Tag : penerapan

Menurut (gamatechno, 2017) contoh aplikasi smart city yang sukses mendukung pemerintah kota di Indonesia : Qlue Qlue diluncurkan pada Desember 2014, aplikasi ini mendukung fitur yang memudahkan masyarakat untuk melayangkan komplain, kerusakan fasilitas, dan sebagainya. Melalui aplikasi ini juga, setiap pengguna bisa mengunggah foto tentang masalah yang terjadi di lingkungan tempat tinggalnya. Sampai di 2016 ..

Read more

Deskrispi Penggunaan Rfid dengan Kartu Tapping Langsung Otomatis Notifikasi Di Android. Kartu notifikasi ini akan di terapkan di sekolahan untuk siswa, dan orang tua langsung mendapatkan notifikasi via android jika anaknya masuk sekolah. Dengan Notifikasi android yang secata real time orang tua akan mengetahui jam berapa anaknya datang ke sekolah. Penerapan Absensi ini bisa di ..

Read more

Pola Kata [untuk, nilai, accuracy] –> [precision] Tabel 1 adalah perhitungan nilai precision, recall, dan accuracy dengan confusion matrix untuk percobaan ke-5 Perbandingan nilai precision, recall, dan accuracy untuk setiap percobaan dapat divisualisasikan dalam bentuk grafik seperti pada Gambar 11 1, Juni 2013 63 nilai pada confusion matrix untuk menghitung nilai precision, recall, dan accuracy ..

Read more

Penggunaan Kata AssociationRules [nilai, percobaan] –> [recall] (confidence: 0.818) [nilai, percobaan] –> [precision] (confidence: 0.818) [nilai, percobaan] –> [accuracy] (confidence: 0.818) [lulus] –> [mahasiswa] (confidence: 0.857) [akademik] –> [mahasiswa] (confidence: 0.857) [recall] –> [nilai, precision] (confidence: 0.857) [precision] –> [nilai, recall] (confidence: 0.857) [recall] –> [nilai, accuracy] (confidence: 0.857) [accuracy] –> [nilai, recall] (confidence: 0.857) ..

Read more

Open Data Hasil Algoritma FP – Growth Support Item 0.147 untuk 0.108 dalam 0.100 nilai 0.100 dengan 0.090 mining 0.090 mahasiswa 0.086 adalah 0.082 digunakan 0.065 proses 0.057 klasifikasi 0.054 dapat 0.050 yaitu 0.050 recall 0.050 precision 0.050 lulus 0.050 akademik 0.050 accuracy 0.047 training 0.047 sebagai 0.047 pengujian 0.047 penelitian 0.047 hasil 0.047 Gambar ..

Read more

Data Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier Mujib Ridwan, Hadi Suyono, M. Sarosa Ekstract Content _x0001_ Baca data training _x0001_ Cari nilai probabilitasnya dengan cara menghitung jumlah data yang sesuai dari kategori yang sama dibagi dengan jumlah data pada kategori tersebut _x0001_ Clustering Clustering lebih ke arah pengelompo- ..

Read more

Data Algoritma Decision Tree Hasil angin = Ada: Tidak Bermain {Tidak Bermain=84, Main Tenis=0} angin = Tidak Ada: Main Tenis {Tidak Bermain=0, Main Tenis=107} Evaluasi Algoritma PerformanceVector: accuracy: 100.00% +/- 0.00% (mikro: 100.00%) ConfusionMatrix: True: Tidak Bermain Main Tenis Tidak Bermain: 84 0 Main Tenis: 0 107 precision: 100.00% +/- 0.00% (mikro: 100.00%) (positive class: ..

Read more

Data http://mfahri.web.id/open-data-contoh-kerusakan-laptop/ Algoritma Naive Bayes Hasil Distribution model for label attribute Kerusakan Class IC Power Rusak (0.278) 6 distributions Class Embeded Controller Rusak (0.151) 6 distributions Class IC Charger Rusak (0.155) 6 distributions Class Kapasitor Rusak (0.141) 6 distributions Class Resistor Rusak (0.165) 6 distributions Class Mofset Rusak (0.110) 6 distributions Evaluasi Algoritma PerformanceVector: accuracy: ..

Read more

Data Algoritma Generalize Linear Hasil Model Metrics Type: BinomialGLM Description: N/A model id: rm-h2o-model-generalized_linear_model-850838 frame id: rm-h2o-frame-generalized_linear_model-538670 MSE: 0.24158409 R^2: 0.03358188 AUC: 0.60356915 logloss: 0.67600983 CM: Confusion Matrix (vertical: actual; across: predicted): YA Tidak Error Rate YA 35 342 0.9072 = 342 / 377 Tidak 11 373 0.0286 = 11 / 384 Totals 46 715 ..

Read more

Data Selection Berikut adalah data contoh dari kinerja akademik mahasiswa Pre Processing Membaca Data Tabel Kinerja Akademik Ganti Tipe daya Nominal menjadi Numeric Transform Perubahan Data Nominal Menjadi Numeric Algoritma Neural Network Hasil PerformanceVector: accuracy: 100.00% +/- 0.00% (mikro: 100.00%) ConfusionMatrix: True: Tidak Tepat Waktu Tepat Waktu Tidak Tepat Waktu: 44 0 Tepat Waktu: 0 ..

Read more

Data Selection Data Berikut adalah data Contoh yang di dapat dari hasil generate random data penjualan buku Pre Processing Nominal to Binomial Transform Data berubah menjadi bentuk true or false Data Mining Algoritma FP Growth Create Association Rule Hasil Menggunakan Algortima FP Growth untuk melihat data item yang sering muncul dapat di lihat pada table ..

Read more