Detail Karya Ilmiah
-
SISTEM PENDUKUNG KEPUTUSAN REKOMENDASI MERK DAN TIPE KELAS SEPEDA MOTOR UNTUK CALON PEMBELI MENGGUNAKAN KLASIFIKASI NAÏVE BAYESSIANPenulis : Irfan Dzulkarnain AdyaksaDosen Pembimbing I : Hermawan, S.T., M.KomDosen Pembimbing II :Rika Yunitarini S.T., M.TAbstraksi
Sepeda motor merupakan salah satu alat transportasi yang di gemari masyarakat karena memiliki ukuran yang kecil, cepat dan harga yang tidak terlalu mahal di bandingkan alat transportasi lainya. Sekarang banyak macam varian sepeda motor lengkap dengan keunggulan dan kelebihannya. Hal ini tentunya akan mempersulit konsumen dalam menentukan pilihan yang tepat, sesuai dengan kriteria yang diinginkan. Untuk memudahkan pembeli dalam memilih sepeda motor yang sesuai dengan keinginannya dirancanglah sebuah sistem pendukung keputusan untuk menentukan sepeda motor yang sesuai. Dimana sistem pendukung keputusan yang dirancang berbasis web sehingga mudah di akses dimanapun dan kapanpun dengan media internet. Dan sistem ini dibangun dengan perhitungan dengan menggunakan klasifikasi NAÏVE BAYESIAN sehingga akurasi perhitungan lebih terjamin. Dari Penelitian ini dapat dihasilkan akurasi klasifikasi pengambilan keputusan dengan akurasi sebesar 56%.
AbstractionMotorcycles are one of the means of transportation in the community enjoy doing because it has a small size, fast and the price is not too expensive compared to other means of transportation. Now a lot variants motorcycle complete with benefits and advantages. This will certainly complicate the customer in determining the right choice, according to the desired criteria. To facilitate the customer to choose the motorcycle that suits his desire designed a decision support system to determine the appropriate motorcycle. Where the decision support system designed web based so easily accessed anywhere and anytime with internet media. And the system is built with the calculation using Naive Bayesian classification so that the calculation accuracy is guaranteed. This research can be generated from the classification accuracy of decision making with an accuracy of 56%.