No abstract

Acute Respiratory Infection (ARI) is a disease caused by infections of the respiratory tract, larynx, pharynx, sinuses and nose. ARI often causes death because the sufferer who comes for treatment is underestimated is already suffering from severe ARI. In 2013 to 2015 ARI was one of the ten most common illnesses in the city of Kupang, where ARI ranked first, followed by other diseases of the upper respiratory tract and grastitis. This study produced an expert system to diagnose ARI using the Variable Centered-Rule System method which functions to facilitate knowledge development and Dempster-Shafer Theory which serves to overcome uncertainty by entering the density of each symptom of ARI in the system. The VCIRS method is a method of building knowledge and inference strategies on expert systems. This method is rigid in accommodating changes in inference strategies except for changes in knowledge structures. This study aims to make the VCIRS method dynamic in an inference process where the sequence of variables in inference is determined by the occurrence and density of the variable. System accuracy by using medical record data of 95% with the triggering sequence of symptoms becoming dynamic every time a consultation session occurs.

Cuaca merupakan salah satu bagian dari keseharian manusia. Banyak orang yang menggantungkan hidupnya pada keadaan cuaca untuk melakukan setiap kegiatannya. Oleh karena itu dengan diketahuinya peramalan cuaca akan memberikan pertimbangan kepada masyarakat untuk dapat melakukan berbagai aktifitas kehidupan manusia seperti pada bidang penerbangan, pelayaran, pertanian, industri olahan dan lain sebagainya yang bergantung pada kondisi cuaca. Untuk itu pihak BMKG Indonesia setiap harinya bertugas untuk memberikan informasi prakiraan cuaca berdasarkan data-data meteorologi yang ada dengan menggunakan perhitungan yang rumit. Penelitian ini bertujuan membangun suatu sistem yang akan menjadi alternatif bagi pihak BMKG dalam meramalkan cuaca menggunakan fuzzy berdasarkan empat kriteria pendukung yaitu suhu udara, kelembaban udara, kecepatan angin dan tekanan udara. Dalam melakukan prakiraan cuaca menggunakan fuzzy mamdani terdapat beberapa langkah yaitu menentukan himpunan fuzzy, Aplikasi fungsi implikasi menggunakan fungsi MIN, komposisi aturan menggunakan fungsi MAX, dan yang terakhir proses Defuzzifikasi menggunakan metode MOM. Sistem ini akan menghasilkan hasil prakiraan cuaca berdasarkan data suhu udara, kelembaban udara, kecepatan angin dan tekanan udara yang telah dimasukan pengguna sistem dengan menunjukan tingkat keanggotaan dari hasil prediksi. Berdasarkan pengujian yang telah dilakukan disimpulkan bahwa sistem yang dibangun menggunakan fuzzy mamdani dapat melakukan prakiraan cuaca dengan baik dengan tingkat akurasi sistem 61,062 % menggunakan data cuaca perhari sebanyak 1826 data pada tahun 2013-2017, dengan tingkat akurasi terendah terdapat pada tahun 2015 dengan tingkat akurasi 54,247 % dan akurasi tertinggi pada tahun 2017 sebesar 65,207 %.

Graduation rates are considered as one of the parameters of the effectiveness of educational institutions. The period of student studies is an important issue that needs to be handled wisely by the Undana Computer Science department. Because graduation rates on time and not on time will affect the accreditation of majors, so we need a solution to be able to improve the problem of graduation on time. The solution that can help supervise and pay attention to active students in the 5th semester in order to graduate on time is to use a Decision Support System. Decision Support System can help predict the period of study of students with the TOPSIS method. The criteria used are Gender, Number of SKS that have been taken, Semester GPA, Cumulative Achievement Index and subsequent SKS Load. Sensitivity testing is done by adding a weight value of 0.5 and 1 to each criterion to get the results of criteria that are sensitive to changes in weights namely the GPA criterion of 3.92% change and subsequent SKS Load criteria of 3.92% change. The results of testing the sensitivity of criteria weights have an average percentage change in yield of 0.78%.

Tanaman cabai merupakan salah satu tanaman yang dibudidayakan di Nusa Tenggara Timur (NTT). Wilayah Kabupaten Kupang merupakan salah satu wilayah penghasil cabai yang ada di NTT. Produksi cabai secara keseluruhan di Kabupaten Kupang pada tahun 2019 sampai 2020 mengalami peningkatan. Namun peningkatan produksi ini belum maksimal mengingat banyaknya lahan yang belum dimanfaatkan sebagai lahan pertanian. Oleh karena itu dibutuhkan sebuah sistem yang membantu dalam menentukan kesesuaian lahan pertanian untuk penanaman cabai. Dalam penelitian ini penulis menerapkan penalaran berbasis kasus/case-based reasoning (CBR) dalam menentukan kesesuaian lahan pertanian tanaman cabai. Metode yang digunakan dalam penelitian ini adalah Naïve Bayes dengan 7 kriteria yaitu: curah hujan, drainase, tekstur tanah, kedalaman tanah, C-organik, kemiringan lahan dan bahaya terjadinya bencana. Proses pencarian solusi dimulai dengan mengeliminasi data yang tidak relevan menggunakan metode Naive Bayes dan berlanjut dengan perankingan nilai kemiripan terbaik menggunakan KNN. Berdasarkan hasil pengujian dengan 110 kasus lahan cabai didapatkan hasil akurasi tertinggi sebesar 92.2% dan rata-rata hasil akurasi dari keseluruhan fold sebesar 89.1%.