Heart disease receives a lot of attention in medical research because of its great effect on the human health state. Based on cases in 2008, it was estimated that more than 3 million deaths were caused due to heart disease. This study aims to compare two algorithms and find which algorithm can be utilized appropriately in predicting the accuracy of heart disease data and has the benefit to consider the health problems regarding the percentage of heart disease as well as being an accurate information material. This study used a comparison of the Support Vector Machine (SVM) algorithm and the K-Nearest Neighbor (KNN) algorithm. The method used is the Classification method, one of the techniques in Machine Learning, to find parameters in a linear equation that can map inputs and outputs. The results show that the SVM algorithm testing with normalization had better accuracy results compared to KNN algorithm either with or without normalization continued to produce poor accuracy. The SVM classification results without normalization were 84.61% and with normalization was 90.10%, while the KNN algorithm showed an accuracy of 64.83% and 81.31% with normalization.

Pendidikan merupakan salah satu sektor terpenting yang perlu dikembangkan untuk meningkatkan kualitas sumber daya manusia. Banyaknya jumlah sekolah di kota Surakarta memberikan banyak alternatif bagi calon peserta didik dan orang tua murid. Akan tetapi sedikitnya informasi mengenai profil sekolah serta lokasi keberadaanya yang tidak banyak orang tau, menjadikan hambatan bagi calon peserta didik dan orang tua dalam menentukan pilihan. Tujuan dari penelitian ini adalah merancang dan membangun Sistem Informasi Geografis berbasis web untuk pesebaran SMA / SMK di kota Surakarta dengan menggunakan Library Leaflet Javascript untuk menampilkan peta pesebaran SMA / SMK. Aplikasi ini memungkinkan untuk mencari lokasi sekolah di sekitar pengguna dan memberikan informasi mengenai profile sekolah. Diharapkan aplikasi ini dapat membantu masyarakat dalam mengakses informasi mengenai lokasi dan profil sekolah di kota Surakarta. Pengembangan sistem menggunakan metode sekuensial linier (Waterfall) dan dibuat dengan  beberapa komponen yaitu HTML, CSS, Javascript, PHP dan mysql. Hasil dari penelitian ini adalah webgis yang dapat menampilkan lokasi pesebaran sekolah dan profil sekolah di kota Surakarta. Berdasarkan hasil pengujian metode Black-box sistem dapat berjalan sesuai dengan fungsionalitasnya. Sedangkan pada pengujian metode SUS diperoleh score SUS yaitu 79,4, menunjukan sistem diterima oleh masyarakat. Kesimpulan yang di dapat pada penelitian ini adalah Library Leaflet mempermudah dalam pembuatan peta, sistem dapat menampilkan lokasi pada peta dan informasi profil sekolah serta sistem dapat berjalan dengan baik.

No abstract

Banks are the most important institution in the economics and social sector. Hence, it provides services or products such as term deposits. Term deposits give banks the most reliable source of profit and credits. Bank uses direct marketing to attract customers to subscribe to the deposit program. By using data mining, a bank can predict the client who will subscribe to the term deposit program. In this research, the dataset to be tested is bank marketing by Portuguese banking institutions. The data mining algorithm used is K-Nearest Neighbors (KNN), but it has a sensitive weakness to outliers which causes the accuracy of this algorithm is not good. This research aims to cover up the weakness of the KNN by detecting outliers in the dataset and improving the accuracy of the KNN. The outlier detection method used in this research is Subspace Outlier Detection (SOD) and Principal Component Analysis (PCA) as dimensional reduction method. The dataset was splitting into 70% training data and 30% testing data as new data. K-fold cross-validation was used to search the K Neighbors value of KNN during the modeling training data. The classification results of testing data based on the confusion matrix show the accuracy of the KNN algorithm which only uses PCA is 91%. While the KNN algorithm accuracy with SOD and PCA is 94%. It can be concluded that the accuracy of KNN using SOD is better than accuracy of KNN without SOD by improving the accuracy by 3% in the bank marketing dataset.

Penelitian ini bertujuan untuk membangun program aplikasi sistem pendukung keputusan untuk memilih siswa yang berprestasi di SMAN Kebakkramat menggunakan IDE Lazarus dengan database MySQL. Beberapa kriteria yang digunakan sebagai dasar penyeleksian siswa yang berprestasi diantaranya: nilai akademik, nilai sikap, nilai ketrampilan, serta nilai aktivitas masing-masing siswa. Dalam pengambilan keputusan untuk kasus di atas, metode penyelesaian masalah untuk banyak kriteria yang digunakan adalah Analytical Hierarchy Process (AHP). Penelitian ini menghasilkan sebuah matriks hasil yang menentukan prioritas dari tiap kriteria penilaian yang diimplementasikan pada aplikasi sistem pendukung keputusan. Hasil penelitian menunjukkan bahwa kriteria nilai akademik memiliki bobot yang tertinggi, yaitu 40%. Kemudian, kriteria nilai sikap dan nilai ketrampilan masing-masing memiliki bobot 35% dan 15%. Nilai aktivitas adalah kriteria dengan bobot terendah, yaitu 10% dari total bobot. Hasil dari penelitian dapat dijadikan sebagai dasar pengambilan keputusan dalam memilih siswa yang berprestasi di SMAN Kebakkramat secara cepat, akurat, dan tidak terdapat subjektivitas dari pihak yang berwenang