breast Cancer.

PEMODELAN SISTEM INFORMASI MONITORING INVENTORY SEKRETARIAT DAERAH KABUPATEN MUSI BANYUASIN Usman Ependi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 1 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i1.124

Modeling is a tool in the process of developing an information system. Modeling has ability to look how blueprint an information system and make it easier to understand an information system to be created. Modeling can be done by visual modeling using unified modeling language (UML). Therefore, this research performs modeling of information system of monitoring of regional secretariat inventory of Musi Banyuasin Regency. The implementation procedure starts from determining the information system specification based on user requirement, followed by making modeling according to specification. The end result obtained is a prototype information system that can provide reports of goods consisting of the lifetime of goods, borrowing goods and goods with damaged conditions. In addition, the prototype can illustrate how the monitoring process is done based on color indicators consisting of green, yellow and red. Green means lifetime is still safe, yellow means lifetime will expired and red means expired.Keywords: Modeling, Information System, Inventory, UMLPemodelan merupakan alat bantu dalam proses pengembangan sebuah sistem informasi. Dengan pemodelan akan terlihat bagaimana blueprint sebuah sistem informasi dan mempermudah memahami sebuah sistem informasi yang akan dibuat. Pemodelan dapat dilakukan dengan cara pemodelan visual menggunakan unified modeling language (UML). Untuk itu penelitian ini melakukan pemodelan sistem informasi monitoring inventory sekretariat daerah Kabupaten Musi Banyuasin. Prosedur pelaksanaan dimulai dari menentukan spesifikasi sistem informasi berdasarkan kebutuhan pengguna, dilanjutkan denan pembuatan pemodelan sesuai spesifikasi. Hasil akhir didapat yaitu sebuah prototype sistem informasi yang dapat memberikan laporan barang yang terdiri dari masa pakai barang, peminjaman barang dan barang dengan kondisi rusak. Selain itu juga prototype dapat menggambarkan bagaimana proses monitoring dilakukan berdasarkan indikator warna yang terdiri dari hijau, kuning dan merah. Hijau berarti masa pakai masih aman, kuning berarti masa pakai akan segera habis dan merah berarti masa pakai telah habis.Kata kunci: Pemodelan, Sistem Informasi, Inventaris, UML

APLIKASI PEMESANAN MAKANAN MENGGUNAKAN ALGORTIMA COLLABORATIVE FILTERING DENGAN METODE MVC (MODEL VIEW CONTROLLER) aji putra prasetiyo
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.384

KantinQuy is a place for selling various food and beverages in Jakarta, where this canteen still uses direct orders to the seller because the customer does not get a menu book and the recording of the menu that you want to order is still using the books and pens provided, this ordering website application aims to make the KantinQuy website for ordering various food and drinks to make it easier for customers to choose orders and more practical when viewing a list of food or drink menus, this website feature is also available recommended menu menus in the website application. In this research, the system development uses the PHP programming language and includes the MVC method and the Collaborative Filtering algorithm. the MVC (Model View Controller) method which functions in dividing the business login display and UI (user interface) or the view seen by the user, while the collaborative filtering algorithm is for recommending with proof of ratings from a customer and different customers to generate recommendations. the testing stage (testing) on this ordering website uses the blackbox procedure by pressing functionality testing for application development recommendations that can be tried in the next research, namely that it can be raised using a mobile ordering application, so that customers can order food and drinks on the smartphone features used customers.Keywords: MVC, website,collaborative filetering.KantinQuy ialah tempat penjualan aneka makanan dan minuman yang berada di Jakarta, dimana kantin ini masih menggunakan pemesanan secara langsung ke penjual dikarnakan customer tidak mendapatkan buku menu dan pencatatan menu yang ingin di pesan masih menggunakan buku dan pulpen yang disediakan ,aplikasi website pemesanan ini bertujuan untuk menjadikan website KantinQuy pada pemesanan aneka makanan dan minuman agar lebih mempermudah customer dalam memilih pesanan dan lebih praktis saat melihat daftar menu makanan atau minuman ,fitur website ini juga sudah tersedia menu menu yang recommended didalam aplikasi website. dalam penelitian ini pengembangan sistem menggunakan bahasa pemograman PHP dan didalam nya terdapat metode MVC dan algoritma Collaborative Filtering. metode MVC (Model View Controller) yang berfungsi dalam membagi tampilan login bisnis dan UI (user interface) ataupun tampilan yang dilihat oleh user, sedangkan algoritma collaborative filtering untuk merekomendasikan dengan bukti peringkat dari seorang customer dan customer yang berbeda untuk memunculkan rekomendasi . tahap pengujian (testing)pada website pemesanan ini memakai tata cara blackbox dengan memencet pengujian fungsionalitas buat rekomendasi pengembangan aplikasi yang bisa dicoba pada riset berikutnya ialah bisa dibesarkan jadi menggunakan aplikasi mobile pemesanan , sehingga customer bisa dapat melakukan pemesanan makanan dan minuman pada fitur smartphone yang digunakan customer .Kata kunci: MVC,website,collaborative filtering.

SISTEM PENERIMAAN PEGAWAI SALES KPR PADA BANK MENGGUNAKAN METODE MULTI-OBJECTIVE OPTIMIZATION ON THE BASIS OF RATIO ANALYSIS Andreyan Rizky Baskara; Yuslena Sari; Muhammad Adetya Ashari
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 1 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i1.372

The recruitment of new employees, especially for housing loan sales employees (KPR) is often carried out by banks because the performance evaluation of KPR sales employees is carried out regularly. The large number of prospective employees and the variety of criteria determined for selecting new employees lead to a lengthy decision-making process. Decision Support System (DSS) is basically a comprehensive computer system that can help make decisions and solve problems. The Multi Objective Optimization method on The Basis of Ratio Analysis (MOORA) as a decision-making method is used to build a decision support system. The decision support system is implemented as a web-based application using ATOM software which is integrated with the MySQL database. The Black Box testing method is used to test the system. The results showed that the MOORA method is very suitable to be applied in the decision making of KPR sales employee recruitmentKeywords: Decision Support System, KPR Sales Employee, MOORA Perekrutan pegawai baru khususnya untuk pegawai Sales Kredit Pemilikan Rumah (KPR) sering dilakukan oleh bank karena evaluasi kinerja pegawai sales KPR dilakukan secara berkala. Banyaknya calon pegawai dan beragamnya kriteria-kriteria yang ditentukan untuk menseleksi pegawai baru menyebabkan lamanya proses pengambilan keputusan. Sistem Pendukung Keputusan (SPK) pada dasarnya adalah sistem komputer komprehensif yang dapat membantu membuat keputusan dan menyelesaikan masalah. Metode Multi Objective Optimization on The Basis of Ratio Analysis (MOORA) sebagai salah satu metode pengambilan keputusan digunakan untuk membangun sistem pendukung keputusan. Sistem pendukung keputusan diimplementasikan sebagai aplikasi berbasis web menggunakan perangkat lunak ATOM yang terintegrasi dengan database MySQL. Metode pengujian Black Box digunakan untuk menguji sistem. Hasil penelitian menunjukkan bahwa metode MOORA sangat cocok diterapkan dalam pengambilan keputusan perekrutan pegawai sales KPRKata kunci: MOORA, Pegawai Sales KPR , Sistem Penunjang Keputusan

IMPLEMENTASI SSD_RESNET50_V1 UNTUK PENGHITUNG KENDARAAN Muhammad Nur Rizal; Radityo Adi Nugroho; Dodon Turianto nugrahadi; Muhammad Reza Faisal; Friska Abadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.383

Google has released the Tensorflow Object Detection API to facilitate deep learning application development using the Tensorflow Object Detection API. The TensorFlow Object Detection API is an open-source framework that can be used to develop, train, and deploy object detection models. In this study, the Tensorflow Object Detection API is implemented in a vehicle counter application with the SSD_Resnet50_v1 detection model. From the research that has been done, applications with the detection of the SSD_Resnet50_v1 model get an accuracy of 56.49% in calculating motor-type vehicles and 54.43% for car-type vehicles.Kata Kunci : SSD_Resnet50_v1, Vehicle Counting, Tensorflow Object Detection APIGoogle telah merilis Tensorflow Object Detection API untuk mempermudah pengembangan aplikasi Deep learning dengan menggunakan Tensorflow Object Detection API. TensorFlow Object Detection API adalah open source framework yang dapat digunakan untuk mengembangkan, melatih, dan menggunakan model deteksi objek. Pada penelitian ini Tensorflow Object Detection API diimplementasikan pada aplikasi penghitung kendaraan dengan model deteksi SSD_Resnet50_v1. Dari penelitian yang telah dilakukan, aplikasi dengan model deteksi SSD_Resnet50_v1 mendapatkan akurasi sebesar 56,49% dalam menghitung kendaraan berjenis motor dan 54,43% untuk kendaraan berjenis mobil.Kata Kunci : SSD_Resnet50_v1, penghitung kendaraan, Tensorflow Object Detection API

IDENTIFIKASI OTOMATIS PESAN SAKSI MATA PADA MEDIA SOSIAL SAAT BENCANA GEMPA Sarah Monika Nooralifa; Mohammad Reza Faisal; Friska Abadi; Radityo Adi Nugroho; Muliadi Aziz
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.351

Social media platforms such as Twitter make it easy for users to share and receive critical information on disasters and emergencies. Information from eyewitnesses can be useful for law enforcement agencies and humanitarian organizations. Identification disaster messages on Twitter can also be used as information that can be used to see the current situation. In several research studies, earthquake disasters are divided into three categories: eyewitnesses, non-eye witnesses, and do not know. Meanwhile, the feature extraction that used in this research is bag-of-words that produce high-dimensional data output. The purpose of this research is to utilize lexicon-based feature extraction to produce low-dimensional data. However, there has never been the use of Lexicon based on the multiclass classification in cases of natural disasters. The features built by the Lexicon-based are far less, namely 2-15 features. This research was divided into two steps, namely the first step was carried out without combining Lexicon and the second step was carried out by combining Lexicon. The highest accuracy produced by the combination of Barasa SentiwordNet, Bing Liu, NRC, AFINN, and Heeryon Cho’s Lexicon using the Support Vector Machine classification with an accuracy of 64.13% with a total of 15 features.Keywords: Lexicon Based, Support Vector Machine, Classification, Text Mining, Twitter, DisastersPlatform media sosial seperti Twitter memudahkan para pengguna untuk berbagi dan menerima informasi penting selama bencana dan keadaan darurat. Informasi dari saksi mata dapat berguna bagi lembaga penegak hukum dan organisasi kemanusiaan. Pesan bencana di Twitter juga dapat digunakan sebagai informasi yang digunakan untuk mengetahui situasi yang sedang berlangsung. Pada beberapa riset yang telah dilakukan oleh peneliti, tweet bencana gempa dibagi menjadi tiga kategori yaitu eyewitness, non-eyewitness, dan don’t know. Sedangkan ekstraksi fitur yang digunakan pada riset-riset tersebut adalah bag-of-words yang menghasilkan keluaran berupa data berdimensi tinggi. Tujuan penelitian ini adalah memanfaatkan ekstraksi fitur berbasis lexicon untuk menghasilkan data berdimensi rendah. Namun belum pernah ada pemanfaatan Lexicon Based untuk klasifikasi multiclass pada kasus klasifikasi pesan bencana alam. Fitur yang dihasilkan oleh Lexicon based jauh lebih sedikit yaitu 2-15 fitur. Penelitian ini dibagi menjadi dua tahap, yaitu tahap pertama dilakukan tanpa penggabungan kamus Lexicon dan tahap kedua dilakukan dengan menggabungkan kamus Lexicon. Akurasi tertinggi dihasilkan oleh kombinasi Barasa SentiwordNet, Bing Liu, NRC, AFINN, dan Lexicon Heeryon Cho menggunakan klasifikasi Support Vector Machine dengan akurasi sebesar 64,13% dengan jumlah fitur sebanyak 15 fitur. Kata kunci: Lexicon based, Support Vector Machine, Klasifikasi, Text Mining, Twitter, Bencana Alam

EFEKTIVITAS PENCARIAN RUTE RUMAH KOS DAN KONTRAKAN BERBASIS ALGORITMA DIJKSTRA DAN ASTAR Moh Nur Latuconsina
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 1 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i1.364

Today we live in a digital age, where all things in our life. Technological developments make the exchange of information so fast. How to get information is also very easy. The digital era that we are experiencing today actually goes hand in hand with the growth of the human population which is also increasing so fast. Technological sophistication has not been able to provide a significant solution regarding the need for a place to live. This has made the purchase price of a house more expensive, especially in the capital city and its surroundings. The higher the purchase price of a house makes many people prefer to live in a boarding house or rented house, this is because the rental price is relatively cheap instead of buying a house. For example, in the city of Jakarta, around the campus, there are many boarding houses and rented houses due to the large number of National University students from various regions throughout Indonesia. Therefore, in this study created a THE EFFECTIVENESS OF SEARCHING FOR KOS AND RENTAL HOUSE BASED ON THE ALGORITHM OF DIJKSTRA AND ASTAR ". This website development uses PHP language with Laravel framework and uses Atom as a text editor. This website requires an internet network to display data, view directions via google maps, and to contact the owner via whatsapp. Based on the results of testing and implementation, it can be concluded that this website was successfully created. This website can make it easier for new students of the National University of Jakarta to find boarding houses or rented houses around the campus. created. This website can make it easier for new students of the National University of Jakarta to find boarding houses or rented houses around the campus.Keywords: Dijkstra's Algorithm, Astar Algorithm, Boarding House, Website Saat ini kita hidup di era digital, di mana semua hal dalam kehidupan kita. Perkembangan teknologi membuat pertukaran informasi menjadi begitu cepat. Cara mendapatkan informasi pun sangat mudah. Era digital yang kita alami saat ini ternyata berjalan beriringan dengan pertumbuhan populasi manusia yang juga meningkat begitu cepat. Kecanggihan teknologi ternyata belum bisa memberikan solusi yang signifikan mengenai kebutuhan akan tempat tinggal. Hal tersebut membuat harga beli rumah semakin mahal terutama di kawasan Ibu kota dan sekitarnya. Harga beli rumah yang semakin tinggi membuat banyak orang lebih memilih tinggal di sebuah rumah kos ataupun rumah kontrakan hal ini dikarenakan harga sewa yang terbilang murah ketimbang membeli sebuah rumah. Sebagai contoh, di Kota Jakarta tepatnya di sekitar kampus terdapat banyak rumah kos dan rumah kontrakan dikarenakan banyaknya mahasiswa Universitas Nasional dari berbagai daerah di seluruh Indonesia. Oleh karena itu dalam penelitian ini dibuat “EFEKTIVITAS PENCARIAN RUMAH KOS DAN KONTRAKAN BERBASIS ALGORITMA DIJKSTRA DAN ASTAR”. Pembuatan website ini menggunakan bahasa PHP dengan framework Laravel dan menggunakan Atom sebagai text editor. Website ini membutuhkan jaringan internet untuk menampilkan data, melihat petunjuk arah melalui google maps, dan untuk menghubungi pemilik via whatsapp. Berdasarkan hasil uji coba dan implementasi, dapat disimpulkan bahwa website ini berhasil dibuat. Website ini dapat mempermudah mahasiswa baru Universitas Nasional Jakarta dalam mencari rumah kos atau kontrakan di sekitar kampus.Kata Kunci: Algoritma Dijkstra, Algoritma Astar, Rumah Kos, Website

METODE FORWARD CHAINING DAN CERTAINTY FACTOR UNTUK MENDIAGNOSA PENYAKIT PADA PEROKOK AKTIF BERBASIS ANDROID Willy Welvi Nanda
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.386

Because the proportion of active smokers in Indonesia is increasing from year to year, human health is decreasing every day. Lack of self-care and lack of awareness of smoking make some people no longer pay attention to their health. Many people have bad effects from cigarette . This is because the effect is not immediately visible when you first smoke. Many smokers are reluctant to check themselves for various reasons. Therefore, the researcher uses the forward chaining method and the certainty factor method to create an expert system in diagnosing active smokers. The results of this study resulted in the calculation of the disease diagnosis sample having a certainty level of 97.75% and the results diagnosing oral cancer.Keywords: Android, Certainty Factor, expert system, Forward Chaining, smokerKarena proporsi perokok aktif di Indonesia meningkat dari tahun ketahun , kesehatan manusia menurun setiap hari. Kurangnya menjaga diri dan kurangnya kesadaran akan merokok membuat sebagian orang tidak lagi memperhatikan kesehatannya. Banyak orang efek buruk dari rokok. Ini disebabkan karena efek tersebut tidak langsung terlihat saat pertama kali merokok. Banyak perokok yang malas memeriksakan diri ke dokter dengan berbagai alasan. Oleh karena itu, peneliti menggunakan metode forward chaining dan metode certainty factor untuk membuat sistem pakar dalam mendiagnosis perokok aktif. Hasil dari penelitian ini menghasilkan perhitungan pada sampel diagnosa penyakit memiiliki persentase tingkat kepastian sebesar 97.75% dan hasil tersebut mendiagnosa penyakit kanker mulut.. Kata kunci: Android, Certainty Factor, Forward Chaining, perokok, sistem pakar

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Muliadi

Contact Email
muliadi@ulm.ac.id

Phone
+6285228102971

Journal Mail Official
klik@ulm.ac.id

Editorial Address
Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location
Kota banjarmasin,

Kalimantan selatan

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Muliadi

Contact Email muliadi@ulm.ac.id

Phone +6285228102971

Journal Mail Official klik@ulm.ac.id

Editorial Address Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location Kota banjarmasin, Kalimantan selatan INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Muliadi

Contact Email
muliadi@ulm.ac.id

Phone
+6285228102971

Journal Mail Official
klik@ulm.ac.id

Editorial Address
Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location
Kota banjarmasin,

Kalimantan selatan

INDONESIA