Telah banyak peneliti-peneliti termotivasi dalam meningkatkan kinerja performa prediksi. Support Vector Machine (SVM) metode yang berlandaskan pada teori pembelajaran statistic dan memberi hasil yang menjanjikan akan lebih baik dibanding metode lain. SVM bekerja juga dengan baik terhadap data yang berdimensi tinggi dengan menggunakan teknik kernel. Penentuan variabel yang relevan sangat dibutuhkan untuk dapat memberikan kinerja performa lebih efektif lagi pada suatu model. Pada penelitian ini bermaksud untuk mengembangkan model prediksi dengan mengkombinasikan algoritma Support Vector Machine dengan Feature Selection, khususnya forward selection dalam memprediksi pembayaran pembelian bahan baku kopra. Model yang diusulkan dievaluasi menggunakan data time pembelian bahan baku kopra. Hasil eksperimen penelitian ini menunjukan dimana series pembayaran algoritma SVM dan Forward Selection memberikan kinerja performa yang terbaik dibandingkan SVM, SVM dan Backward Elimination serta BPNN dan Feature Selection.

Abstrak - Usaha Kecil adalah usaha ekonomi produktif yang berdiri sendiri, yang dilakukan oleh orang perorangan atau badan usaha yang bukan merupakan anak perusahaan atau cabang perusahaan yang dimiliki, dikuasai, atau menjadi bagian baik langsung maupun tidak langsung. Pemberian Bantun UMKM merupakan salah satu permasalahan yang dihadapi oleh pihak Dinas Perindaq dalam menentukan siapa yang benar-benar berhak menerima bantuan UMKM, pihak Dinas Perindaq masih mengambil keputusan dengan cara subyektif sehingga indikator layak bagi seseorang akan berbeda dengan orang lain. Sistem pendukung keputusan adalah solusi yang dapat dilakukan untuk mengetahui hasil seleksi Penerima Bantuan UMKM dengan menggunakan metode MAUT sehingga dapat diimplementasikan. Dari hasil penelitian yang dilakukan menggunakan PHP dengan database MySQL. Metode MAUT memberikan penilaian hasil akhir dengan melakukan perangkingan dari Nilai Alternatif Tertinggi ke Terendah. Untuk membuktikan kelayakan dari sistem ini telah melalui pengujian sistem dengan hasil CyclometicComplexity = 6 dengan demikian maka sistem ini layak digunakan.Kata kunci: Bantuan UMKM, SPK, MAUT  Abstract - Small Business is a productive economic business that stands alone, which is carried out by individuals or business entities that are not subsidiaries or branches of companies that are owned, controlled, or become part of either directly or indirectly. The provision of MSME assistance is one of the problems faced by the Industry and Trade Office in determining who is really entitled to receive MSME assistance, the Industry and Trade Office still makes subjective decisions so that the correct indicator for a person will be different. from other people. The decision support system is a solution that can be done to find out the results of the selection of MSME Assistance Recipients using the MAUT method so that it can be implemented. From the results of research conducted using PHP with MySQL database. The MAUT method provides an assessment of the final results by ranking from the Highest Alternative Value to the Lowest. To prove the feasibility of this system, the system has been tested with the results of Cyclometic Complexity = 6, thus this system is feasible to use.Keywords: Asistance UMKM, SPK, MAUT

Abstrak - Tanaman cabai merah merupakan jenis buah dan tumbuhan dalam anggota genus Capsicum yang masuk dalam komodias sayuran yang banyak dinikmati masyarakat Indonesia. Kabupaten Pohuwato merupakan salah satu wilayah yang menjadi sasaran utama dalam pengembangan tanaman holtikultura. Akan tetapi dalam pengembangannya komoditi ini memiliki beberapa permasalahan salah satunya Hama dan penyakit. Kendala utama dalam mendiagnosa penyakit cabai merah yaitu minimnya pengetahuan petani tentang penyakit tanaman cabai merah, keterbatasan waktu yang dimiliki petani, dan kurangnya jumlah pakar. Dalam mengatasi situasi ini, sistem pakar sangat dibutuhkan. Sistem pakar merupakan program berbasis pengetahuan, dengan sistem pakar dapat dengan mudah mendiagnosa penyakit yang menyerang cabai merah. Penelitian ini menerapkan metode Case Based Reasoning. Metode CBR merupakan metode yang membangun sistem dengan pengambilan keputusan dari kasus baru berdasarkan solusi dari kasus sebelumnya, menyelesaikan kasus baru dengan mengamati kasus lama yang terdekat dengan kasus baru. Sistem ini di bangun dengan 5 penyakit dengan 16 gejala yang memiliki bobot yang berbeda berdasarkan hasil penelitian. Dalam menguji kelayakan sistem dan menghindari kesalahan pada sistem, maka pada penelitian ini telah melakukan pengujian sistem dengan hasil pengujian sistem white box yang dilakukan menghasilkan nilai Cyclomatic Complexity 8, untuk pengujian sistem black box semuanya sesuai dengan tampilan pada sistem.Kata kunci: Sistem Pakar, Cabai Merah, CBR Abstract - The red chili plant is a type of fruit and plant in the genus Capsicum which is included in the vegetable commodity that is widely enjoyed by the people of Indonesia. Pohuwato Regency is one of the areas that are the main targets in the development of horticultural crops. However, in its development this commodity has several problems, one of which is pests and diseases. The main obstacle in diagnosing red chili disease is the lack of knowledge of farmers about red chili disease, the limited time farmers have, and the lack of experts. To overcome this, an expert system is needed. The expert system is a knowledge-based program, with the expert system being able to easily diagnose diseases that attack red chilies. This research uses Case Based Reasoning method. The CBR method is a method that builds a system by making decisions from new cases based on solutions from previous cases, solving new cases by observing the old cases that are closest to the new cases. This system is built with 5 diseases with 16 symptoms that have different weights based on the results of the study. In testing the feasibility of the system and avoiding errors in the system, this research has tested the system with the results of a white box system test that produces a value of Cyclomatic Complexity 8, for testing the black box system everything is in accordance with the appearance on the system.Keywords: Expert System, Red Chili, CBR

Abstrak - Stunting adalah malnutrisi yang ditandai dengan tinggi badan, diukur dengan standar deviasi dari WHO. Dinas Kesehatan Provinsi Gorontalo khususnya dibidang Gizi mengenai stunting, selama ini melakukan kegiatan pemantauan tiap-tiap puskesmas dan posyandu. Pemantauan dan pendataan terkait stunting di berbagai puskesmas faktor penting. Masalah yang sering muncul adalah data yang dikumpulkan untuk underestimasi selalu tidak akurat setiap bulannya, karena hanya perkiraan yang dihitung berdasarkan kasus puskesmas. Prediksi yang akurat diperlukan untuk mengatasi permasalahan yang ada. Penelitian ini menggunakan algoritma K-Nearest Neighbor (K-NN) menggunkan Chi Square. Berdasarkan hasil eksperimen, prediksi jumlah penderita stunting telah berhasil dilakukan. Maka nilai hasil dari prediksi tersebut dapat diimplementasikan untuk bahan pertimbangan atau kebijakan didalam pengambilan keputusan. Tingkat error terkecil hasil RMSE 1,200 pada algoritma K-Nearest Neighbor menggunkan Chi Square dibandingkan algoritma K-Nesrest Neighbor tanpa seleksi fitur. Dengan demikian dari hasil eksperimen menunjukan bahwa penambahan seleksi fitur telah menunjukan performa kinerja yang baik pada algoritma K-Nearest Neighbor.Kata kunci: Prediksi, Stunting, K-NN, Chi Square Abstract - Stunting is a nutritional deficiency characterized by height as measured by the WHO standard deviation. The Gorontalo Provincial Health Office, especially in the field of nutrition related to stunting, has so far carried out monitoring activities at every puskesmas and posyandu. Monitoring and data collection related to stunting in various health centers is an important factor. The problem that often arises is that the data collected for underestimation is always inaccurate every month, because only estimates are calculated based on puskesmas cases. Accurate predictions are needed to overcome the existing problems. This study uses the K-Nearest Neighbor (K-NN) algorithm using Chi Square. Based on the experimental results, the prediction of the number of stunting sufferers has been successfully carried out. Then the value of the predicted results can be implemented for consideration or policy in decision making. The smallest error rate is RMSE 1,200 in the K-Nearest Neighbor algorithm using Chi Square compared to the K-Nesrest Neighbor algorithm without feature selection. Thus, the experimental results show that the addition of feature selection has shown good performance on the K-Nearest Neighbor algorithm.Keyword: Prediction, Stunting, K-NN, Chi Square

Stunting adalah malnutrisi yang ditandai dengan tinggi badan, diukur dengan standar deviasi dari WHO. Dinas Kesehatan Provinsi Gorontalo khususnya dibidang Gizi mengenai stunting, selama ini melakukan kegiatan pemantauan tiap-tiap puskesmas dan posyandu. Pemantauan dan pendataan terkait stunting di berbagai puskesmas di wilayah Gorontalo merupakan faktor penting dalam menentukan faktor tumbuh kembang baik dalam kandungan maupun bayi yang dilahirkan. Masalah yang sering muncul adalah data yang dikumpulkan untuk underestimasi selalu tidak akurat setiap bulannya, karena hanya perkiraan yang dihitung berdasarkan kasus Puskesmas. Prediksi yang akurat diperlukan untuk mengatasi permasalahan yang ada. Data mining didefinisikan sebagai ekstraksi informasi berharga atau berguna dari industri pertambangan atau database yang sangat besar. Penelitian ini menggunakan algoritma K-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM) menggunakan feature selection backward elimination. Berdasarkan hasil eksperimen, diprediksi jumlah penderita stunting menggunakan algoritma Support Vector Machine (SVM), dan k-Nearest Neighbor (K-NN) menggunakan Backward Elimination (BE). Tingkat error terkecil hasil RMSE 2,476 pada algoritma k-nearest neighbor. Adapun perbandingan antara hasil prediksi jumlah penderita stunting dibulan januari yaitu 23 orang dengan data aktual jumlah penderita stunting yakni 26 orang. Hasil prediksi menghasilkan nilai keakuratan 88,46%.