Seminar Nasional Teknologi 2007 (SNT 2007) ISSN : Yogyakarta, 24 November 2007
|
|
- Iwan Kartawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENGGUNAAN POHON KEPUTUSAN UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA DI STMIK AMIKOM YOGYAKARTA Kusrini, Sri Hartati STMIK AMIKOM Yogyakarta, Universitas Gadjah Mada kusrini@amikom.ac.id, s_hartati@ugm.ac.id ABSTRACT In STMIK AMIKOM Yogyakarta, it often happen that a student candidate who has been succeed in the admission test, cancel his/her application by disregarding the next phase of admission process (re-registration). If the withdrawal possibility arised can be detected early, then it is expected that the STMIK AMIKOM executive can make any attempt to keep the candidate proceeds through the admission process and subsequently, minimizes the rate of admission cancellation. An application to detect the possibility of application withdrawal has been built. The detection is based on the cases occurred in the past. The cases are searched and compared with the current case. In order to make the cases searching technically easier, an indexing is conducted in the form of a decision tree, and it is used to build the rule bases. The tree is built with C4.5 algorithm that is improvement from the predecessor ID3 algorithm. More than 1900 data records of new student applicants for 2006/2007 teaching season in STMIK AMIKOM Yogyakarta are used as a set of test case, the experimental results show that the applicants are categorized in registration, not registration and unknown, and result in 508 rules. Keywords : Decision Tree, C4.5 Algorithm, Aplicant registration. 1. Pendahuluan 1.1 Latar Belakang Masalah Dari jumlah 1954 calon mahasiswa yang diterima pada tahun 2006/2007 sebagai calon mahasiswa baru di STMIK AMIKOM Yogyakarta, 498 calon mahasiswa mengundurkan diri dengan cara tidak melakukan registrasi. 25,5 % calon mahasiswa yang mungkin potensial, tidak mampu dipertahankan oleh STMIK AMIKOM Yogyakarta. Jika kemungkinan pengunduran diri seorang calon mahasiswa baru, dapat diketahui lebih dini maka pihak manajemen STMIK AMIKOM Yogyakarta dapat melakukan tindakan-tindakan yang diperlukan untuk mempertahankan calon-calon mahasiswa tersebut. Salah satu cara untuk melakukan analisis kemungkinan pengunduran diri seorang calon mahasiswa baru adalah dengan melakukan klasifikasi dari kumpulan data calon mahasiswa yang ada. Salah satu model klasifikasi adalah dengan membuat pohon keputusan. Banyak algoritma dikembangkan untuk melakukan membuat pohon keputusan, diantaranya ID3, CART dan C4.5 (Larose, D.T., 2005). D 1
2 1.2 Perumusan Masalah Adapun masalah yang ingin diselesaikan dalam masalah ini adalah bagaimana cara membuat aplikasi untuk membantu manajemen STMIK AMIKOM dalam melakukan analisis kemungkinan pengunduran diri seorang calon mahasiswa dengan didasarkan pada kasus-kasus yang sudah ada. Dalam penelitian ini model yang akan digunakan untuk mendeteksi kemungkinan pengunduran diri seorang calon mahasiswa adalah dengan menerapkan algoritma C Tujuan Penelitian Penelitian ini bertujuan untuk mengimplementasikan algoritma pembentukan pohon keputusan C4.5 dalam sebuah aplikasi yang dapat mendeteksi kemungkinan pengunduran diri seorang calon mahasiswa di STMIK AMIKOM Yogyakarta. Dengan adanya penelitian ini diharapkan kemungkinan seorang calon mahasiswa akan mengundurkan diri dari STMIK AMIKOM Yogyakarta dapat diketahui pada saat mahasiswa tersebut mendaftar, dengan demikian dapat dilakukan antisipasi oleh pihak STMIK AMIKOM Yogyakarta sehingga calon mahasiswa tersebut dapat dipertahankan. 2. Landasan Teori Pohon Keputusan (Decision Tree) merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan. Aturan dapat dengan mudah dipahami dengan bahasa alami. Dan mereka juga dapat diekspresikan dalam bentuk bahasa basis data seperti SQL untuk mencari record pada kategori tertentu. Pohon Keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. Sebuah pohon keputusan adalah sebuah struktur yang dapat digunakan untuk membagi kumpulan data yang besar menjadi himpunan-himpunan record yang lebih kecil dengan menerapkan serangkaian aturan keputusan. Dengan masing-masing rangkaian pembagian, anggota himpunan hasil menjadi mirip satu dengan yang lain (Berry, Michael J.A., Linoff, Gordon S., 2004) Sebuah model pohon keputusan terdiri dari sekumpulan aturan untuk membagi sejumlah populasi yang heterogen menjadi lebih kecil, lebih homogen dengan memperhatikan pada variabel tujuannya. Sebuah pohon keputusan mungkin dibangun dengan seksama secara maual, atau dapat tumbuh secara otomatis dengan menerapkan salah atu atau beberapa algoritma pohon keputusan untuk memodelkan himpunan data yang belum terklasifikasi. Variabel tujuan biasanya dikelompokkan dengan pasti dan model pohon keputusan lebih mengarah pada perhitungan probabilitas dari masing-masing record terhadap kategori-kategori tersebut, atau untuk mengklasifikasi record dengan mengelompokkannya dalam satu kelas. Pohon keputusan juga dapat digunakan untuk mengestimasi nilai dari variabel kontinue, meskipun ada beberapa teknik yang lebih sesuai untuk kasus ini. Banyak algotima yang dapat dipakai dalam pembentukan pohon keputusan antara lain ID3, CART dan C4.5 (Larose, T.D., 2005). Badriyah, T.(2006) membuat alat bantu klasifikasi dengan pohon keputusan untuk sistem pendukung keputusan. Algoritma yang digunakan adalah algoritma ID3. Alat bantu yang dibangun dalam penelitian yang dilakukan Badriyah telah berhasil membangun pohon keputusan dan aturan if-then untuk memecahkan permasalahan dalam sistem pendukung keputusan. D 2
3 Algoritma C4.5 merupakan pengembangan dari algoritma ID3 (Larose, T.D., 2005). Secara umum algoritma C4.5 untuk membangun pohon keputusan adalah sebagai berikut: a. Pilih atribut sebagai root b. Buat cabang untuk masing-masing nilai c. Bagi kasus dalam cabang d. Ulangi proses untuk masing-masing cabang sampai semua kasus pada cabang memiliki kelas yang sama. Untuk memilih atribut sebagai root, didasarkan pada nilai gain tertinggi dari atribut-atribut yang ada. Untuk menghitung gain digunakan rumus seperti tertera dalam rumus 1 (Craw, S., ---). n Si Gain( S, A) = Entropy( S) * Entropy( Si)... [rumus 1] i= 1 S Dengan : S : Himpunan kasus A : Atribut n : Jumlah partisi atribut A Si : Jumlah kasus pada partisi ke i S : Jumlah kasus dalam S Sedangkan penhitungan nilai entropy dapat dilihat pada rumus 2 berikut(craw, S., ---): n Entropy( S) = pi * log 2 pi... [rumus 2] i= 1 dengan : S : Himpunan Kasus A : Fitur n : Jumlah partisi S p i : Proporsi dari S i terhadap S 3. Analisis 3.1 Pemilihan Variabel Dari data-data yang ada dalam biodata calon mahasiswa baru, kolom yang diambil sebagai variabel keputusannya adalah kolom Registrasi, sedangkan kolom yang diambil sebagai variabel penentu dalam pembentukan pohon keputusan adalah kolom: NEM, JK, Sekolah, Jurusan, Gelombang, Pilihan1, Pilihan2, Catatan, Nilai, Agama, Jur_Lulus, Nama_Prop, Nama_Kab. Pemilihan variabel-variabel tersebut dengan pertimbangan bahwa jumlah nilai variabelnya tidak banyak sehingga diharapkan calon siswa yang masuk dalam satu klasifikasi nilai variabel tersebut cukup banyak. Misalnya jk (jenis kelamin) jumlah nilai variabelnya hanya 2 yaitu pria dan wanita, sehingga jumlah calon siswa yang berjenis kelamin pria/wanita cukup banyak. Semantara itu atribut seperti nama dan alamat tidak dipilih karena jumlah nilai variabelnya cukup besar. D 3
4 3.2 Pra proses Pra proses yang dilakukan dalam penelitian ini adalah: 1. Mengelompokkan nilai nem 2. Mengelompokkan nilai nilai 3. Menterjemahkan nilai pilihan1, pilihan2 dan jur_lulus 4. Menterjemahkan nilai agama 4. Rancangan 4.1 Diagram Alir Data Aliran data dalam aplikasi ini ditunjukkan dalam Diagram Alir Data level 1 seperti tampak pada gambar 1 Gambar 1 Diagram Alir Data Level Rancangan Basis Data Tabel-tabel yang dibutuhkan dalam pembuatan aplikasi ini dibagi menjadi dua kelompok, yaitu tabel yang dibuat saat pembangunan dan tabel yang dibuat saat aplikasi dijalankan. Tabel-tabel yang dibuat pada saat pengembangan adalah sebagai berikut: 1. Tabel D_Atribut dengan kolom : nama_atribut, is_aktif, is_hasil, ket Atribut nama_atribut berisi nama variabel yang digunakan dalam aplikasi. Atribut Is_Aktif berisi Y atau T untuk menyatakan apakah variabel yang ada terpakai atau tidak. Atribut Is_Hasil berisi Y atau T untuk menyatakan apakah variabel merupakan variabel tujuan atau bukan. 2. Tabel Kasus dengan kolom : NEM, JK, Sekolah, Jurusan, Gelombang, Pilihan1, Pilihan2, Catatan, Nilai, Agama, Jur_Lulus, Nama_Prop, NamaKab, Registrasi Atribut-atribut yang ada dalam tabel kasus merupakan atribut-atribut yang terdaftar dalam tabel d_atribut. D 4
5 3. Tabel Tree, dengan kolom : Id_Node, node, nilai, induk dan is_atribut Atribut Id_Node berisi nomor urut node. Atribut Node berisi variabel yang terpilih sebagai node. Atribut Nilai berisi nilai variabel induk dari node pada record tersebut. Atribut Induk berisi variabel induk dari node pada record tersebut sedangkan Is_Atribut menyatakan apakah record tersebut merupakan daun (ujung dari tree) atau bukan. Tabel-tabel yang dibuat pada saat aplikasi dijalankan adalah sebagai berikut: 1. Tabel Kerja[0] s/d Kerja[n] dengan kolom : nama_atribut dan gain 2. Tabel Sub_Kerja[0] s/d Sub_Kerja[n] dengan kolom nama_atribut, nilai, entropy, result_1.. result_n, jml_kasus 5. Hasil Apikasi untuk menganalisis kemungkinan pengunduran diri calon mahasiswa STMIK AMIKOM Yogyakarta, diimplementasikan dengan menggunakan bahasa pemrograman Borland Delphi 6 dan Database Interbase. Ada 3 fasilitas utama dalam aplikasi ini yaitu fasilitas training, testing dan fasilitas untuk menampilkan daftar aturan. Proses training memiliki 3 sub proses yaitu pengelolaan variabel, pengelolaan kasus dan proses training itu sendiri. Gambar 2 Antar muka testing Antar muka yang ditunjukkan pada gambar 2 digunakan untuk mencocokkan kasus baru dengan kasus lama, sehingga diperoleh klasifikasi yang sesuai dengan kasus lamanya. Tombol bertuliskan Next pada gambar 2 awalnya bertuliskan mulai. Ketika user mengeklik tombol tersebut maka sistem akan menuntun user untuk memasukkan nilai-nilai variabel sehingga diperoleh klasifikasi dari kasus tersebut. Untuk penerapan aplikasi pada kasus analisis calon mahasiswa di STMIK AMIKOM, kami memasukkan 1950 record data calon mahasiswa tahun ajaran 2006/2007 kedalam database kasus. Dari keseluruhan data tersebut 498 tidak registrasi dan sisanya melakukan registrasi. Dengan mengaktifkan variabel bukan tujuan: NEM, JK, Jurusan, Gelombang, Pilihan1, Catatan, Nilai dan Jur_Lulus diperoleh aturan sebanyak 508. Daftar aturan selengkapnya dapat dilihat pada lampiran 2. Dari aturan-aturan yang terbentuk, ada 2 kategori aturan yaitu aturan yang menghasilkan klasifikasi tertentu (registrasi/tidak registrasi) dan aturan yang kesimpulannya adalah tidak terklasifikasi. Contoh aturan kategori kedua adalah aturan 5 berikut: D 5
6 1 2 3 External business environment Vi Internal business environment Mis Seminar Nasional Teknologi 2007 (SNT 2007) ISSN : JIKA NEM = 0-5 DAN Jurusan = IPA DAN Gelombang = Gelombang 1 DAN Nilai = 0-50 DAN Pilihan1 = D3 Manajemen Informatika DAN JK = Wanita DAN Catatan = Test DAN Jur_Lulus = D3 Manajemen Informatika MAKA tidak terklasifikasi Aturan-aturan yang hasilnya adalah tidak terklasifikasi disebabkan oleh semua variabel yang terdefinisikan (NEM, JK, Jurusan, Gelombang, Pilihan1, Catatan, Nilai dan Jur_Lulus) sudah muncul dalam tree untuk suatu cabang, tetapi kasus belum bisa mengelompok dalam satu klasifikasi (Registrasi/tidak). Untuk kondisi kasus sesuai dengan aturan 5 berjumlah 2 record. Dari kedua record tersebut yang 1 masuk klasifikasi registrasi dan lainnya masuk klasifikasi tidak. 6. Kesimpulan Apikasi untuk menganalisis kemungkinan pengunduran diri calon mahasiswa STMIK AMIKOM sudah berhasil dirancang dan diimplementasikan. Aplikasi memiliki 3 fasilitas utama yaitu: 1. Training, digunakan untuk membentuk pohon keputusan 2. Testing, digunakan untuk mencari klasifikasi kasus baru berdasarkan pohon keputusan yang sudah terbentuk 3. Daftar Aturan, digunakan untuk menampilkan daftar aturan berdasarkan pohon keputusan yang telah terbentuk Dari pengujian terhadap 1950 data calon mahasiswa, terbentuk 508 aturan dengan klasifikasi hasil adalah tergistrasi, tidak dan tidak terklasifikasi. Jumlah aturan yang terbentuk sangat dipengaruhi oleh variabel yang dipilih dalam pembentukan pohon keputusan Daftar Pustaka Badriyah, T., Rahmawati, R. (2006). Alat Bantu Klasifikasi dengan Pohon Keputusan untuk Sistem Pendukung Keputusan, Proceedings: Seminar Nasional Aplikasi Teknologi Informasi 2006, Jurusan Teknik Informatika, Universitas Islam Indonesia Yogyakarta Berry, Michael J.A., Linoff, Gordon S. (2004). Data Mining Techniques For Marketing, Sales, and Customer RelationshipManagementSecond Edition, Wiley Publishing, Inc., Indianapolis, Indiana Craw, S. (---). Case Based Reasoning : Lecture 3: CBR Case-Base Indexing, Larose, Daniel T. (2005). Discovering Knowledge in Data: An Introduction to Data Mining, John Willey & Sons. Inc D 6
BAB 3 ALGORITMA C4.5. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan.
BAB 3 ALGORITMA C4.5 Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. A. Pohon Keputusan Pohon keputusan merupakan metode klasifikasi dan prediksi yang sangat kuat dan
Lebih terperinciPERBANDINGAN METODE NEAREST NEIGHBOR DAN ALGORITMA C4.5 UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA DI STMIK AMIKOM YOGYAKARTA
PERBANDINGAN METODE NEAREST NEIGHBOR DAN ALGORITMA C4.5 UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA DI STMIK AMIKOM YOGYAKARTA Kusrini 1, Sri Hartati 2, Retantyo Wardoyo 3, Agus Harjoko
Lebih terperinciKLASIFIKASI CITRA DENGAN POHON KEPUTUSAN
Kusrini, Klasifikasi Citra dengan Pohon Keputusan KLASIFIKASI CITRA DENGAN POHON KEPUTUSAN Kusrini 1 Sri Hartati 2 Retantyo Wardoyo 3 Agus Harjoko 4 1,2,3,4 Program Studi Ilmu Komputer, Jurusan Ilmu MIPA,
Lebih terperinciKLASIFIKASI CITRA DENGAN POHON KEPUTUSAN
Kusrini, Klasifikasi Citra dengan Pohon Keputusan KLASIFIKASI CITRA DENGAN POHON KEPUTUSAN Kusrini 1 Sri Hartati 2 Retantyo Wardoyo 3 Agus Harjoko 4 1,2,3,4 Program Studi Ilmu Komputer, Jurusan Ilmu MIPA,
Lebih terperinciAlgoritma C4.5. Untuk memudahkan penjelasan mengenai algoritma C4.5 berikut ini disertakan contoh kasus yang dituangkan dalam Tabel 1.
Algoritma C4.5 1 Kusrini, 2 Emha Taufiq Luthfi 1 Jurusan Sistem Informasi, 2 Jurusan Teknik Informatika 1, 2 STMIK AMIKOM Yogykakarta 1,2 Jl. Ringroad Utara Condong Catur Sleman Yogyakarta Untuk memudahkan
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Implementasi sistem bertujuan untuk menerapkan modul-modul yang telah dikerjakan pada tahap perancangan, sehingga pengguna dapat memberi masukan untuk
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
Lebih terperinciKlasifikasi Data Karyawan Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree
Klasifikasi Data Karyawan Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree Disusun oleh : Budanis Dwi Meilani Achmad dan Fauzi Slamat Jurusan Sistem Informasi Fakultas Teknologi Informasi.
Lebih terperinciDECISION TREE BERBASIS ALGORITMA UNTUK PENGAMBILAN KEPUTUSAN
ISSN : 1978-6603 DECISION TREE BERBASIS ALGORITMA UNTUK PENGAMBILAN KEPUTUSAN Zulfian Azmi #1, Muhammad Dahria #2 #1 Program Studi Sistem Komputer, #2 Program Studi Sistem Informasi STMIK Triguna Dharma
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA
JURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA IMPLEMENTATION OF DATA MINING WITH C4.5 ALGORITHM TO PREDICT STUDENT ACHIEVEMENT Oleh: SITI MUHIMATUL KHOIROH NPM
Lebih terperinciPENERAPAN ALGORITMA DECISION TREE PADA PENENTUAN KEBERHASILAN AKADEMIK MAHASISWA
PENERAPAN ALGORITMA DECISION TREE PADA PENENTUAN KEBERHASILAN AKADEMIK MAHASISWA Ratih Kumalasari Niswatin 1), Resty Wulanningrum 2) 1), 2) Teknik Informatika Universitas Nusantara PGRI Kediri Kampus 2
Lebih terperinciJurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017 50 APLIKASI KLASIFIKASI ALGORITMA C4.5 (STUDI KASUS MASA STUDI MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 1.1 Data Training Data training adalah data yang digunakan untuk pembelajaran pada proses data mining atau proses pembentukan pohon keputusan.pada penelitian ini
Lebih terperinciJURNAL IMPLEMENTASI ALGORITMA C4.5 DALAM PENENTUAN JURUSAN DI SMK PEMUDA PAPAR KEDIRI
JURNAL IMPLEMENTASI ALGORITMA C4.5 DALAM PENENTUAN JURUSAN DI SMK PEMUDA PAPAR KEDIRI C4.5 ALGORITHM IMPLEMENTATION IN DETERMINING THE DEPARTMENT OF SMK PEMUDA PAPAR KEDIRI Oleh: MARISA FITRI FATMAWATI
Lebih terperinciManfaat Pohon Keputusan
DECISION TREE (POHON KEPUTUSAN) Latar Belakang Pohon Keputusan Di dalam kehidupan manusia sehari-hari, manusia selalu dihadapkan oleh berbagai macam masalah dari berbagai macam bidang. Masalah-masalah
Lebih terperinciBurhanudin Junardi Karim Dr. Lintang Yuniar Banowosari, S.Kom., M.Sc
Implementasi Data Mining Pada Penjualan Produk Alat Medis di PT. Murti Indah Sentosa Menggunakan Metode Klasifikasi Burhanudin Junardi Karim 11112533 Dr. Lintang Yuniar Banowosari, S.Kom., M.Sc Latar Belakang
Lebih terperinciPENERAPAN DATA MINING UNTUK KLASIFIKASI PREDIKSI PENYAKIT ISPA (Infeksi Saluran Pernapasan Akut) DENGAN ALGORITMA DECISION TREE (ID3)
PENERAPAN DATA MINING UNTUK KLASIFIKASI PREDIKSI PENYAKIT ISPA (Infeksi Saluran Pernapasan Akut) DENGAN ALGORITMA DECISION TREE (ID3) 1 Aline Embun Pramadhani (08018360), Tedy Setiadi (0407016801) 1, Program
Lebih terperinciDATA MINING KLASIFIKASI BERBASIS DECISION TREE. Ramadhan Rakhmat Sani, M.Kom
DATA MINING KLASIFIKASI BERBASIS DECISION TREE Ramadhan Rakhmat Sani, M.Kom Text Book Outline 1. Algoritma Data Mining Algoritma ID3 Algoritma C4.5 Algoritma C4.5 Introduction Algoritma C4.5 merupakan
Lebih terperinciIMPLEMENTASI ALGORITMA C4.5 UNTUK KLASIFIKASI BIDANG KERJA ALUMNI DI STMIK LPKIA BANDUNG
IMPLEMENTASI ALGORITMA C4.5 UNTUK KLASIFIKASI BIDANG KERJA ALUMNI DI STMIK LPKIA BANDUNG 1 Ati Suci Dian Martha, 2 Afryanto Redy 1 Program Studi Sistem Informasi STMIK LPKIA 1 Program Studi Sistem Informasi
Lebih terperinciPREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES
PREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES Selvy Megira 1), Kusrini 2), Emha Taufiq Luthfi 3) 1), 2), 3) Teknik Universitas AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperinciPENALARAN BERBASIS KASUS (CASE BASED REASONING) UNTUK DIAGNOSIS PENYAKIT MENGGUNAKAN ALGORITMA C4.5. Rika Rosnelly, Sri Hartati
Rika, Penalaran Berbasis Kasus 53 PENALARAN BERBASIS KASUS (CASE BASED REASONING) UNTUK DIAGNOSIS PENYAKIT MENGGUNAKAN ALGORITMA C4.5 Rika Rosnelly, Sri Hartati Email : rika@potensi-utama.ac.id, shartati@ugm.ac.id
Lebih terperinciPerencanan Pembuatan Game Anime MMORPG dengan pendekatan Penjualan Item mall untuk Player
Perencanan Pembuatan Game Anime MMORPG dengan pendekatan Penjualan Item mall untuk Player Riswan Goenadi Winarso A11.2010.05816 Abstract Dalam menjalankan kehidupan manusia membutuhkan hiburan. Salah satu
Lebih terperinciALGORITMA C4.5. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. Tabel 3.1. Keputusan Bermain Tenis
ALGORITMA C4.5 Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. Tabel 3.1. Keputusan Bermain Tenis NO OUTLOOK TEMPERATURE HUMIDITY WINDY PLAY 1 Sunny Hot High FALSE No
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 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 terperinciUniversitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika. Classification Decision Tree
Universitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika Classification Decision Tree Classification Decision Tree Pengertian Pohon Keputusan Pohon keputusan adalah
Lebih terperinciIMPLEMENTASI DATA MINING ALGORITMA C4.5 UNTUK MEMPREDIKSI PEMBAYARAN PINJAMAN PADA KOPERASI SIMPAN PINJAM PRIMKOVERI BINA BAKTI PEMALANG
IMPLEMENTASI DATA MINING ALGORITMA C4.5 UNTUK MEMPREDIKSI PEMBAYARAN PINJAMAN PADA KOPERASI SIMPAN PINJAM PRIMKOVERI BINA BAKTI PEMALANG NASKAH PUBLIKASI diajukan oleh Rezki Badriza 11.11.5436 kepada JURUSAN
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5
PENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5 Annisak Izzaty Jamhur Universitas Putera Indonesia YPTK Padang e-mail: annisakizzaty@yahoo.com Abstract
Lebih terperinciKeyword : C 4.5 algorithm, Decision Support System, Selection Employees Candidate
Implementasi Algoritma C 4.5 Dalam Pembuatan Aplikasi Penunjang Keputusan Penerimaan Pegawai CV. X Joko Purnomo, Wawan Laksito YS, Yustina Retno Wahyu U Abstract The problems are often found in the recruitment
Lebih terperinciAPLIKASI DATA MINING DENGAN METODE CLASSIFICATION BERBASIS ALGORITMA C4.5
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 APLIKASI DATA MINING DENGAN METODE CLASSIFICATION BERBASIS ALGORITMA C4.5 Rizky Tahara Shita 1), Nita Marliani 2) 1, 2) Universitas Budi Luhur,
Lebih terperinciPENERAPAN ALGORITMA C4.5 UNTUK PENGELOMPOKAN PENYAKIT HASIL DIAGNOSA PASIEN PENGGUNA JAMKESMAS PADA PUSKESMAS KOTAGEDE II NASKAH PUBLIKASI
PENERAPAN ALGORITMA C4.5 UNTUK PENGELOMPOKAN PENYAKIT HASIL DIAGNOSA PASIEN PENGGUNA JAMKESMAS PADA PUSKESMAS KOTAGEDE II NASKAH PUBLIKASI diajukan oleh Devanda Anggi Mahardikaraga 12.11.6093 kepada SEKOLAH
Lebih terperinciALGORITMA C4.5 UNTUK SIMULASI PREDIKSI KEMENANGAN DALAM PERTANDINGAN SEPAKBOLA
53 ALGORITMA C4.5 UNTUK SIMULASI PREDIKSI KEMENANGAN DALAM PERTANDINGAN SEPAKBOLA Marwana*) Abstract : Abstract-This study is a simulation for memperiksi victory in a football game using the C4.5 data
Lebih terperinciPEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5
PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Jurusan Sistem Informasi, STMIK Indonesia 1 syam@stmik-indonesia.ac.id,
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN:
KAJIAN KOMPARASI ALGORITMA C4.5, NAÏVE BAYES DAN NEURAL NETWORK DALAM PEMILIHAN PENERIMA BEASISWA (Studi Kasus pada SMA Muhammadiyah 4 Jakarta ) Ulfa Pauziah Program Studi Teknik Informatika, Universitas
Lebih terperinciPENENTUAN PENERIMA BEASISWA PENINGKATAN PRESTASI AKADEMIK DENGAN ALGORITME C5.0
PENENTUAN PENERIMA BEASISWA PENINGKATAN PRESTASI AKADEMIK DENGAN ALGORITME C.0 Rachma Fauzia Azhary, Isnandar Slamet, Supriyadi Wibowo Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciIMPLEMENTASI ALGORITMA FUZZY SEBAGAI PENGGALIAN INFORMASI KETERLAMBATAN KELULUSAN TUGAS AKHIR MAHASISWA DENGAN METODE DECISION TREE
IMPLEMENTASI ALGORITMA FUZZY SEBAGAI PENGGALIAN INFORMASI KETERLAMBATAN KELULUSAN TUGAS AKHIR MAHASISWA DENGAN METODE DECISION TREE Yusni Amaliah 1), Ummi Syafiqoh 2), Eviana Tjatur Putri (3) 1,2) Sistem
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. yang tepat. Sistem data mining mampu memberikan informasi yang tepat dan
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Sistem data mining akan lebih efektif dan efisiensi dengan komputerisasi yang tepat. Sistem data mining mampu memberikan informasi yang
Lebih terperinciPENGAMBILAN KEPUTUSAN UNTUK PENENTUAN BEASISWA TEPAT SASARAN MENGGUNAKAN METODE DECISION TREE DI SMK TARUNA BAKTI KERTOSONO
PENGAMBILAN KEPUTUSAN UNTUK PENENTUAN BEASISWA TEPAT SASARAN MENGGUNAKAN METODE DECISION TREE DI SMK TARUNA BAKTI KERTOSONO SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciPENGEMBANGAN APLIKASI PENENTUAN TINGKAT KEUNTUNGAN PADA E- COMMERCE DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN APRIORI
PENGEMBANGAN APLIKASI PENENTUAN TINGKAT KEUNTUNGAN PADA E- COMMERCE DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN APRIORI Gunawan 1, Fandi Halim 2, Tony Saputra Debataraja 3, Julianus Efrata Peranginangin 4
Lebih terperinciKONVERSI DATA TRAINING TENTANG PENYAKIT HIPERTENSI MENJADI BENTUK POHON KEPUTUSAN DENGAN TEKNIK KLASIFIKASI MENGGUNAKAN TOOLS RAPID MINER 4.
KONVERSI DATA TRAINING TENTANG PENYAKIT HIPERTENSI MENJADI BENTUK POHON KEPUTUSAN DENGAN TEKNIK KLASIFIKASI MENGGUNAKAN TOOLS RAPID MINER 4.1 Muhammad Syahril Program Studi Sistem Informasi, STMIK Triguna
Lebih terperinciPENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK MEMPREDIKSI KELANCARAN PEMBAYARAN NASABAH. (Studi Kasus: BMT Al Ikhwan) NASKAH PUBLIKASI
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK MEMPREDIKSI KELANCARAN PEMBAYARAN NASABAH (Studi Kasus: BMT Al Ikhwan) NASKAH PUBLIKASI diajukan oleh Tria Septia Depi 11.11.5403 kepada JURUSAN TEKNIK
Lebih terperinciPENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PREDIKAT KEBERHASILAN MAHASISWA DI AMIK TUNAS BANGSA. Abstrak
JURASIK (Jurn Riset Sistem Informasi & Teknik Informatika) ISSN 2527-5771 PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PREDIKAT KEBERHASILAN MAHASISWA DI AMIK TUNAS BANGSA Yuni Sara Luvia 1, Dedy Hartama
Lebih terperinciSISTEM REKOMENDASI PENENTUAN JUDUL SKRIPSI MENGGUNAKAN ALGORITMA DECISION TREE
SISTEM REKOMENDASI PENENTUAN JUDUL SKRIPSI MENGGUNAKAN ALGORITMA DECISION TREE A Sofalul Khazari 1), Fitri Marisa 2), Indra Dharma Wijaya 3) 1) Mahasiswa Fakultas Teknik, Universitas Widyagama Email: khazari.sofalul@gmail.com
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE DESCISION TREE C4.5 Pada SMAK YOS SUDARSO BATU
SISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE DESCISION TREE C4.5 Pada SMAK YOS SUDARSO BATU Jonathan Rinaldy 1) 1) Program Studi Teknik Informatika, Sekolah Tinggi Informatika & Komputer
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) atau dikenal Decision Support System(DSS) adalah sistem informasi interaktif yang menyediakan informasi, pemodelan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Salah satu hewan ternak yang paling banyak diternakkan adalah unggas. Unggas memberikan banyak manfaat dan keuntungan, antara lain dapat dimanfaatkan dagingnya,
Lebih terperinciPENGEMBANGAN PERANGKAT LUNAK DIAGNOSA PENYAKIT DIABETES MELLITUS TIPE II BERBASIS TEKNIK KLASIFIKASI DATA ABSTRACT
PENGEMBANGAN PERANGKAT LUNAK DIAGNOSA PENYAKIT DIABETES MELLITUS TIPE II BERBASIS TEKNIK KLASIFIKASI DATA Rodiyatul FS 1, Bayu Adhi Tama 2, Megah Mulya 3 1,2,3 Fakultas Ilmu Komputer, Universitas Sriwijaya
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Data Mining 2.1.1 Pengertian Data Mining Dengan semakin besarnya jumlah data dan kebutuhan akan analisis data yang akurat maka dibutuhkan metode analisis yang tepat. Data mining
Lebih terperinciPenerapan Algoritma C4.5 Untuk Menentukan Kesesuaian Lensa Kontak dengan Mata Pasien
1 Penerapan Algoritma C4.5 Untuk Menentukan Kesesuaian Lensa Kontak dengan Mata Pasien Ketut Wisnu Antara 1, Gede Thadeo Angga Kusuma 2 Jurusan Pendidikan Teknik Informatika Universitas Pendidikan Ganesha
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 terperinciIMPLEMENTASI DATA MINING PADA PENENTUAN JUMLAH SKS MENGGUNAKAN DECISION TREE
IMPLEMENTASI DATA MINING PADA PENENTUAN JUMLAH SKS MENGGUNAKAN DECISION TREE Asmah 1), Mussallimah 2), Indrianti 3) 1,2,3) Sistem Informasi STMIK PPKIA Tarakanita Rahmawati Tarakan Jl Yos Sudarso rt. 06
Lebih terperinciPENGAMBILAN POLA KELULUSAN TEPAT WAKTU PADA MAHASISWA STMIK AMIKOM YOGYAKARTA MENGGUNAKAN DATA MINING ALGORITMA C4.5.
PENGAMBILAN POLA KELULUSAN TEPAT WAKTU PADA MAHASISWA STMIK AMIKOM YOGYAKARTA MENGGUNAKAN DATA MINING ALGORITMA C4.5 Naskah Publikasi diajukan oleh Muchamad Piko Henry Widiarto 04.22.0400 kepada SEKOLAH
Lebih terperinciBAB III MODEL POHON KEPUTUSAN. Pohon keputusan merupakan metode klasfikasi dan prediksi yang sangat
BAB III MODEL POHON KEPUTUSAN 3.1 Pohon Keputusan (Decision Tree) 3.1.1 Pengertian Pohon keputusan merupakan metode klasfikasi dan prediksi yang sangat kuat dan terkenal. Metode pohon keputusan mengubah
Lebih terperinciAlgoritma Data Mining (2) Tugas Klasifikasi
Algoritma Data Mining (2) Tugas Klasifikasi Anief Fauzan Rozi, S. Kom., M. Eng. 1 Kompentensi Mahasiswa mengetahui algoritma data mining pada tugas klasifikasi 2 Pokok Bahasan Algoritma C4.5 3 Supervised
Lebih terperinciPOHON KEPUTUSAN DENGAN ALGORITMA C4.5
POHON KEPUTUSAN DENGAN ALGORITMA C4.5 1. Pengantar Algoritma C4.5 Klasifikasi merupakan salah satu proses pada data mining yang bertujuan untuk menemukan pola yang berharga dari data yang berukuran relatif
Lebih terperinciPENERAPAN ALGORITMA C4.5 DALAM PENERIMAAN CALON KARYAWAN PT. TELKOM AKSES AREA LAMPUNG BERBASIS WEBSITE
PENERAPAN ALGORITMA C4.5 DALAM PENERIMAAN CALON KARYAWAN PT. TELKOM AKSES AREA LAMPUNG BERBASIS WEBSITE Tosy Caesar Kurniawan 1,2 Jl. Zainal Abidin Pagar Alam No.93, Kedaton, Bandar Lampung 3 Teknik Informatika,
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Berdasarkan analisis masalah, maka perangkat lunak sistem data mining menggunakan algoritma C4.5 untuk prediksi ketepatan waktu kelulusan yang
Lebih terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (2017) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-116 (Online) Artikel Perancangan Aplikasi Prediksi Kelulusan Mahasiswa Tepat Waktu Pada
Lebih terperinciMajalah Ilmiah UPI YPTK, Volume 20, No. 1, Maret
Majalah Ilmiah UPI YPTK, Volume 20, No. 1, Maret 2013 12 PENERAPAN ALGORITMA C 4.5 DALAM MEMPEROLEH DECISION TREE UNTUK MEMPREDIKSI PENENTUAN RESIKO KREDIT PADA BANK BPR BUKITTANDANG MANDIRI PADANG MENGGUNAKAN
Lebih terperinciStudent Clustering Based on Academic Using K-Means Algoritms
Student Clustering Based on Academic Using K-Means Algoritms Hironimus Leong, Shinta Estri Wahyuningrum Faculty of Computer Science, Faculty of Computer Science Unika Soegijapranata marlon.leong@gmail.com
Lebih terperinciIMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI KELAYAKAN KREDIT NASABAH PADA BMT BUMI MIZAN SEJAHTERA YOGYAKARTA MENGGUNAKAN ALGORITMA C4.
IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI KELAYAKAN KREDIT NASABAH PADA BMT BUMI MIZAN SEJAHTERA YOGYAKARTA MENGGUNAKAN ALGORITMA C4.5 NASKAH PUBLIKASI diajukan oleh Ardun 12.11.6692 kepada SEKOLAH TINGGI
Lebih terperinciKeywords: C4.5 algorithm, Decision Supporting System, Fixing Employee Salary Increase
ISSN : 1693 1173 Sistem Pendukung Keputusan Penetapan Kenaikan Gaji Karyawan dengan Menggunakan Metode Algoritma C4.5 pada PT. Harapan Makmur Surakarta Dwi Ardiyanto Puro, Andriani KKW, Sri Sri Hariyati
Lebih terperinciPERANCANGAN SISTEM MENGGUNAKAN ALGORITMA C 4.5 UNTUK MEMPREDIKSI JUMLAH MAHASISWA MENGAMBIL MATAKULIAH SYARAT PLK
PERANCANGAN SISTEM MENGGUNAKAN ALGORITMA C 4.5 UNTUK MEMPREDIKSI JUMLAH MAHASISWA MENGAMBIL MATAKULIAH SYARAT PLK Sonia Afriliani 1), Khairudin 2), Karmila Suryani 2) 1) Mahasiswa Program Studi PTIK FKIP
Lebih terperinciPenerapan Algoritme C4.5 Pada Klasifikasi Produksi Ubi Jalar di Pulau Jawa
Penerapan Algoritme C4.5 Pada Klasifikasi Produksi Ubi Jalar di Pulau Jawa Seno Setiyawan 1, Yuliana Susanti 2,Tri Atmojo Kusmayadi 3 1,3 Program Studi Matematika FMIPA, Universitas Sebelas Maret 2 Program
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
6 BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Systems (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott
Lebih terperinciPENERAPAN DECISION TREE UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA BARU
Technologia Vol 7, No.1, Januari Maret 2016 8 PENERAPAN DECISION TREE UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA BARU Andie, S.Kom., M.Kom (andina777@gmail.com) ABSTRAK Siswa adalah
Lebih terperinciPROGRAM BANTU SELEKSI AWAL DOSEN BERPRESTASI MENGGUNAKAN METODE ITERATIVE DICHOTOMISER 3
32 PROGRAM BANTU SELEKSI AWAL DOSEN BERPRESTASI MENGGUNAKAN METODE ITERATIVE DICHOTOMISER 3 Yo el Pieter Sumihar* 1, Idris Efendi 2 1,2,3 Jurusan Komputer, Teknik Informatika, Fakultas Sains dan Komputer,
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) adalah sistem komputer yang saling berhubungan dan menjadi alat bantu bagi seorang
Lebih terperinciLEARNING ARTIFICIAL INTELLIGENT. Dr. Muljono, S.Si, M. Kom
LEARNING ARTIFICIAL INTELLIGENT Dr. Muljono, S.Si, M. Kom Outline Decision tree learning Jaringan Syaraf Tiruan K-Nearest Neighborhood Naïve Bayes Decision Tree Learning : Klasifikasi untuk penerimaan
Lebih terperinciKerusakan Barang Jadi
Penerapan Algoritma C4.5 pada Analisis Kerusakan Barang Jadi (Studi Kasus: PT Kayu Lapis Asli Murni) Ivan Oktana, Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang,
Lebih terperinciPenerapan Data Mining dalam Memprediksi Pembelian cat
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Penerapan Data Mining dalam Memprediksi Pembelian cat Fitriana Harahap STMIK POTENSI UTAMA Jl. KL. Yos Sudarso KM 6,5
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penambangan Data (Data Mining) Pengertian data mining, berdasarkan beberapa orang: 1. Data mining (penambangan data) adalah suatu proses untuk menemukan suatu pengetahuan atau
Lebih terperinciVol.17 No.2. Agustus 2015 Jurnal Momentum ISSN : X CASED BASED REASONING UNTUK PEMILIHAN KEGIATAN ORGANISASI MAHASISWA
CASED BASED REASONING UNTUK PEMILIHAN KEGIATAN ORGANISASI MAHASISWA Oleh: Arif Rohmadi* *)Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Gadjah Mada Abstrak Organisasi
Lebih terperinciPENERAPAN DECISION TREEALGORITMA C4.5 DALAM PENGAMBILAN KEPUTUSAN HUNIAN TEMPAT TINGGAL
PENERAPAN DECISION TREEALGORITMA C4.5 DALAM PENGAMBILAN KEPUTUSAN HUNIAN TEMPAT TINGGAL Besse Helmi Mustawinar Teknik Informatika FTKOM Universitas Cokroaminoto Palopo Jl Latamacelling Nomor 19 Palopo,
Lebih terperinciANALISIS DAN IMPLEMENTASI PENGAMBILAN POLA KEPUTUSAN NASABAH YANG BERHAK MENERIMA KREDIT MENGGUNAKAN ALGORITMA ID3 PADA BANK MANDIRI PANGKALPINANG
ANALISIS DAN IMPLEMENTASI PENGAMBILAN POLA KEPUTUSAN NASABAH YANG BERHAK MENERIMA KREDIT MENGGUNAKAN ALGORITMA ID3 PADA BANK MANDIRI PANGKALPINANG Nurhasman Hari Wibawa Sistem Informasi STMIK Atma Luhur
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Perancangan Sistem Pendukung Keputusan Pemberian Bonus Berdasarkan Penilaian Kinerja Karyawan Pada PT. Telkom, Tbk Medan Dengan Metode
Lebih terperinciIMPLEMENTASI DATA MINING UNTUK MENGETAHUI PERILAKU SESEORANG DALAM MEMBELI ALAT PANAHAN
IMPLEMENTASI DATA MINING UNTUK MENGETAHUI PERILAKU SESEORANG DALAM MEMBELI ALAT PANAHAN PUBLIKASI ILMIAH Disusun sebagai salah satu syarat menyelesaikan Program Studi Strata I pada Program Studi Informatika
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 terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisis Masalah Dalam pemilihan KPR masyarakat haruslah jeli, namun untuk menentukan KPR masyarakat umum memiliki kendala di saat memiliki minat untuk membeli
Lebih terperinciPENERAPAN DATA MINING UNTUK REKOMENDASI BEASISWA PADA SMA MUHAMMADIYAH GUBUG MENGGUNAKAN ALGORITMA C4.5
1 PENERAPAN DATA MINING UNTUK REKOMENDASI BEASISWA PADA SMA MUHAMMADIYAH GUBUG MENGGUNAKAN ALGORITMA C4.5 Dina Maurina, Ahmad Zainul Fanani S.Si, M.Kom Jurusan Teknik Informatika FIK UDINUS, Jl. Nakula
Lebih terperinciPERANCANGAN APLIKASI DATA MINING UNTUK ANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA BARU (STUDI KASUS STMIK SUMEDANG)
PERANCANGAN APLIKASI DATA MINING UNTUK ANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA BARU (STUDI KASUS STMIK SUMEDANG) Sri Bekti Handani N, S.T., M.Kom. Dosen Jurusan Sistem Informasi STMIK Sumedang
Lebih terperinciBAB IV METODOLOGI PENELITIAN. Penelitian ini dilakukan dengan melalui empat tahap utama, dimana
BAB IV METODOLOGI PENELITIAN Penelitian ini dilakukan dengan melalui empat tahap utama, dimana tahap pertama adalah proses pengumpulan dokumen teks yang akan digunakan data training dan data testing. Kemudian
Lebih terperinciAnalisa Data Mining Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Restoran Joglo Kampoeng Doeloe Semarang
Analisa Data Mining Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Restoran Joglo Kampoeng Doeloe Semarang Tia Arifatul Maulida Fakultas Ilmu Komputer, Universitas Dian Nuswantoro,
Lebih terperinciIMPLEMENTASI DATA MINING ALGORITMA C4.5 UNTUK MEMPREDIKSI PERILAKU MAHASISWA DIPLOMA 3 MELANJUTKAN STRATA 1 DI STMIK AMIKOM YOGYAKARTA
IMPLEMENTASI DATA MINING ALGORITMA C4.5 UNTUK MEMPREDIKSI PERILAKU MAHASISWA DIPLOMA 3 MELANJUTKAN STRATA 1 DI STMIK AMIKOM YOGYAKARTA NASKAH PUBLIKASI diajukan oleh Jumanto 10.11.4388 kepada SEKOLAH TINGGI
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Implementasi Algoritma C4.5 dalam Memprediksi Masa Studi Mahasiswa STMIK Dumai. Asparizal Jurusan Teknik Informatika,
Lebih terperinciPENERAPAN DATA MINING SEBAGAI MODEL SELEKSI PENERIMA BEASISWA PENUH (STUDI KASUS: STIE PERBANAS SURABAYA)
ISSN 1858-4667 JURNAL LINK VOL. 27/No. 1/Februari 2018 PENERAPAN DATA MINING SEBAGAI MODEL SELEKSI PENERIMA BEASISWA PENUH (STUDI KASUS: STIE PERBANAS SURABAYA) Hariadi Yutanto 1, Nurcholis Setiawan 2
Lebih terperinciDATA MINING POTENSI AKADEMIK SISWA BERBASIS ONLINE
Didik Setiyadi, Ali Nurdin DATA MINING POTENSI AKADEMIK SISWA BERBASIS ONLINE 1 DIDIK SETIYADI, 2 ALI NURDIN 1,2 Sekolah Tinggi Manajemen Informatika dan Komputer Eresha Program Studi : Teknik Informatika
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Tinjauan pustaka atau disebut juga kajian pustaka (literature review) merupakan sebuah aktivitas untuk meninjau atau mengkaji kembali berbagai
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Beredarnya iklan penawaran kepemilikan kendaraan sepeda motor yang cukup menarik dengan menawarkan berbagai syarat kemudahan pembayaran membuat bagi sebagian orang
Lebih terperinciAPLIKASI PENENTUAN CALON PENDONOR DARAH MENGGUNAKAN METODE ALGORITMA ID3 ( STUDI KASUS PMI KOTA KEDIRI )
Artikel Skripsi APLIKASI PENENTUAN CALON PENDONOR DARAH MENGGUNAKAN METODE ALGORITMA ID3 ( STUDI KASUS PMI KOTA KEDIRI ) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Sebelum melakukan penelitian adapun penulis mencari penelitian penelitian yang memungkinkan terkait dengan penelitian antara lain : 1. Analisis Kinerja Data
Lebih terperinciPERBANDINGAN DECISION TREE
84 2015 Jurnal Krea-TIF Vol: 03 No: 02 PERBANDINGAN DECISION TREE PADA ALGORITMA C 4.5 DAN ID3 DALAM PENGKLASIFIKASIAN INDEKS PRESTASI MAHASISWA (Studi Kasus: Fasilkom Universitas Singaperbangsa Karawang)
Lebih terperinciBAB II TINJAUAN PUSTAKA Indeks Prestasi Kumulatif dan Lama Studi. menggunakan dokumen/format resmi hasil penilaian studi mahasiswa yang sudah
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Indeks Prestasi Kumulatif dan Lama Studi Mahasiswa yang telah menyelesaikan keseluruhan beban program studi yang telah ditetapkan dapat dipertimbangkan
Lebih terperinciALGORITMA BAYESIAN CLASSIFICATION UNTUK MEMPREDIKSI HEREGRISTRASI MAHASISWA BARU DI STMIK WIDYA PRATAMA
ALGORITMA BAYESIAN CLASSIFICATION UNTUK MEMPREDIKSI HEREGRISTRASI MAHASISWA BARU DI STMIK WIDYA PRATAMA Devi Sugianti Program Studi Sistem Informasi,STMIK WidyaPratama Jl. Patriot 25 Pekalongan Telp (0285)427816
Lebih terperinciIMPLEMENTASI DATA MINING DALAM PENERIMAAN KARYAWAN BARU DENGAN METODE DECISION TREE DI BENDESA HOTEL
Seminar Nasional Teknologi Informasi dan Multimedia ISSN : -8 STMIK AMIKOM Yogyakarta, 6-8 Februari IMPLEMENTASI DATA MINING DALAM PENERIMAAN KARYAWAN BARU DENGAN METODE DECISION TREE DI BENDESA HOTEL
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Data Mining Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik
Lebih terperinciSPK Pemilihan Calon Pendonor Darah Potensial dengan Algoritma C4.5 dan Fuzzy Tahani
47 SPK Pemilihan Calon Pendonor Darah Potensial dengan Algoritma C4.5 dan Fuzzy Tahani Mahmud Yunus, Harry Soekotjo Dahlan, dan Purnomo Budi Santoso Abstract Penelitian ini bertujuan untuk membangun sebuah
Lebih terperinciModel Aplikasi Penentuan Jenis Beasiswa Berbasis Algoritma K-NN Termodifikasi
ISSN: 2089-3787 1181 Model Aplikasi Penentuan Jenis Beasiswa Berbasis Algoritma K-NN Termodifikasi Soegiarto 1, Bahar 2 Program Studi Teknik Informatika, STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru
Lebih terperinciEducational Data Mining untuk Mengetahui Pola Minat Kerja Mahasiswa
Educational Data Mining untuk Mengetahui Pola Minat Kerja Mahasiswa Daniel Swanjaya 1, Abidatul Izzah 2 1,2 Universitas Nusantara PGRI Kediri Kontak Person: Daniel Swanjaya 1, Abidatul Izzah 2 1,2 Kampus
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA KLASIFIKASI NAÏVE BAYESIAN, LAZY-IBK, ZERO-R, DAN DECISION TREE- J48
PERBANDINGAN KINERJA ALGORITMA KLASIFIKASI NAÏVE BAYESIAN, LAZY-IBK, ZERO-R, DAN DECISION TREE- J48 Sulidar Fitri Teknik Informatika STMIK AMIKOM Yogyakarta email : inboxfitri@gmail.com Abstraksi Penelitian
Lebih terperinci