romi-jsai2000-presentation

Metodologi PenelitianYulia Yudihartantiyuliaydh@yahoo.co.idHP: 0819-528205211romi@romisatriawahono.netObject-Oriented Programminghttp://romisatriawahono.net1Pokok BahasanPengantar PenelitianTahapan PenelitianMasalah PenelitianPendekatan (Approach) Penelitian Tema dan Judul PenelitianKerangka Konsep dan HipotesisLandasan Teori dan Referensi PenelitianMetode Analisis Data dan Pengukuran PenelitianPenarikan Kesimpulan2romi@romisatriawahono.netObject-Oriented Programminghttp://romisatriawahono.net2I. Pengantar Penelitian3romi@romisatriawahono.netObject-Oriented Programminghttp://romisatriawahono.net3Apa Itu Penelitian?Research (Inggris) dan recherche (Prancis)re (kembali)to search (mencari)

Studi yang dilakukan seseorang melalui penyelidikan yang hati-hati dan sempurna terhadap suatu masalah, sehingga diperoleh pemecahan yang tepat terhadap masalah tersebut (T. Hillway)4Penelitian IlmiahPenelitian dengan menggunakanmetode ilmiah yang bisa diukur dandibuktikan secara rasional, logis(nalar) dan analitis, serta dapatdipahami oleh indera manusia5Karakter PenelitiThe good researcher is not one who knows the right answers but one who is struggling to find out what the right questions might be

(Phillips and Pugh, 2005)6Karakter PenelitiPeneliti itu boleh saja salah (salah hipotesis, salah pengujian hipotesis, dsb), tapi tidak boleh bohong atau menipu (mempermainkan atau manipulasi data, pengujian statistik, dsb)7Tujuan Dasar PenelitianMemecahkan permasalahan yang dihadapiMenguji, mengembangkan dan menemukan teoriMenguji, mengembangkan dan menemukan metode kerja8Klasifikasi Penelitian1. Aplikasi:Penelitian DasarPenelitian Terapan

2. Jenis Informasi:Penelitian KuantitatifPenelitian Kualitatif3. Perlakuan Data:Penelitian KonfirmatoriPenelitian Eksploratori

4. Maksud:Penelitian DeskripsiPenelitian KorelasiPenelitian Eksperimen9Penelitian Dasar dan TerapanPerbedaanPenelitian DasarPenelitian TerapanTujuanMenemukan ataumengembangkanteori baruMenghasilkan sesuatu yang langsung bisa diterapkan untuk memecahkan masalah10Penelitian Kuantitatif dan KualitatifPerbedaanPenelitian KuantitatifPenelitian KualitatifJenis Data KuantitatifKualitatifProses PenelitianDeduktif-InduktifInduktifResponden/Obyek PenelitianBanyakHanya Satu YangDijadikan ObyekInstrumenKuesioner danInstrumen LainPeneliti Itu SendiriTujuan PenelitianKonfirmasiEksplorasiTeknik PengujianHipotesaPengujian StatistikPengujian Nonstatistik11Berdasarkan Perlakuan DataPenelitian Konfirmatori yaitu penelitian yang menggunakan uji hipotesis secara statistik.

Penelitian Eksploratori yaitu penelitian yang tidak memerlukan uji hipotesis secara statistik, karena sifatnya hanya mencari tahu (explore) apa yang terjadi tanpa pengujian.12Penelitian DeskripsiAdalah jenis penelitian yang memberikan gambaran atau uraian atas suatu keadaan sejelas mungkin tanpa ada perlakuan terhadap obyek yang diteliti.Ciri-ciri :Berhubungan dengan keadaan saat ini.Menguraikan satu variabel saja. Jika lebih dari satu variabel maka diuraikan satu per satu.Variabel tidak dimanipulasiMetode pengumpulan data melalui survei (cross sectional survey dan longitudinal survey)13Penelitian KorelasiAdalah penelitian yang melihat hubungan antara variabel tanpa mencoba untuk mengubah atau mengadakan perlakuan terhadap variabel tersebut.Tujuannya :Memahami tingkah lakuMembuat prediksi14Penelitian EksperimenAdalah penelitian dimana ada perlakuan terhadap variabel independen, bisa mengetahui hubungan sebab akibat.

Karakteristiknya :Ada perlakuanMemiliki tiga jenis variabel, danRandomisasi

15Variabel EksperimenVariabel Independen adalah variabel perlakuan yang dapat dimanipulasi. Ada 2 macam, yaitu : variabel perlakuan dan variabel atribut (ex. Umur, jenis kelamin, suku, dll.)Variabel Dependen adalah variabel terikat pada variabel independen. Output dilihat dari variabel dependen.Variabel Confounding adalah variabel yang tidak diharapkan mempengaruhi tetapi dapat mempengaruhi variabel dependen.16RandomisasiMempunyai dua pengertian :Pemilihan secara random : menyangkut pemilihan sampel yang dibuat sedemikian rupa sehingga setiap anggota populasi akan diteliti memiliki kesempatan yang sama untuk dipilih.Penempatan secara random.17Deduktif-Induktif (Kuantitatif)

18Contoh Penelitian Kuantitatif(Deduktif-Induktif)19Masalah PenelitianHasil penentuan penerima beasiswa di Universitas Suka Maju dinilai tidak tepat (akurasi rendah). Misalnya, syarat penentuan beasiswa adalah:IPK >= 3Gaji Orang Tua = 3Gaji Orang Tua = 3Gaji Orang Tua ) atau lebih kecil ( statis)Hypothesis Non-DirectionalHipotesa yang tidak khusus menunjukkan arahContoh: Ada perbedaan antara jumlah pengunjung situs dinamis dan situs statis (H1: dinamis statis)107VII. Landasan Teori danReferensi Penelitian108romi@romisatriawahono.netObject-Oriented Programminghttp://romisatriawahono.net108Manfaat Landasan TeoriMemperdalam pengetahuan tentang bidang yang ditelitiMengetahui hasil penelitian yang berhubungan dan yang sudah pernah dilaksanakan (Related Research)Mengetahui perkembangan ilmu pada bidang yang kita pilih (state-of-the-art)Memperjelas masalah penelitian109Sumber Landasan TeoriJurnal Ilmiah Yang Diterbitkan IEEE dan ACM: Transaction atau JournalJurnal Ilmiah Yang Diterbitkan Asosiasi Ilmiah Lain. Biasanya bisa didapatkan dari:Elsevier.Com, EBSCOhost.ComThesis dan DisertasiBuku IlmiahConference Proceedings (Utamakan yang diterbitkan oleh IEEE Computer dan ACM)110Sumber Referensi (Gratis)http://citeseer.ist.psu.eduhttp://www.doaj.orghttp://scholar.google.comhttp://libra.msra.cnhttp://www.jstor.orghttp://ocw.mit.eduhttp://itunes.berkeley.eduhttp://highwire.stanford.edu111Sumber Referensi (Berbayar)http://www.computer.org/portal/site/csdl/http://portal.acm.org/dl.cfmhttp://www.elsevier.comhttp://www.ebscohost.comhttp://www.sciencedirect.comhttp://www.csa.com112Account ACM dan IEEEAkses ke Digital Library:http://acm.orghttp://computer.org

Username dan Password:Username: romi_swPassword: romsat98113Account EBSCOAkses ke Digital Library:http://search.ebscohost.com

Username dan Password:User ID : ebscoPassword : dikti114Langkah Menyusun Landasan TeoriCari dan baca referensi penelitian yang berhubungan dengan masalah penelitianAmbil catatan dari apa yang kita baca. Ikuti aturan umum pengambilan catatanAtur susunan tinjauan pustaka (referensi) dari catatan yang kita ambil dengan baik. Ikuti aturan umum penulisan referensiDari landasan teori hasilkan suatu kerangka pemikiran yang berisi masalah dan pendekatan yang kita pilih115Bentuk Pengambilan CatatanKutipan (Quotation): Kata-kata yang diambil persis sama dengan apa yang dituliskan (tanpa perubahan). Ditulis dalam tanda kutipParaphrase: Menyusun kembali pemikiran penulis dan mengungkapkannya dengan katakata sendiriRingkasan: Sari dari suatu tulisanEvaluasi: Interpretasi dalam bentuk komentar, baik setuju atau tidak dengan menyebutkan alasannya

Beast & Kohn (1998)116Aturan Pengambilan CatatanKutipan yang diambil dari buku dan jurnal diperbolehkan, selama tidak melebihi 250 kata untuk buku teks dan 5% panjang tulisan untuk artikel jurnalMenyebutkan sumber dari mana kutipan dan paraphrase diperolehMenyalin dari artikel berupa grafik dan bagan memerlukan izin dari pembuatnya

*American Psychological Association (APA)

117Konsep Dasar Penulisan Kutipan itu tidak berarti bahwa satu paragraf kita copy-paste. Praktek seperti ini tetap disebut plagiarism meskipun referensi disebutkanKutipan hanya untuk hal penting (hasil penelitian, teori, konsep, model, definisi) dalam paperSegala kalimat yang tidak merujuk atau menunjuk ke kutipan, berarti adalah tulisan karya sendiriDaftar referensi bukan daftar bacaan, tapi daftar rujukan atau kutipan118Mengutip Kutipan Orang LainDefinisi logika fuzzy menurut Lotfie Zadeh dalam Suyanto (Suyanto, 2009) adalah:blablablaJangan dilakukan kecuali dalam keadaan:Kita tidak bisa mengakses publikasi asliBahasa asli publikasi bukan bahasa inggris (sulit dipahami)Terlalu banyak melakukan akan membuat orang lain menyebut kita peneliti malas119Penulisan Sumber Catatan (APA*)Teks (Nama Keluarga Penulis, Tahun Terbit)Model motivasi komunitas efektif diterapkan pada implementasi eLearning publik (Wahono, 2007) (satu penulis)Model komunikasi multiagent system mengacu pada konsep game theory (Wahono & Far, 2003) (dua penulis)Model komunikasi multiagent system mengacu pada konsep game theory (Wahono et al., 2003) (lebih dari 6 penulis)Teks (Tahun Terbit)Penelitian yang dilakukan Wahono menunjukkan bahwa model motivasi komunitas efektif diterapkan pada implementasi eLearning publik (2007)Penelitian yang dilakukan Wahono dan Far menunjukkan bahwa model komunikasi multiagent system mengacu pada konsep game theory (2003)

*American Psychological Association (APA)120Penulisan Daftar Pustaka (APA*) -1-JURNAL DAN KARYA ILMIAHWahono, R.S. (2007, Agustus). Sistem eLearning Berbasis Model Motivasi Komunitas, Jurnal Teknodik , No. 21 Vol. XI, pp. 60-80. (satu penulis)Wahono, R.S. & Far, B.H (2003, August). Cognitive-Decision-Making Issues for Software Agents, Kluwer journal of Brain and Mind , Vol. 4 No. 2, pp.239-252. (dua penulis)Wahono, R.S. et al. (2002, March). A Framework for Object Identification and Refinement Process, IEEE Transaction on Software Engineering, Vol. 12 No 4, pp. 125-143. (lebih dari enam penulis)121Penulisan Daftar Pustaka (APA*) -2-BUKUWahono, R.S. (2004). Cepat Mahir Bahasa C, Jakarta: Elex Media Komputindo. (Satu penulis)Wahono, R.S. & Amri, M.C (2006). Migrasi Windows-Linux, Jakarta:IlmuKomputer.Com. (dua penulis)Wahono, R.S. et al. (2007). Panduan Pengembangan Multimedia Pembelajaran, Jakarta: Direktorat Pembinaan SMA, Ditjen Manajemen Pendidikan Dasar dan Menengah, Depdiknas. (lebih dari enam penulis)122Penulisan Daftar Pustaka (APA*) -3-TESIS DAN DISERTASIWahono, R.S. (1999). Distributed Knowledge Based System for Automatic Object-Oriented Software Design Development. B.Eng Dissertation, Saitama University, Saitama- Japan.

ARTIKEL DI INTERNETWahono, R.S. (2008). Pengembangan Konten di Era Web 2.0. Diambil 5 Mei 2008, dari http://romisatriawahono.net/2008/04/21/pengem bangan-konten-di-era-web-20/

123Teknik Memahami Paper IlmiahComputing Discipline1241. Pahami Masalah PenelitianApa Masalah Penelitian Yang Dibidik Oleh Paper? Apa motivasi mengerjakan penelitian itu?Apakah ada hal penting (kritis) dalam bidang yang digarap yang ingin diselesaikan oleh paper tersebut?Apakah penelitian bertujuan untuk mengatasi kelemahan dari pendekatan yang ada?Apakah masalah penelitian cukup menantang atau unik?1252. Pahami KontribusiApa Kontribusi Yang Diklaim oleh Paper?Apa yang baru dan orisinil di paper itu?Pemahaman baru dari masalah penelitian yang diangkat?Metodologi baru untuk memecahkan masalah?Algoritma baru?Sistem atau tool software baru?Metode eksperimen baru>Teknik pembuktian baru?Notasi atau formalisme baru?Bidang penelitian baru?1263. Pahami SubstansiBagaimana substansi dari solusi yang diklaim?Metodologi apa yang digunakan untuk memperkuat klaim?Apa argumentasi dan teori utama dari paper?Apakah telah dilakukan eksperimen, analisa data, simulasi, benchmark, studi kasus dan contoh implementasi?Apakah klaim telah dibuktikan secara ilmiah?1274. Pahami KesimpulanBagaimana kesimpulan penelitian yang ditarik?Apa yang bisa kita pelajari dan dapatkan dari paper?Apakah standard practice dari bidang ilmu berubah karena adanya penemuan baru?Apakah hasilnya bisa digeneralisasi dan diaplikasikan ke bidang yang lain?128Teknik Mengevaluasi Paper IlmiahComputing Discipline129Tiga Hal Utama EvaluasiApakah Masalah Penelitian Signifikan?Apakah penelitian hanya menyelesaikan masalah minor atau yang dibuat-buat?Apakah hasil penelitian adalah sesuatu yang applicable? Mengeksplorasi wilayah baru? Atau meningkatkan pemahaman ?Apakah Kontribusi Signifikan?Apakah paper layak dibaca? Atau peneliti hanya mengulang hal yang sudah ada?Apakah benar-benar ada suatu surprise pada paper?Apakah peneliti menyadari literatur lain yang berhubungan dengan penelitiannya?Apakah paper membahas masalah yang sudah dikenal luas?Apakah Klaim Terbukti Valid?Apakah peneliti membuat lompatan logika?Apakah teori sudah terbukti benar? Tidak adakah kesalahan pada pembuktian?Adakah faktor-faktor aneh pada proses eksperimen penelitian?Apakah benchmark yang dilakukan tidak realistis atau hanya buatan? Ataukah membandingkan apel dan jeruk>Adakah kesalahpahaman secara metodologi?Apakah generalisasi cukup valid?130VIII. Proposal Penelitian131Proposal Penelitian TesisJudulLatar Belakang MasalahRumusan Masalah (resume dari latar belakang masalah)Tujuan (harus sinkron dengan rumusan masalah)Kontribusi PenelitianManfaat (teoritis, praktis, kebijakan)Kerangka Pemikiran (gambar + penjelasan)Related Research3-4 research lain yang mirip dg research kita1-3 paragraf untuk satu penelitianLandasan TeoriApproach A (mulai dari mindmap)Approach B (mulai dari mindmap)Referensi132Tugas Penentuan Topik dan MasalahTentukan computing approach apa yang ingin kita telitiBaca buku dan pahami dengan baik tentang computing approach tersebutTerapkan computing approach ke suatu studi kasus (boleh ngambil dari buku)Rangkumkan dalam bentuk ppt dan presentasikan di depan kelas133Tugas Proposal PenelitianBuat proposal penelitian berdasarkan masalah dan topik penelitian yang kita pilihGunakan berbagai literatur yang sudah kita gunakan untuk referensiRangkumkan proposal penelitian dalam bentuk slide (ppt)

134VIII. Metode Analisis Data dan Pengukuran Penelitian135romi@romisatriawahono.netObject-Oriented Programminghttp://romisatriawahono.net135Pengumpulan DataData Sekunder:Data yang bersumber dari hasil penelitian orang lain yang dibuat untuk tujuan berbeda tapi bisa dimanfaatkanData sekunder dapat diperoleh dengan cepat dan tanpa biaya besar, misalnya dari perpustakaaan, pusat data dan informasi, toko buku, dsbData Primer:Data yang dikumpulkan oleh peneliti langsung dari sumber utamanyaPengumpulan data primer memerlukan waktu dan biaya, biasanya dari wawancara, observasi, kuesioner dan eksperimen

136Analisis Data KualitatifKategorisasi: Menyusun kembali catatan hasil observasi dan wawancara menjadi bentuk (kategori) yang sistematisPrioritas: Menentukan mana kategori yang perlu ditampilkan dan mana yang tidak. Kategori prioritas: sering muncul, paling valid, unik/bercirikhas, berhargaPenentuan Kelengkapan: apakah kategori yang muncul sudah menjawab semua perhatian (concerns) dan masalah (issues)?137Contoh Pengolahan Data KualitatifPenelitian yang dilakukan terhadap manajer perusahaan di Indonesia yang dianggap sukses menjalankan perusahaannya. Tujuan penelitian untuk mencari tahu ciri-ciri manajer yang sukses. Pengumpulan data dengan wawancara.Mengamati seluruh ciri-ciri yang muncul dari hasil wawancara dan menyusun kategorinyaMenentukan prioritas kategoriHasil analisa data dipilih tiga kategori:Orang yang memiliki prinsipOrang yang memiliki keahlian yang diunggulkanOrang yang mengutamakan pelayanan138Analisis Data KuantitatifAnalisis Data Deskriptif: Menganalisa distribusi frekuensi (sederhana atau kelompok) dari data dalam bentuk tabel, grafik dan ukuran rata-rataAnalisis Data Korelasi:Chi-Square (Skala Variabel Nominal)Spearmans Rank (Skala Variabel Ordinal) Linear Regression (Skala Variabel Interval)Analisis Data Eksperimen:Pretest-Posttest Equivalent Group untuk analisis PerbedaanTeknik Statistik Sama dengan Korelasi139IX. Penarikan Kesimpulan140KesimpulanPernyataan umum (general) hasil penelitianRingkasan dari temuan-temuan yang didapat dari analisa hasil penelitianContoh: Dari hasil analisis data penelitian, disimpulkan bahwa situs dinamis lebih banyak dikunjungi orang daripada situs statis141SaranLangkah berikutnya setelah temuan diperoleh (Future Works)Saran bisa berupa teori, implementasi (praktis), atau untuk penelitian berikutnyaApabila kesimpulan menolak hipotesis, maka perlu disarankan penelitian lebih lanjut untuk menguji teori-teori yang adaApabila kesimpulan menerima hipotesis, maka saran diarahkan ke langkah praktis bagaimana supaya hasil penelitian bisa diimplementasikan142X. Teknik Penulisan Ilmiah143XI. Presentasi Oral dan Mempertahankan Penelitian (Defence)144Tulis poin-poin yang ingin disampaikan, jangan memasukkan paragraf di slide

145Referensi -1-Christian W. Dawson, Project in Computing and Information System a Student Guide 2nd Edition, Addison-Wesley, Pearson Education Limited, 2009Mikael Berndtsson, Jrgen Hansson, Bjrn Olsson, Bjrn Lundell, Thesis Project A Guide for Students in Computer Science and Information System 2nd Edition, Springer-Verlag London Limited, 2008C.R. Kothari, Research Methodology, New Age International, 2004David E Gray, Doing Research in the Real World Second Edition, Sage Publications, 2009Mary Shaw, Writing Good Software Engineering Research Papers, Proceedings of the 25th International Conference on Software Engineering, IEEE Computer Society, pp. 726-736, 2003Publication Manual of the American Psychological Association Sixth Edition, American Psychological Association, July 2009Geoffrey Marczyk, David DeMatteo, David Festinger, Essentials of research design and methodology, John Wiley & Sons, Inc., 2005

146Referensi -2-Ronny Kountur, Metode Penelitan, Penerbit PPM, 2007Moh. Nazir, Metode Penelitian, Ghalia Indonesia, Agustus 2003Sulistyo-Basuki, Metode Penelitian, Fakultas Ilmu Pengetahuan Budaya Universitas Indonesia, April 2006Burhan Bungin, Metodologi Penelitian Kuantitatif, Kencana Prenada Media Group, 2005147Contoh Penelitian:Masalah, Tujuan dan Kontribusi148Penerapan Algoritma Genetika (Yang Sudah Direvisi) pada Tim Robocup Soccer149Research ProblemTim robocup soccer yang menggunakan Algoritma Genetika masih kurang efisien (landasi dengan literatur)150Research AimMendesain dan mengimplementasikan Algoritma Genetika yang lebih efisien (diperbaiki) untuk tim robocup151Research ObjectivesEvaluasi algoritma genetika yang digunakan untuk tim robocupMemperbaiki metode penerapan algoritma tersebut dan menerapkannya pada tim robocupKomparasi dengan mempertandingkan tim lain yang menggunakan metode sejenis152KontribusiMemperbaiki metode AI (algoritma genetika, algoritma x, y, z, etc) supaya lebih efisien untuk tim robocupMengembangkan tim robocup dengan metode AI yang efisien (diperbaiki)153Penerapan Case-Based Reasoning untuk Diagnosa Penyakit Anak154Research ProblemDiagnosa penyakit anak dengan CBR Kurang cepat (waktu)Kurang tepat (akurat)155Research AimMendesain dan mengimplementasikan Case-based Reasoning (CBR) untuk mempercepat dan membuat akurat diagnosa penyakit anak156Research ObjectivesEvaluasi algoritma similarity yang digunakan untuk CBRMelakukan komparasi algoritma tersebut mana yang paling cepat dan akurat menyelesaikan diagnosa penyakit anakKeakuratannya dari data riil yang ada di klinik atau rumah sakit157Pengukuran PenelitianMelakukan komparasi algoritma similarity di CBR, mana yang paling cepat dan akurat menyelesaikan diagnosa penyakit anak158KontribusiPenentuan algoritma similarity yang paling efisien (cepat dan akurat) untuk diganosa penyakit anakMendesain dan mengembangkan sistem berbasis CBR dan algoritma similarity yang efisien untuk diagnosa penyakit159Penerapan Algoritma Fuzzy C-Mean dan Apriori untuk Menentukan Promosi Produk yang Akurat160Research ProblemPemetaan dan pemilihan produk untuk promosi ke pelanggan berdasarkan profile mereka memerlukan waktu dan akurasi161Research AimMenerapkan algoritma fuzzy c-mean dan apriori untuk pemetaan dan pemilihan produk untuk promosi ke pelanggan supaya akurat dan cepat162Research ObjectivesEvaluasi fuzzy c-mean untuk pemetaan produkEvaluasi algoritma aproriari untuk asosiasi produk dan pelangganRevisi (adjust) parameter penerapan fuzzy c-mean dan algoritma aprioriKomparasi metode 1 dan 2, dengan metode yang sudah direvisi (waktu dan akurasi)163KontribusiRevisi (adjust) parameter penerapan fuzzy c-mean dan algoritma apriori untuk penentuan promosi produkPenggabungan dua algoritma untuk penentuan promosi produkPengembangan sistem yang menggabungkan dua algoritma untuk penentuan promosi produk164Pemetaan Profile Data Penduduk dengan K-Means dan Nave Bayes Bahar165Research ProblemPemetaan profile penduduk berdasarkan atribut data penduduk tidak akurat dan kurang cepat 166Research AimMenerapkan algoritma K-Means dan Nave Bayes untuk meningkatkan akurasi pemetaan profile penduduk167Research ObjectivesEvaluasi algoritma K-Means untuk klastering profile pendudukEvaluasi algoritma nave-bayes untuk klasifikasi profile pendudukRevisi (adjust) parameter penerapan K-Means dan algoritma Nave-BayesKomparasi metode 1 dan 2, dengan metode yang sudah direvisi (waktu dan akurasi)168KontribusiRevisi (adjust) parameter penerapan K-Means dan Nave Bayes untuk pemetaan profile pendudukPenggabungan dua algoritma untuk pemetaan profile pendudukPengembangan sistem yang menggabungkan dua algoritma untuk pemetaan profile penduduk169Penerapan Use Case Point yang Sudah Direvisi untuk Mengestimasi Proyek SoftwareMoko170Research ProblemMengestimasi proyek software dengan Use Case Point masih kurang akurat (landasi, cari papernya)171Research AimMerevisi dan memperbaiki metode Use Case Points yang Sudah Direvisi untuk mengestimasi proyek software172Research ObjectivesEvaluasi Use Case Point untuk mengestimasi proyek software pemerintah daerahRevisi (adjust) parameter penerapan Use Case Point untuk mengestimasi proyek software pemerintah daerahKomparasi Use Case Points yang sudah direvisi dengan dengan metode Use Case Point yang asli (akurasi)173KontribusiRevisi (adjust) parameter penerapan Use Case Point untuk mengestimasi proyek software pemerintah daerahPengembangan sistem berbasis Use Case Point yang sudah direvisi untuk mengestimasi proyek software pemerintah daerah174Penerapan Neuro-Fuzzy untuk Evaluasi Kualitas Pengajaran Slamet175Research ProblemPenilaian kualitas pengajaran tidak akurat apabila dengan penjumlahan skor saja (yang terjadi selama ini) maupun dengan Logika Fuzzy

176Research AimMenerapkan Neural Network dan Logika Fuzzy (Neuro-Fuzzy) untuk mengevaluasi kualitas pengajaran177Research ObjectivesEvaluasi dan penerapan Cara Penghitungan Saat ini untuk evaluasi kualitas pengajaranEvaluasi dan penerapan logika fuzzy untuk evaluasi kualitas pengajaranEvaluasi dan Penerapan neuro-fuzzy untuk evaluasi kualitas pengajaranKomparasi metode 1, 2, 3 dan tunjukkan bahwa neuro-fuzzy adalah yang paling akurat178KontribusiPenerapan neuro-fuzzy untuk evaluasi kualitas pengajaranPengembangan sistem berbasis neuro-fuzzy untuk evaluasi kualitas pengajaran179Identifikasi Jenis Parasit Malaria Plasmodum Falciparum dengan SVMKhairullah180Research ProblemIdentifikasi jenis malaria dengan BackPro dan LVQ masih tidak akurat181Research AimMenerapkan Support Vector Machine untuk Meningkatkan Akurasi pada Identifikasi penyakit malaria182Research ObjectivesEvaluasi dan penerapan Back Propagation untuk identifikasi jenis malariaEvaluasi dan penerapan LVQ untuk identifikasi jenis malariaEvaluasi dan Penerapan SVM untuk identifikasi jenis malariaKomparasi metode 1, 2, 3 dan tunjukkan bahwa SVM adalah yang paling akurat183KontribusiEvaluasi dan Penerapan SVM untuk identifikasi jenis malariaPengembangan sistem berbasis SVM untuk identifikasi jenis malaria

184Landasan TeoriRelated ResearchPenelitian bla blablaaBcLandasn TeoriSVMMalaria Plasmadium Falciparum185Penerapan AHP yang sudah direvisi untuk Penentuan Ranking Calon Penerima BeasiswaHuzain186Research ProblemPenentuan Ranking Calon Penerima Beasiswa dengan AHP tidak akurat

187Research AimMenerapkan AHP yang Sudah Direvisii untuk Meningkatkan Akurasi pada Penentuan Ranking Calon Penerima Beasiswa188Research ObjectivesEvaluasi dan penerapan AHP untuk Penentuan Ranking Calon Penerima BeasiswaEvaluasi dan penerapan AHP yang sudah direvisi untuk Penentuan Ranking Calon Penerima BeasiswaKomparasi metode 1, 2 dan tunjukkan bahwa AHP yang sudah direvisi adalah yang paling akurat189Penerapan AHP Penentuan Ranking Calon Penerima BeasiswaKhairullah190Research ProblemPenentuan Ranking Calon Penerima Beasiswa dengan Logika Fuzzy tidak akurat

191Research AimMenerapkan AHP untuk Meningkatkan Akurasi pada Penentuan Ranking Calon Penerima Beasiswa192Research ObjectivesEvaluasi dan penerapan Logika Fuzzy untuk Penentuan Ranking Calon Penerima BeasiswaEvaluasi dan penerapan AHP yang sudah direvisi untuk Penentuan Ranking Calon Penerima BeasiswaKomparasi metode 1, 2 dan tunjukkan bahwa AHP adalah yang paling akurat193KontribusiMerevisi metode AHP untuk Penentuan Ranking Calon Penerima BeasiswaPengembangan sistem berbasis metode AHP yang sudah direvisi untuk Penentuan Ranking Calon Penerima Beasiswa194Pengenalan Wajah dengan Menggunakan Metode RBF dan SVMSoegiarto195Research ProblemPengenalan Wajah dengan metode RBF masih tidak akurat196Research AimMenerapkan RBF dan SVM untuk Meningkatkan Akurasi pada Verifikasi Wajah 197Research ObjectivesEvaluasi dan penerapan RBF untuk Verifikasi Wajah Evaluasi dan penerapan SVM untuk pengenalan Wajah Komparasi metode 1, 2 dan tunjukkan bahwa RBF dan SVM adalah yang paling akurat198Penerapan AHP Penentuan Ranking Calon Penerima BeasiswaKhairullah199Research ProblemPenentuan Ranking Calon Penerima Beasiswa dengan Logika Fuzzy tidak akurat

200Research AimMenerapkan AHP untuk Meningkatkan Akurasi pada Penentuan Ranking Calon Penerima Beasiswa201Research ObjectivesEvaluasi dan penerapan Logika Fuzzy untuk Penentuan Ranking Calon Penerima BeasiswaEvaluasi dan penerapan AHP yang sudah direvisi untuk Penentuan Ranking Calon Penerima BeasiswaKomparasi metode 1, 2 dan tunjukkan bahwa AHP adalah yang paling akurat202KontribusiMerevisi metode AHP untuk Penentuan Ranking Calon Penerima BeasiswaPengembangan sistem berbasis metode AHP yang sudah direvisi untuk Penentuan Ranking Calon Penerima Beasiswa203Identifikasi Tanda Tangan dengan Jaringan Syaraf Tiruan dan Learning Vector QuantizationRatna204Research ProblemIdentifikasi tanda tangan dengan metode JST dan Back Propagation masih tidak akurat205Research AimMenerapkan JST dan LVQ untuk Meningkatkan Akurasi padaIdentifikasi tanda tangan206Research ObjectivesEvaluasi dan penerapan JST dan Back Propagation untuk Identifikasi tanda tanganEvaluasi dan penerapan JST dan LVQ untuk Identifikasi tanda tanganKomparasi metode 1, 2 dan tunjukkan bahwa JST dan LVQ adalah yang paling akurat207Pemetaan Profile Peminjam Perpustakaan dengan Klastering atau KlasifikasiKhairullah208PeluangKorelasi jenis buku yang dipinjam dengan prestasi mahasiswaKorelasi buku yang dipinjam dengan kompetensi mahasiswaKorelasi buku yang dipinjam dengan tingkat DO mahasiswa

209TOPIK KELAS 2 / SENINKEL. 1 : PENGOLAHAN DATA NILAI MHS STMIK BJBKEL. 2 : KLASTERING DATA KEPENDUDUKAN PADA KANTOR CATATAN SIPILKEL. 3 : PENENTUAN MINAT CALON MHS PADA STMIK BANJARBARUKEL. 4 : PENGOLAHAN DATA CUTI KARYAWAN PADA STMIK BJBKEL. 5 : KLASIFIKASI DATA PERPUSTAKAAN

210KEL. 6 : PENENTUAN CALON MHS UNTUK PENERIMAAN BEASISWAKEL. 7 : PEMINATAN PENYEWA VCD TERHADAP JENIS FILMKEL. 8 : PENENTUAN PROFESI KONSUMEN DARI TINGKAT PENJUALAN TIKET PESAWATKEL. 9 : PEMILIHAN MAHASISWA BERPRESTASIKEL. 10 : PREDIKSI MINAT KONSUMEN ASURANSI211TOPIK KELAS SELASA 13.00KEL. 1 : PENGOLAHAN DATA PERPUSTAKAANKEL. 2 : LOWONGAN KERJA JURUSAN TI DAN SI BERDASARKAN NILAI DAN MATA KULIAHKEL. 3 : PENJUALAN BARANGKEL. 4 : PENJUALAN TIKETKEL. 5 : DAMPAK KOMPUTER TERHADAP ANAKKEL. 6 : ME TODE PEMBELAJARAN212TOPIK KELAS RABU 08.00KEL. 1 : METODE PEMBELAJARANKEL. 2 : BUKU TAMU DIGITALKEL. 3 : PROTOTYPE KERETA LINEFOLLOWERKEL. 4 : PENENTUAN PENERIMA ZAKATKEL. 5 : PENENTUAN PENERIMA RASKINKEL. 6 : PENENTUAN PEGAWAI BERPRESTASI

213TOPIK KELAS RABU 09.40KEL. 1 : METODE PEMBELAJARANKEL. 2 : TINGKAT EFEKTIVITAS PEMBELAJARAN MENGGUNAKAN TELEKONFERENSKEL. 3 : DIAGNOSA PENYAKIT DENGAN SISTEM PAKAR DENGAN METODE CERTAINTY FACTOR214