<p>Pada paper ini, telah diterapkan metode <em>Naive Bayes</em> serta <em>C.45</em> ke dalam 4 buah studi kasus, yaitu kasus penerimaan “Kartu Indonesia Sehat”, penentuan pengajuan kartu kredit di sebuah bank, penentuan usia kelahiran, serta penentuan kelayakan calon anggota kredit pada koperasi untuk mengetahui algoritma terbaik di setiap kasus<em>. </em>Setelah itu, dilakukan perbandingan dalam hal <em>Precision</em>, <em>Recall</em> serta <em>Accuracy</em> untuk setiap data training dan data testing yang telah diberikan. Dari hasil implementasi yang dilakukan, telah dibangun sebuah aplikasi yang dapat menerapkan algoritma <em>Naive Bayes </em>dan <em>C.45 </em>di 4 buah kasus tersebut. Aplikasi telah diuji dengan blackbox dan algoritma dengan hasil valid dan dapat mengimplementasikan kedua buah algoritma dengan benar. Berdasarkan hasil pengujian, semakin banyaknya data training yang digunakan, maka nilai <em>precision, recall</em> dan <em>accuracy</em> akan semakin meningkat. Selain itu, hasil klasifikasi pada algoritma <em>Naive Bayes</em> dan <em>C.45</em> tidak dapat memberikan nilai yang absolut atau mutlak di setiap kasus. Pada kasus penentuan penerimaan Kartu Indonesia Sehat,  kedua buah algoritma tersebut sama-sama efektif untuk digunakan. Untuk kasus pengajuan kartu kredit di sebuah bank,  C.45 lebih baik daripada Naive Bayes. Pada kasus penentuan usia kelahiran,  Naive Bayes lebih baik daripada C.45. Sedangkan pada kasus penentuan kelayakan calon anggota kredit di koperasi, Naive Bayes memberikan nilai yang lebih baik pada precision, tapi untuk recall dan accuracy, C.45 memberikan hasil yang lebih baik. Sehingga untuk menentukan algoritma terbaik yang akan dipakai di sebuah kasus, harus melihat kriteria, variable maupun jumlah data di kasus tersebut.</p><p> </p><p class="Judul2"><strong><em>Abstract</em></strong></p><p><em>In this paper, applied Naive Bayes and C.45 into 4 case studies, namely the case of acceptance of “Kartu Indonesia Sehat”, determination of credit card application in a bank, determination of birth age, and determination of eligibility of prospective members of credit to Koperasi to find out the best algorithm in each case. After that, the comparison in Precision, Recall and Accuracy for each training data and data testing has been given. From the results of the implementation, has built an application that can apply the Naive Bayes and C.45 algorithm in 4 cases. Applications have been tested in blackbox and algorithms with valid results and can implement both algorithms correctly. Based on the test results, the more training data used, the value of precision, recall and accuracy will increase. The classification results of Naive Bayes and C.45 algorithms can not provide absolute value in each case. In the case of determining the acceptance of the Kartu Indonesia Indonesia, the two algorithms are equally effective to use. For credit card submission cases at a bank, C.45 is better than Naive Bayes. In the case of determining the age of birth, Naive Bayes is better than C.45. Whereas in the case of determining the eligibility of prospective credit members in the cooperative, Naive Bayes provides better value in precision, but for recall and accuracy, C.45 gives better results. So, to determine the best algorithm to be used in a case, it must look at the criteria, variables and amount of data in the case</em></p>

Bahasa Inggris menjadi salah satu bahasa internasional di era sekarang. Dalam dunia pendidikan, pelajaran Bahasa Inggris sudah diberikan sejak sekolah dasar. “Madrasah Ibtidaiyah Al Islam Program Plus Dibal” merupakan salah satu sekolah yang memberikan pelajaran Bahasa Inggris untuk siswa kelas 4. Materi yang diberikan salah satunya adalah pengenalan benda-benda yang ada di dalam rumah sesuai kurikulum 2013. Pada saat kegiatan pembelajaran Bahasa Inggris di kelas, kemampuan beberapa siswa dalam mengingat kosa-kata masih lemah serta rendahnya kemauan siswa untuk belajar. Tujuan dari penelitian ini adalah membuat aplikasi game edukasi Bahasa Inggris berbasis android yang dapat membantu mempermudah siswa dalam mengingat kosa-kata serta dapat meningkatkan kemauan siswa dalam belajar. Penelitian ini menggunakan wawancara kepada guru pembimbing di MI Al Islam Program Plus Dibal untuk mengumpulkan data yang dibutuhkan dalam proses pembuatan game edukasi. Game edukasi ini dibangun menggunakan software Construct 2 serta pembuatan asset game dilakukan menggunakan CorelDraw X7. Pengujian dilakukan dengan mendemokan game di depan siswa dan guru pendamping. Setelah aplikasi selesai didemokan, game dimainkan oleh siswa secara bergantian, kemudian siswa diberikan kuesioner untuk menguji performa dan usabilitas dari game tersebut. Game ini memiliki 3 menu, yaitu Menu ‘Belajar’, Menu ‘Kuis’ dan Menu ‘Bermain’. Dari hasil pengujian blackbox didapatkan bahwa aplikasi sudah berjalan dengan baik, sesuai dengan harapan developer. Dari hasil pengujian User Acceptance Test, rata-rata nilai ‘Sangat Setuju’ dari 5 pernyataan yang diberikan adalah 69.18% yang menunjukkan tingkat acceptance yang cukup tinggi dari pengguna terhadap aplikasi tersebut.

Dalam suatu perusahaan yang berkembang, apresiasi pegawai sangat dibutuhkan untuk meningkatkan moral dan kinerja. Penilaian yang akurat dibutuhkan untuk dapat menunjuk pegawai terbaik. Namun, penilaian akan menjadi lebih kompleks seiring dengan bertambahnya pegawai dan beragamnya komponen penilaian. Pada CV. Jenderal Software, penilaian pegawai tersebut masih dilakukan secara manual, sehingga menjadikan proses penilaian kurang efektif dan efisien. Untuk memaksimalkan proses penilaian pegawai terbaik, Sistem Pendukung Keputusan Pemilihan Pegawai Terbaik merupakan suatu sistem yang dapat membantu dan memudahkan perusahaan dalam melakukan proses tersebut. Tujuan dari paper ini adalah untuk membuat sebuah sistem pendukung keputusan menggunakan algoritma Simple Additive Weighting untuk meningkatkan keakuratan, efisiensi, serta efektifitas sistematika penilaian pegawai yang terjadi pada perusahaan CV. Jenderal Software. Pengumpulan data dilakukan dengan observasi langsung serta wawancara kepada pengguna, yaitu pimpinan perusahaan. Data yang didapatkan kemudian diproses dan dianalisis sehingga dapat dijadikan dasar pembuatan sistem. Hasilnya, sistem dapat meningkatkan keakuratan, efisiensi, dan efektifitas proses. Hasil pengujian Blackbox menunjukkan bahwa system telah berjalan sesuai dengan yang diharapkan. Sedangkan dari hasil pengujian User Acceptance Test, didapatkan nilai preferensi 97,5% dengan indikator “Sangat Baik” yang menunjukkan bahwa system tersebut sudah sesuai dan layak dipakai.

A credit card is a device payment issued by the bank certain made of plastic and useful as a tool payment on credit carried out by the owner of the card or in accordance with the name of listed in a credit card is on when making purchases goods or services. The problems facing in giving a credit cards to customers bank that have signed up is difficult to determine the category of a credit cards in accordance with the customer bank. By doing this research is expected to facilitate the bank or the analysis to determine the category of a credit card to customers bank right. The research used is by applying methods K-Nearest Neighbor to classify prospective customers in the making a credit card in accordance with the category of  customers by using data customers at the Bank BNI Syariah Surabaya. A method K-Nearest Neighbor used to seek patterns on the data customers so established variable as factors supporters in the form of gender, the status of the house, the status, the number of dependants (children), a profession and revenue annually. The results of this research shows that an average of the value of precision of 92%, the value of recall of 83%, and the value of accuracy of 93%. Thus, this application is effective to help analyst credit cards in classifying customers to get credit cards that appropriate criteria.

Sekolah Luar Biasa (SLB) Yayasan Rehabilitasi Tuna Rungu Wicara (YRTRW) Surakarta adalah sebuah sekolah dasar untuk pendidikan anak dengan keterbatasan berupa tuna rungu wicara. Berdasarkan observasi serta wawancara yang telah dilakukan, terdapat permasalahan di Sekolah tersebut, yaitu mengenai media pembelajaran maupun alat bantu yang masih sangat minim, terutama khusus untuk siswa tuna rungu wicara pada pembelajaran sholat. Pada saat ini, pembelajaran hanya 1 arah dari guru ke murid dengan bahasa isyarat serta alat bantu berupa buku dan papan tulis. Solusi yang dapat diberikan adalah dengan sebuah aplikasi bernama ABAS (Ayo Belajar Sholat), yaitu aplikasi game pembelajaran untuk sholat khusus bagi anak-anak tuna rungu wicara. Aplikasi ini memberikan pengajaran mengenai tata cara sholat beserta dengan bacaan-bacaan doa dalam bahasa Indonesia, bahasa Arab serta bahasa isyarat. Metode yang digunakan terbagi menjadi beberapa tahap, yaitu analisis permasalahan, perancangan aplikasi, implementasi aplikasi, pemaparan, simulasi dan pengujian, serta maintenance dan follow up. Berdasarkan kuesioner yang diberikan, aplikasi ABAS dapat digunakan sebagai media pembelajaran yang memudahkan siswa untuk belajar gerakan dan bacaan sholat.

ABSTRAKUmumnya kelahiran bayi sehat cukup bulan berada pada minggu 38-42 kehamilan. Namun ada banyak bayi yang terlahir pada usia kelahiran yang kurang mencukupi bahkan lahir dalam usia kelahiran yang lewat waktu. Hal ini menjadi hal yang serius mengingat banyak terjadi kematian bayi akibat usia kelahiran yang kurang mencukupi atau yang lewat waktu. Penelitian ini bertujuan untuk membuat aplikasi prediksi yang nantinya akan dapat membantu pasien dalam mengetahui usia kelahirannya dan mengantisipasi hal yang tidak diinginkan kedepannya. Metode yang digunakan merupakan metode Naïve Bayes dengan variable inputan faktor-faktor yang dialami oleh ibu hamil, diantaranya: usia ibu, tekanan darah, jumlah bayi, riwayat persalinan, riwayat abortus/ kuretase, malnutrisi, penyakit bawaan sebelum hamil dan masalah saat kehamilan. Hasil dari penelitian ini merupakan sebuah aplikasi yang dapat memprediksi usia kelahiran dengan nilai akurasi aplikasi tertinggi pada angka 78,69%, nilai precision tertinggi ada pada angka 70.14% dan nilai recall tertinggi ada pada angka 63.64%.Kata kunci: aplikasi, naïve bayes, prediksi, usia kelahiran. ABSTRACT Generally babies born at

No abstract

ABSTRACT