Setiap manusia membutuhkan rumah untuk tempat tinggal terutama bagi mereka yang sudah berumah tangga, tetapi dengan harga rumah yang cenderung tiap tahun mengalami kenaikan harga membuat tiap orang mengurungkan niatnya untuk membeli secara tunai. Banyak pihak terutama perbankan atau lembaga keuangan yang menawari pembiayan perumahan secara angsuran, tetapi dalam memberikan pembiayaan ada resiko yang dihadapi oleh pihak perbankan atau lembaga keuangan yaitu resiko kredit macet dan gagal bayar. Oleh karena itu untuk mengatasi permasalahan itu pihak perbankan atau lembaga keuangan perlu memprediksi kelayakan pengajuan pembiayaan terlebih dahulu. Teknik data mining digunakan untuk menentukan prediksi kelayakan pengajuan pembiayaan dalam membuat keputusan kepada nasabah yang berhak diterima atau ditolak pengajuannya. Dan memperoleh tingkat akurasi sebesar 77,27%
Sistem transportasi khususnya angkutan umum sangat diperlukan oleh masyarakat dalam memenuhi kebutuhan sehari-hari baik kebutuhan angkutan orang maupun barang. Sistem informasi angkutan umum berbasis website serta penggunaan teknologi cloud computing untuk penyimpanan data menjadi alternatif yang paling efektif saat ini dengan sistem transportasi online berbasis cloud computing dapat melakukan penghematan biaya operasional pada sistem informasi yang dibangun dan dapat dengan mudah memonitoring dari satu server sehingga dapat memudahkan dalam pelayanan informasi trayek lalu lintas angkutan umum yang diperlukan pengguna di wilayah Kota Tasikmalaya dengan tujuan untuk mewujudkan pelayanan trayek lalu lintas dan angkutan umum yang tertib dan teratur.
The COVID-19 pandemic in Indonesia has had a major impact on the education sector. Where currently must adapt the distance learning model. There are pros and cons to public opinion on social media Twitter about the influence of online learning on learning motivation. The study aims to find out if public opinion is positive or negative and to find out which classification algorithms have the highest and best accuracy rates. The data used was tweets in Indonesian with the keywords "online learning", "distance learning" and "motivational learning". With a data set of 455 tweets. Classification uses Naive Bayes classification algorithms and supports vector machines by preprocessing data using tokenize, transform case, filtering, and stemming. The highest and best accuracy result is classification algorithm support vector machine with accuracy 97.22%, precision 94.72%, recall 100%, and error 2.78%.
Tuberkulosis atau tuberculosis (TBC) merupakan salah satu penyakit menular berbahaya yang disebabkan oleh kuman dari kelompok Mycobacterium Tuberculosis. Sebagian besar kuman tuberkulosis menyerang organ paru-paru dan menyerang organ yang lainnya. Menurut WHO Indonesia menjadi salah satu negara dengan beban tuberkulosis tinggi dengan jumlah kasus terbaru Tuberkulosis di Indonesia mencapai 420.994 kasus pada tahun 2017, hal tersebut dipengaruhi oleh kurangnya pengetahuan masyarakat akan tuberculosis dan enggan untuk memeriksakan gejala-gejala awal yang diderita kepada dokter. Dari permasalahan tersebut perlu dibangun sebuah sistem pakar yang berbasis perangkat lunak bertujuan untuk membantu dan memudahkan masyarakat dalam mendiagnosis gejala awal tuberculosis sebelum berkonsultasi kepada tenaga Kesehatan lebih lanjut. Diagnosis penyakit dengan menggunakan sistem pakar memerlukan sebuah metode algoritma dalam penyelesaiannya. Pada riset ini metode yang digunakan untuk membangun perangkat lunak sistem pakar diagnosis tuberculosis paru menggunakan waterfall, sedangakan proses klasifikasi untuk menentukan Diagnosis menggunakan algortima Naïve Bayes dengan Laplace Correction. Tujuan dari riset ini adalah untuk mendiagnosis gejala-gejala yang dialami pasien dan dapat menyimpulkan layaknya seorang pakar atau dokter saat mendiagnosis pasiennya serta memberikan pengetahuan gangguan apa yang diderita oleh pasien. Terkait hasil riset ini adalah berupa aplikasi sistem pakar Diagnosis penyakit tuberculosis paru berbasis desktop, dan telah dilakukan Pengujian sistem. Pengujian sistem ini dilakukan menggunakan black box testing yang berfokus pada proses masukan dan keluaran dari aplikasi terhadap perangkat lunak Diagnosis penyakit tuberkulosis. Sedangkan data hasil uji aplikasi Diagnosis menunjukan Kelas Positif Tuberkulosis lebih besar dengan nilai 0.000129803, dibandingkan dengan nilai kelas Negatif Tuberkulosis dengan nilai 0.0000000018. Maka dapat dinyatakan bahwa pasien tersebut Positif Tuberkulosis atau Pasien Mengalami Tuberkulosis Paru. Dampak dari riset ini masyarakat dapat mendiagnosis secara mandiri sehingga dapat mengetahui gejala awal dari tuberculosis.
ABSTRAKSI Setiap manusia membutuhkan rumah untuk tempat tinggal terutama bagi mereka yang sudah berumah tangga, tetapi dengan harga rumah yang cenderung tiap tahun mengalami kenaikan harga membuat tiap orang mengurungkan niatnya untuk membeli secara tunai. Banyak pihak terutama perbankan atau lembaga keuangan yang menawari pembiayan perumahan secara angsuran, tetapi dalam memberikan pembiayaan ada resiko yang dihadapi oleh pihak perbankan atau lembaga keuangan yaitu resiko kredit macet dan gagal bayar. Oleh karena itu untuk mengatasi permasalahan itu pihak perbankan atau lembaga keuangan perlu memprediksi kelayakan pengajuan pembiayaan terlebih dahulu. Teknik data mining digunakan untuk menentukan prediksi kelayakan pengajuan pembiayaan dalam membuat keputusan kepada nasabah yang berhak diterima atau ditolak pengajuannya. Dan memperoleh tingkat akurasi sebesar 77,27% Kata kunci: Pembiayaan, Data mining, Decision tree, Algoritma C4.5 ABSTRACT Every human being needs a house to live in, especially for those who are already married, but with house prices that tend to increase in price each year makes everyone discourage them from buying in cash. Many parties, especially banks or financial institutions, offer housing payments in installments, but in providing financing there are risks faced by banks or financial institutions, namely the risk of bad credit and default. Therefore, to overcome this problem the banks or financial institutions need to predict the feasibility of applying for financing first. Data mining techniques are used to determine predictions of the feasibility of filing financing in making decisions to customers who are entitled to be accepted or rejected submissions. And obtain an accuracy rate of 77.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.