Abstrak-Data tentang mahasiswa yang lulus merupakan sebuah data yang penting baik bagi departemen, fakultas maupun universitas karena data tersebut digunakan dalam proses akreditasi. Data tentang mahasiswa yang lulus terus bertambah di tiap tahunnya dan menumpuk seperti data yang terabaikan karena jarang digunakan. Data tentang mahasiswa yang lulus dapat memberikan informasi yang berguna jika dimanfaatkan dengan maksimal. Maka dari itu, penelitian ini akan memanfaatkan data tentang mahasiswa yang lulus dengan mengolahnya menggunakan data mining untuk mendapatkan informasi berupa prediksi kelulusan mahasiswa. Metode yang akan digunakan adalah metode pohon keputusan yang dibangun dengan algoritma C4.5 disertai dengan algoritma error-based pruning untuk proses pemotongan pohon keputusan. Kriteria yang akan digunakan adalah jenis kelamin, asal daerah, IPK, dan TOEFL. Dalam penerapannya, algoritma C4.5 dapat digunakan untuk menghasilkan prediksi kelulusan dengan nilai rata-rata precision 63.93%, recall 60.73%, dan akurasi 60.52%. Setelah pohon keputusan dipotong dengan menggunakan metode error-based pruning, didapatkan hasil yang lebih baik. Pohon yang dipotong dengan menggunakan nilai confidence 0,4 menghasilkan precision 70.70%, recall 50.65%, dan akurasi 61.57%. Sedangkan pohon yang dipotong dengan menggunakan nilai confidence 0,25 menghasilkan precision 73.77%, recall 48.84%, dan akurasi 62.44%.Kata Kunci: data mining; kelulusan mahasiswa, pohon keputusan, C4.5, error-based pruning Penerapan L:ogika C4.5 pada Aplikasi... 2

ABSTRAKDalam merancang sistem kontrol dengan menggunakan logika fuzzy terdapat tiga proses yaitu fuzzifikasi, evaluasi rule dan defuzzifikasi. Masing-masing proses tersebut akan mempengaruhi respon sistem yang dikendalikan. Defuzzifikasi merupakan langkah terakhir dalam suatu sistem logika fuzzy dengan tujuannya mengkonversi setiap hasil dari inference engine yang diekspresikan dalam bentuk fuzzy set kesuatu bilangan real. Hasil konversi tersebut merupakan aksi yang diambil oleh sistem kendali logika fuzzy. Karena itu, pemilihan metode defuzzifikasi yang sesuai juga turut mempengaruhi sistem kendali logika fuzzy dalam menghasilkan respon yang optimum. Penelitian ini dilakukan dengan membandingan pada sistem logika fuzzy model Mamdani dengan menggunakan beberapa metode defuzzifikasi, yaitu metode COA (center of area), bisektor, MOM (mean of maximum), LOM (largest of maximum) dan SOM (smallest of maximum). Lima metode defuzzifikasi ini dibandingkan dengan mengimplementasikan pada sistem plant yang sama. Plant yang dipilih yaitu pada pengaturan kecepatan motor DC. Pengujian yang telah dilakukan beberapa pemberian referensi, nilai rata-rata waktu tunda (td) terkecil dari lima kali percobaan adalah dengan menggunakan metode defuzzifikasi bisektor yaitu sebesar 0,1830 detik. Nilai rata-rata waktu naik (tr) terkecil dengan menggunakan metode defuzzifikasi MOM yaitu sebesar 0,5784 detik dan nilai rata-rata waktu penetapan (ts) terkecil dengan menggunakan metode defuzzifikasi LOM yaitu sebesar 0,7789 detik.

AbstrakPerkembangan teknologi chatbot semakin canggih hingga saat ini. Mulai dari chatbot yang bernama ALICE, hingga aplikasi Siri milik perusahaan Apple sebagai virtual assistant yang berjalan pada iPhone masih dikembangkan agar semakin cerdas dan canggih untuk mempermudah pekerjaan manusia. Chatbot dapat diintegrasikan ke berbagai layanan, aplikasi atau sumber data lainnya. Salah satunya adalah mengintegrasikan chatbot dengan situs web e-commerce untuk menggantikan tugas manusia sebagai customer service. Salah satu caranya adalah memanfaatkan layanan AIML interpreter milik Pandorabots. AIML berfungsi sebagai "otak" pada chatbot, berisi basis pengetahuan yang dipersiapkan untuk menghasilkan jawaban. Pengembangan aplikasi chatbot dilakukan menggunakan metodologi Ripple yang merupakan kombinasi metodologi berorientasi objek dengan fase-fase klasik dari proses pengembangan perangkat lunak. Aplikasi yang dihasilkan diberi nama EIVA, chatbot yang berperan sebagai customer service pada toko buku online Edu4indo.com. Interaksi pelanggan dengan chatbot yang menggunakan bahasa alami diharapkan dapat menjadikan chatbot lebih memahami apa yang dimaksudkan pelanggan bila dibandingkan dengan penggunaan alat bantu pencarian tradisional dengan banyak pilihan atau bahkan textbox tunggal untuk memasukkan kata kuncinya.

One of the world's leading causes of death is traffic accidents. Data from World Health

No abstract