Lumbung Pustaka UNY: No conditions. Results ordered -Date Deposited. 2024-03-28T23:17:01ZEPrintshttp://eprints.uny.ac.id/apw_template/images/sitelogo.pnghttps://eprints.uny.ac.id/2012-07-20T05:58:17Z2019-01-29T14:56:54Zhttp://eprints.uny.ac.id/id/eprint/2411This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/24112012-07-20T05:58:17ZAPLIKASI SISTEM PAKAR PADA PERANGKAT MOBILE UNTUK MENDIAGNOSA PENYAKIT KULIT DAN KELAMINPengetahuan masyarakat tentang penyakit kulit dan kelamin (PKK) masih sangat kurang, bahkan sebagian menganggap PKK merupakan hal yang tabu sehingga malu untuk mengungkapkannya. Terbatasnya pakar PKK, waktu dan mahalnya biaya untuk berkonsultasi dengan pakar PKK juga menjadi kendala, sehingga perlu adanya sistem yang dapat membantu masyarakat dalam mencari solusi dari masalah PKK yaitu dengan membangun sistem pakar untuk mendiagnosa PKK. Sistem pakar diagnosa PKK dikembangkan dengan menggunakan teknologi Wireless Application Protocol (WAP) yang penggunaannya diaplikasikan pada perangkat mobile (bergerak) seperti handphone. Pembuatan sistem pakar diagnosa PKK menggunakan metode pelacakan forward chaining dan metode kepastian pakarnya menggunakan teorema bayes, yaitu metode untuk menghitung nilai probabilitas suatu penyakit dengan membandingkan probabilitas gejala-gejalanya. Tahap pengembangan aplikasi diawali dengan tahap analisis sistem, yaitu analisis data dan deskripsi kebutuhan sistem, pembuatan DAD, ERD, dan tahap perancangan sistem yang meliputi spesifikasi proses perancangan menu antar muka, kemudian dilanjutkan dengan tahap implementasi dan pengujian. Aplikasi ini menggunakan bahasa pemrograman PHP dan WML dan MySQL sebagai server basis datanya. Dari penelitian yang dilakukan menghasilkan sebuah perangkat lunak implementasi Sistem Pakar diagnosa penyakit kulit dan kelamin yang diaplikasikan pada perangkat bergerak dengan menggunakan teorema Bayes sebagai kepastian pakarnya. Pengguna dari sistem adalah dinas kesehatan yang berperan sebagai admin, masyarakat umum dan dokter PKK. Informasi yang dihasilkan meliputi nama penyakit, penyebab, gejala, solusi, dan kepastian pakar dalam bentuk nilai probabilitas kepastian pakar. Selain itu, disertakan pula informasi keberadaan dokter PKK.Pratikko Jony2012-07-20T05:58:17Z2019-10-15T06:15:38Zhttp://eprints.uny.ac.id/id/eprint/2417This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/24172012-07-20T05:58:17ZPembuatan Soal dengan Articulate Quizmaker 2.0Ada beberapa tipe Soal yang dapat dibuat dengan perangkat lunak Articulate Quiz Maker ini, yaitu : 1.True/False Question (Soal Benar/Salah) 2.Pertanyaan Pilihan Ganda (Multiple Choice Questions) 3.Pertanyaan dengan jawaban Ganda/Multiple Response Questions 4.Mengisi bagian pertanyaan yang kosong/Fill in the Blank Questions 5.Word Bank Questions 6.Pertanyaan Menjodohkan/Matching Drag dan Drop Questions 7.Matching Drop-Down Questions 8.Sequence Drag dan Drop Questions 9.Sequence Drop-down Question adalah soal yang 10.Numeric Question 11.Hotspot Questions Kuswari Hernawatikuswari@uny.ac.id2012-07-20T05:58:16Z2019-01-29T15:00:07Zhttp://eprints.uny.ac.id/id/eprint/2490This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/24902012-07-20T05:58:16ZSistem Informasi UP3I (Usulan, Perencanaan, Pengadaan, Penghapusan, dan Inventaris)Inventaris merupakan suatu daftar kepemilikan barang yang merupakan bagian kekayaan organisasi. Inventarisasi di UNY masih menggunakan sistem yang belum terpadu. Hal ini memunculkan beberapa permasalahan, diantaranya: ketidakkonsistenan data, terhambatnya penyediaan informasi inventaris, proses pengusulan dan perencanaan yang terhambat, dan terhambatnya pembuatan laporanlaporan. Penomoran inventaris yang digunakan terdiri dari 2 bagian. Bagian pertama merupakan kode wilayah, yang terdiri 5 bagian, yaitu kode: DEPDIKNAS, DIKTI, propinsi, satuan kerja, dan unit kerja. Sedangkan, bagian kedua merupakan kode inventaris yang terdiri 6 bagian, yaitu: golongan, bidang, kelompok, sub kelompok, sub-sub kelompok dan nomor urut. Basis data sistem inforamsi UP3I terdiri dari 27 tabel, yaitu: bidang, kelompok, sub kelompok, barang, inventaris, unit kerja, jurusan,ruang, lokasi, pemasok, usulan, barang usul, barang setuju, anggaran, barang rencana,barang sah, perencanaan, barang usul hapus, barang setuju hapus, barang rencana hapus, perencanaan hapus, pengadaan, hibah, hapus lelang, hapus non lelang, user,dan jabatan. Sistem informasi UP3I berbasis web memungkinkan pengelola inventaris masing-masing unit kerja, pengelola ruang, ketua jurusan, Dekan, ketua panitia pengadaan, pejabat pembuat komitmen, dan perlengkapan pusat di UNY untuk melakukan pengusulan, persetujuan, perencanaan, pengesahan, pendataan pengadaan,pendataan penghapusan, dan inventarisasi secara langsung melalui jaringan komputer. Informasi yang diterima pengguna sistem merupakan informasi yangSuliyanto Suliyanto2012-07-20T05:58:16Z2012-07-20T05:58:16Zhttp://eprints.uny.ac.id/id/eprint/2378This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/23782012-07-20T05:58:16ZDesigning Fuzzy Time Series Model and Its Application to Forecasting Inflation RateFuzzy time series is a dynamic process with linguistic values as its observations. Modelling fuzzy time series developed by some researchers used the discrete membership functions and table lookup scheme from training data. Table lookup scheme is a simple method that can be used to overcome the conflicting rule by determining each rule degree. The weakness of fuzzy time series model based on table look up scheme is that the fuzzy relations may not be complete so the fuzzy relations can not cover all values in the domain. This paper presents new method to modelling fuzzy time series combining table lookup scheme and singular value decomposition methods which use continuous membership function. Table lookup scheme is used to construct fuzzy relation from training data and then singular value decomposition of firing strength matrix is used to reduce fuzzy relations. Furthermore, this method is applied to forecast inflation rate in Indonesia based on six-factors one-order fuzzy time series. This result is compared with neural network method and the proposed method gets a higher forecasting accuracy rate than the neural network method. Key words. fuzzy time series, fuzzy rule, table lookup scheme, firing strength matrix, singular value decomposition, inflation rate.Abadi Agus MamanSubanarWidodoSaleh Samsubar2012-07-09T07:18:12Z2019-01-29T14:40:21Zhttp://eprints.uny.ac.id/id/eprint/1939This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/19392012-07-09T07:18:12ZMODEL MATEMATIKA DARI PENYEBARAN PENYAKIT ( EPIDEMI )Siti Khusnul Khotimah2012-07-06T06:25:04Z2019-10-02T02:15:36Zhttp://eprints.uny.ac.id/id/eprint/1833This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/18332012-07-06T06:25:04ZIDENTIFIKASI KESULITAN GURU DALAM PEMBELAJARAN MATEMATIKA DI SMPLB/BPenelitian ini bertujuan untuk mengidentifikasikan kesulit¬an-kesulitan yang dialami guru dalam pembelajaran matematika di SMPLB tunarungu. Penelitian ini dilaksanakan di SLBN 4 Yogyakarta, SLBN 3 Yogyakarta, dan SLB Widya Dharma Sleman Yogyakarta. Penelitian dilakukan dengan metode observasi ter¬hadap pembelajaran guru dan wawancara mendalam dengan guru dan kepala sekolah. Hasil penelitian menunjukkan bahwa kesulitan yang dialami guru matematika SMPLB/B meliputi ketersediaan bahan ajar, kurikulum, karakteristik unik siswa, sistem evaluasi, dan pengaruh lingkungan. Kata kunci: kesulitan guru, pembelajaran matematika, siswa tunarungu FMIPA, 2008 (PEND. MATEMATIKA) Dr Heri Retnawati2012-07-05T01:19:17Z2019-10-02T02:15:34Zhttp://eprints.uny.ac.id/id/eprint/1630This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/16302012-07-05T01:19:17ZSELEKSI MODEL NEURAL NETWORK MENGGUNAKAN INFERENSI STATISTIK DARI R2INCREMENT DAN UJI WALD UNTUK PERAMALAN TIME SERIES MULTIVARIATDalam makalah ini akan dibahas tentang seleksi model neural network untuk peramalan time series multivariat melalui pendekatan statistika inferensial. Pembahasan mencakup dua kaji¬an, yaitu kajian teoritis tentang sifat asimtotis dari penduga para¬meter model NN dan distribusi dari statistik uji yang digunakan, dan kajian empiris berupa penerapan teori untuk membentuk prosedur pemilihan model NN untuk peramalan time series multi¬variat. Prosedur yang diusulkan merupakan kombinasi dari metode forward berdasarkan pada inferensia statistik kontribusi penambah¬an R2increment dan metode backward dengan uji Wald. Untuk melihat efektivitas dari prosedur digunakan data simulasi. Hasil simulasi menunjukkan bahwa prosedur seleksi model dapat secara efektif diterapkan untuk pemodelan multivariat time series. Kata kunci: neural network, seleksi model, time series multivariat, R2increment, uji Wald FMIPA, 2008 (PEND. MATEMATIKA) M.S. Dhoriva Urwatul Wutsqa2012-06-20T04:07:15Z2019-01-29T13:37:45Zhttp://eprints.uny.ac.id/id/eprint/262This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/2622012-06-20T04:07:15ZPENENTUAN DANA PENSIUN DAN PERHITUNGAN PREMI DENGAN METODE ACCRUED BENEFIT COST PADA ASURANSI DANA PENSIUNNoor Pratiwi Anggi2012-06-20T02:56:34Z2012-07-19T01:55:08Zhttp://eprints.uny.ac.id/id/eprint/162This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/1622012-06-20T02:56:34ZPEMODELAN DATA FUZZY TIME SERIES DENGAN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR DAN APLIKASINYA PADA PERKIRAAN TINGKAT INFLASI DI INDONESIATujuan penelitian ini adalah mendapatkan metode baru dalam pemodelan data fuzzy time series yang optimal dan mengaplikasikannya pada peramalan tingkat inflasi di Indonesia. Tahap-tahap penelitian ini adalah (1) mengkonstruksi relasi fuzzy dengan table lookup scheme, (2) Mereduksi relasi fuzzy yang kurang penting dengan menggunakan dekomposisi nilai singular dan faktorisasi QR, (3) Mengaplikasikan metode yang diperoleh untuk memperkirakan tingkat inflasi di Indonesia. Hasil penelitian ini adalah diperoleh suatu metode baru untuk memodelkan data fuzzy time series dengan gabungan metode dekomposisi nilai singular dan table lookup scheme. Metode ini diterapkan untuk peramalan tingkat inflasi yang menghasilkan keakuratan yang lebih baik dibandingkan dengan metode table lookup scheme dan neural network. FMIPA, 2008 (PEND. MATEMATIKA)M.Si. Agus Maman Abadi