CLUSTERING DATA CUACA UNTUK PENGENALAN POLA PERIODITAS IKLIM WILAYAH PELAIHARI DENGAN METODE FUZZY C-MEANS
|
|
- Sugiarto Indradjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL TEKNOLOGI & INDUSTRI Vol. 3 No. 1; Juni 2014 ISSN CLUSTERING DATA CUACA UNTUK PENGENALAN POLA PERIODITAS IKLIM WILAYAH PELAIHARI DENGAN METODE FUZZY C-MEANS AHMAD RAMADHANI 1, ANDI FARMADI 2, IRWAN BUDIMAN 2 1 Staf pengajar Program Studi Teknik Informatika Politeknik Negeri Tanah Laut 2 Staf pengajar Program Studi Ilmu Komputer FMIPA Universitas Lambung Mangkurat Naskah diterima: 02 Mei 2014; Naskah disetujui: 06 Juni 2014 ABSTRAK Pada zaman sekarang banyaknya data yang ada, tidak selalu dibarengi dengan banyaknya pengetahuan yang dihasilkan. Sehingga pada akhirnya data-data tersebut hanya menjadi kuburan data yang tidak berguna. Penggalian suatu data menjadi pengetahuan adalah kegiatan yang sangat berguna, karena pengetahuan tersebut bisa digunakan untuk memecahkan suatu masalah yang ada di dalam masyarakat. Data mining merupakan salah satu teknik untuk menggali pengetahuan dari data, salah satu metode data mining adalah klastering, dimana klastering biasanya digunakan untuk mengelompokan objek-objek yang memiliki kemiripan dalam kelas atau segmen yang sama. Tanah Laut merupakan daerah yang terkenal akan pertanian padi, perkebunan sawit, dan peternakan sapi, dan semua itu sangat bergantung pada keadaan cuaca. Data tentang keadaan cuaca harian adalah data tentang informasi keadaan cuaca tiap harinya. Pada penelitian ini dilakukan proses penggalian data dengan cara mengelompokkan data keadaan cuaca harian, berupa data kecepatan angin, data kelembaban udara, data penguapan, data temperatur, dan data curah hujan menjadi 4 kelompok menggunakan algoritma fuzzy c-means. Hasil yang diperoleh dari peneltian ini adalah diperolehnya 4 klaster. Dari informasi 4 klaster tersebut, diproleh pengetahuan tentang kondisi cuaca dari tahun yaitu kondisi cuaca pada periode tersebut setiap tahun menjadi semakin panas, dan diketahui adanya pergeseran musim kemarau dan musim hujan lebih cepat 10 hari dari tahun Kata kunci: Data mining, klaster, fuzzy c-means, keadaan cuaca PENDAHULUAN Pada saat ini dengan berkembangnya teknologi informasi, maka makin banyak pula suatu sistem basis data, baik secara manual maupun sudah terkomputerisasi. Namun banyaknya data yang ada, tidak selalu dibarengi dengan pengetahuan yang dapat dihasilkan oleh data yang banyak tersebut. Sehingga pada akhirnya data-data tersebut hanya menjadi sesuatu yang kurang berguna, misalnya data yang sudah segunung hanya akan menjadi bagian dari arsip maupun laporan, padahal kalau data tersebut diolah akan dapat menghasilkan pengetahuan yang tidak pernah disangka-sangka sebelumnya. *Korespondensi penulis: Telepon/nomor faks : [57]
2 Data mining merupakan proses pencarian pola-pola yang menarik dan tersembunyi (hidden pattern) dari suatu kumpulan data yang berukuran besar yang tersimpan dalam suatu basis data, seperti data warehouse dan tempat penyimpanan data lainnya. Data mining juga didefinisikan sebagai bagian dari proses penggalian pengetahuan dalam database yang dikenal dengan istilah Knowledge Discovery in Database (KDD) (Sumathi & Sivanandam, 2006). Cuaca merupakan salah satu variabel yang menentukan kondisi iklim. Cuaca adalah keadaan rata -rata udara pada periode waktu sesaat. Iklim adalah keadaan rata-rata cuaca pada periode waktu tertentu. Salah satu faktor yang berpengaruh langsung terhadap tipe atau variasi iklim adalah curah hujan. Curah hujan adalah ketinggian air hujan yang terkumpul dalam tempat yang datar, tidak menguap, tidak meresap dan tidak mengalir. Kabupaten Tanah Laut merupakan salah satu kabupaten yang ada di Kalimantan selatan. Tanah Laut merupakan daerah yang terkenal akan pertanian padi, perkebunan sawit, dan peternakan sapi. Jadi secara ekonomis, Kabupaten Tanah Laut merupakan daerah yang cukup kaya, kaya akan alamnya. Karena kekayaan yang bersumber dari alam inilah, maka faktor cuaca merupakan faktor terpenting di daerah ini. Karena dengan adanya informasi tentang banjir, tentang kemarau, maka masyarakat dapat menghindari kerugian dari kejadian alam tersebut. Informasi tentang cuaca, apapun bentuknya asalkan dapat dipercaya dan valid, sungguh sangat diperlukan oleh masyarakat. Salah satunya adalah penentuan perioditas iklim suatu wilayah, namun karena sulitnya untuk menentukan perulangan masa atau periode cuaca secara manual, sehingga diperlukan sebuah perangkat lunak yang dapat mengelompokkan data cuaca menurut kemiripan datanya. Teknik data mining yang dapat digunakan untuk mengelompokkan data cuaca menurut kemiripan datanya adalah menggunakan teknik clustering. Teknik clustering digunakan pada data mining untuk mengelompokan objek-objek yang memiliki kemiripan dalam kelas atau segmen yang sama, sementara objek-objek yang terletak pada kelas yang berbeda menunjukkan karakteristik yang berbeda juga (Jain, Murthy, & Flynn, 1999).Perumusan Masalah Berdasarkan latar belakang di atas dapat dirumuskan masalah yaitu bagaimana merancang sebuah sistem yang bisa digunakan sebagai alat bantu dalam pengelolaan inventaris alat/ bahan laboratorium dasar FMIPA UNLAM untuk mempermudah proses inventarisasi alat/bahan tersebut. Adapun tujuan dari penelitian ini adalah membangun sebuah perangkat lunak yang dapat mengelompokkan data cuaca menurut kemiripan datanya dengan menggunakan metode fuzzy c-means, sehingga output yang dihasilkan oleh perangkat lunak tersebut dapat digunakan sebagai acuan untuk menentukan pola perioditas iklim wilayah Pelaihari. Manfaat yang diperoleh dari penelitian ini adalah: (1). Manfaat teoritis: diharapkan dapat menjadi referensi untuk penggunaan model Algoritma Fuzzy C-Means bagi praktisi atau peneliti lain untuk diterapkan pada kasus penelitian yang lain, dengan melihat karakteristik penggunaan algoritma ini dalam pengenalan pola perioditas iklim suatu wilayah. (2). Manfaat praktis: diharapkan dapat membantu pihak BMKG wilayah Pelaihari dalam memberikan pengetahuan kepada masyarakat tentang adanya suatu pola iklim di wilayah Pelaihari. [58]
3 (3). Manfaat kebijakan: diharapkan akan dilakukan penelitian lebih lanjut baik dari pemerintah maupun instansi terkait untuk mendapatkan hasil penelitian yang lebih maksimal, sehingga pengetahuan yang akan diberikan kepada masyarakat akan lebih berguna dan bermanfaat. Jenis Penelitian METODE PENELITIAN Jenis penelitian ini adalah pembuatan aplikasi dan analisa klaster. Alat dan Bahan Alat-alat yang digunakan dalam penelitian adalah sebagai berikut: Processor Intel Atom, RAM 1GB, Harddisk 250 GB, VGA 237 MB, Sistem operasi Microsoft Windows 7, Delphi XE, XAMPP, Mcrosoft Word, Microsoft Excel. Adapun bahan atau materi yang digunakan dalam penelitian ini adalah data keadaan cuaca yang didapatkan dari BMKG Stasiun Tanah Ambungan (PG Pelaihari). Data yang digunakan adalah kecepatan angin harian, kelembaban udara harian, penguapan harian, temperatur harian, dan curah hujan harian. Prosedur Kerja Prosedur penelitian yang di pakai pada kesempatan ini adalah model KDD Prosess : Model KDD Proses (Fayyad, 1996) Data Preparation Pada tahap ini struktur basis data akan dipersiapkan sehingga mempermudah proses mining. Proses preparation ini mencakup tiga hal utama yaitu: 1. Data Selection Memilih data yang akan digunakan dalam proses data mining. Dalam proses ini dilakukan juga pemilihan atribut-atribut yang disesuaikan dengan proses data mining. Dalam penelitian kali ini, data yang digunakan sudah berupa data yang siap pakai, artinya data yang didapatkan sudah berupa target data. 2. Data Preprocessing Pada tahap ini masalah yang harus dihadapi adalah noisy data dan missing values. Proses cleaning data pelu dilakukan agar data bersih dari duplikasi data, data yang tidak konsisten, atau kesalahan cetak. Sehingga data yang telah melewati proses ini siap untuk di proses di data mining. Pada [59]
4 penelitian ini, data yang digunakan adalah data yang sudah konsisten, sehingga proses pembersihan data hanya dilakukan pada data yang missing value saja. 3. Data Transformation Setelah melakukan pembersihan data yang menyeluruh, maka akan dilakukan tahapan selanjutnya yaitu tahap merubah data (data transformation). Pada tahap ini hal pertama yang dilakukan adalah integrasi data yakni tahap penggabungan data dari berbagai tabel. Pola Pola disini adalah tahap pemilihan algoritma yang digunakan untuk melakukan proses data mining. Tahap ini bisa juga disebut sebagai proses data mining, karena pada tahap ini, data yang telah ditransformasikan akan diolah dengan algoritma yang dipilih. Algoritma yang digunakan adalah Fuzzy C- Means. Interpretasi / Evaluasi Pada tahap ini dilakukan evaluasi dan penginterpretasian dari pola yang diperoleh berdasarkan hasil dari clustering data menggunakan metode fuzzy c-means. Jika hasil yang didapatkan belum sesuai, maka proses akan diulang kembali ke tahap proses clustering data. Knowledge Tahap ini merupakan bagian akhir dari proses KDD dimana dilakukan pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta yang ada. Pola informasi yang dihasilkan dari proses data mining harus ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. PEMBAHASAN Perbandingan Hasil Untuk menjamin bahwa pusat klaster yang dihasilkan oleh aplikasi yang dibuat sudah benar, maka perlu adanya perbandingan hasil pusat klaster. Hasil dari program matlab dipilih karena algoritma fuzzy c-means sudah ada dalam bentuk fungsi didalam program matlab tersebut, sehingga bisa dipastikan bahwa hasil dari matlab sudah benar. Berikut adalah pusat cluster hasil dari aplikasi yang dibagun : Pusat Cluster Yang Dihasilkan Aplikasi Sedangkan hasil dari aplikasi Matlab pada penelitian ini, proses berhenti setelah iterasi ke-94. Pusat cluster yang didapatkan oleh aplikasi Matlab pada iterasi terakhir adalah : [60]
5 Pusat Cluster (V) Yang Terbentuk pada iterasi terakhir V V V V Jadi bisa dikatakan bahwa hasil yang didapatkan oleh aplikasi yang dibangun sudah 100% benar (sesuai standar Matlab). Berdasarkan pusat cluster diatas, dapat diperoleh informasi tentang cluster yang terbentuk, yaitu : (1) Kelompok data cuaca yang terdiri atas data rata-rata kecepatan angin sebesar 4, 734, ratarata kelembaban udara sebesar 89,4049, rata-rata penguapan sebesar 1,6278, rata-rata temperatur sebesar 26,6364, dan rata-rata curah hujan sebesar 80,472. (2) Kelompok data cuaca yang terdiri atas data rata-rata kecepatan angin sebesar 3,4907, ratarata kelembaban udara sebesar 88,8472, rata-rata penguapan sebesar 2,0089, rata-rata temperatur sebesar 26,6614, dan rata-rata curah hujan sebesar 29,5815. (3) Kelompok data cuaca yang terdiri atas data rata-rata kecepatan angin sebesar 2,5952, ratarata kelembaban udara sebesar 88,202, rata-rata penguapan sebesar 3,0581, rata-rata temperatur sebesar 26,8999, dan rata-rata curah hujan sebesar 2,3178. (4) Kelompok data cuaca yang terdiri atas data rata-rata kecepatan angin sebesar 9,2976, ratarata kelembaban udara sebesar 81,8235, rata-rata penguapan sebesar 4,2794, rata-rata temperatur sebesar 27,7967, dan rata-rata curah hujan sebesar 1,2545. Interpretasi Ada dua hal yang bisa diinterpretasikan dari hasil penelitian ini, yaitu: 1. Trend dari beberapa variabel data Trend Kecepatan Angin Trend Kelembaban Udara [61]
6 Trend Penguapan Trend Temperatur 2. Pergeseran Musim Telah terjadi pergeseran untuk awal musim kemarau dan awal musim hujan sebanyak 10 hari lebih cepat seperti yang dilihat pada gambar grafik dibawah ini. Awal Musim Kemarau 1990 Awal Musim Kemarau 1999 Awal Musim Hujan 1990 Awal Musim Hujan 1999 Knowledge Pemantauan perubahan iklim wilayah Pelaihari sebenarnya dapat dilakukan dengan melakukan pemantauan kondisi iklim ekstrim. Namun karena banyaknya data yang digunakan hanya 10 tahun, sedangkan perubahan iklim adalah berubahnya baik pola dan intensitas unsur iklim pada periode waktu yang dapat dibandingkan (biasanya terhadap rata rata 30 tahun), maka bisa dikatakan bahwa sangat sulit untuk mengatakan bahwa telah terjadi perubahan iklim di wilayah Pelaihari. [62]
7 Namun tidak bisa disangkal pula, dalam sepulah tahun ( ) telah terjadi perubahanperubahan pada kondisi cuaca di Pelaihari. Contohnya adalah meningkatnya kecepatan angin, menurunnya kelembaban udara, meningkatnya penguapan, dan juga meningkatnya suhu di Pelaihari. Jadi bisa dikatakan bahwa selama sepuluh tahun tersebut keadaan cuaca daerah pelaihari mengalami perubahan menjadi semakin panas. Dan juga telah terjadi pergeseran untuk awal musim kemarau dan musim hujan sebanyak 10 hari lebih cepat. KESIMPULAN Kesimpulan yang dapat diambil dari penelitian ini adalah Aplikasi yang dikembangkan pada penelitian ini bisa dikatakan sudah berhasil dibuat, dan dapat mengahasilkan 4 (empat) pusat klaster. Knowledge yang didapatkan yaitu diketahui adanya perubahan pada kondisi cuaca di Pelaihari dalam kurun waktu 10 tahun ( ), seperti meningkatnya kecepatan angin, meningkatnya temperatur, meningkatnya penguapan, dan menurunnya kelembaban udara. Juga telah terjadinya pergeseran awal untuk musim kemarau dan musim hujan sebanyak 10 hari lebih cepat. UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih yang sebesar-besarnya kepada orang tua dan seluruh keluarga dan juga teman-teman Ilmu Komputer FMIPA UNLAM atas segalanya yang telah mereka berikan baik doa, dukungan, motivasi, semangat yang sangat membantu dalam penyelesaian skripsi ini. Tak lupa penulis mengucapkan terima kasih kepada Bapak Andi Farmadi S.Si, M.T., selaku pembimbing utama dan Bapak Irwan Budiman, S.T., M.Kom., selaku pembimbing pendamping yang sudah memeberikan arahan dan saran-saran selama pelaksanaan penelitian hingga selesainya penyusunan skripsi ini serta terima kasih kepada Bapak Muliadi S.Kom, M.Cs. dan Bapak Dodon T. Nugrahadi, S.Kom, M.Eng., selaku dosen penguji yang juga memberikan saran dan kritik yang membantu menyempurnakan penyelesaian skripsi. DAFTAR PUSTAKA Aldrian, E. (2010). Pengenalan Dampak Perubahan Iklim. Cisarua: Diklat Teknis pengolahan dan Analisa Kualitas Udara BMKG. Dagaetano, A. (1996). Delineation Of Mesoscale Climate Zones In The Northeastern United States Using A Novel Approach To Cluster Analysis. Journal Of Climate, 9. Dunham, M. (2003). Data Mining Introuctory and Advanced Topics. New Jersey: Prentice Hall. Haryoko, U. (2002). Pewilayahan hujan untuk menentukan pola hujan wilayah Kabupaten Indramayu. Indramayu: BMKG. Hidayat, S. (2010). Arsitektur Tropis. Jakarta: Pusat Pengembangan Bahan Ajar - Universitas Mercu Buana. Jain, A. K., Murthy, M. N., & Flynn, P. J. (1999). Data Clustering : A Review. ACM Computing Surveys, Vol. 31, No. 3. [63]
8 Juaeni, I., Yuliani, D., Ayahbi, R., Noersomadi, Hardjana, T., & Nurzaman. (2009). Pengelompokkan Wilayah Curah Hujan Kalimantan Barat Berbasis Metode WARD dan Fuzzy Clustering. LAPAN. Klawonn, F., & Hoppner, F. (2001). A New Approach To Fuzzy Partitioning. Proc. Of The Joint 9th IFSA World Congress And 20th NAFIPS Iternational Conference. Canada: Vancouver. Mimmack, G., Mason, S., & Galphin, J. (2000). Choice Of Distance Matrices In Cluster Analysis : Defining Regions. Journal Of Climate, 14. Nasrullah. (2011). PERUBAHAN IKLIM DAN TREND DATA IKLIM. Jakarta: BMKG. Prihastuti Harsani, I. M. (2011). Predikisi curah hujan bulanan menggunakan Time Series (Single Exponential Smoothing) dan KNN (K-Nearest Neighbor). Sharma, S. (1996). Applied Multivariate Techniques. United States: A Willey-Interscience Publication. Sumathi, S., & Sivanandam, S. (2006). Introduction to Data Mining and its Applications. Spinger: Verlag Berlin Heidelberg. Utami, F. D., & Sutikno. (2009). Pengelompokkan zona musim (ZOM) dengan fuzzy K-Means Clustering. Fakultas Mipa ITS. [64]
Data Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata
Data Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata Cakra Ramadhana 1, Yohana Dewi Lulu W 2, Kartina Diah K. W. 3 1,2 Program Studi Sistem Informasi, Politeknik
Lebih terperinciMelihat Pengaruh Cuaca Terhadap Penyakit Demam Berdarah Di Banjarbaru menggunakan Fuzzy C-Means
Melihat Pengaruh Cuaca Terhadap Penyakit Demam Berdarah Di Banjarbaru menggunakan Fuzzy C-Means Muhammad Halim 1, Andi Farmadi 2, H. Irwan Budiman 3 1,2,3 Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km
Lebih terperinciPenerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 39 Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi Irwan
Lebih terperinciIMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA Irwan Budiman 1, Dodon Turianto Nugrahadi 2, Radityo Adi Nugroho 3 Universitas Lambung Mangkurat 1,2,3 irwan.budiman@unlam.ac.id
Lebih terperinciJurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun
Vol. 2, No. 1, Tahun 2013 65 Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Website : https://jurnal.pcr.ac.id/index.php/jakt/about/index Email : pustaka@pcr.ac.id Analisa Penjualan Barang Menggunakan
Lebih terperinciBAB 1 PENDAHULUAN. Wiley & Sons, 2003, Hal : 1. 1 Poe Vidette, Klauer Patricia dan Brobst Stephen, Building A Data WareHouse for Decision Support
BAB 1 PENDAHULUAN 1.1. Pendahuluan Dewasa ini fungsi komputer semakin dimanfaatkan baik pada perusahaan menengah ke atas maupun pada perusahaan kecil. Adapun fungsi dari komputer itu sendiri adalah mengolah
Lebih terperinciBAB 1 PENDAHULUAN Building A Data WareHouse for Decision Support Second Edition Data Mining : Concepts, Models, Methods, and Algorithms
BAB 1 PENDAHULUAN 1.1. Pendahuluan Mesin hitung bernama Komputer sejak satu dekade ini telah tumbuh dan berkembang dengan pesat. Perkembangan ini meliputi sisi teknologi, kapasitas media penyimpanan, dan
Lebih terperinciMODEL DATA MINING DALAM PENGKLASIFIKASIAN KETERTARIKAN BELAJAR MAHASISWA MENGGUNAKAN METODE CLUSTERING
MODEL DATA MINING DALAM PENGKLASIFIKASIAN KETERTARIKAN BELAJAR MAHASISWA MENGGUNAKAN METODE CLUSTERING Marlindawati1), Andri2) 1), 2) Sistem Informasi UNIVERSITAS BINA DARMA Palembang Jl, Jend. A.Yani
Lebih terperinciBAB 1 PENDAHULUAN. terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi informasi telah mampu mengubah persepsi manusia terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
Lebih terperinciPENGELOMPOKAN WILAYAH CURAH HUJAN KALIMANTAN BARAT BERBASIS METODE WARD DAN FUZZY CLUSTERING
Jurnal Sains Dirgantara Vol. 7 No. 2 Juni 21 :82-99 PENGELOMPOKAN WILAYAH CURAH HUJAN KALIMANTAN BARAT BERBASIS METODE WARD DAN FUZZY CLUSTERING Ina Juaeni, Dewi Yuliani, Risana Ayahbi, Noersomadi, Teguh
Lebih terperinciPENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS
PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika Universitas Indraprasta PGRI Abstract. The purpose of this study was to
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciKLASIFIKASI USAHA KECIL DAN MENENGAH (UKM) SEKTOR INDUSTRI DENGAN METODE FUZZY C-MEANS CLUSTERING WILAYAH KOTA CILEGON
Seminar Nasional IENACO 213 ISSN: 2337-39 KLASIFIKASI USAHA KECIL DAN MENENGAH (UKM) SEKTOR INDUSTRI DENGAN METODE FUZZY C-MEANS CLUSTERING WILAYAH KOTA CILEGON Ratna Ekawati 1),Nurul Yulis 2) 1) Jurusan
Lebih terperinciPENGKLASIFIKASIAN MINAT BELAJAR MAHASISWA DENGAN MODEL DATA MINING MENGGUNANAKAN METODE CLUSTERING
PENGKLASIFIKASIAN MINAT BELAJAR MAHASISWA DENGAN MODEL DATA MINING MENGGUNANAKAN METODE CLUSTERING Marlindawati 1) Andri 2) 1) Manajemen Informatika Universitas Bina Darma Jl. Ahmad Yani No. 3, Palembang
Lebih terperinciLAPORAN SKRIPSI PENERAPAN ALGORITMA FUZZY C_MEANS DALAM PENENTUAN BEASISWA. Oleh : ARI IRAWAN
LAPORAN SKRIPSI PENERAPAN ALGORITMA FUZZY C_MEANS DALAM PENENTUAN BEASISWA Oleh : ARI IRAWAN 2010-51-221 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH GELAR SARJANA KOMPUTER PROGRAM STUDI
Lebih terperinci3.1 Metode Pengumpulan Data
BAB 3 METODE PENELITIAN 3.1 Metode Pengumpulan Data Sebuah penelitian memerlukan pengumpulan data dan metode pengumpulan data karena sangat berpengaruh terhadap akurasi dan kualitas data yang digunakan
Lebih terperinciIMPLEMENTASI METODE FUZZY C-MEANS PADA SISTEM CLUSTERINGDATA VARIETAS PADI
IMPLEMENTASI METODE FUZZY C-MEANS PADA SISTEM CLUSTERINGDATA VARIETAS PADI Nurjanah 1, Andi Farmadi 2, Fatma Indriani 2 1,2,3 Prodi Ilmu Komputer Fakultas MIPA Universitas Lambung Mangkurat Jl. A. Yani
Lebih terperinciBAB 1 PENDAHULUAN Pengantar
BAB 1 PENDAHULUAN 1.1. Pengantar Dewasa ini fungsi komputer semakin dimanfaatkan dalam segala bidang. Baik di bidang pendidikan, bisnis, ataupun penelitian. Penggunaan komputer kini tidak lagi terbatas
Lebih terperinciPenerapan metode..., Novi Indriyani, FASILKOM UI, Universitas Indonesia
BAB 1 PENDAHULUAN 1.1 Latar Belakang Banyak kegiatan atau aktifitas manusia yang banyak bergantung pada faktor cuaca. Faktor cuaca ini terkadang memiliki pengaruh yang sangat besar bagi keberlangsungan
Lebih terperinciPenerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop)
157 Penerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop) Elly Muningsih AMIK BSI Yogyakarta E-Mail : elly.emh@bsi.ac.id Abstrak Berkembangnya
Lebih terperinciBAB I PENDAHULUAN. bersaing. Dalam dunia bisnis yang dinamis dan penuh persaingan. Seiring dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan perkembangan teknologi informasi pada era globalisasi sekarang ini sangat pesat, hal ini menuntut setiap perusahaan untuk dapat saling bersaing. Dalam dunia
Lebih terperinciPENERAPAN DATA MINING UNTUK MENENTUKAN STRATEGI PENJUALAN PADA TOKO BUKU GRAMEDIA MENGGUNAKAN METODE CLUSTERING
PENERAPAN DATA MINING UNTUK MENENTUKAN STRATEGI PENJUALAN PADA TOKO BUKU GRAMEDIA MENGGUNAKAN METODE CLUSTERING Tri Utami Putri 1, M.Izman H,S.T.,M.M.,PhD 2, Susan Dian PS M.Kom 3 Mahasiswa Universitas
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 MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA
DATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA Aseptian Nugraha, Acep Irham Gufroni, Rohmat Gunawan Teknik Informatika Fakultas
Lebih terperinciPENERAPAN K-MEANS CLUSTERING PADA DATA PENERIMAAN MAHASISWA BARU (STUDI KASUS : UNIVERSITAS POTENSI UTAMA)
Seminar Nasional Teknologi Informasi dan Multimedia 5 ISSN : 3-385 STMIK AMIKOM Yogyakarta, 6-8 Februari 5 PENERAPAN K-MEANS CLUSTERING PADA DATA PENERIMAAN MAHASISWA BARU (STUDI KASUS : UNIVERSITAS POTENSI
Lebih terperinciCLUSTERING PENENTUAN POTENSI KEJAHATAN DAERAH DI KOTA BANJARBARU DENGAN METODE K-MEANS
Volume 01, No01 September 2014 CLUSTERING PENENTUAN POTENSI KEJAHATAN DAERAH DI KOTA BANJARBARU DENGAN METODE K-MEANS Sri Rahayu 1,Dodon T Nugrahadi 2, Fatma Indriani 3 1,2,3 Prog Studi Ilmu Komputer Fakultas
Lebih terperinciKLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING
KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING Moh Ahsan Universitas Kanjuruhan Malang ahsan@unikama.ac.id ABSTRAK. Universitas Kanjuruhan Malang
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 ANALISA PERBANDINGAN METODE HIERARCHICAL CLUSTERING, K-MEANS DAN GABUNGAN KEDUANYA DALAM MEMBENTUK CLUSTER DATA (STUDI KASUS : PROBLEM KERJA PRAKTEK JURUSAN
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-521
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-521 Analisa Perbandingan Metode Hierarchical Clustering, K-means dan Gabungan Keduanya dalam Cluster Data (Studi kasus : Problem Kerja Praktek Jurusan
Lebih terperinciPENERAPAN ALGORITMA C4.5 DALAM PEMILIHAN BIDANG PEMINATAN PROGRAM STUDI SISTEM INFORMASI DI STMIK POTENSI UTAMA MEDAN
PENERAPAN ALGORITMA C4.5 DALAM PEMILIHAN BIDANG PEMINATAN PROGRAM STUDI SISTEM INFORMASI DI STMIK POTENSI UTAMA MEDAN Fina Nasari 1 1 Sistem Informasi, STMIK Potensi Utama 3 Jalan K.L. Yos Sudarso KM.
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. menerapkan metode clustering dengan algoritma K-Means untuk penelitiannya.
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Salah satu cara untuk mengetahui faktor nilai cumlaude mahasiswa Fakultas Teknik Universitas Muhammadiyah Yogyakarta adalah dengan menerapkan
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 terperinciBuletin Analisis Hujan Bulan Februari 2013 dan Prakiraan Hujan Bulan April, Mei dan Juni 2013 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Februari 2013 serta Prakiraan Hujan Bulan April, Mei dan Juni 2013 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun dan pos hujan di
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciPENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING
PENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING Andreas Chandra Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email : andreaschaandra@yahoo.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Hujan merupakan salah satu bentuk presipitasi uap air yang berasal dari awan yang terdapat diatmosfer, titik-titik air di udara atau awan yang sudah terlalu
Lebih terperinciBuletin Analisis Hujan Bulan Januari 2013 dan Prakiraan Hujan Bulan Maret, April dan Mei 2013 KATA PENGANTAR
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan Januari 2013 serta Prakiraan Hujan Bulan Maret, April dan Mei 2013 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun dan pos hujan di
Lebih terperinciBAB I PENDAHULUAN. Perubahan iklim merupakan perubahan jangka panjang dalam
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perubahan iklim merupakan perubahan jangka panjang dalam distribusi pola cuaca secara statistik dengan periode waktu mulai dasawarsa hingga jutaan tahun. Hal
Lebih terperinciBuletin Analisis Hujan Bulan April 2013 dan Prakiraan Hujan Bulan Juni, Juli dan Agustus 2013 KATA PENGANTAR
Buletin Analisis Hujan Bulan April 2013 dan Prakiraan Hujan Bulan Juni, Juli dan Agustus 2013 KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan April 2013 serta Prakiraan Hujan Bulan Juni, Juli dan
Lebih terperinciPENGKLASIFIKASIAN DATA SEKOLAH PENGGUNA INTERNET PENDIDIKAN MENGGUNAKAN TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS STUDI KASUS PT TELKOM SURABAYA
Artikel Skripsi PENGKLASIFIKASIAN DATA SEKOLAH PENGGUNA INTERNET PENDIDIKAN MENGGUNAKAN TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS STUDI KASUS PT TELKOM SURABAYA SKRIPSI Diajukan Untuk Memenuhi Sebagian
Lebih terperinciIMPLEMENTASI K-MEANS CLUSTERING UNTUK PEMBAGIAN KELAS SISWA
IMPLEMENTASI K-MEANS CLUSTERING UNTUK PEMBAGIAN KELAS SISWA SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Teknik Informatika OLEH : NISIA
Lebih terperincihttp://www.brigidaarie.com proses menganalisa data untuk mencari polapola tersembunyi dengan menggunakan metodologi otomatis Istilah lain : Machine Learning Knowledge Discovery in Database (KDD) Predictive
Lebih terperinciKEPALA STASIUN KLIMATOLOGI
KATA PENGANTAR Analisis Hujan, Indeks Kekeringan Bulan September 2013 serta Prakiraan Hujan Bulan November, Desember 2013 dan Januari 2014 disusun berdasarkan hasil pengamatan data hujan dari 60 stasiun
Lebih terperinciIMPLEMENTASI DATA MINING UNTUK PENGELOMPOKKAN DATA SISWA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING (STUDI KASUS : SMKN 1 KEDIRI) SKRIPSI
Artikel Skripsi IMPLEMENTASI DATA MINING UNTUK PENGELOMPOKKAN DATA SISWA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING (STUDI KASUS : SMKN 1 KEDIRI) SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah
Lebih terperinciTEKNOSI, Vol. 02, No. 03, Desember Koko Handoko Universitas Putera Batam (cooresponding author)
TEKNOSI, Vol. 02, No. 03, Desember 2016 31 PENERAPAN DATA MINING DALAM MENINGKATKAN MUTU PEMBELAJARAN PADA INSTANSI PERGURUAN TINGGI MENGGUNAKAN METODE K-MEANS CLUSTERING (STUDI KASUS DI PROGRAM STUDI
Lebih terperinciBAB II TINJAUAN PUSTAKA. pengetahuan di dalam database. Data mining adalah proses yang menggunakan
6 BAB II TINJAUAN PUSTAKA 2.1 Pengertian Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan
Lebih terperinciPENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN
PENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN Fauziah Nur1, Prof. M. Zarlis2, Dr. Benny Benyamin Nasution3 Program Studi Magister Teknik Informatika, Universitas
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam suatu universitas, salah satu analisis yang dapat dilakukan untuk melihat perkembangan prestasi akademik seorang mahasiswa adalah dengan memantau nilai
Lebih terperinciPENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS
Jurnal Ilmiah ILKOM Volume 8 mor (Agustus 16) ISSN: 87-1716 PENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS Widya Safira Azis 1 dan Dedy Atmajaya 1 safiraazis18@gmail.com dan dedy.atmajaya@umi.ac.id
Lebih terperinciBAB 3 METODE PENELITIAN. Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder.
BAB 3 METODE PENELITIAN 3.1 Metode Pengumpulan Data 3.1.1 Sumber Data Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder. 1. Data primer Didapatkan peneliti secara langsung
Lebih terperinciALGORITMA K-MEANS UNTUK PENGELOMPOKAN BANK BERDASARKAN KOMPOSISI DANA PIHAK KETIGA (DPK) DAN JUMLAH JARINGAN KANTOR
ALGORITMA K-MEANS UNTUK PENGELOMPOKAN BANK BERDASARKAN KOMPOSISI DANA PIHAK KETIGA (DPK) DAN JUMLAH JARINGAN KANTOR Laporan Tugas Akhir Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Di tengah laju kemajuan teknologi telekomunikasi dan informatika, informasi yang cepat dan akurat semakin menjadi kebutuhan pokok para pengambil keputusan. Informasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Faktor penentu bagi usaha atau bisnis apapun pada masa sekarang ini adalah kemampuan untuk menggunakan informasi seefektif mungkin. Penggunaan data secara tepat karena
Lebih terperinciKlasterisasi Data Kesehatan Penduduk untuk Menentukan Rentang Derajat Kesehatan Daerah dengan Metode K-Means
Klasterisasi Data Kesehatan Penduduk untuk Menentukan Rentang Derajat Kesehatan Daerah dengan Metode K-Means Nielza Atthina Jurusan Teknik Informatika Universitas Islam Indonesia Yogyakarta 09523458@students.uii.ac.id
Lebih terperinciPEMBANGUNAN SISTEM INFORMASI PERSONEL PADA DINAS ADMINISTRASI PERSONEL ARMADA REPUBLIK INDONESIA KAWASAN BARAT
PEMBANGUNAN SISTEM INFORMASI PERSONEL PADA DINAS ADMINISTRASI PERSONEL ARMADA REPUBLIK INDONESIA KAWASAN BARAT Mia Narulita Anggraeni *, Tacbir Hendro Pudjiantoro, Agus Komarudin Program Studi Informatika,
Lebih terperinciANALISIS DATA POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN SUPERMARKET PAMELLA YOGYAKARTA 1.
ANALISIS DATA POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN SUPERMARKET PAMELLA YOGYAKARTA M. Didik R. Wahyudi 1) Fusna Failasufa 2) 1) 2) Teknik Informatika FST UIN Sunan Kalijaga
Lebih terperinciPENGELOMPOKAN NASABAH BANK MENGGUNAKAN ALGORITMA K- MEANS UNTUK MEMBERIKAN PENAWARAN YANG TEPAT
PENGELOMPOKAN NASABAH BANK MENGGUNAKAN ALGORITMA K- MEANS UNTUK MEMBERIKAN PENAWARAN YANG TEPAT Ismail Setiawan 1) 1) Magister Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperinciBAB III METODOLOGI PENELITIAN. digunakan pada proses rekomendasi penjurusan pada jenjang menengah. Merumuskan Masalah
A. Desain Penelitian BAB III METODOLOGI PENELITIAN Gambar 3.1 berikut ini merupakan desain penelitian yang akan digunakan pada proses rekomendasi penjurusan pada jenjang menengah atas. Merumuskan Masalah
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Konsep Pemasaran Dalam merancang dan mengembangkan produk, baik yang berupa jasa maupun barang, tidak terlepas dari konsep pemasaran yang bertujuan memenuhi
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI
84 BAB IV IMPLEMENTASI DAN EVALUASI Pada bab ini akan dibahas mengenai implementasi sistem yaitu spesifikasi sistem dan cara menggunakan aplikasi segmentasi citra dengan menggunakan metode Fuzzy C- Means
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Program Ganda Teknik Informatika - Matematika Skripsi Sarjana Program Ganda Semester Ganjil 2007/2008
UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika - Matematika Skripsi Sarjana Program Ganda Semester Ganjil 2007/2008 PERANCANGAN PROGRAM APLIKASI DATA MINING DENGAN MENGGUNAKAN METODE CLUSTERING
Lebih terperinciJURNAL TEKNIK, (2014) APLIKASI DATA MINING UNTUK MEMPREDIKSI PERFORMANSI MAHASISWA DENGAN METODE KLASIFIKASI DECISION TREE
JURNA TEKNIK, (2014) 1-6 1 AIKASI DATA MINING UNTUK MEMREDIKSI ERFORMANSI MAHASISWA DENGAN METODE KASIFIKASI DECISION TREE Irfan Fahmi, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri,
Lebih terperinciPENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS
1 PENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS Indra Setiawan 1 1 Teknik Informatika Universitas Dian Nuswantoro Semarang E-mail :
Lebih terperinciJl. A. Yani Km 36 Banjarbaru, Kalimantan selatan 1 Abstract
Penerapan K-Optimal Pada Algoritma Knn untuk Prediksi Kelulusan Tepat Waktu Mahasiswa Program Studi Ilmu Komputer Fmipa Unlam Berdasarkan IP Sampai Dengan Semester 4 Mutiara Ayu Banjarsari 1, H. Irwan
Lebih terperinciTAKARIR. : Mengelompokkan suatu objek yang memiliki kesamaan. : Kelompok atau kelas
TAKARIR Data Mining Clustering Cluster Iteratif Random Centroid : Penggalian data : Mengelompokkan suatu objek yang memiliki kesamaan. : Kelompok atau kelas : Berulang : Acak : Pusat area KDD (Knowledge
Lebih terperinciBAB I PENDAHULUAN. konstan, namun ada beberapa periode yang memperlihatkan keadaan yang ekstrim.
1 BAB I PENDAHULUAN 1.1. Latar Belakang Variasi dan keadaan curah hujan yang terjadi, tidaklah selalu tetap dan konstan, namun ada beberapa periode yang memperlihatkan keadaan yang ekstrim. Pada umumnya,
Lebih terperinciBAB 3 METODOLOGI. 3.1 Metodologi Penelitian Pengumpulan Bahan Penelitian. Dalam penelitian ini bahan atau materi dikumpulkan melalui :
BAB 3 METODOLOGI 3.1 Metodologi Penelitian 3.1.1 Pengumpulan Bahan Penelitian Dalam penelitian ini bahan atau materi dikumpulkan melalui : 1) Data primer, yaitu memperoleh sumber data penelitian langsung
Lebih terperinciBAB II LANDASAN TEORI. yang terdiri dari komponen-komponen atau sub sistem yang berorientasi untuk
BAB II LANDASAN TEORI 2.1 Sistem Menurut Gondodiyoto (2007), sistem adalah merupakan suatu kesatuan yang terdiri dari komponen-komponen atau sub sistem yang berorientasi untuk mencapai suatu tujuan tertentu.
Lebih terperinciBAB 1 PENDAHULUAN. aspek kehidupan dari bangsa ini akan selalu dipengaruhi oleh keadaan hujan ataupun
BAB 1 PENDAHULUAN 1.1. Latar Belakang Indonesia adalah negara daerah tropis yang diapit antara samuera Hindia dan samudera Pasifik juga antara benua Asia dan benua Austarlia, memiliki dua musim dalam setahun,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Absensi adalah tingkat kehadiran pegawai yang berkenaan dengan tanggung jawab. Kehadiran berkenaan dengan tanggung jawab pegawai saat bekerja, pegawai yang hadir tepat
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Pendahuluan
BAB 1 PENDAHULUAN 1.1. Pendahuluan Dewasa ini fungsi komputer semakin besar, baik bagi perusahaan besar maupun bagi perusahaan kecil. Adapun fungsi dari komputer itu sendiri adalah mengolah datadata yang
Lebih terperinciAnalisis Karakteristik Intensitas Curah Hujan di Kota Bengkulu
Analisis Karakteristik Intensitas Curah Hujan di Kota Bengkulu Arif Ismul Hadi, Suwarsono dan Herliana Abstrak: Penelitian bertujuan untuk memperoleh gambaran siklus bulanan dan tahunan curah hujan maksimum
Lebih terperinciAbidah Elcholiqi, Beta Noranita, Indra Waspada
Abidah Elcholiqi, Beta Noranita, Indra Waspada PENENTUAN BESAR PINJAMAN DI KOPERASI SIMPAN PINJAM DENGAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus di Koperasi Simpan Pinjam BMT Bina Insani Pringapus) Abidah
Lebih terperinciPENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA
LOGO PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA Oleh: DYNES RIZKY NAVIANTI (1208100017) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI penelitian. Pada bab ini akan dibahas literatur dan landasan teori yang relevan dengan 2.1 Tinjauan Pustaka Kombinasi metode telah dilakukan oleh beberapa peneliti
Lebih terperinciPengolahan Data. Algoritma C4.5 Menghitung entropi : Data Training (75%) = 220 data Data Testing (25%) = 73 data
Algoritma C4.5 Menghitung entropi : engolahan Data Data Training (75%) = 220 data Data Testing (25%) = 73 data Entropi (y) = -p 1 log 2 p 1 p 2 log 2 p 2... p n log 2 p n Entropi IK -28/220*OG 2 (28/220)-156/220*OG
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 State of the Art Penelitian mengenai segmentasi pasar pada sebuah perusahaan telah banyak digunakan dengan tujuan untuk mengetahui strategi pasar yang baik dan dapat menguntungkan
Lebih terperinciPENGELOMPOKKAN ANGKA PARTISIPASI PENDIDIKAN WAJIB BELAJAR SE-INDONESIA MENGGUNAKAN METODE FUZZY C-MEANS. Abstrak
1 PENGELOMPOKKAN ANGKA PARTISIPASI PENDIDIKAN WAJIB BELAJAR SE-INDONESIA MENGGUNAKAN METODE FUZZY C-MEANS Nila Yuliani 1) Mardhiah Fadli 2) Warnia Nengsih 3) Program Studi Sistem Informasi Politeknik Caltex
Lebih terperinciPENERAPAN DATA MINING DENGAN METODE CLUSTERING UNTUK PENGELOMPOKAN DATA PENGIRIMAN BURUNG
PENERAPAN DATA MINING DENGAN METODE CLUSTERING UNTUK PENGELOMPOKAN DATA PENGIRIMAN BURUNG Sri Mulyati 1) 1 Pascasarjana, Universitas Putra Indonesia YPTK Padang e-mail: mulyati.sri52@gmail.com Abstrak
Lebih terperinciPenerapan Metode Clustering Dengan K-Means Untuk Memetakan Potensi Tanaman Padi Di Kota Semarang
1 Penerapan Metode ing Dengan K-Means Untuk Memetakan Potensi Tanaman Padi Di Kota Lianna Felicia Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Abstract Berdasarkan data hasil pertanian padi di Dinas
Lebih terperinciDATA MINING UNTUK MENGETAHUI LAMA STUDI MAHASISWA DI UNIVERSITAS MUHAMMADIYAH PONOROGO
DATA MINING UNTUK MENGETAHUI LAMA STUDI MAHASISWA DI UNIVERSITAS MUHAMMADIYAH PONOROGO SKRIPSI Diajukan dan Disusun Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Jenjang Strata Satu (S1) Pada
Lebih terperinciBAB I PENDAHULUAN BAB 1 PENDAHULUAN
1 BAB I PENDAHULUAN BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia sebagai negara kepulauan yang terletak di daerah khatulistiwa termasuk wilayah yang sangat rentan terhadap perubahan iklim. Perubahan
Lebih terperinci1 PENDAHULUAN 1.1 Latar Belakang
1 PENDAHULUAN 1.1 Latar Belakang Curah hujan merupakan faktor yang berpengaruh langsung terhadap perubahan cuaca yang semakin memburuk. Curah hujan merupakan total air hujan yang terjatuh pada permukaan
Lebih terperinciANALISIS DATA KERAWANAN KECELAKAAN LALU LINTAS MENGGUNAKAN METODE K-MEANS (STUDI KASUS POLRES BANTUL)
ANALISIS DATA KERAWANAN KECELAKAAN LALU LINTAS MENGGUNAKAN METODE K-MEANS (STUDI KASUS POLRES BANTUL) Eko Andriyanto Wicaksono 1), Kusrini 2), Emha Taufiq Lutfi 3) Mahasiswa Magister Teknik Informatika
Lebih terperinciProsiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 2 Desember 2015, Samarinda, Indonesia ISBN :
Clustering Data Status Tugas Belajar Dan Ijin Belajar Menggunakan Metode Fuzzy C-Means (Studi Kasus : Di Lingkungan Pemerintah Provinsi Kalimantan Timur) Fevin Triyas Rantika 1, Indah Fitri Astuti, M.Cs
Lebih terperinciPenerapan Fuzzy C-Means untuk Deteksi Dini Kemampuan Penalaran Matematis
Scientific Journal of Informatics Vol., No., November 015 p-issn 407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 460-0040 Penerapan Fuzzy C-Means untuk Deteksi Dini Kemampuan Penalaran Matematis
Lebih terperinciDATA CLUSTERING MENGGUNAKAN METODE CRISP DM UNTUK MENGETAHUI KEBUTUHAN TENAGA PENDIDIK JENJANG SMA DI KABUPATEN BANJAR
DATA CLUSTERING MENGGUNAKAN METODE CRISP DM UNTUK MENGETAHUI KEBUTUHAN TENAGA PENDIDIK JENJANG SMA DI KABUPATEN BANJAR Oleh : Muhammad Zaien J1F111016 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN UNIVERSITAS
Lebih terperinciPENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING DATA ANGGARAN PENDAPATAN BELANJA DAERAH DI KABUPATEN XYZ
PENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING DATA ANGGARAN PENDAPATAN BELANJA DAERAH DI KABUPATEN XYZ SKRIPSI Diajukan untuk memenuhi salah satu syarat memperoleh Gelar Sarjana pada Program Studi Sistem
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Secara sederhana data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Data mining
Lebih terperinciBAB 1 KONSEP DATA MINING 2 Gambar 1.1 Perkembangan Database Permasalahannya kemudian adalah apa yang harus dilakukan dengan data-data itu. Sudah diket
Bab1 Konsep Data Mining POKOK BAHASAN: Konsep dasar dan pengertian Data Mining Tahapan dalam Data Mining Model Data Mining Fungsi Data Mining TUJUAN BELAJAR: Setelah mempelajari materi dalam bab ini, mahasiswa
Lebih terperinciKLASTERING INDUSTRI DI KABUPATEN KUDUS
KLASTERING INDUSTRI DI KABUPATEN KUDUS Pratomo Setiaji 1*, Wiwit Agus Triyanto 1 1 Program Studi Sistem Informasi, Fakultas Teknik, Universitas Muria Kudus Gondangmanis, PO Box 53, Bae, Kudus 59352 * Email:
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan zaman, perusahaanperusahaan dan sekolah ataupun universitas yang ada di Indonesia juga mengalami perkembangan. Hal ini dialami oleh perusahaan
Lebih terperinciData Mining Menggunakan Metode K-Means Klaster untuk Mengelompokkan Pemegang Polis Asuransi Kendaraan Bermotor di Indonesia
Prosiding Statistika ISSN: 2460-6456 Data Mining Menggunakan Metode K-Means Klaster untuk Mengelompokkan Pemegang Polis Asuransi Kendaraan Bermotor di Indonesia Supiyah, 2 Aceng Komarudin Mutaqin, 3 Teti
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012
Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012 CLUSTERING DATA PENJUALAN DAN PERSEDIAAN BARANG PADA PT SAYAP MAS UTAMA DENGAN METODE K-MEANS Ahmad Afif 2008250031
Lebih terperinciFuzzy C-means Clustering menggunakan Cluster Center Displacement
Fuzzy C-means Clustering menggunakan Cluster Center Displacement Fitri Hidayah Sundawati 1), Jadi Suprijadi 2), Titi Purwandari 3) 1) Mahasiswa Statistika Terapan, UniversitasPadjadjaran-Indonesia 2) Pengajar
Lebih terperinciPENERAPAN ALGORITMA K-MEANS UNTUK MENETAPKAN KELOMPOK MUTU KARET
PENERAPAN ALGORITMA K-MEANS UNTUK MENETAPKAN KELOMPOK MUTU KARET Handi Kurniawan Sohdianata 1, Sushermanto 2 Jurusan Teknik Informatika STMIK Banjarbaru 1, Jurusan Sistem Informasi STMIK Banjarbaru 2 Jl.
Lebih terperinciAnalisis Data Mining Untuk Menentukan Daerah Keluarga Sejahtera Di Kecamatan Balong Dengan Metode Algoritma K-MEANS Clustering SKRIPSI
Analisis Data Mining Untuk Menentukan Daerah Keluarga Sejahtera Di Kecamatan Balong Dengan Metode Algoritma K-MEANS Clustering SKRIPSI Diajukan Sebagai Salah satu Syarat Untuk Memperoleh Gelar Sarjana
Lebih terperinciModel Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree
Scientific Journal of Informatics Vol. 3, No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan algoritma hierarchical clustering dan k-means untuk pengelompokan desa tertinggal.
Lebih terperinciANALISIS POLA DAN INTENSITAS CURAH HUJAN BERDASAKAN DATA OBSERVASI DAN SATELIT TROPICAL RAINFALL MEASURING MISSIONS (TRMM) 3B42 V7 DI MAKASSAR
JURNAL SAINS DAN PENDIDIKAN FISIKA (JSPF) Jilid Nomor, April 205 ISSN 858-330X ANALISIS POLA DAN INTENSITAS CURAH HUJAN BERDASAKAN DATA OBSERVASI DAN SATELIT TROPICAL RAINFALL MEASURING MISSIONS (TRMM)
Lebih terperinci