Chat

Cerita kawan

. 00.21 . ukm Tidak ada komentar

Kawanku punya teman temannya punya kawan
Mahasiswa terakhir fakultas dodol
Lagaknya bak professor pemikir jempolan
Selintas seperti sibuk mencari bahan skripsi

Kacamata tebal maklum kutu buku
Ngoceh paling jago banyak baca Kho Ping Hoo
Bercerita temanku tentang kawan temannya
Nyatanya skripsi beli oh di sana

Buat apa susah susah bikin skripsi sendiri
Sebab ijazah bagai lampu kristal yang mewah
Ada di ruang tamu hiasan lambang gengsi
Tinggal membeli tenang sajalah

Saat wisuda datang
Dia tersenyum tenang
Tak nampak dosa di pundaknya

Sarjana begini
Banyakkah di negeri ini
Tiada bedanya dengan roti

Menangis orang tua
Lihat anaknya bangga
Lahirlah sudah si jantung bangsa

Aku hanya terdiam
Sambil kencing diam diam
Dengar kisah temanku punya kawan

Tidak ada komentar :

Posting Komentar

ada yg pengen belajar

. 02.50 . ukm Tidak ada komentar

Tidak ada komentar :

Posting Komentar

Solusi Linuk Backtrak Tidak Detek Wifi

. 23.49 . ukm Tidak ada komentar
sobat pintar awal saya  ingin mencoba instal linuk backtrak 5. sekalian buat belajar karena saya sangat newbie soal linuk. alhasil dengan perjuangan yang tinggi dan akses internet baik hari ini, saya dapat menyelesaikan instalasi backtrak ini.. hehe

tapi setelah terinstall, ternyata wifi nya tidak detek. kutak katik sana sini belum uga muncul . akhir nya browsing ke beberapa web situs. nemu solusi kayak dibawah. ternyata setelah di coba .. wow berhasil. untuk saya ingin menampilkan cara dibawah ini. dan semoga bermafaat sobat .HHE

Ketika ingin menggunakan Wlan dibacktrack atau linux pasti temen temen pernah mengalami hal seperti ini #ifconfig wlan0 up  SIOCSIFFLAGS:
 unknown error 132 
tenang....semua pasti ada jalan dan kemauan....hehehe....ini saya berikan sedikit tips buat memperbaikinya mudah mudahan bermanfaat, error ini sudah saya praktekan sendiri dan berhasil dan penyebab errorpun banyak penyebab dan cara menyelesaikannya pun ada beberapa cara,silahkan temen temen coba sendiri aja yahhh,tergantung masalah yang terjadi pada temen temen,,,, langkah pertama adalah baca bismillah dulu,,,jangan lupa yeee biar berhasil langkah kedua ketik:

  # rmmod ath5k 
# rfkill block all
 # rfkill unblock all
 # modprobe ath5k
 # rfkill unblock all
 # ifconfig wlan0 up 
kira kira itu langkah langkahnya....semoga berhasil dan bermanfaat

Copy the BEST Traders and Make Money : http://bit.ly/fxzulu

Tidak ada komentar :

Posting Komentar

Query Rangking MySQL

. 08.56 . ukm Tidak ada komentar
Terkadang kita membutuhkan suatu nomor urut dari sekumpulan data pada tabel.

Misalkan :

Adi punya nilai 85
Budi punya nilai 65
Andica punya nilai 60
Dinie punya nilai 85
Abel nilai 82
Misalkan nilai tertinggi akan mendapatkan nomor urut (rangking) satu serta bila terdapat nilai yang sama akan memiliki nomor rangking yang sama pula.

Adi punya nilai 85, rangking 1
Budi punya nilai 65, rangking 3
Andica punya nilai 60, rangking 4
Dinie punya nilai 85, rangking 1
Abel, rangking 2



CREATE TABLE `nilai_raport_siswa` (
`id` int(11) NOT NULL auto_increment,
`nis` char(4) default NULL,
`nama` varchar(50) default NULL,
`nilai_raport` int(11) default NULL,
PRIMARY KEY  (`id`)
) ;

/*Data for the table `nilai_raport_siswa` */

insert  into `nilai_raport_siswa`(`id`,`nis`,`nama`,`nilai_raport`) values
(1,’001′,’Adi’,85),(2,’002′,’Budi’,65),(3,’003′,’Andica’,60),
4,’004′,’Dinie’,85),(5,’005′,’Abel’,82);

select nis, nama, nilai_raport,
( select find_in_set( nilai_raport,
( select
group_concat(distinct nilai_raport
order by nilai_raport DESC separator ‘,’)
from nilai_raport_siswa))
) as rangking
from nilai_raport_siswa


<?php echo”salam query mysql”; ?>

Tidak ada komentar :

Posting Komentar

Motivasi diri

. 09.42 . ukm 1 komentar

Aku adalah raja atas pikiran ku.. atas hati ku.. atas mimpi-mimpi ku..

1 komentar :

Posting Komentar

class cluster k-mean php

, . 22.26 . ukm Tidak ada komentar
dalam penjelajahan dunia maya saya ada menemukan kode php untuk menyelesaikan kasus cluster k-mean , sintak nya seperti di bawah ini , semoga bermanfaat :


";
print_r($b);
function kmeans($data, $k)
{
        $cPositions = assign_initial_positions($data, $k);
        $clusters = array();

        while(true)
        {
                $changes = kmeans_clustering($data, $cPositions, $clusters);
                if(!$changes)
                {
                        return kmeans_get_cluster_values($clusters, $data);
                }
                $cPositions = kmeans_recalculate_cpositions($cPositions, $data, $clusters);
        }
}

function kmeans_clustering($data, $cPositions, &$clusters)
{
        $nChanges = 0;
        foreach($data as $dataKey => $value)
        {
                $minDistance = null;
                $cluster = null;
                foreach($cPositions as $k => $position)
                {
                        $distance = distance($value, $position);
                        if(is_null($minDistance) || $minDistance > $distance)
                        {
                                $minDistance = $distance;
                                $cluster = $k;
                        }
                }
                if(!isset($clusters[$dataKey]) || $clusters[$dataKey] != $cluster)
                {
                        $nChanges++;
                }
                $clusters[$dataKey] = $cluster;
        }

        return $nChanges;
}

function kmeans_recalculate_cpositions($cPositions, $data, $clusters)
{
        $kValues = kmeans_get_cluster_values($clusters, $data);
        foreach($cPositions as $k => $position)
        {
                $cPositions[$k] = empty($kValues[$k]) ? 0 : kmeans_avg($kValues[$k]);
        }
        return $cPositions;
}

function kmeans_get_cluster_values($clusters, $data)
{
        $values = array();
        foreach($clusters as $dataKey => $cluster)
        {
                $values[$cluster][] = $data[$dataKey];
        }
        return $values;
}


function kmeans_avg($values)
{
        $n = count($values);
        $sum = array_sum($values);
        return ($n == 0) ? 0 : $sum / $n;
}


function distance($v1, $v2)
{
  return abs($v1-$v2);
}


function assign_initial_positions($data, $k)
{
        $min = min($data);
        $max = max($data);
        $int = ceil(abs($max - $min) / $k);
        while($k-- > 0)
        {
                $cPositions[$k] = $min + $int * $k;
        }
        return $cPositions;
}
?>



Tidak ada komentar :

Posting Komentar

Mengatasi Fatal error: Maximum execution time of 30 seconds exceeded di XAMPP

. 22.09 . ukm Tidak ada komentar
Ketika merancang atau menjalankan kode program PHP, ada kalanya sebuah program butuh waktu proses yang tidak sebentar, dan beberapa saat kemudian tampil pesan Fatal error: Maximum execution time of 30 seconds exceeded. Pada tutorial PHP kali ini saya akan mencoba mencari solusi untuk mengatasi masalah ini.

Cara Mengubah pengaturan max_execution_time PHP

Pesan Fatal error: Maximum execution time of 30 seconds exceeded berasal dari sebuah setingan PHP: max_execution_time = 30. Pengaturan ini bertujuan untuk memaksa kode PHP agar berhenti bekerja apabila dalam waktu 30 detik belum juga selesai di proses. Tujuannya, supaya sumber daya sistem (seperti processor) tidak bekerja terus-menerus.
Secara umum, sebuah kode PHP hanya membutuhkan waktu beberapa detik untuk menjalankan kode program. Apabila lebih, ditakutkan terdapat kode yang salah, seperti infinity loop (kode perulangan yang tidak pernah berhenti).
Dalam kasus tertentu, proses yang lama ini memang tidak bisa dihindari. Salah satu penyebabnya ketika kita mendownload atau mengupload file yang cukup besar.
Sebagai contoh, ketika saya mengistall wordpress secara offline, dan ingin mengupdate wordpress atau menginstall plugin, kita harus menunggu proses download ini. Jika koneksi internet yang anda gunakan cukup lambat, pesan Fatal error: Maximum execution time of 30 seconds exceeded hampir pasti akan muncul, dan proses update gagal.

Jadi, bagaimana cara mengatasi error ini?

Caranya adalah dengan menambah batasan waktu dari pengaturan:max_execution_time.
Seluruh settingan PHP berada di dalam file yang bernama PHP.ini. Jika anda menggunakan XAMPP, file ini bisa ditemukan di folder_xampp/php/php.ini.
Lokasi File PHP.ini XAMPP
File PHP.ini juga bisa diakses dari jendela XAMPP Control Panel, seperti tampilan berikut:
Lokasi File PHP.ini XAMPP
Ubah Setingan max_execution_time PHP
Membuka file PHP.ini dari XAMPP Control Panel
Setelah file PHP.ini terbuka (biasanya dari aplikasi notepad bawaan windows). Cari baris “max_execution_time”, mudahnya bisa menggunakan fitur ‘find’. Setelah ketemu, ubah angka disebelah kanan max_execution_time.
Secara default, angka max_execution_time di set sebesar 30, yang berarti kode PHP diberi kesempatan maksimum paling lama 30 detik. Silahkan mengubah nilai ini menjadi angka yang lebih besar. Kali ini saya akan mengubahnya menjadi 300, yang berarti kode PHP diberi kesempatan selama 300 detik (5 menit) untuk menyelesaikan tugasnya. Anda juga bisa memberikan angka 0, yang berarti tidak ada batasan waktu.
Setelah itu, save file PHP.ini (bisa dengan menekan kombinasi tombol CRTL+S), kemudian restart Apache (dari XAMPP Control Panel, klik tombol Stop di Apache, kemudian klik kembali tombol Start).
Sekarang, seharusnya pesan Fatal error: Maximum execution time of 30 seconds exceeded sudah tidak keluar lagi. Namun perlu dicatat bahwa mungkin saja web browser ‘hang’ selagi menunggu kode PHP selesai memproses kode yang cukup lama ini.

Tidak ada komentar :

Posting Komentar

Mengatasi Fatal error: Maximum execution time of 30 seconds exceeded dari Coding dan php.ini

. 22.02 . ukm 1 komentar
Ubah Setingan max_execution_time PHP
Masih efek bermain dengan Stemming, setelah PDF berhasil diambil teksnya, maka proses selanjutnya adalah melakukan stemming. yang menjadi kendala saat melakukan stemming adalah muncul error Fatal error: Maximum execution time of 30 seconds exceeded in C:\xampp\htdocs\bimbingan\ECS.php on line 4 yang artinya, masa eksekusi dalam satu halaman hanya dapat dilakukan dalam waktu 30 detik, sementara untuk melakukan proses stemming dengan jumlah kata yang banyak sudah pasti membutuhkan lebih dari 30 detik. 

bagaimana cara mengatasinya....??

Ada 2 cara, yaitu dengan mengatur pada php.ini atau membuat di baris paling atas file php.
  1. Konfigurasi melalui php.ini
    Buka php.ini dengan cara, buka XAMPP, pada bagian apache klik config dan akan muncul daftar file, kemudian pilih PHP (php.ini), atau dengan cara membuka file pada lokasi installan XAMPP, jika di install di drive C, maka lokasinya adalah  C:\xampp\php\php.ini, kemudian cari :

    3. max_execution_time = 30

    Silahkan ganti angka 30 menjadi angka yang dibutuhkan, misalnya waktu eksekusi maksimal ingin dibuat 5 menit, maka max_execution_time = 300

    Yang menjadi kendala jika kita mengkonfigurasi dari file php.ini adalah saat melakukan proses Hosting. terkadang pihak hosting tidak memberi kita akses untuk php.ini (yang biasa menjadi masalah bagi programmer :D ), apalagi kalau mau coba-coba dengan hotingan gratis.. heheh...
  3. Konfigurasi pada file Project
    Untuk mengatasinya adalah dengan mengkonfigurasi pada file projectnya, misalnya untuk proses stemming saya buat pada file stem.php, maka pada baris paling atas akan saya letakkan perintah berikut :

    ini_set('max_execution_time', 300); 

     Dengan cara ini apalagi yang menjadi kendala..??? kendalanya tidak semua file project akan dieksekusi dengan waktu 300 detik. Jika saya membuat perintah ini di file stem.php, maka pada file index.php akan tetap menggunakan waktu maksimal adalah 30 detik yang sesuai dengan bawaan php.ini, 
Kesimpulan
- Jika konfigurasi dengan php.ini, maka setiap halaman yang ada pada project akan memiliki waktu eksekusi maksimal 300 detik
- Jika menggunakan  perintah ini_set('max_execution_time', 300); , maka hanya halaman yang diketikkan ini memiliki waktu eksekusi 300 detik, yang lain akan tetap 30 detik

1 komentar :

Posting Komentar

Pengertian URL Encoding

. 21.46 . ukm 1 komentar
Pengertian URL Encoding
TEKNIK KOMPUTER DAN JARINGAN - Apa kabar sobat TKJ, Postingan kali ini saya akan coba untuk menjelaskan tentang apa itu URL Encoding, mungkin banyak yang belum tahu atau belum pernah sama sekali mendengar kata “URL encoding”, tapi percayalah jika anda seorang gretongerz anda mungkin pernah menggunakan URL encoding yang akan saya jelaskan ini.

URL Encoding adalah proses konversi URL (Uniform Resource Locator) saat kita melakukan proses request suatu halaman situs ke web server. Kenapa URL harus di konversi dahulu sebelum browser melakukan request ke web server ? karena sering kali kita menjumpai URL yang tidak termasuk atau di luar standar ASCII dan juga URL tidak boleh mengandung “spasi”, nah loh..? ASCII apa lagi ini ?

ASCII adalah karakter yang digunakan saat kita mengirim atau menerima informasi ataupun data antar komputer. ASCII merupakan standar yang sudah ditetapkan untuk karakter yang digunakan untuk saling bertukar informasi sejak awal tahun 60′an dan masih digunakan sampai sekarang.
Nah, untuk itu saat kita akan mengakses suatu situs ataupun blog, secara otomatis browser kita akan melakukan yang kita sebut “URL encoding” untuk menghindari spasi dan juga terdapatnya karekter yang tidak termasuk dalam ASCII dalam suatu URL.

Saya akan memberikan satu contoh, berikut ini contoh URL sebelum di encode oleh browser, URL yang biasa kita gunakan sehari – hari untuk mengakses suatu halaman.
http://www.facebook.com/fhirman.blog
Saat browser akan melakukan request, browser akan men-konversi terlebih dulu URL tersebut menjadi.
http%3A%2F%2Fwww.facebook.com%2Ffhirman.blog
Saya yakin untuk gretongerz sejati, URL diatas sudah tidak asing lagi, konversi karakter ini selalu diawali dengan karekter % dan diikuti dua digit hexadesimal.
Contoh untuk karekter “/” dikonversi menjadi “%2F” begitu juga dengan karakter lainnya, tentunya dengan dua digit hexadesimal yang berbeda
Untuk karakter – karekter lainnya bisa di lihat disini, disitu anda juga bisa mencoba generate URL biasa menjadi URL encoding secara instant, dengan hanya copy paste URL yang akan anda coba lalu klik submit.

Demikian postingan saya yang berjudul Pengertian URL Encoding, Semoga dapat bermanfaat untu Anda. Mohon ditambahkan jika masih ada yang kurang atau jika ada kesalahan jangan sungkan untuk komentar di form komentar di bawah.

1 komentar :

Posting Komentar

hadi hirta

. 02.37 . ukm Tidak ada komentar
Hidup  yang sebenarnya akan terlihat dan anda alami jika anda berhasil menjadi diri sendiri

Tidak ada komentar :

Posting Komentar

Sajak Karya Hamka

. 02.35 . ukm Tidak ada komentar
Di atas runtuhan Melaka
Lama penyair termenung seorang diri
ingat Melayu kala jayanya
pusat kebesaran nenek bahari

Di sini dahulu laksamana Hang Tuah
satria moyang Melayu sejati
jaya perkasa gagah dan mewah
"tidak Melayu hilang di bumi"

Di sini dahulu payung berkembang
megah bendahara Seri Maharaja
bendahara cerdik tumpuan dagang
lubuk budi laut bicara

Pun banyak pula penjual negeri
mengharap emas perak bertimba
untuk keuntungan diri sendiri
biarlah bangsa menjadi hamba

Inilah sebab bangsaku jatuh
baik dahulu atau sekarang
inilah sebabnya kakinya lumpuh
menjadi budak jajahan orang

Sakitnya bangsaku bukan di luar
tapi terhunjam di dalam nyawa
walau diubat walau ditawar
semangat hancur apakan daya

Janji Tuhan sudah tajalli
mulialah umat yang teguh iman
Allah tak pernah mungkir janji
tarikh riwayat jadi pedoman

malang mujur nasibnya bangsa
turun dan naik silih berganti
terhenyak lemah naik perkasa
tergantung atas usaha sendiri

Riwayat lama tutuplah sudah
sekarang buka lembaran baru
baik hentikan termenung gundah
apalah guna lama terharu

Bangunlah kekasih ku umat Melayu
belahan asal satu turunan
bercampur darah dari dahulu
persamaan nasib jadi kenangan

Semangat yang lemah buanglah jauh
jiwa yang kecil segera besarkan
yakin percaya iman pun teguh
zaman hadapan penuh harapan

Tidak ada komentar :

Posting Komentar

KEAMANAN JARINGAN

, . 02.26 . ukm 1 komentar

1 komentar :

Posting Komentar

Ringkasan Jurnal data Mining

, . 21.47 . ukm Tidak ada komentar

Proses Data Mining dalam Sistem Pembelajaran
Berbantuan Komputer
A.   Pendahuluan dan Landasan Teori
Jurnal Penerapan metode data mining dala system pembelajaran berbantuan komputer. Ketersediaan data yang berlimpah yang dihasilkan dari penggunaan teknologi informasi di hampir semua bidang kehidupan, menimbulkan kebutuhan untuk dapat memanfaatkan informasi dan pengetahuan yang terkandung di dalam limpahan data tersebut, yang kemudian melahirkan data mining.  Data mining merupakan proses untuk menemukan pengetahuan (knowledge discovery) yang ditambang dari sekumpulan data yang volumenya sangat besar. Aplikasi  data mining pada pengelolaan bisnis, pengendalian produksi, dan analisa pasar misalnya, memungkinkan diperolehnya pola dan hubungan yang dapat dimanfaatkan untuk peningkatan penjualan, atau pengelolaan sumber daya dengan lebih baik. Dunia pendidikan memiliki data yang berlimpah dan berkesinambungan mengenai siswa yang dibina dan alumni yang dihasilkannya. Hal ini membuka peluang diterapkannya  data mining untuk pengelolaan pendidikan yang lebih baik [Jing, 2004] dan  data mining dalam pelaksanaan pembelajaran berbantuan komputer yang lebih efektif [Merceron, 2005]. Sistem pembelajaran berbantuan komputer  (computer aided learning system) dapat diimplementasikan sebagai  sistem tutorial berbasis web (web-based tutoring tool) [Merceron, 2005] atau sistem tutorial cerdas (intelligent tutoring system) [Nilakant, 2004]. Di dalam sistem tutorial berbasis web maupun sistem tutorial cerdas, setiap interaksi siswa dengan sistem akan dicatat dalam suatu basis data dalam bentuk web log atau model siswa (student model). Setelah sistem tersebut digunakan dalam proses pembelajaran selama jangka waktu tertentu, maka akan terkumpul sejumlah besar data. Kumpulan data tersebut dapat diproses lebih lanjut dengan  data mining untuk memperoleh pola baru yang dapat digunakan untuk meningkatkan efektifitas dalam proses pembelajaran.
B.  Pembahasan
Proses analisis data dengan menerapkan teknik  data mining dapat dilakukan melalui analisis statistik atau dengan pendekatan  machine learning. Analisis data pembelajaran dengan pendekatan machine learning akan menggunakan tiga teknik, yaitu  association rules,  clustering, dan classification [Nilakant, 2004][Merceron, 2005]. Algoritma  association rule (AR) digunakan untuk menemukan hubungan antar nilai tertentu dari atribut nominal dalam suatu dataset. Aturan yang dihasilkan dapat ditulis dalam bentuk “if-then” dengan mempertimbangkan besaran  support  dan  confidence  untuk menilai reliabilitas aturan. Bentuk umum aturan dalam association rule adalah :
(X = xi) →(Y = yi)  [sup,conf]
dengan X = { x1, x2, . . ., xn}, Y = { y1, y2, . . ., ym}, sup = probabilitas bahwa suatu instans dalam dataset mengandung X ∪Y, conf = probabilitas kondisional bahwa instans yang mengandung X juga mengandung Y. Pada gambar 4 ditunjukkan contoh atribut dataset  yang dapat diturunkan dari Tabel 1  yang akan digunakan sebagai acuan untuk pembahasan dalam algoritma AR, classification, dan clustering berikut ini. Dataset tersebut dapat merupakan gabungan dari beberapa data yang diperoleh saat siswa berinteraksi dengan sistem pembelajaran.
menemukan kesalahan yang sering terjadi pada saat siswa mengerjakan latihan soal. Sebagai contoh, dari dataset pada gambar 4,  diperoleh kumpulan instans mengenai siswa yang melakukan kesalahan dengan frekuensi tertentu.  Diasumsikan kumpulan instans tersebut memenuhi kondisi jika siswa melakukan kesalahan A dan kesalahan B, maka mereka juga melakukan kesalahan C, misalnya dengan support 30% dan confidence 60%, akan ditulis sebagai :
A and B → C [30%,60%]
Aturan tersebut dapat dibaca sebagai berikut : dari 30% siswa yang melakukan kesalahan A dan kesalahan B (dari seluruh siswa yang mengerjakan latihan soal), 60% diantaranya melakukan kesalahan C. Algoritma AR juga dapat menyatakan hubungan antara beberapa atribut yang berbeda, misalnya kesalahan A pada konsep X menimbulkan kesalahan B pada konsep Y, yang ditulis sebagai
A and X → B and Y

Teknik  classification bekerja dengan mengelompokkan data berdasarkan data training  dan nilai atribut klasifikasi. Aturan pengelompokan tersebut akan digunakan untuk klasifikasi data  baru ke dalam kelompok yang ada.Classification dapat direpresentasikan dalam bentuk pohon keputusan (decision tree). Setiap node dalam pohon keputusan menyatakan suatu tes terhadap atribut dataset, sedangkan setiap cabang menyatakan hasil dari tes tersebut. Pohon keputusan yang terbentuk dapat diterjemahkan menjadi sekumpulan aturan dalam bentuk IF condition THEN outcome.
Perbedaan utama antara aturan hasil algoritma AR dengan aturan hasil classification adalah  classification hanya membuat model untuk satu atribut, yaitu atribut kelas. Pada algoritma AR, bagian konsekuen aturan (bagian kanan aturan) dapat mengandung lebih dari satu atribut, sedangkan pada classification hanya mengandung nilai atribut dari atribut kelas. Hal ini dapat digunakan untuk analisis secara top-down, yaitu mulai dengan algoritma AR untuk memperoleh hubungan antara beberapa atribut, kemudian analisis dipersempit pada atribut tertentu dengan menggunakan classification. Dengan menggunakan dataset hasil belajar siswa seperti pada gambar 4, sebagai data training pada suatu tahun, dapat dibuat pohon keputusan untuk memperkirakan distribusi nilai siswa pada tahun berikutnya. Gambar 5 menunjukkan contoh pohon keputusan yang dihasilkan dari teknik classification. Pada gambar 5 terlihat klasifikasi siswa yang didasarkan pada jumlah kesalahan yang dilakukan siswa dan tingkat pencapaian dalam pengerjaan soal. Pemilihan atribut yang digunakan dalam pohon keputusan ditentukan secara heuristik dengan information gain [Jiawei, 2001].


C.  Kesimpulan
Dari Jurnal Majalah Ilmiah Informasi dan Teknologi Ilmiah (INTI) ISSN : 2339-210X yang berjudul “Proses Data Mining dalam Sistem Pembelajaran Berbantuan Komputer” maka dapat disimpulkan :
1.      Jurnal diatas menjelaskan tentang pemanfaatan data mining dalam dunia pendidikan khusus nya dalam system pembelajaran berbantuan komputer .

2.      Metode data mining berfungsi mencari  pengetuan yang ada dalam database pembelajar.

Tidak ada komentar :

Posting Komentar

metode SAW

. 09.21 . ukm Tidak ada komentar
Assalamu'alaikum wr. wb.  Apa kabar sahabat visualbasic-indonesia? semoga baik selalu amin.... :D

Saat browsing di laptop, eh admin dapet sebuah source code sistem pendukung keputusan tentang pemilihan peserta siswa olimpiade sains, langsung di posting aja, mana tau ada teman-teman yang sedang membutuhkan nya.

Progam ini bukan buatan admin, tapi buatan mahasiswa yang sudah tamat lalu. Program ini dibuat menggunakan visual basic classic atau vb 6.0 dan dengan database mysql, nnt coba sahabat cek saja setelah download. 

Dalam sistem spk kali ini dalam pengambilan keputusan mengguanakan metode Simple Additive Weighting (SAW) dan menggunakan kriteria sebagai berikut : 

Peringkat Rangking
Nilai Rata-rata Raport
Nilai Psicotest
Nilai Rata-rata Matematika
Nilai Rata-rata Fisika
Nilai Rata-rata Biologi
Nilai Kepribadian

Kemudian dibawah ini adalah 3 tabel yang digunakan dalam proses penentuan keputusan pada sistem pendukung keputusan ini : 

spk tabel bobot

spk nilai bobot

spk data siswa

Tidak ada komentar :

Posting Komentar

hadi hirata

. 09.17 . ukm Tidak ada komentar
Jangan menyerah atas impianmu, impian memberimu tujuan hidup. Ingatlah, sukses bukan kunci kebahagiaan, kebahagiaanlah kunci sukses. Semangat !

Tidak ada komentar :

Posting Komentar

hadi hirata

. 07.04 . ukm Tidak ada komentar
Seberat apapun beban masalah yang kamu hadapi saat ini, percayalah bahwa semua itu tidak pernah melebihi batas kemampuan kamu.

Tidak ada komentar :

Posting Komentar

Langganan: Postingan ( Atom )