Abstrak. Tulang punggung sebagai bagian dari tulang belakang yang mempunyai peran penting pada tubuh manusia. Trauma yang terjadi pada tulang punggung dapat mempengaruhi kemampuan sumsum tulang belakang untuk mengirim dan menerima pesan dari otak ke sistem tubuh yang mengendalikan sensorik dan motorik. Disk Hernia dan Spondylolisthesis merupakan contoh dari penyakit yang terjadi pada tulang punggung. Penelitian tentang klasifikasi penyakit atau kerusakan tulang dan sendi dari sistem kerangka masih jarang dilakukan. Padahal sistem klasifikasi tersebut dapat digunakan sebagai second opinion oleh para ahli radiologi sehingga dapat meningkatkan produktivitas dan konsistensi diagnosis dari ahli radiologi. Penelitian ini menggunakan dataset vertebral column yang memiliki tiga kelas (Disk Hernia, Spondylolisthesis, Normal) dan 310 instance yang terdapat pada UCI Machine Learning. Dalam penelitian ini menggunakan metode penerapan algoritma K-NN untuk klasifikasi penyakit Disk Hernia dan Spondylolisthesis pada tulang belakang. Data disusun dalam dua tugas klasifikasi yang berbeda namun terkait, yaitu kategori "normal" dan "abnormal". Algoritma K-NN melakukan pendekatan klasifikasi data dengan cara mengoptimalkan data contoh yang dapat dijadikan acuan sebagai data training untuk menghasilkan klasifikasi data tulang belakang berdasarkan proses belajar (learning). Hasil penelitian menunjukkan bahwa akurasi dari classifier K-NN sebesar 83%. Rata-rata lama waktu yang dibutuhkan untuk melakukan klasifikasi classifier K-NN 0,000212303 detik.Abstract. Vertebral column as a part of backbone has important role in human body. Trauma in vertebral column can affect spinal cord capability to send and receive messages from brain to the body system that controls sensory and motoric movement. Disk hernia and spondylolisthesis are examples of pathologies on the vertebral column. Research about pathology or damage bones and joints of skeletal system classification is rare whereas the classification system can be used by radiologists as a second opinion so that can improve productivity and diagnosis consistency of the radiologists. This research used dataset Vertebral Column that has three classes (Disk Hernia, Spondylolisthesis and Normal) and instances in UCI Machine Learning. This research applied the K-NN algorithm for classification of disk hernia and spondylolisthesis in vertebral column. The data were then classified into two different but related classification tasks: "normal" and "abnormal". K-NN algorithm adopts the approach of data classification by optimizing sample data that can be used as a reference for training data to produce vertebral column data classification based on the learning process. The results showed that the accuracy of K-NN classifier was 83%. The average length of time needed to classify the K-NN classifier was 0.000212303 seconds.

AbstrakDisk hernia dan Spondylolisthesis merupakan contoh penyakit yang dapat terjadi pada kolumna vertebralis atau tulang belakang. Suatu proses ekstraksi untuk mencari informasi dalam data yang belum diketahui sebelumnya dikenal dengan istilah data mining. Salah satu peranan utama data mining adalah klasifikasi. Klasifikasi banyak digunakan untuk menentukan keputusan sesuai pengetahuan baru yang didapat dari pengolahan data lampau menggunakan algoritma. Penelitian ini melakukan penerapan nilai akurasi algoritma C4.5 pada klasifikasi penyakit disk hernia dan spondylolisthesis serta kecepatan waktu pada proses klasifikasi. Proses klasifikasi dilakukan dengan cara memasukkan data dari sumber utama ke dalam sistem, kemudian melakukan proses perhitungan menggunakan metode algoritma C4.5. Hasil penelitian menunjukkan bahwa akurasi dari classifier C4.5 sebesar 89%. Rata-rata lama waktu yang dibutuhkan untuk melakukan klasifikasi classifier C4.5 0,00912297 detik.

In the medical field, there are many records of disease sufferers, one of which is data on breast cancer. An extraction process to fine information in previously unknown data is known as data mining. Data mining uses pattern recognition techniques such as statistics and mathematics to find patterns from old data or cases. One of the main roles of data mining is classification. In the classification dataset, there is one objective attribute or it can be called the label attribute. This attribute will be searched from new data on the basis of other attributes in the past. The number of attributes can affect the performance of an algorithm. This results in if the classification process is inaccurate, the researcher needs to double-check at each previous stage to look for errors. The best algorithm for one data type is not necessarily good for another data type. For this reason, the K-Nearest Neighbor and Naïve Bayes algorithms will be used as a solution to this problem. The research method used was to prepare data from the breast cancer dataset, conduct training and test the data, then perform a comparative analysis. The research target is to produce the best algorithm in classifying breast cancer, so that patients with existing parameters can be predicted which ones are malignant and benign breast cancer. This pattern can be used as a diagnostic measure so that it can be detected earlier and is expected to reduce the mortality rate from breast cancer. By making comparisons, this method produces 95.79% for K-Nearest Neighbor and 93.39% for Naïve Bayes

Teknologi Informasi sangat mendukung proses belajar mengajar  dalam pembelajaran matematika, namun pada kenyataannya dalam kegiatan pembelajaran masih  sedikit guru yang memanfaatkan TIK, padahal jika guru menggunakan TIK dalam proses pembelajaran  dapat membantu peserta didik dan guru tersebut dalam pembelajaran matematika. Penelitian ini bertujuan untuk mengetahui pengaruh multimedia pembelajaran matematika berbantuan aplikasi Geogebra terhadap  pemahaman konsep peserta didik pada materi transformasi geometri dengan model Discovery. Metode penelitian yang digunakan yaitu Research and Development (R&D), mengacu pada model pengembangan ADDIE. Subjek penelitian ini dilakukan di SMP VIP  Al-Huda Kebumen kelas IXA. Instrumen yang digunakan berupa angket respon online peserta didik, angket  respon online guru dan tes hasil belajar peserta didik. Berdasarkan hasil uji coba penggunaan aplikasi Geogebra dalam pembelajaran transformasi geometri, dari seluruh aspek pernyataan dari angket respon  peserta didik dan respon guru diperoleh persentase rata-rata respon adalah 89,7%, begitu juga dengan  tes hasil belajar peserta didik yang sudah mencapai KKM (kriteria ketuntasan minimal). Dengan demikian tingginya persentase respon peserta didik dan hasil belajarnya membuktikan bahwa  penggunaan aplikasi Geogebra dapat meningkatkan pemahaman konsep peserta didik dalam  pembelajaran transformasi geometri berbasis discovery learning, Implikasinya jika dalam setiap pembelajaran menggunakan  media yang tepat maka akan meningkatkan motivasi belajar peserta didik dan meningkatkan prestasi belajarnya.

Dental and oral health education is one of the efforts to improve dental and oral primary school age is the ideal age to train motor skills of a child. The purpose of this study was to determine the relationship between knowledge and actions about maintaining oral health in children aged 11-12 year SDN 020583 Binjai city year 2016. In this case the researcher took a type of correlation study which aims to reveal the relationship of knowledge with actions on maintaining dental and oral health in children aged 11-12 years. The sample in this study were students aged 11-12 years in SDN 020583 in the city of Binjai as many as 32 people the instruments used in this study were questionnaires containing 20 questions. Data is then analyzed in the form of table characteristics of the level of knowledge and behavior of the respondents then presented. The results of the study r count (0.581)> r table so that the alternative hypothesis is accepted there is no significant relationship, then there is a relationship of knowledge with actions about the maintenance of teeth and mouth in children aged 11-12 years in SDN 020583 in Bandung 2016. t count: in the results of this calculation show that the value of t count (18,182)> t table (2,042). If t count> t tables of alternative hypotheses are accepted, it means that there is a significant relationship, then there is a relationship of knowledge with actions on maintaining dental and oral health in children aged 11-12 years in SDN 020583 in the city of 2016Keywords: Knowledge, actions of the child's teeth and mouth