Publication Search

Indonesia sebagai negara demokrasi sudah menggunakan metode E-Voting sebagai sarana demokrasi,  walaupun  baru  diterapkan  di  tingkat  pemilihan  kepala  dusun  dan  kepala  desa. Sistem pemungutan suara elektronik (e-voting) harus diseriusi dan menjamin transparansi, kepastian, keamanan akuntabilitas, dan akurasi. Selain kesiapan teknologi, tentunya harus didukung dengan kesiapan masyarakat dalam melaksanakan sistem e-voting ini ke depannya. Ketidaksiapan  dan  kurangnya  sosialisasi  pemerintah  terhadap  e-voting  juga  dapat  menjadi faktor pemicu kegagalan dalam penerapan sistem ini. Sejak pandemi Covid-19 yang menyebar diseluruh  dunia,  melumpuhkan  kegiatan  manusia  khusus  di  Indonesia.  Pemilihan  Kepala Daerah  di  Indonesia  yang  diselenggarakan  pada  9  Desember  2020  mengalami  polemik physical  distancing  ditengah pandemi Covid-19.  Penerapan sistem E-Voting telah dilakukan oleh beberapa negara misalkan di Brajil, India, Swiss dan Australia mendapatkan respon positif dalam masyarakat, namun juga terdapat kekurangan dalam pelaksanaannya. Metode penelitian diskriptif kwalitatif  dengan pendekatan perbandingan data sekunder. Hasil penelitian ini, sistem E-Voting dalam Pemilihan Umum dapat meningkatkan nilai demokrasi khusus peningkatan partisipasi masyarakat dan memberikan keefektivan serta keefesienan dalam proses pemilihan berlangsung.  Namun,  penerapan  sistem  E-Voting  masih  terkendala  dengan  adanya  hacker yang bisa membobol sistem serta kesiapan pemerintah dalam penggunaan E-Voting.

Penelitian ini bertujuan untuk mengetahui besar tingkat kepuasan konsumen terhadap produk roti Pinkan Bakery & Cake. Dengan mengetahui tingkat kepuasan konsumen, maka pihak toko dapat memperbaiki dan meningkatkan faktor kepuasan konsumen apabila ada kelemahan dan kekurangan. Metode yang digunakan dalam penelitian ini dengan data mining yaitu Algoritma C4.5, sumber data diambil dengan menggunakan angket/kuesioner pada tahap survei pengisian lembar kertas kepada pengunjung toko atau masyarakat sekitar di lingkungan Desa Bangun. Adapun variabel yang digunakan yaitu (1) Harga, (2) Rasa, (3) Kualitas Produk, (4) Kebersihan Tempat. Untuk memudahkan proses pembuatan pohon keputusan proses uji penelitian menggunakan software Rapidminer 5.3. Berdasarkan seluruh hasil tahapan penelitian yang telah dilakukan pada Penerapan Algoritma C4.5 pada analisis faktor Kepuasan Konsumen terhadap Produk Roti Pinkan Bakery and Cake dapat disimpulkan bahwa permasalahan menentukan faktor kepuasan konsumen terhadap produk Roti dapat diselesaikan menggunakan teknik data mining, yaitu dengan Algoritma C4.5. Menghasilkan 5 rules dan Tingkat akurasi yang dihasilkan oleh metode tersebut adalah 93%. Dari perhitungan dengan Algoritma C4.5 maka didapatkan faktor yang paling dominan adalah Rasa (C2) dengan nilai gain sebesar 0,333610402.

Penelitian ini bertujuan untuk melakukan Klasifikasi dalam menentukan tingkat Stres yang dialami oleh Mahasiswa Akhir di STIKOM Tunas Bangsa dengan menggunakan teknik data mining C4.5. Dengan mengetahui stres mahasiswa, pihak kampus dapat memberikan treatment dan perlakuan yang tepat terhadap mahasiswa akhir. Sumber data penelitian diperoleh dari beberapa kelas semester 6 dan 8 sebanyak 110 mahasiswa, melalui wawancara dan pembagian kuesioner. Atribut yang digunakan sebagai parameter penilaian untuk mengetahui tingkat stres yang dialami oleh mahasiswa akhir di STIKOM Tunas Bangsa, Pematang siantar antara lain: Interpersonal (C1), Intrapersonal (C2), Akademik (C3) dan Lingkungan (C4). Proses pengujian penelitian ini  menggunakan bantuan software RapidMiner untuk membuat pohon keputusan. Dari hasil pengolahan C4.5 dengan menggunakan bantuan software RapidMiner atribut Interpersonal (C1) menjadi atribut yang paling berpengaruh terhadap tingkat stres Mahasiswa Akhir dan data performance yang ditunjukkan terhadap kesesuaian metode C4.5 akurasinya adalah 87,88%.

Penelitian ini bertujuan melakukan klasifikasi dalam menentukan tingkat pemahaman mahasiswa pada matakuliah bahasa pemrograman dengan menggunakan metode data mining C4.5. Dengan mengetahui tingkat pemahaman mahasiswa, pihak prodi dapat memberi masukan yang bermanfaat sebagai bahan pertimbangan kepada para dosen dalam melaksanakan program kegiatan belajar mengajar terhadap mahasiswa dan dapat lebih meningkatkan pembelajaran apabila tingkat pemahaman sudah baik. Sumber data diperoleh dari hasil kuesioner yang diberikan kepada Mahasiswa STIKOM Tunas Bangsa Pematangsiantar semester 4 dan semester 6 prodi sistem informasi. Adapun Kriteria yang digunakan diantaranya Minat Mahasiswa (C1), Motivasi (C2), Komunikasi (C3), Media Pembelajaran (C4), Sarana dan Prasarana (C5). Proses uji penelitian mengunakan software RapidMiner untuk membuat pohon keputusan. Dari hasil pengolahan C4.5 dengan menggunakan bantuan software RapidMinner adalah atribut C2 (Motivasi) menjadi atribut yang paling berpengaruh untuk meningkatkan pemahaman mahasiswa pada matakuliah bahasa pemrograman dan data performance yang ditunjukkan terhadap kesesuaian metode C4.5 akurasinya adalah 84.38%.

Perguruan  tinggi di Indonesia saat ini sudah mencapai 2000 lebih perguruan tinggi.  Perguruan tinggi bisa tetap eksis salah satu faktornya adalah dengan adanya mahasiswa yang masuk ke perguruan tinggi tersebut. Dalam penerimaan mahasiswa baru setiap perguruan tinggi tentunya tidak sembarangan, mereka akan melakukan seleksi terhadap calon mahasiswa agar mendapatkan mahasiswa dengan kualitas yang mereka harapkan. Ada beberapa cara dalam melakukan seleksi calon mahasiswa, diantaranya ada yang berdasarkan nilai rapor, ada yang melalui tes tertulis, dan ada jalur mandiri. Tidak semua perguruan tinggi melakukan pengolahan data yang masuk secara maksimal. Biasanya mereka masih mengolah data secara manual atau dengan kata lain belum menggunakan machine learning. Masalah yang ada yaitu adanya perguruan tinggi yang belum secara maksimal dalam mengolah data penerimaan calon mahasiswa. Karena belum optimalnya data yang diolah maka ada perguruan tinggi yang belum dapat membuat prediksi dalam penerimaan calon mahasiswa untuk di tahun ajaran berikutnya. Salah satu untuk dapat membuat prediksi di masa mendatang adalah dengan menggunakan data mining.  Metode yang akan digunakan dalam data mining adalah klasifikasi Decision Tree dioptimasi dengan Particle Swarm Optimization. Hasil dari Decision Tree dengan optimasi Particle Swarm Optimization didapatkan akurasi sebesar 99,94%.

Di Indonesia jagung sering digunakan sebagai komoditas utama makanan pokok selain nasi. Tanaman jagung memiliki potensi terkena penyakit ataupun serangan hama kapan saja yang menyebabkan gagal panen. Penyakit yang dapat menyerang tanaman jagung bisa dilihat dari perubahan daun. Deteksi dini terhadap penyakit dapat mencegah penyakit menyebar lebih luas, salah satunya dengan perubahan yang terjadi pada daun jagung. Penelitian ini mencoba melakukan identifikasi daun yang tidak sehat dengan cara ekstraksi ciri dan warna pada citra untuk mendeteksi penyakit daun tanaman jagung yaitu hawar, bercak dan karat. Proses klasifikasi citra dilakukan melalui akusisi citra menjadi data latih dan uji, kemudian menghitung nilai hasil fitur ekstraksi warna dan ekstraksi ciri. GLCM (Gray-Level Cooccurrence Matrix) sebagai ekstraksi ciri dan HSV sebagai ekstraksi warna. KNN (K Nearest Neighbors) dengan jarak Euclidean untuk klasifikasi. Dari 160 data citra latih dan 40 citra uji menggunakan algoritma KNN-HSV-GLCM didapatkan hasil akurasi terbaik.yaitu 85% dengan menggunakan dengan nilai k adalah 3 dan jarak piksel 1 dan akurasi terendah dengan nilai k adalah 3 dan jarak piksel 3 sebesar 70%.

Kontaminasi bakteri patogen dalam produk makanan mahal bagi masyarakat dan industri. Metode tradisional untuk mendeteksi dan mengidentifikasi patogen bawaan makanan seperti Listeria monocytogenes biasanya memakan waktu 3-7 hari. Pada makalah ini, sistem klasifikasi dikembangkan untuk mengidentifikasi pengambilan citra bakteri menggunakan alat optical light scattering dan menghasilkan citra berbentuk grayscale. Algoritma klasifikasi yang diusulkan didasarkan pada Invariant Zernike Moment berbasis Support Vector Machine pada kernel Radial Chebyshev Moments yang dihitung dari dataset citra bakteri apda 4 genus yang digunakan sebagai dataset. Sebanyak 400 citra bakteri dengan 100 citra pada masing-masing jenis genus telah di uji dan menghasilkan akurasi pada proses indetifikasi dengan capaian sebesar 78,33% pada 5-fold Cross Validation.

Dalam melakukan usaha tentunya seorang wirausahawan akan mencari keuntungan. Sebelum mendapat keuntungan, sebuah usaha harus mendapatkan hasil penjualan atau hasil usaha yang telah melewati BEP (break even point), sehingga usaha tersebut telah balik modal. Tujuan dari program ini adalah untuk menyusun program matlab perhitungan keuntungan usaha meubel yang dapat mencari berapa unit barang yang perlu dijual serta berapa nilai hasil penjualan yang harus dipenuhi agar suatu usaha dapat dikatakan telah balik modal dan mulai menghasilkan keuntungan. Metode penelitian yang dilakukan yaitu dengan membuat listing program yang akan menghasilkan prediksi unit yang harus terjual serta nilai hasil penjualan yang harus terpenuhi. Dalam listing ini, terdapat tiga pilihan, yaitu menghitung nilai BEP unit, menghitung nilai BEP rupiah, dan menghitung nilai keuntungan bersih. Untuk menghitung BEP unit dan BEP rupiah dilakukan dengan cara memasukkan nilai biaya tetap, harga per unit, dan biaya variabel per unit kemudian akan diproses dengan rumus sehingga memperoleh nilai BEP unit dan BEP rupiah. Sedangkan untuk mencari keuntungan bersih dilakukan dengan cara memasukkan harga jual barang dan biaya tetap, kemudian akan diproses dengan rumus sehingga mendapat nilai keuntungan bersih yang kemudian dilakukan perulangan untuk mengetahui berapa besar keuntungan untuk sekian produk terjual. Jika dilakukan secara manual, perhitungan ini akan cukup memakan waktu dan memerlukan ketelitian dalam menghitungnya, sehingga diperlukan program matlab untuk mempermudah serta meningkatkan akurasi nilai perhitungan BEP unit, BEP rupiah, dan keuntungan bersih.

Indonesia sebagai negara demokrasi sudah menggunakan metode E-Voting sebagai sarana demokrasi,  walaupun  baru  diterapkan  di  tingkat  pemilihan  kepala  dusun  dan  kepala  desa. Sistem pemungutan suara elektronik (e-voting) harus diseriusi dan menjamin transparansi, kepastian, keamanan akuntabilitas, dan akurasi. Selain kesiapan teknologi, tentunya harus didukung dengan kesiapan masyarakat dalam melaksanakan sistem e-voting ini ke depannya. Ketidaksiapan  dan  kurangnya  sosialisasi  pemerintah  terhadap  e-voting  juga  dapat  menjadi faktor pemicu kegagalan dalam penerapan sistem ini. Sejak pandemi Covid-19 yang menyebar diseluruh  dunia,  melumpuhkan  kegiatan  manusia  khusus  di  Indonesia.  Pemilihan  Kepala Daerah  di  Indonesia  yang  diselenggarakan  pada  9  Desember  2020  mengalami  polemik physical  distancing  ditengah pandemi Covid-19.  Penerapan sistem E-Voting telah dilakukan oleh beberapa negara misalkan di Brajil, India, Swiss dan Australia mendapatkan respon positif dalam masyarakat, namun juga terdapat kekurangan dalam pelaksanaannya. Metode penelitian diskriptif kwalitatif  dengan pendekatan perbandingan data sekunder. Hasil penelitian ini, sistem E-Voting dalam Pemilihan Umum dapat meningkatkan nilai demokrasi khusus peningkatan partisipasi masyarakat dan memberikan keefektivan serta keefesienan dalam proses pemilihan berlangsung.  Namun,  penerapan  sistem  E-Voting  masih  terkendala  dengan  adanya  hacker yang bisa membobol sistem serta kesiapan pemerintah dalam penggunaan E-Voting.

Salah satu algoritma yang sering digunakan untuk melakukan deteksi pada wajah yaitu Viola-Jones. Metode ini merupakan gabungan dari 3 buah fitur yaitu integral image, adaboost dan cascade classifier. Masing-masing fitur mempunyai fungsi tersendiri dan saling melengkapi. Integral image digunakan dalam penentuan ada dan tidaknya gambar, adaboost untuk memilih dan mengatur nilai threshold, sedangkan cascade classifier untuk mengklasifikasi daerah yang akan di deteksi. Untuk memudahkan deteksi, terurtama pada bagian mata maka digunakan Haar like feature. Proses pengenalan wajah telah dilakukan pada gambar dengan satu objek dan beberapa objek. Hasil impelemntasi juga dapat mengenali objek foto lukisan dan foto tampak samping. Dari seluruh percobaan di dapatkan nilai rata-rata sebesar 65% dengan sebaran nilai akurasi tertinggi 70%, sensitivitas 55% dan spesifitas 71%.

Classification is one of the most widely used techniques in machine learning. Text classification is the process of classifying data according to pre-determined groups or classes. Where in most cases, text classification uses labeled training data to obtain the rules used to classify test data into predefined groups. In this study, it is proposed to use CountVectorizer for Indonesian text classification which will be compared with TF-IDF Term Weighting and its three feature levels, namely Character Level, Word Level and N-gram Level as feature extraction which is implemented together with Naive Bayes classification and the BPPPTIndToEngCorpusHalfM dataset. To compare the classification performance, this study uses 10-Fold Cross Validation and Split Data using a ratio of 90:10, while to evaluate the accuracy of the authors using the F1-Score and AUC with the hope that this study will get good accuracy results so that it can be used as a reference to be developed using another method. The F1-Score accuracy obtained in this study was 0.93 and the AUC score was 0.95.

Hepatitis merupakan penyakit yang diderita oleh banyak orang, bahkan bisa menyebabkan kematian. Prediksi awal dapat mencegah kematian tersebut yaitu denganmengumpulkan data pasien hepatitis yang dilihat dari faktor - faktornya. Faktor-faktor tersebut antara lain Protime, Alk Phosphat, Albumin, Bilirubin dan Usia. Untuk mengolah datatersebut, dibutuhkan Data Mining. Salah satu metode data mining yang digunakan pada penelitian ini adalah klasifikasi.Tujuan penelitian ini yaitu bagaimana memprediksi hidup atau meninggalnya pasien penyakit hepatitis dengan tingkat akurasi dan mencari atribut paling berpengaruh terhadapprediksi hidup atau meninggalnya pasien penyakit hepatitis dengan menggunakan algoritma Algoritma K-Nearest Neighbor, Naïve Bayes Dan Neural Network dan kemudianmembandingkan ketiga hasil analisis dari ketiga algoritma tersebut.Dari hasil analisis 20 atribut dilakukan 3 kali percobaan dengan algoritma Naïve Bayes didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 76.92 %, tingkat error23.01% dan atribut Acites dan Spider merupakan atribut yang berpengaruh terhadap keputusan hidup atau meninggalnya pasien yang terkena penyakit hepatitis.Dengan menggunakanAlgoritma Neural Network didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 82,97%, tingkat error 17.03% dan atribut yang paling berpengaruh yaitu anorexia, spiders dan protime. Dengan menggunakan algoritma K-Nearest Neighbor didapat model klasifikasi dengan tingkat akurasi terbaik yaitu 93%, tingkat error 7% dan atribut yang paling berpengaruh terhadap penderita penyakit hepatitis yaitu Albumin.

Perkembangan teknologi digital secara umum menyebabkan teknologi sistem kendali berkembangsejalan dengan perkembangan sistem digital. Perubahan Sistem Kendali analog menjadi sistem kendalidigital merupakan salah satu hal yang menjadi awal berkembangnya sistem kendali. Dengan berubahnyasistem kendali analog menjadi sistem kendali digital maka jenis perangkat yang digunakan juga berubah.Mikrokontroler merupakan perangkat yang mewakili suatu figur sistem kendali modern yang telahdikemas dalam sebuah chip / rangkaian terpadu. Dengan mikrokontroler perancangan sistem kendali dapatdilakukan lebih efisien. Kemampuan mikrokontroler dalam sistem kendali dilengkapi dengan berbagai fiturpenunjang, diantaranya prosessor, memory, A/D converter, analog/digital input/output dan beberapakemampuan lain untuk mengolah data digital maupun analog.Perancangan sebuah sistem kendali dengan menggunakan mikrokontroler terdiri 3 tahapan. Tahappertama adalah merancang model sistem kendali. Pada tahap ini ditentukan semua parameter yangberhubungan, model sistem kendali, kebutuhan perangkat keras dan perangkat lunak. Tahap kedua adalahperancangan algoritma untuk menyelesaikan masalah dalam sistem kendali. Pada tahap ini dibuat tahapdemi tahap proses penyelesaian masalah sistem kendali secara rinci dan perancangan program. Tahap ketigaadalah implementasi dan pengujian sistem kendali. Pengujian yang dilakukan adalah dengan mencobasemua fasilitas yang tersedia dalam sistem kendali.Sistem kendali electrical stimulator terdiri dari 3 (tiga) bagian pokok, yaitu yaitu Power Suply, SistemKendali dan Display. Masing-masing kendali mempunyai masukan dan keluaran yang berbeda. Masukandan keluran sistem kendali terdiri dari masukan dankeluran analog dan digital. Masukan digital berfungsimemberikan sinyal kepada sistem secara digital sedangkan keluran analog dihubungkan dengan perangkatindikator. Kendali sinyal berfungsi memilih jenis sinyal sesuai dengan keluran yang dipilih, yaitu sinyalsinusoidal, segitiga dan kotak.Dengan adanya perubahan sistem kendali dari analog ke digital akan diperoleh beberapa keuntungandiantaranya adalah kemudahan dalam mengoperasikan generator sinyal, akurasi besaran lebih tepat,pengembangan sistem kendali lebih mudah.

Mikrokontroler yang mewakili suatu figur sistem kendali modern telah dikemas hanya dengan mengimplementasikan sebuah chip / rangkaian terpadu, yang kemudian berkembang hingga penggunaan memori dan processor beserta elemen pendukungnya seperti register, AT command, I/O system, dan lain sebagainya. Bahkan hingga pada saat ini, mikrokontroler telah dikemas dalam sebuah modul aktif kit. Perancang sebuah sistem kendali menjadi lebih tertantang dengan hadirnya kemampuan untuk programming, sehingga perancang dapat dengan lebih leluasa membuat bentuk maupun model sistem kendali. Kemampuan modul yang bervariasi dengan berbagai aksesorisnya yang siap pakaipun telah meningkatkan keinginan lebih lanjut dalam keberagaman modul berbasis ATMEL. Salah satu penerapan sistem kendali adalah sistem kendali digital terpadu pada generator sinyal XR-2206 dengan Arduino UNO R3 yang semula menggunakan sistem kontrol analog. Dengan adanya perubahan sistem kendali dari analog ke digital harus diketahui perangkat keras dan perangkat lunak yang diperlukan untuk menunjang kinerja sistem. Sistem kendali tersebut terdiri dari 3 (tiga) bagian pokok yang masing-masing mempunyai fungsi dan peranan yang berbeda-beda, yaitu Power Supply, Sistem Kendali dan Display. Power Supply berfungsi sebagai sumber tegangan, Sistem Kendali merupakan Arduino dan Display terdiri dari LED dan LCD. Power Suply, berfungsi sebagai sumber tegangan untuk seluruh rangkaian yaitu rangkaian generator sinyal XR-2206 (12 Volt), rangkaian kendali (6 volt), dan untuk Arduino (5 volt). Arduino merupakan bagian utama yang berfungsi sebagai pengendali generator sinyal XR-2206. Tugas dari sistem kendali adalah menghidupkan dan mematikan generator sinyal, mengatur jenis sinyal keluaran, mengatur tegangan dan frekuensi sinyal keluaran dan mengatur tampilan pada indikator LED dan LCD Display. Dengan adanya perubahan sistem kendali dari analog ke digital akan diperoleh beberapa keuntungan diantaranya adalah kemudahan dalam mengoperasikan generator sinyal, akurasi besaran lebih tepat, pengembangan sistem kendali lebih mudah.   Kata kunci: Arduino, mikrokontroler, sistem kendali

Stemming adalah proses untuk mencari kata dasar pada suatu kata. Pada analisa temu kembali informasi imbuhan merupakan bagian dari informasi yang tidak bermakna, seperti halnya stop word. Sehingga imbuhan harus dihilangkan untuk mempercepat proses pengindekan dan proses query. Proses stemming dapat dilakukan dengan 2 cara yaitu dengan menggunakan kamus dan menggunakan aturan-aturan imbuhan. Untuk mendapatkan tingkat kebenaran hasil yang tinggi biasaya digunakan kamus seperti yang diperkenalkan oleh Nazief dan Adriani,  stemmer bahasa melayu oleh Ahmad, Yuso, dan Sembok. tetapi teknik ini membutuhkan waktu komputasi yang tinggi karena ada proses pengambilan data pada database. Sedang untuk aplikasi yang lebih sederhana dan tidak membutuhkan akurasi yang tinggi teknik aturan imbuhan sangat mudah untuk diimplementasikan dan tidak membutuhkan waktu komputasi yang tinggi. Stemmer tala merupakan adopsi dari algoritma stemmer bahasa inggris terkenal porter stemmer. Stemmer ini menggunakan rule base analisis untuk mencari root sebuah kata. Stemmer ini sama sekali tidak menggunakan kamus sebagai acuan, seperti halnya stemmer ahmad,vega dan jelita. Proses stemming bahasa Indonesia menggunakan algoritma berbasis aturan mempunyai tingkat kesalahan tinggi, sehingga dapat mempengaruhi akurasi hasil akhir. Walaupun demikian performa stemming berbasis aturan relatif stabil dengan jumlah dokumen yang berkembang. Kata Kunci : Stemming, Stemmer Bahasa Indonesia, Tala

Data akademik perguruan tinggi bertambah setiap tahunnya sejalan dengan bertambahnya jumlah mahasiswa. Data yang berlimpah menyimpan informasi yang berlimpah juga.. Teknologi data mining merupakan alat bantu untuk penambangan informasi pada basis data berukuran besar dan telah banyak digunakan pada banyak domain. Memprediksi kinerja (evaluasi belajar) mahasiswa adalah suatu kegiatan untuk menentukan suatu kondisi dimasa depan berdasarkan data yang telah ada. SLIQ merupakan algoritma yang dikembangkan oleh tim proyek IBM’s Quest pada tahun 1996 dapat digunakan untuk dataset yang besar. Penggunaan algoritma SLIQ untuk mengklasifikasikan dan memprediksi kinerja mahasiswa sudah digunakan pada penelitian sebelumnya dengan hasil tingkat akurasi yang masih rendah dikarenakan banyaknya pembatasan. Selanjutnya dilakukan implementasi algoritma Nearest Neighbor yang menggunakan pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada. Dari hasil penelitian ini kemudian dibandingkan tingkat akurasi dari hasil prediksi tersebut. Dari sistem yang dihasilkan dapat disimpulkan bahwa algoritma SLIQ dengan teknik pohon keputusan mempunyai tingkat akurasi prediksi yang lebih rendah dibandingkan dengan tingkat akurasi dari penggunaan algoritma nearest neighbor. Kata kunci : SLIQ, Nearest Neighbor, prediksi kinerja, akurasi

Sidik jari manusia ini merupakan bukti materi yang amat penting. Akurasi dalam melakukanidentifikasi bergantung pada reliabilitas ciri yang diambil dari citra sidik jari. Pada penelitian ini untukmenghasilkan ciri-ciri sidik jari digunakan metode pendekatan karakteristik fraktal. Pendekatan fraktaldipilih didasari pada pertimbangan bahwa struktur garis-garis sidik jari bersifat alami dan tidak teratur, danfraktal dikenal sebagai metode yang sangat cocok untuk keadaan alami dan tidak teratur tersebut. Adapuntahapan dalam mengolah data sidik jari  pada penelitian ini adalah akuisisi citra, preprocessing, ekstraksiciri, dan pencocokan. Akuisisi citra adalah tahap yang diawali dengan menangkap / mengambil gambarsidik jari dengan menggunakan scanner. Citra sidik jari yang diolah adalah citra grayscale dengan 256tingkat keabuan dan memiliki dimensi 320 x 320 pixel, dengan kerapatan gambar 300 dpi. Tahapanpreprocessing meliputi beberapa tahapan yaitu: normalisasi orientasi, segmentasi, perbaikan citra(enhancement), ekstraksi bukit dan penipisan. Ekstraksi ciri merupakan proses untuk menghasilkan cirisidik jari, yaitu dengan menggunakan metode fraktal (kode fraktal, dimensi fraktal dan derajatkekosongan). Pencocokan adalah proses untuk identifikasi sidik jari. Sistem pengolahan citra sidik jariyang telah dibuat untuk mendapatkan ekstraksi ciri ini telah dapat menentukan hasil identifikasi sidik jaridengan menghasilkan tiga ciri fraktal yaitu kode fraktal, dimensi fraktal dan derajat kekosongan.