1. Algoritma K-means
K-means merupakan salah satu algoritma clustering [1]. Tujuan algoritma ini yaitu untuk membagi
data menjadi beberapa kelompok. Algoritma ini menerima masukan berupa data tanpa label kelas.
Hal ini berbeda dengan supervised learning yang menerima masukan berupa vektor (x1 , y1) , (x2 , y2) ,
…, (xi , yi), di mana xi merupakan data dari suatu data pelatihan dan yi merupakan label kelas
untuk xi [2].
Pada algoritma pembelajaran ini, komputer mengelompokkan sendiri data-data yang menjadi
masukannya tanpa mengetahui terlebih dulu target kelasnya[1]. Pembelajaran ini termasuk
dalam unsupervised learning. Masukan yang diterima adalah data atau objek dan k buah kelompok
(cluster) yang diinginkan. Algoritma ini akan mengelompokkan data atau objek ke dalam k buah
kelompok tersebut. Pada setiap cluster terdapat titik pusat (centroid) yang
merepresentasikan cluster tersebut.
Sumber : https://id.wikipedia.org/wiki/K-means#Algoritma_K-Means
Sumber : http://ejournal.uin-suska.ac.id/index.php/SNTIKI/article/viewFile/5895/3567
Sumber : https://idtesis.com/pembahasan-lengkap-teori-analytical-hierarchy-process-ahp-
menurut-para-ahli-dan-contoh-tesis-analytical-hierarchy-process-ahp/
Sumber :
I. https://medium.com/@nadhifasofia/1-convolutional-neural-network-convolutional-
neural-network-merupakan-salah-satu-metode-machine-28189e17335b
II. https://medium.com/@samuelsena/pengenalan-deep-learning-part-7-convolutional-
neural-network-cnn-b003b477dc94
5. Deep Learning
Deep Learning adalah bagian dari kecerdasan buatan dan machine learning, yang merupakan
pengembangan dari neural network multiple layer untuk memberikan ketepatan tugas seperti
deteksi objek, pengenalan suara, terjemahan bahasa dan lain – lain. Deep Learning berbeda dari
teknik machine learning yang tradisional, karena deep learning secara otomatis melakukan
representasi dari data seperti gambar, video atau text tanpa memperkenalkan aturan kode atau
pengetahuan domain manusia.
Sumber : http://machinelearning.mipa.ugm.ac.id/2018/06/10/pengenalan-deep-learning/
Dibawah ini adalah series Pengenalan Deep Learning yang bisa kamu ikuti :
Part 1 : Artificial Neural Network
Part 2 : Multilayer Perceptron
Part 3 : BackPropagation Algorithm
Part 4 : Deep Learning Framework Introduction (TensorFlow & Keras)
Part 5 : Dota 2 Heroes Classification (Multiclass Classification)
Part 6 : Deep Autoencoder
Part 7 : Convolutional Neural Network (CNN)
Part 8 : Gender Classification using Pre-Trained Network (Transfer Learning)
Sumber : https://medium.com/skyshidigital/sistem-pengambilan-keputusan-dengan-algoritma-
saw-simple-additive-weighting-524a43ef316
7. Metode PIECES
Menurut Wukil Ragil (2010:17), metode PIECES adalah metode analisis sebagai dasar untuk
memperoleh pokok-pokok permasalahan yang lebih spesifik. Dalam menganalisis sebuah sistem,
biasanya akan dilakukan terhadap beberapa aspek antara lain adalah kinerja, informasi,
ekonomi, keamanan aplikasi, efisiensi dan pelayanan pelanggan. Analisis ini disebut dengan
PIECES Analysis (Performance, Information, Economy, Control, Eficiency and Service).
Sumber : https://pelajarindo.com/pengertian-analisis-pieces-contoh/
8. Vigenere Chiper
Menurut Sadikin (2012, h. 48) sandi vigenere merupakan sistem sandi poli-alfabetik yang
sederhana, sistem sandi poli-alfabetik mengenkripsikan sekaligus sebuah teks yang terdiri
dari beberapa huruf. Sandi vigenere menggunakan subtitusi dengan fungsi shift.
Sumber :
https://www.researchgate.net/publication/320232040_ALGORITMA_VIGENERE_CIPHER_DAN_
HILL_CIPHER_DALAM_APLIKASI_KEAMANAN_DATA_PADA_FILE_DOKUMEN
11.