Data Warehouse & Mining. Pengantar Ver dok: 0.8/ Sept 2014
|
|
- Farida Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Data Warehouse & Mining Pengantar Ver dok: 0.8/ Sept 2014
2 Kutipan The most valuable commodity I know of is information. Gordon Gekko Data is the new oil! Clive Humby If we have data, let s look at data. If all we have are opinions, let s go with mine. - Jim Barksdale,
3 Seputar Perkuliahan Dosen: Yudi Wibisono ym/twitter: yudiwbs Fb: Komunikasi: via , ym, fb, e-learning, twitter. Tidak telepon/sms kecuali ketua kelas
4 Seputar Perkuliahan (lanj) Keterlambatan tugas 1% / jam, max 2 hari. Bobot penilaian: 20 % tugas, 40% UTS, 40% UAS Batas nilai (dpt berubah): A:79, B:64, C:49, D:30 Kecurangan: E (termasuk yg memberikan) Ujian: Praktikum Buku: Data Mining: Concepts and Techiques, Jiawei Han (bab 1 sd 8)
5 Seputar Perkuliahan (2) Dilarang berbicara saat pihak lain berbicara. Dipersilahkan tidur, membaca, dan aktivitas lain selama TIDAK menggangu orang lain. HP: silent, dilarang menerima telp dalam kelas. Next: Cakupan.
6 Cakupan Fokus: Rekayasa (engineering) untuk memecahkan masalah Analisis Perancangan Pendukung Praktikum+tugas: tools
7 Materi Kuliah: Data warehouse Pemodelan Datawarehouse OLAP (online analytical processing) ETL (Extraction Transformation Loading) Tools praktikum: Pentaho
8 Materi Kuliah: Data mining Data Preprocessing Cleaning, Integration, Reduction. Mining frequent pattern, asosiasi Klasifikasi Clustering Text Mining Tools praktikum: Weka
9 Mengapa belajar DWM? Untuk apa belajar DWM? Apa manfaat belajar DWM bagi saya?
10 Mengapa DWM? Digitalisasi, kemajuan sistem informasi data, data, data (Tera Peta) Web 2.0 berita, blog, twitter, forum, flickr, fb, youtube, flickr Streaming data sensor, internet of thing (IoT) Data yang sangat besar!
11 Mengapa DWM: Banjir Data Indomaret: 4500an gerai, asumsi 3 transaksi per menit = 12 juta transaksi per hari se Indonesia. Kartu kredit visa: berlaku di 200 negara. 10 ribu transaksi per detik 850 juta transaksi per hari. Twitter: 8000an tweet per detik 600 juta tweet per hari. Facebook: 30 milyar item (link, status, note, foto dst) per bulan. 900 juta user menghabiskan 700 milyar menit per bulan di situs FB. Bagaimana mengelolanya? Apa yang bisa dilakukan perusahaan dengan data sebanyak itu? Informasi apa yang bisa didapat?
12 Banjir Data (lanj) Large Hadron Collider: 15 petabytes data per tahun 1 Peta = 1 Juta Giga 1 Tera = 1000 Giga 1 Peta = 1000 Tera =158&ty=231&sig= &ei=io1GUO-NCMjorQeJ2oCgBw&page=2&tbnh=149&tbnw=113&start=18&ndsp=24&ved=1t:42 9,r:35,s:18,i:40
13 Penyimpanan Petabytes 1562 kali hardisk 640GB Harga: Rp.5 Milyar
14 Evolusi DB 60-an: koleksi data (file system primitif) 70-80: MIS (Sistem Informasi Management) 80-sekarang: OO, Deductive, Spatial, Multimedia 90-sekarang: Web based (XML, web mining), Datawarehouse, OLAP, Text Database, Text + Data mining 05-sekarang: Stream data management and mining, Cloud, Web
15 Tenggelam dalam data, tapi lapar dalam pengetahuan! Jiawei Han
16
17 Definisi Data: simbol Informasi: data yang berguna Pengetahuan: aplikasi dari data+informasi Pemahaman: menjawab mengapa. Kebijaksanaan: moral, etika, filosofis Buzzword Business Intelligence Big Data Data scientist
18 Masalah Utama Data berjumlah besar Aliran besar (volume per satuan waktu) Dimensi besar jumlah field Bayangkan indomaret: Data: Produk per toko, jenis produk, transaksi Laporan: transaksi per waktu (hari/bulan/tahun), transaksi per wilayah (kabu-kota/propinsi), transaksi per produk per wilayah dst. Bagaimana mengelola data? Bagaimana mendapatkan pengetahuan & pemahaman?
19 Solusi Datawarehouse Datamining
20 Apa Data warehouse? Database pendukung keputusan yang terpisah dengan database operasional Apa database operasional? Platform untuk penggabungan data historis untuk analisis Subject oriented (multi dimensi), terintegrasi, historis, non volatile
21 Contoh Visualisasi TV PC VCR sum Produk Waktu 1Qtr 2Qtr 3Qtr 4Qtr Tot penjualan tahunan TV Di U.S.A. sum U.S.A Canada Mexico Neagara sum
22 Apa Datamining? Mengekstrak secara otomatis pola atau pengetahuan yang menarik (tidak sederhana, tersembunyi, tidak diketahui sebelumnya, berpotensi berguna) dari data bervolume sangat besar.
23 Contoh datamining Memprediksi umur dan gender berdasarkan data tweet. Mendeteksi adanya penerobosan sistem (crack). Memprediksi hasil pemilu berdasarkan tweet. Memprediksi saat orang membeli X di supermarket berapa besar kemungkinan orang tsb akan membeli barang Y. Memprediksi apakah seseorang hamil berdasarkan data pembelian.
Sistem Informasi
Penggalian data (pencarian pengetahuan tersembunyi dari data) untuk prediksi masa datang Mengekstrak secara otomatis pola atau pengetahuan yang menarik (tidak sederhana, tersembunyi, tidak diketahui sebelumnya,
Lebih terperinciPen e g n a g n a t n a t r a r D at a a t a M ini n ng n oleh: Entin Martiana
Pengantar Data Mining oleh: Entin Martiana Pengantar Mengapa data mining? Apa data mining? Data Mining: data apa saja? Fungsi data mining Model dalam data mining Fungsi dalam data mining Permasalahan dalam
Lebih terperinciMengapa DM: Banjir Data
Data Mining Mengapa DM: Banjir Data Twitter: 8000an tweet per detik 600 juta tweet per hari. Facebook: 30 milyar item (link, status, note, foto dst) per bulan. 500 juta user menghabiskan 700 milyar menit
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi selalu dituntut untuk dapat memenuhi berbagai kebutuhan di segala bidang kehidupan yang semakin lama semakin meningkat dan
Lebih terperinciAdapun karakteristik umum yang dimiliki datawarehouse adalah :
1 Data Warehouse Data Warehouse adalah database yang didesain khusus untuk mengerjakan proses query, membuat laporan dan analisa. Data yang di simpan adalah data business history dari sebuah organisasi
Lebih terperinci- PERTEMUAN 1 - KNOWLEGDE DISCOVERY
DATA WAREHOUSE - PERTEMUAN 1 - KNOWLEGDE DISCOVERY in DATABASE (KDD) Penemuan Pengetahuan di Database Tujuan : Mahasiswa Dapat memahami konsep KDD yang merupakan tujuan akhir dari Data Warehouse dan Data
Lebih terperinciDATA WAREHOUSE PERTEMUAN I S1 TEKNIK INFORMATIKA TITUS KRISTANTO, S.KOM
DATA WAREHOUSE PERTEMUAN I 22032013 S1 TEKNIK INFORMATIKA TITUS KRISTANTO, S.KOM METODE PEMBELAJARAN Kuliah Diskusi Presentasi Latihan Tugas Quiz UTS UAS BUKU ACUAN Apress Building A Data Warehouse With
Lebih terperinciKonsep Data Mining. Pendahuluan. Bertalya. Universitas Gunadarma 2009
Konsep Data Mining Pendahuluan Bertalya Universitas Gunadarma 2009 Latar Belakang Data yg dikumpulkan semakin bertambah banyak Data web, e-commerce Data pembelian di toko2 / supermarket Transaksi Bank/Kartu
Lebih terperinciDATA MINING. Pertemuan 1. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi
DATA MINING 3 SKS Semester 6 S1 Sistem Informasi Pertemuan 1 Nizar Rabbi Radliya nizar.radliya@yahoo.com Universitas Komputer Indonesia 2016 Ketentuan Perkuliahan Perkuliahan diselenggarakan 14 kali pertemuan
Lebih terperinciPERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE
PERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE Nanang Prihatin 1 1 Dosen Politeknik Negeri Lhokseumawe ABSTRAK Bagi sebuah perguruan tinggi, penerimaan calon mahasiswa merupakan
Lebih terperinciUniversitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika. Knowledge Discovery in Databases (KDD)
Universitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika Knowledge Discovery in Databases (KDD) Knowledge Discovery in Databases (KDD) Definisi Knowledge Discovery
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Dalam bab ini akan dijelaskan tentang beberapa konsep tentang supra desa, business intelligence, data warehouse, staging area, ETL, OLAP, ROLAP, Pentaho Data Integration, dan PHP.
Lebih terperinciBAB II TINJAUAN PUSTAKA. yang akan dibuat adalah sebagai berikut : Sistem Monitoring Pertumbuhan Balita Berbasis Web. Wahyuningsih
BAB II TINJAUAN PUSTAKA A. Telaah Penelitian Penelitian sebelumnya yang berhubungan dengan sistem informasi yang akan dibuat adalah sebagai berikut : Wahyuningsih (2011) telah melakukan penelitian yang
Lebih terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : 56601 / Data Warehouse dan Data Mng Revisi 1 Satuan Kredit Semester : 3 sks Tgl revisi : 1 September 2014 Jml Jam kuliah
Lebih terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : D22.5411 / Healthcare Datamng Revisi 1 Satuan Kredit Semester : 2 sks Tgl revisi : 1 Agustus 2014 Jml Jam kuliah dalam seminggu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab pendahuluan ini penulis akan membahas tentang latar belakang, perumusan masalah, batasan masalah, metodogi penelitian, tujuan dan manfaat serta sistematika penulisan dalam tugas
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 5
GARIS-GARIS BESAR PROGRAM PENGAJAR PROGRAM STUDI: S1 STEM INFORMA Semester : 5 Berlaku mulai: Gasal/2010 MATA KULIAH : DATA WAREHOUSE KODE MATA KULIAH / SKS : 4010103084 / 2 SKS MATA KULIAH PRASYARAT :
Lebih terperinci3.5 Arsitektur Data Warehouse Data Source Data Warehouse Surveilans Terpadu Penyakit (STP) kabupatenbantul
DAFTAR ISI aman Judul... i aman Pengesahan... ii aman Pernyataan... iii aman Persembahan dan Motto... iv Kata Pengantar... v Abstrak... vi Abstract... vii Daftar Isi... viii Daftar Gambar... x Daftar Tabel...
Lebih terperinciDESAIN DATAWAREHOUSE AKADEMIK UNTUK MENDUKUNG SISTEM ADMINISTRASI DATA AKADEMIK DI UNIVERSITAS TADULAKO. Mohammad Yazdi 1
DESAIN DATAWAREHOUSE AKADEMIK UNTUK MENDUKUNG SISTEM ADMINISTRASI DATA AKADEMIK DI UNIVERSITAS TADULAKO Mohammad Yazdi 1 1 Jurusan Matematika FMIPA Universitas Tadulako Jl. Soekarno-Hatta Palu, Indonesia
Lebih terperinciPERTEMUAN 13 ARSITEKTUR & MODEL DATA MINING
PERTEMUAN 13 ARSITEKTUR & MODEL DATA MINING bagan lanjut Keterangan : 1. Data cleaning (Pembersihan Data) : untuk membuang data yang tidak konsisten dan noise) 2. Data integration : penggabungan data dari
Lebih terperinciFoundation of Bussiness Inteligence : Database and Information Management. Ayu Mentari Tania Rizqy Amalia Nisa Tri Lestari Oktarina Yurika Anggesty
Foundation of Bussiness Inteligence : Database and Information Management Ayu Mentari Tania Rizqy Amalia Nisa Tri Lestari Oktarina Yurika Anggesty FILE ORGANIZATION TERMS AND CONCEPTS Database File Record
Lebih terperinciDATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP)
DATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP) Overview Data Warehouse dan OLAP merupakan elemen penting yang mendukung decision support. Terutama bagi perusahaan perusahaan besar dengan database
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Investasi merupakan penanaman sejumlah dana dalam bentuk uang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Investasi merupakan penanaman sejumlah dana dalam bentuk uang ataupun barang yang diharapkan akan memberikan hasil yang lebih dikemudian hari. Investasi dalam bentuk
Lebih terperinciMemahami Perkembangan Teknologi Informasi
Memahami Perkembangan Teknologi Informasi ARIS BUDIANTO arisbudianto@staff.uns.ac.id https://civitas.uns.ac.id/aris/ https://sites.google.com/uns.ac.id/arisbudianto 0817275302 KONTRAK KULIAH Kuliah Tugas
Lebih terperinciBAB I PENDAHULUAN. dan pendidikannya. Tidak terkecuali pada Universitas Widyatama yang sudah. untuk laporan kepada pimpinan Universitas Widyatama.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Ketatnya persaingan perguruan tinggi swasta saat ini membuat perguruan tinggi swasta berlomba-lomba untuk lebih meningkatkan lagi kualitas pelayanan dan pendidikannya.
Lebih terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia bisnis pada jaman sekarang, para pelaku bisnis senantiasa selalu berusaha mengembangkan cara-cara untuk dapat mengembangkan usaha mereka dan memperhatikan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Pembangunan intelegensi bisnis yang menyerupai dengan pembangunan intelegensi bisnis untuk subjek kegiatan keuangan pada Universitas Atma Jaya Yogyakarta sudah ada. Seperti yang
Lebih terperinciPENERAPAN ALGORITMA APRIORI DALAM MEMPREDIKSI PERSEDIAAN BUKU PADA PERPUSTAKAAN SMA DWI TUNGGAL TANJUNG MORAWA
PENERAPAN ALGORITMA APRIORI DALAM MEMPREDIKSI PERSEDIAAN BUKU PADA PERPUSTAKAAN SMA DWI TUNGGAL TANJUNG MORAWA Domma Lingga Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciIN086 - Temu Pengetahuan
IN086 - Temu Pengetahuan 1. Pengenalan Temu Pengetahuan 1 Materi Perkuliahan Review Basis Data Data Warehouse Data Mining 2 1 Apa itu Data Warehouse? Didefinisikan dalam berbagai bentuk, namun belum ada
Lebih terperinciPERSYARATAN PRODUK. 1.1 Pendahuluan Latar Belakang Tujuan
BAB 1 PERSYARATAN PRODUK Bab ini membahas mengenai hal umum dari produk yang dibuat, meliputi tujuan, ruang lingkup proyek, perspektif produk, fungsi produk dan hal umum yang lainnya. 1.1 Pendahuluan Hal
Lebih terperinciIntroduction to Big Data
14 September 2016 Introduction to Big Data Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Gambaran Umum Big Data 3. 3V (Karakteristik pada Big Data) 4. Ekosistem Big Data 5.
Lebih terperinciData Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6
1 Data Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6 Data Warehouse 2 Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional
Lebih terperinciTema Penelitian. keterangan. Penelitian tentang pengolahan citra digital yang diaplikasikan dalam berbagai bidang kehidupan
A. Tema Penelitian Bidang Ilmu Komputer Berikut ini adalah topik topik penelitian untuk mengerjakan tugas akhir dan skripsi sesuai dengan program studi masing-masing. TABEL 1.1 Program Studi Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN. berbagai macam metode dan teknologi, sehingga sebuah sistem
BAB I PENDAHULUAN 1.1. Latar Belakang Business Intelligence merupakan sebuah konsep yang menggunakan berbagai macam metode dan teknologi, sehingga sebuah sistem business intelligence pada umumnya dapat
Lebih terperinciDatawarehouse dan OLAP (Overview) Diambil dari presentasi Jiawei Han
Datawarehouse dan OLAP (Overview) yudi@upi.edu Diambil dari presentasi Jiawei Han Apa Data warehouse? Database pendukung keputusan yang terpisah dengan database operasional Platform untuk konsolidasi
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Pada bab ini dijabarkan tentang latar belakang, rumusan masalah, batasan masalah, tujuan dan manfaat penelitian, metode penelitian, serta sistematika penulisan laporan dari tugas akhir
Lebih terperinciMateri 1 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya
Materi 1 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya nizar.radliya@yahoo.com Nama Mahasiswa NIM Kelas 1. Memahami cakupan materi dan sistem perkuliahan Data Mining.
Lebih terperinciData Mining. Pengenalan Sistem & Teknik, Serta Contoh Aplikasi. Avinanta Tarigan. 22 Nov Avinanta Tarigan Data Mining
Data Mining Pengenalan Sistem & Teknik, Serta Contoh Aplikasi Avinanta Tarigan 22 Nov 2008 1 Avinanta Tarigan Data Mining Outline 1 Pengertian Dasar 2 Classification Mining 3 Association Mining 4 Clustering
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER
RENCANA PEMBELAJARAN SEMESTER Mata Kuliah Big Data and Data Analytics Semester Tujuh Kode SMXXXXXX Prodi MBTI Dosen Andry Alamsyah SKS 4 Capaian Pembelajaran 1. Memahami fenomena, framework, peluang dan
Lebih terperinciSYLLABUS, KEBUTUHAN DAN KONSEP DATA WAREHOUSE. Astrid Lestari Tungadi, S.Kom., MTI.
SYLLABUS, KEBUTUHAN DAN KONSEP DATA WAREHOUSE Astrid Lestari Tungadi, S.Kom., MTI. PENDAHULUAN Kode Mata Kuliah : 304SI4 Nama Mata Kuliah: Data Warehouse/Data Mining Kredit : 4 sks Dosen : Stefany Yunita
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Desain Penelitian Desain penelitian merupakan tahapan yang akan dilakukan oleh penulis untuk memberikan gambaran serta kemudahan dalam melakukan penelitian. Berikut tahapan
Lebih terperinciLembaga Kebijakan Pengadaan Barang/Jasa Pemerintah MONITORING EVALUASI DAN PENGEMBANGAN SISTEM INFORMASI. Sekilas Monev Online
LOGO LKPP Lembaga Kebijakan Pengadaan Barang/Jasa Pemerintah MONITORING EVALUASI DAN PENGEMBANGAN SISTEM INFORMASI http://monev.lkpp.go.id Sekilas Monev Online http://monev.lkpp.go.id Sistem pelaporan
Lebih terperinciAkurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa
Akurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa dengan Metode NAÏVE BAYES M. Ridwan Effendi Fakultas Komputer Jurusan Sistem Informasi Universitas Mohammad Husni Thamrin Jakarta Email :
Lebih terperincijumlah keluarga, dan jumlah rumah. Data diambil dari hasil sensus potensi desa yang dilakukan BPS tahun 1996, 1999, 2003, dan 2006.
1 Latar Belakang PENDAHULUAN Kemajuan teknologi komputer semakin memudahkan proses penyimpanan dan pengolahan data berukuran besar. Namun demikian, seringkali data yang sudah tersimpan belum dimanfaatkan
Lebih terperinciAnalisis Sentimen Terhadap ISP Pada Twitter Dengan Klasifikasi Naive Bayes
Jurnal... Vol. XX, No. X, Bulan 20XX, XX-XX 1 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Analisis Sentimen Terhadap ISP Pada Twitter Dengan Klasifikasi Naive Bayes Abraham Koroh 1, Kartina Diah
Lebih terperinciDATA WAREHOUSE USULAN PEMANFAATAN DATA WAREHOUSE UNTUK SISTEM IRIGASI OTOMATIS PADA DESA KELATING, KERAMBITAN, TABANAN
DATA WAREHOUSE USULAN PEMANFAATAN DATA WAREHOUSE UNTUK SISTEM IRIGASI OTOMATIS PADA DESA KELATING, KERAMBITAN, TABANAN Oleh : Samuel Aprilius Efendi 1304505109 Dosen : I Putu Agus Eka Pratama, ST MT Jurusan
Lebih terperinciKURIKULUM PROGRAM STUDI S1 - SISTEM INFORMASI KONSENTRASI DATABASE STMIK STIKOM BALI 2011/2012
KONSENTRASI DATABASE 8 423740 Pengembangan Sistem Informasi 2 Semester 6 (Konsentrasi Database) 1 425301 Kewirausahaan 2 1 423514 Sistem Basis Data II 3 2 425602 Komunikasi Interpersonal 2 2 423515 Praktikum
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Pengertian Data Menurut (Inmon, 2005, p. 493) data merupakan kumpulan faktafakta, konsep-konsep dan instruksi-instruksi yang disimpan dalam media penyimpanan yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Sistem Informasi Sistem Informasi adalah suatu kumpulan dari komponen yang berinteraksi untuk menyelesaikan tugas bisnis. pendapat ini didukung dengan pendapat Satzinger, Jackson,
Lebih terperinciKonsep Data Mining DATA MINING & KNOWLEDGE DISCOVERY IN DATABASES. Bertalya Universitas Gunadarma 2009
Konsep Data Mining DATA MINING & KNOWLEDGE DISCOVERY IN DATABASES Bertalya Universitas Gunadarma 2009 Data Mining (DM) DM merupakan suatu proses penjelajahan otomatis untuk mendapatkan informasi berguna
Lebih terperinciPERTEMUAN 14 DATA WAREHOUSE
PERTEMUAN 14 DATA WAREHOUSE Data Warehouse Definisi : Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis yang mendukung
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang. Pertumbuhan pasar swalayan dewasa ini telah meningkat dengan pesat di
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan pasar swalayan dewasa ini telah meningkat dengan pesat di Indonesia, ditandai dengan semakin banyak dan menjamurnya pasar swalayan di berbagai tempat.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI. yang akan diteliti. Pemanfaatan algoritma apriori sudah cukup banyak digunakan, antara lain
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Penelitian ini menggunakan beberapa sumber pustaka yang berhubungan dengan kasus yang akan diteliti. Pemanfaatan algoritma apriori sudah cukup
Lebih terperinciModul Praktikum WEKA. Pembaca modul ini diasumsikan telah mengerti dasar-dasar datamining.
Modul Praktikum WEKA Yudi Wibisono (e: yudi@upi.edu ); t: @yudiwbs Ilmu Komputer Universitas Pendidikan Indonesia (cs.upi.edu) Versi BETA : Oktober 2013 http://creativecommons.org/licenses/by-nc-sa/3.0/
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada tinjauan pustaka ini akan membahas tentang penelitian berita yang menggunakan Text Mining, metode TF-IDF, dan. Yang mana penelitian ini akan mengulas secara lengkap tentang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pendidikan merupakan aset penting bagi masa depan masing - masing individu, masyarakat, bangsa, dan dunia. Selain memperkaya diri dengan ilmu dan kemampuan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kebutuhan manusia dalam kegiatan transaksi jual beli secara online semakin meningkat Salah satu mal online terbesar di Indonesia, Tokopedia.com, merilis hasil
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perusahaan sebagai organisasi memiliki ketergantungan yang saling terkait dengan individu dalam perusahaan itu sendiri. Karyawan sebagai individu dalam perusahaan merupakan
Lebih terperinciSistem Basis Data Lanjut DATA WAREHOUSE. Data Warehouse 1/20
DATA WAREHOUSE Data Warehouse 1/20 Outline Konsep dan Arsitektur Data Warehouse Alur Data Warehouse Teknologi dan Peralatan Data Warehouse Perancangan Data Warehouse Penggunaan Oracle pada Data Warehouse
Lebih terperinciRancang Bangun Data Warehouse
Rancang Bangun Data Warehouse i ii Rancang Bangun Data Warehouse Rancang Bangun Data Warehouse iii iv Rancang Bangun Data Warehouse RANCANG BANGUN DATA WAREHOUSE Oleh : Muhammad Yazdi Pusadan, S.Kom.,
Lebih terperinciData Warehouse, Data Mart, OLAP, dan Data Mining. arifin, sistem informasi - udinus 1
Data Warehouse, Data Mart, OLAP, dan Data Mining arifin, sistem informasi - udinus 1 Data Warehouse Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada tinjauan pustaka ini membahas tentang landasan teori yang medukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Data Mining Data mining adalah kegiatan menemukan
Lebih terperinci6/26/2011. Kebutuhan perusahaan untuk mengimplementasikan BI cukup besar. BI dengan data analysis toolnya merupakan
Aplikasi e business yang berfungsi untuk mengubah data data dalam perusahaan (data operasional, transaksional, dll) ke dalam bentuk pengetahuan Analisis terhadap transaksi transaksi di masa lampau dan
Lebih terperinciDATAMINING Anief Rufiyanto.ST (Universitas Pandanaran)
DATAMINING Anief Rufiyanto.ST (Universitas Pandanaran) ABSTRAK Data mining adalah salah satu solusi pelayanan proses pengolahan informasi dalam suatu basis data yang berskala besar. Saat sebuah organisasi
Lebih terperinciIN086 Temu Pengetahuan
IN086 Temu Pengetahuan 2. Overview Data Warehouse 1 Pengenalan Data Warehouse Introduksi Definisi data warehouse Data warehouse vs Operasional DB DM-MA/S1IF/FTI/UKM/2012 2 1 Data Warehouse Sebuah gudang
Lebih terperinciANALISA DATA TRANSAKSIONAL PADA E-COMMERCE DENGAN TEKNOLOGI OLAP (ON-LINE ANALYTICAL PROCESS)
ANALISA DATA TRANSAKSIONAL PADA E-COMMERCE DENGAN TEKNOLOGI OLAP (ON-LINE ANALYTICAL PROCESS) Budi Santosa 1), Dessyanto Boedi P 2), Markus Priharjanto 3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran"
Lebih terperinci6.2 Pendekatan Database Untuk Pengelolaan Data
6.2 Pendekatan Database Untuk Pengelolaan Data Database adalah sekumpulan data yang diorganisasikan untuk melayani berbagai aplikasi secara efisien dengan memusatkan data dan mengurangi penggandaan data.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kehadiran teknologi web yang interaktif telah merubah cara orang mengekspresikan pandangan dan opininya. Saat ini pengguna dapat menulis ulasan suatu produk pada situs
Lebih terperinciBusiness Intelligence. Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization
Business Intelligence Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization DEFINISI DATA WAREHOUSE Data warehouse adalah database yang saling bereaksi yang dapat digunakan
Lebih terperinciBAB I PENDAHULUAN. PT. XYZ merupakan sebuah perusahaan IT business solution provider di
BAB I PENDAHULUAN 1.1 Latar Belakang PT. XYZ merupakan sebuah perusahaan IT business solution provider di Jakarta. PT. XYZ bergerak dalam bidang IT dan outsourcing services, khususnya di bidang software
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Situs jejaring sosial merupakan gaya hidup sosial baru yang muncul seiring berkembangnya internet. Gaya hidup baru tersebut memiliki ruang lingkup yang lebih luas
Lebih terperinciBab 4 Hasil Implementasi dan Analisis
Bab 4 Hasil Implementasi dan Analisis 4.1 Pengantar Pada bagian keempat ini akan dibahas implementasi dari perancangan skenario perbandingan yang sudah dibuat pada bagian sebelumnya, yaitu implementasi
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 4, April 2018, hlm. 1366-1371 http://j-ptiik.ub.ac.id Analisis Peningkatan Performa Proses ETL (Extract, Transform,
Lebih terperinciBAB 1 PENGERTIAN DATA MINING DAN FUNGSI-FUNGSI DATA MINING
BAB 1 PENGERTIAN DATA MINING DAN FUNGSI-FUNGSI DATA MINING Pendahuluan Perkembangan yang cepat dalam teknologi pengumpulan dan penyimpanan data telah memudahkan organisasi untuk mengumpulkan sejumlah data
Lebih terperinciPerkembangan Teknologi Database
Konsep Teknologi Informasi Perkembangan Teknologi Database ARIF BASOFI PENS 2016 Referensi 1. Fitrianingsih, Perkembangan Basis Data, Universitas Gunadarma. 2. Yulia Kahitela, Perkembangan Teknologi Database,
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Pada bab ini, akan dijelaskan mengenai pendahuluan, rumusan masalah,tujuan, batasan yang dikerjakan, hipotesis, metodologi penyelesaian masalah, sistematika penulisan, dan jadwal pengerjaan
Lebih terperinciDATAWAREHOUSE FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO. DATA dlm suatu ORGANISASI
DATAWAREHOUSE FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO www.fsolihin.co.cc DATA dlm suatu ORGANISASI Dari mana data itu berasal? Berapa tahun data customer disimpan dan digunakan? Berapa Tahun data keuangan
Lebih terperinciTUGAS DATA WAREHOUSE
TUGAS DATA WAREHOUSE PERANCANGAN DAN PEMBUATAN DATA WAREHOUSE DAN APLIKASI ONLINE ANALYTICAL PROCESSING UNTUK BANK X Oleh : Nama : Fitri Wahyu Apriliani Nim : 011.01.106 Kelas : Teknik Informatika VI A
Lebih terperinciBAB 1 PENDAHULUAN. menjual berbagai jenis pakaian. Seiring dengan perkembangan fashion pakaian ini
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bisnis penjualan pakaian sekarang ini memang semakin berkembang terutama di Indonesia, ini terbukti dengan semakin banyaknya muncul outlet dan distro yang menjual berbagai
Lebih terperinciBAB I PENDAHULUAN. beberapa tahun terakhir (Dave Chaffey, 2016). Media jejaring sosial seperti Twitter,
BAB I PENDAHULUAN 1.1. Latar Belakang Popularitas media jejaring sosial terus mengalami peningkatan dalam beberapa tahun terakhir (Dave Chaffey, 2016). Media jejaring sosial seperti Twitter, Facebook,
Lebih terperinciOPTIMALISASI DATA PADA BAGIAN PENJUALAN DENGAN MENGGUNAKAN DATA MART DI PT. XYZ
OPTIMALISASI DATA PADA BAGIAN PENJUALAN DENGAN MENGGUNAKAN DATA MART DI PT. XYZ Hendro Poerbo Prasetiya 1), Yogi Eka Sakti 2) 1), 2) Sistem Informasi Universitas Ma Chung Jl Villa Puncak Tidar N-01, Malang
Lebih terperinciPERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR
PERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR Erick A. Lisangan 1, N. Tri Suswanto Saptadi 2 1 erick_lisangan@yahoo.com 2 ntsaptadi@yahoo.com Abstrak Proses dan
Lebih terperinciAPLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA
APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA Yuli Asriningtias, Rodhyah Mardhiyah Program Studi Teknik Informatika Fakultas Bisnis & Teknologi Informasi, Universitas Teknologi
Lebih terperinciBAB I PENDAHULUAN. didukung dengan pernyataan dari Poe (1998) yang menyatakan bahwa banyak
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Di dalam sebuah instansi, sebuah ketersediaan informasi yang akurat, berintegrasi, dan berkualitas tinggi menjadi hal sangat vital pada saat ini. Hal ini didukung
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Penggunaan yang luas atas teknologi komputer dan jaringan telah membentuk basis data-basis data elektronik besar yang menyimpan berbagai transaksi bisnis (Bose & Mahapatra,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Memasuki era perekonomian global, setiap negara memperkuat pilarpilar
BAB 1 PENDAHULUAN 1.1 Latar Belakang Memasuki era perekonomian global, setiap negara memperkuat pilarpilar stabilitas nasionalnya dalam menghadapi persaingan antar-negara yang begitu ketat. Permasalahan
Lebih terperinciAPLIKASI DATA WAREHOUSE UNTUK BUSINESS INTELLIGENCE. Kusnawi Dosen STMIK AMIKOM Yogyakarta. Abstraksi
APLIKASI DATA WAREHOUSE UNTUK BUSINESS INTELLIGENCE Kusnawi Dosen STMIK AMIKOM Yogyakarta Abstraksi Dalam dunia bisnis, pemanfaatan teknologi informasi sudah merupakan kebutuhan yang mendesak terutama
Lebih terperinciANALISIS DAN PERANCANGAN DATA WAREHOUSE PERPUSTAKAAN (STUDI KASUS: PERPUSTAKAAN UNIVERSITAS BINADARMA PALEMBANG)
ANALISIS DAN PERANCANGAN DATA WAREHOUSE PERPUSTAKAAN (STUDI KASUS: PERPUSTAKAAN UNIVERSITAS BINADARMA PALEMBANG) Andri 1), Baibul Tujni 2) 1,2) Program Studi Sistem Informasi Universitas Binadarma Jalan
Lebih terperinciANALISA & DESAIN SISTEM
Mata Kuliah ANALISA & DESAIN SISTEM Donny Yulianto, S.Kom Data Pribadi Nama e-mail : Donny Yulianto : dy_2121@yahoo.fr No. Hp : 085649342131 2 Tujuan Mata Kuliah Mahasiswa mengetahui dan memahami cara
Lebih terperinciPERANCANGAN DATA WAREHOUSE PADA PERPUSTAKAAN UNIVERSITAS NASIONAL
PERANCANGAN DATA WAREHOUSE PADA PERPUSTAKAAN UNIVERSITAS NASIONAL Heni Jusuf 1, Ariana Azimah 2 Jurusan Sistem Informasi, Fakultas Teknologi Komunikasi dan Informatika, Universitas Nasional Jl. Sawo Manila,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi yang semakin pesat ditunjukkan dengan munculnya beragam perangkat teknologi yang mempermudah manusia dalam memonitor perkembangan usahanya
Lebih terperinciDATA MINING ANALISA POLA PEMBELIAN PRODUK DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI
DATA MINING ANALISA POLA PEMBELIAN PRODUK DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI Heroe Santoso 1), I Putu Hariyadi 2), Prayitno 3) 1), 2),3) Teknik Informatika STMIK Bumigora Mataram Jl Ismail Marzuki
Lebih terperinciinformation karena data yang terkumpul itu tidak dapat digunakan untuk aplikasi
ABSTRAK Perkembangan data mining (DM) yang pesat tidak dapat lepas dari perkembangan teknologi informasi yang memungkinkan data dalam jumlah besar terakumulasi sejalan dengan pertumbuhan teknologi informasi.
Lebih terperinciBAB 2 LANDASAN TEORI. Pada bab ini akan dibahas tentang konsep dasar dan teori-teori pendukung yang berhubungan dengan sistem yang akan dibangun.
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas tentang konsep dasar dan teori-teori pendukung yang berhubungan dengan sistem yang akan dibangun. 2.1. Data Mining Data mining adalah suatu istilah yang digunakan
Lebih terperinciData warehouse dan OLAP (Overview) Diambil dari presentasi Jiawei Han / Chirayu Versi dok: 0.8/ Sept 14
Data warehouse dan OLAP (Overview) yudi@upi.edu Diambil dari presentasi Jiawei Han / Chirayu Versi dok: 0.8/ Sept 14 Jutaan data per hari Kasus: Indomaret Dimensi (jumlah field) data besar Produk, jenis
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Konsep Data Mining : IT012274 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pengenalan RDBMS 2 SQL Mahasiswa dapat mnegrti dan memahami
Lebih terperinciDATAWAREHOUSE. Sukarsa:Pasca Elektro Unud. I Made Sukarsa
DATAWAREHOUSE I Made Sukarsa Evolusi Sistem Informasi Decision Support System database Database (I,U,D,R) ETL DW (Read) Masalah : integrasi /konsistensi OLTP Normalisasi/Den ormalisasi OLAP Denormalisasi
Lebih terperinciInternet Sehat dan Aman (INSAN)
Internet Sehat dan Aman (INSAN) Oleh : Rini Agustina, S.Kom, M.Pd Sumber : Direktorat Pemberndayaan Informatika Direktorat Jenderal Aplikasi Informatika Kementrian Komunikasi dan Informatika Republik Indonesia
Lebih terperinciData Warehouse dan Data Minig. by: Ahmad Syauqi Ahsan
16 Data Warehouse dan Data Minig by: Ahmad Syauqi Ahsan Data Warehouse 2 Data warehouse merupakan gudang (atau arsip) dari informasi yang diperoleh dari banyak sumber, disimpan dalam skema basis data yang
Lebih terperinci