K-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia
|
|
- Farida Setiabudi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 K-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia Okta Riveranda 1), Warnia Nengsih, S.Kom., M.Kom. 2) 1) Program Studi Sistem Informasi, Politeknik Caltex Riau, Pekanbaru 28265, 2) Program Studi Sistem Informasi, Politeknik Caltex Riau, Pekanbaru 28265, Abstrak Penggabungan Data mining dengan kemampuan dalam mengelola dan mengolah database, statistika dan kecerdasan buatan telah banyak diterapkan dalam berbagai bidang. Penerapannya beragam, tergantung pada bagaimana data itu didistribusikan dan dimanfaatkan. Ada yang diterapkan di bidang kemiliteran, pendidikan, kesehatan, keuangan dan masih banyak lagi lainnya. Tujuan utama dari penelitian ini ialah untuk menganalisis jumlah kasus HIV/AIDS yang ada di Indonesia dengan penyebaran di 33 provinsi. Data yang dijadikan sumber berasal dari Ditjen PP & PL Kemenkes RI. Analisis didukung dengan teknik clustering dengan pemilihan algoritma k-means dalam mengidentifikasi similaritas antar data. Jumlah kluster yang ditentukan dalam implementasi algoritma k-means adalah 3 kluster. Masing-masing kluster memiliki nilai rata-rata yang berbeda. Masing-masing kluster menunjukkan label tingkat kerawanan terjadinya HIV di provinsi-provinsi di Indonesia. Data dengan bar terendah mewakili kluster 1. Memiliki karakteristik data dengan anggota-anggota data yang jumlah kasus HIV-nya sedang mewakili kluster 2. Sementara bar tertinggi mewakili kluster 3 yang karakteristik datanya menunjukkan jumlah kasus HIV terbesar Kata Kunci : Clustering, Data Mining, HIV/AIDS, Kesehatan, k-means. 1. PENDAHULUAN HIV/AIDS atau human immunodeficiency virus/aquired immune deficiency syndrome adalah suatu spektrum kondisi yang disebabkan oleh infeksi virus HIV. Diawali dengan adanya infeksi tersebut, seseorang yang terkena virus ini akan mengalami sakit seperti influenza. Hal tersebut biasanya diikuti dengan tanpa gejala yang cukup berkepanjangan. Indonesia merupakan salah satu negara yang memiliki potensi kenaikan jumlah kasus HIV/AIDS tiap tahunnya. Hal itu dapat dilihat dari data yang diperoleh dari tahun untuk AIDS dan dari tahun untuk HIV. Kenaikan signifikan terjadi di hampir seluruh provinsi yang ada di Indonesia. Bukan hanya itu, kasus penderita yang meninggal akibat AIDS juga menjadi faktor penentu kenaikan potensi tersebut. Apabila pemerintah tidak menanggulangi kejadian ini, dikhawatirkan ke depannya Indonesia akan menjadi salah satu negara penyumbang terbesar penderita HIV/AIDS. Data mining merupakan suatu disiplin ilmu dalam ilmu komputer yang digunakan untuk tujuan menggali informasi tersembunyi dari sekumpulan data set untuk kemudian digunakan dalam pengambilan keputusan maupun kebijakan yang berguna dalam bidang-bidang tertentu. Merujuk kepada kasus HIV/AIDS yang ada di Indonesia, dan dengan tersedianya data mentah yang dapat diolah, penelitian ini dapat dikembangkan untuk membantu pemerintah dalam melihat daerah atau provinsi dengan potensi HIV/AIDS terburuk. Oleh karena itu, dengan menggunakan metode clustering K-Means, diperoleh gambaran dari setiap wilayah di Indonesia untuk pengambilan kebijakan dan strategi berikutnya Data Mining 2. LANDASAN TEORI Data mining adalah disiplin ilmu yang membahas mengenai proses penggalian informasi, pengetahuan dan/atau pola menarik dari sekumpulan data yang berukuran sangat besar. Data tersebut tersimpan di dalam beberapa database, sebuah data warehouse, ataupun media penyimpanan data lainnya. Disiplin ilmu ini merupakan irisan dari beberapa disipilin ilmu yang sudah lebih dulu ada seperti, kemampuan pengelolaan database, statistika, matematika, visualisasi data, machine learning dan artificial intelligence (Han dan Kamber, 2006) [1]. Terlepas dari definisi-definisi data mining di atas, masih banyak peneliti yang memperdebatkan penamaan yang cocok untuk aktifitas ini. Karena, jika dianalogikan ke dalam contoh aktifitas penggalian dalam kehidupan nyata seperti penggalian emas, istilah data mining dirasa kurang tepat. Emas merupakan hasil yang diinginkan atau yang ingin dicapai dari sekumpulan aktifitas penggalian emas. Untuk mencapainya, diperlukan usaha yang besar untuk menggali bebatuan yang ada di sekitarnya. Aktifitas ini tidak disebut dengan rock mining ataupun sand mining, namun tetap disebut sebagai gold mining. Karena pada dasarnya, emas lah yang menjadi capaian akhir dari aktifitas tersebut. Oleh karena itu, beberapa peneliti memberikan nama lain untuk data mining sebagai
2 ganti untuk istilah yang menurut mereka kurang tepat tersebut, diantara lain, ada yang menyebut dengan Knowledge Discovery in Data (KDD), knowledge mining, knowledge extraction, dan data/pattern analysis (Han dan Kamber, 2006) [2]. 2.2 Clustering Clustering atau juga dikenal dengan istilah cluster analysis adalah salah satu metode atau teknik dalam data mining yang tepat digunakan untuk mengolah data yang tidak diketahui label atau kelasnya. Cara kerja teknik ini ialah mengelompokkan sekumpulan data ke dalam kelas-kelas atau kluster-kluster, yang mana objek-objek yang ada pada kelas tersebut memiliki similaritas yang tinggi jika dibandingkan dengan objek lain yang ada dalam kelas tersebut, namun memiliki similaritas yang rendah jika dibandingkan dengan objek yang ada di kelas/kluster lain (Han dan Kamber, 2006) [3]. Dalam sekelompok data, akan ada beberapa objek data yang ditempatkan ke dalam kluster yang sama berdasarkan sifat dan karakteristik data tersebut. Namun, dalam kasus tertentu, akan ada suatu objek data yang memiliki karakteristik dan sifat yang sangat berlainan dengan data lain, dan biasanya, data ini ditempatkan ke dalam kluster tersendiri. Jumlah anggota kluster yang menempati kluster itu biasanya sangat sedikit jika dibandingkan dengan rasio jumlah data yang ada. Data tersebut dikenal dengan istilah data anomali atau outlier. Salah satu keunggulan teknik clustering ialah dapat mendeteksi data outlier (outlier detection) karena tidak adanya label/kelas ketika data ini pertama kali diolah (Han dan Kamber, 2006) [4]. Dapat ditarik kesimpulan bahwa, semakin rendah nilai distance antar objek data, maka akan semakin tinggi similaritasnya [5]. 2.4 K-means Algoritma k-means menggunakan masukan berupa parameter, jumlah k, dan sekumpulan data set dari sekian objek untuk dimasukkan ke dalam k kelas/kluster sehingga similaritas intrakluster semakin tinggi sedangkan similaritas antarkluster semakin rendah. Similaritas kluster diukur berdasarkan nilai rata-rata dari keseluruhan objek yang ada di kluster tersebut, yang bisa dipandang sebagai pusat kluster. Cara kerja k-means adalah sebagai berikut. Pertama, algoritma ini akan memilih sejumlah k objek dari beberapa objek yang ada pada sekumpulan data. Masing-masing objek yang terpilih, merepresentasikan nilai rata-rata dari sejumlah k kluster. Kemudian objek yang tersisa, masing-masing akan di-assign ke dalam kluster yang sudah ditentukan berdasarkan similaritasnya dengan nilai rata-rata masingmasing kluster. Setelah itu, dilakukan perubahan nilai rata-rata kluster yang sudah menjadi beberapa anggota kluster. Ketiga langkah di atas dilakukan secara iteratif (berulang) hingga tidak ada lagi perubahan nilai rata-rata dan seluruh data sudah didistribusikan ke masing-masing kluster yang ada [6]. 2.3 Euclidean Distance Euclidean Distance merupakan algoritma pengukur interval jarak antara satu data dengan data yang lain. Selain algoritma ini, juga ada algoritma Manhattan Block yang juga memiliki fungsi yang sama. Namun, algoritma k-means yang digunakan dalam penelitian ini menggunakan euclidean distance untuk mengukur similaritas antar data. Formulanya dapat didefinisikan sebagai berikut: d(i, j) = (x i1 x j1 ) 2 + (x i2 x j2 ) (x ix x jx ) 2... (2.1) Keterangan: Gambar 1 Hasil analisis kluster dengan algoritma k-means 3. METODE PENELITIAN 3.1. Pemilihan Atribut Pemilihan atribut dilakukan agar dalam analisis kluster hanya atribut yang memiliki nilai keterkaitan paling tinggi sajalah yang akan diproses. Atribut-atribut yang dianggap tidak mewakili objek data tidak akan digunakan dalam proses analisis. Berikut ini adalah gambar yang diambil dari rapidminer ketika melakukan pemilihan atribut. d: Distance/jarak antara objek i ke objek j. x i: variabel objek i. x j: variabel objek j.
3 4. HASIL DAN PEMBAHASAN Gambar 2 Pemilihan Atribut Atribut-atribut yang dipilih sebagai predictor variable adalah sebagai berikut: Kasus pada tahun , 2010, 2011, 2012, 2013, 2014 dan jumlah korban meninggal. Sementara provinsi hanya digunakan sebagai kolom ID.Sumber data terdiri dari beberapa sheet, namun hanya digunakan 2 sheet saja sebagai data mentah untuk diolah. Kasus untuk HIV-AIDS dipisahkan untuk masing-masing sheet. Untuk kasus AIDS, datanya terdiri dari tahun 1987 hingga 2014, sementara untuk kasus HIV, dari tahun 2005 hingga Keduanya menggunakan provinsi-provinsi di Indonesia sebagai objek data. Jumlah kluster yang ditentukan dalam implementasi algoritma k-means adalah 3 kluster. Masing-masing kluster memiliki nilai rata-rata yang berbeda. Sebagai langkah identifikasi awal, apabila diamati masing-masing kluster, maka peneliti bisa mengasumsikan masing-masing kluster itu sebagai label tingkat kerawanan terjadinya HIV di provinsiprovinsi di Indonesia. Data dengan bar terendah mewakili kluster 1. Memiliki karakteristik data dengan anggota-anggota data yang jumlah kasus HIV-nya sedang. Data dengan bar menengah mewakili kluster 2. Karakteristiknya, jumlah kasus pada tiap anggota kluster adalah yang terendah di antara yang lain. Sementara bar tertinggi mewakili kluster 3 yang karakteristik datanya menunjukkan jumlah kasus HIV terbesar. Berikut ini adalah grafik dari hasil perhitungan manual k-means dengan aplikasi pengolah angka LibreOffice Calc Implementasi algoritma k-means Gambar di bawah ini menampilkan informasi dan opsi yang diatur sedemikian rupa untuk memproses data yang sudah dibersihkan pada tahap preprocessing. Gambar 4 Grafik hasil analisis kluster manual pada kasus HIV Untuk menghasilkan grafik di atas, dibutuhkan iterasi manual algoritma k-means sebanyak 4 kali sehingga tiap data secara konsisten berada pada masing-masing klusternya. Sementara itu, hasil dari analisis kluster dengan k-means menggunakan aplikasi RapidMiner v5.3 adalah sebagai berikut: Gambar 3 Implementasi algoritma k- means Opsi add cluster atribut secara default sudah terpilih sejak pengambilan operator k-means ke dalam bagan proses. Sementara opsi add as label digunakan apabila ingin menjadikan kluster tersebut sebagai label bagi proses selanjutnya. Kolom k pada gambar di atas merepresentasikan jumlah kluster yang objek-objek data akan didistribusikan ke dalamnya. Kolom max runs adalah jumlah iterasi maksimal yang boleh dilakukan dalam proses analisis kluster.
4 Gambar 7 Grafik hasil analisis kluster kasus AIDS dengan aplikasi RapidMiner Gambar 5 Grafik hasil analisis kluster kasus HIV dengan aplikasi RapidMiner Grafik di atas menunjukkan bahwa jumlah dan sebaran data untuk masing-masing kluster adalah sama dengan hasil analisis kluster manual yang dilakukan pada aplikasi pengolah angka. Provinsi DKI Jakarta, Jawa Timur dan Papua sama-sama berada pada kluster dengan ciri jumlah kasus HIV terbanyak di Indonesia. Begitu pula provinsiprovinsi yang menjadi anggota kluster dengan jumlah kasus terendah dan sedang. Sementara itu, hasil perhitungan manual k-means pada kasus AIDS di Indonesia dapat dilihat pada grafik di bawah ini. Gambar 6 Grafik hasil analisis kluster manual pada kasus AIDS Data dengan bar terendah adalah provinsi-provinsi yang memiliki jumlah kasus AIDS terendah. Lalu, data dengan bar sedang adalah provinsi-provinsi dengan jumlah kasus AIDS tertinggi. Terakhir, data dengan bar tertinggi adalah provinsi-provinsi dengan jumlah kasus AIDS menengah. Untuk menghasilkan grafik seperti di atas, diperlukan proses k-means manual sebanyak 3 kali iterasi. Berbeda halnya dengan hasil yang didapatkan dari analisis kluster dengan aplikasi RapidMiner pada kasus AIDS, pada grafik di bawah ini, hanya kluster dengan jumlah kasus tertinggi saja lah yang anggotanya konsisten dengan grafik dari hasil manual. Provinsi DKI Jakarta, Jawa Timur dan Papua berada pada kluster dengan jumlah kasus terbanyak di antara provinsi lain. Sementara untuk kluster lain, ada beberapa anggota kluster yang tidak konsisten dengan keanggotaannya. Berikut tabel yang menunjukkan perbedaan antara hasil manual dengan RapidMiner: Tabel 1 Perbandingan hasil manual terhadap RapidMiner pada kasus AIDS Manual RapidMiner Cluster 'Ringan' - Papua Barat - Sulawesi Selatan - Sumatera Utara N/A Cluster 'Menengah' N/A - Papua Barat - Sulawesi Selatan - Sumatera Utara Cluster 'Terbanyak' N/A N/A Berdasarkan tabel di atas, dapat diambil diketahui bahwa, pada kluster dengan kasus AIDS paling ringan, hasil manual berlebih 3 objek data, yang mana objek-objek data tersebut justru berada di kluster menengah pada hasil dengan RapidMiner. 5. KESIMPULAN Berdasarkan hasil analisis kluster pada data kasus HIV dan AIDS yang ada di Indonesia, dapat ditarik kesimpulan bahwa provinsi DKI Jakarta, Jawa Timur dan Papua berada dalam kondisi yang sangat kritis dan sangat rentan akan penyebaran virus HIV/AIDS. Hal itu dikarenakan jumlah kasus HIV dan AIDS terbanyak ada pada ketiga provinsi tersebut. Untuk itu, kampanye dan kebijakan pemerintah dapat difokuskan secara langsung kepada ketiga provinsi itu.
5 DAFTAR REFERENSI [1] Han, Jiawei; Kamber, Micheline, Data Mining: Concepts and San Fransisco. Hal [2] Han, Jiawei; Kamber, Micheline, Data Mining: Concepts and San Fransisco. Hal [3] Han, Jiawei; Kamber, Micheline, Data Mining: Concepts and San Fransisco. Hal 383. [4] Han, Jiawei; Kamber, Micheline, Data Mining: Concepts and San Fransisco. Hal [5] Han, Jiawei; Kamber, Micheline, Data Mining: Concepts and San Fransisco. Hal [6] Han, Jiawei; Kamber, Micheline, Data Mining: Concepts and San Fransisco. Hal [7] Ditjen PP & PL Kemenkes RI
BAB 2 TINJAUAN PUSTAKA Klasifikasi Data Mahasiswa Menggunakan Metode K-Means Untuk Menunjang Pemilihan Strategi Pemasaran
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Beberapa penelitian terdahulu telah banyak yang menerapkan data mining, yang bertujuan dalam menyelesaikan beberapa permasalahan seputar dunia pendidikan. Khususnya
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 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 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 terperinci1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian
Penerapan Data Mining dengan Menggunakan Metode Clustering K-Mean Untuk Mengukur Tingkat Ketepatan Kelulusan Mahasiswa Program Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang
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 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 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 terperinciData 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 terperinciUKDW BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Konsumsi, Finansial, semakin menjadi hal yang tidak dapat dipisahkan seiring terus berkembangnya suatu negara. Transaksi, jual, beli, sudah menjadi kata yang sangat
Lebih terperinciCLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS
CLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS Muhammad Toha, 1), I Ketut Edy Purnama 2) dan Surya Sumpeno 3) 1) Bidang Keahlian Telematika (Konsentrasi CIO) Jurusan Teknik Elektro
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 terperinci2013 GAMBARAN PENGETAHUAN REMAJA TENTANG HIV/AIDS DI KELAS XI SMA YADIKA CICALENGKA
BAB I PENDAHULUAN A. Latar Belakang Penelitian Sejak pertama kali ditemukan (1987) sampai dengan Juni 2012, kasus HIV/AIDS tersebar di 378 (76%) dari 498 kabupaten/kota di seluruh (33) provinsi di Indonesia.
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 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Peminatan atau konsenterasi merupakan fokus mahasiswa terhadap suatu bidang studi tertentu yang sesuai dengan minatnya. Tujuannya yaitu untuk lebih memfokuskan
Lebih terperinciClustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means
Clustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means Sri Redjeki Andreas 1), Andreas Pamungkas, Pamungkas Hastin 2), Hastin Al-fatah Al-fatah 3) 1)2)3) STMIK dzeky@akakom.ac.id
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Human Immunodeficiency Virus (HIV) adalah penyebab Acquired Immune Deficiency Syndrome (AIDS). Insidensi infeksi HIV-AIDS secara global cenderung semakin meningkat
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 terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di lakukan oleh Muhammad Toha dkk (2013), Sylvia Pretty Tulus (2014), Johan
Lebih terperinciPENERAPAN METODE KLASTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI TEKNIK INFORMATIKA STRATA SATU
PENERAPAN METODE KLASTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI TEKNIK INFORMATIKA STRATA SATU Gita Premashanti Trayasiwi Program Studi Teknik Informatika S1,
Lebih terperinciKLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING
KLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING Ari Kurniawan, Mochamad Hariadi S2 Teknik Elektro (Telematika), Institut Teknologi Sepuluh
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Penambangan Data (Data Mining) Penambangan data (Data Mining) adalah serangkaian proses untuk menggali nilai tambah dari sekumpulan data berupa pengetahuan yang selama ini
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Analisis cluster merupakan salah satu alat yang penting dalam pengolahan data statistik untuk melakukan analisis data. Analisis cluster merupakan seperangkat metodologi
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 terperinciBAB 1 PENDAHULUAN. Human Immunodeficiency Virus (HIV) dan Acquired Immune Deficiency
BAB 1 PENDAHULUAN 1. Latar Belakang Human Immunodeficiency Virus (HIV) dan Acquired Immune Deficiency Syndrome (AIDS) merupakan pandemi global yang menimbulkan dampak kesehatan, sosial, ekonomi, dan politik.
Lebih terperinciPENGELOMPOKAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS
PENGELOMPOKAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS Narwati Dosen Fakultas Teknologi Informasi Abtrack Makalah ini membahas pengelompokan mahasiswa berdasarkan data akademik menggunakan teknik clustering
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 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 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 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 terperinciSEGMENTASI PRODUK MENGGUNAKAN TEKNIK DATA MINING CLUSTERING
Seminar Nasional Teknologi Informasi 2016 A1 SEGMENTASI PRODUK MENGGUNAKAN TEKNIK DATA MINING CLUSTERING Langgeng Listiyoko 1) Joko Dewanto 2) Henderi 3) 1) Business Intelligence STMIK Raharja 2) 3) Magister
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 terperinci2. Tinjauan Pustaka. Gambar 2-1 : Knowledge discovery in database
2. Tinjauan Pustaka 2.1 Data Mining Data mining merupakan ilmu yang mempelajari tentang proses ekstraksi informasi yang tersembunyi dari sekumpulan data yang berukuran sangat besar dengan menggunakan algoritma
Lebih terperinciPENERAPAN TEKNIK DATA MINING UNTUK MENENTUKAN HASIL SELEKSI MASUK SMAN 1 GIBEBER UNTUK SISWA BARU MENGGUNAKAN DECISION TREE
PENERAPAN TEKNIK DATA MINING UNTUK MENENTUKAN HASIL SELEKSI MASUK SMAN 1 GIBEBER UNTUK SISWA BARU MENGGUNAKAN DECISION TREE Castaka Agus Sugianto Program Studi Teknik lnformatika Politeknik TEDC Bandung
Lebih terperinciOleh : Selvia Lorena Br Ginting, Reggy Pasya Trinanda. Abstrak
TEKNIK DATA MINING MENGGUNAKAN METODE BAYES CLASSIFIER UNTUK OPTIMALISASI PENCARIAN PADA APLIKASI PERPUSTAKAAN (STUDI KASUS : PERPUSTAKAAN UNIVERSITAS PASUNDAN BANDUNG) Oleh : Selvia Lorena Br Ginting,
Lebih terperinciBAB I PENDAHULUAN. dapat menyebabkan AIDS (Acquired Immuno-Deficiency Syndrome). Virus. ibu kepada janin yang dikandungnya. HIV bersifat carrier dalam
BAB I PENDAHULUAN A. Latar Belakang HIV (Human Immunodeficiency Virus) adalah sebuah retrovirus yang dapat menyebabkan AIDS (Acquired Immuno-Deficiency Syndrome). Virus ini ditularkan melalui kontak darah,
Lebih terperinciANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM)
ANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM) Nurani 1, Hamdan Gani 2 1 nurani_nanni@yahoo.com, 2 hamdan.gani.inbox@gmail.com
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Acquired immune deficiency syndrome (AIDS) adalah suatu penyakit yang disebabkan oleh human immunodeficiency virus (HIV) dan ditandai dengan imunosupresi berat yang
Lebih terperinciIMPLEMENTASI METODE K-MEANS PADA PENERIMAAN SISWA BARU
PROYEK TUGAS AKHIR IMPLEMENTASI METODE K-MEANS PADA PENERIMAAN SISWA BARU (Studi Kasus : SMK Pembangunan Nasional Purwodadi) Disusun oleh: Novian Hari Pratama 10411 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS
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 terperinciPENERAPAN ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) CLUSTERING UNTUK MELIHAT GAMBARAN UMUM KEMAMPUAN AKADEMIK MAHASISWA
PENERAPAN ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) CLUSTERING UNTUK MELIHAT GAMBARAN UMUM KEMAMPUAN AKADEMIK MAHASISWA 1 Yulison Herry Chrisnanto, 2 Gunawan Abdillah 1,2 Jurusan Informatika Fakultas
Lebih terperinciMateri 2 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya
Materi 2 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya nizar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Memahami definisi, proses serta teknik data mining. Pengenalan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Sponge atau poriferans berasal dari bahasa Latin yaitu porus yang artinya pori dan ferre yang artinya memiliki. Sponge adalah hewan berpori, pada umumnya terdapat di lautan,
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 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 1 PENDAHULUAN. Human Immunodeficiency Virus (HIV) adalah virus penyebab Acquired
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Human Immunodeficiency Virus (HIV) adalah virus penyebab Acquired Immunodeficiency Syndrome (AIDS) yang merupakan masalah kesehatan global baik di negara maju maupun
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 terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih terperinciPE DAHULUA. Latar Belakang
Latar Belakang PE DAHULUA Pemilihan Kepala Daerah dan Wakil Kepala Daerah, atau seringkali disebut Pilkada, adalah pemilihan umum untuk memilih Kepala Daerah dan Wakil Kepala Daerah secara langsung di
Lebih terperinciBAB I PENDAHULUAN. Human Immunodeficiency Virus (HIV) adalah virus yang awalnya
BAB I PENDAHULUAN 1.1 Latar Belakang Human Immunodeficiency Virus (HIV) adalah virus yang awalnya menyerang sistem kekebalan tubuh manusia, menyebabkan penyakit Acquired Immune Deficiency Syndrome (AIDS)
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Badan Pusat Statistika menyatakan bahwa angka kecelakaan lalu lintas yang terjadi di Indonesia sangat tinggi, penyebabnya adalah semakin banyaknya jumlah kendaraan
Lebih terperinciKLASIFIKASI SISWA UNTUK MENINGKATKAN NILAI RATA-RATA KELAS MENGGUNAKAN METODE DATA MINING
KLASIFIKASI SISWA UNTUK MENINGKATKAN NILAI RATA-RATA KELAS MENGGUNAKAN METODE DATA MINING Langgeng Listiyoko* 1, Rosalia Wati 2, Achmad Fahrudin 3 1,2,3 STMIK Muhammadiyah Banten Kontak Person : Langgeng
Lebih terperinciPENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA
PENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Madura Kampus Universitas Trunojoyo
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. Dengan kemajuan teknologi informasi sekarang ini, kebutuhan akan
BAB 1 PENDAHULUAN A. Latar Belakang Dengan kemajuan teknologi informasi sekarang ini, kebutuhan akan informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari. Namun kebutuhan informasi yang
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 PENERAPAN DATA MINING UNTUK MEMBENTUK KELOMPOK BELAJAR MENGGUNAKAN METODE CLUSTERING DI SMPN 19 BANDUNG Andre Catur Prasetyo Teknik Informatika Universitas
Lebih terperinciMEMANFAATKAN ALGORITMA K-MEANS DALAM MENENTUKAN PEGAWAI YANG LAYAK MENGIKUTI ASESSMENT CENTER UNTUK CLUSTERING PROGRAM SDP
MEMANFAATKAN ALGORITMA K-MEANS DALAM MENENTUKAN PEGAWAI YANG LAYAK MENGIKUTI ASESSMENT CENTER UNTUK CLUSTERING PROGRAM SDP Page 87 Iin Parlina 1, Agus Perdana Windarto 2, Anjar Wanto 3, M.Ridwan Lubis
Lebih terperinciPENERAPAN DATAMINING PADA POPULASI DAGING AYAM RAS PEDAGING DI INDONESIA BERDASARKAN PROVINSI MENGGUNAKAN K-MEANS CLUSTERING
PENERAPAN DATAMINING PADA POPULASI DAGING AYAM RAS PEDAGING DI INDONESIA BERDASARKAN PROVINSI MENGGUNAKAN K-MEANS CLUSTERING Mhd Gading Sadewo 1, Agus Perdana Windarto 2, Dedy Hartama 3 1 Mahasiswa Sistem
Lebih terperinciCLUSTERING K- MEANS ANALYSIS. (Studi Kasus : Koleksi Perpustakaan) Warnia Nengsih 1) 1)
CLUSTERING K- MEANS ANALYSIS (Studi Kasus : Koleksi Perpustakaan) Warnia Nengsih 1) 1) Department of Computer Politeknik Caltex Riau Indonesia Email: warnia@pcr.ac.id Commented [h1]: Jika cumin 1 author
Lebih terperinciAnalisa Profil Data Mahasiswa Baru Universitas Stikubank (UNISBANK) Semarang Tahun Dengan Teknik Data Mining
Analisa Profil Data Mahasiswa Baru Universitas Stikubank (UNISBANK) Semarang Tahun 2005-2010 Dengan Teknik Data Mining Eko Nur Wahyudi, Dwi Agus Diartono, Sulastri Abstrak - Universitas Stikubank (Unisbank)
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 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 PENDAHULUAN. kekebalan tubuh manusia, sedangkan Acquired Immunodeficiency Syndrom. penularan terjadi melalui hubungan seksual (Noviana, 2013).
BAB 1 PENDAHULUAN 1. Latar Belakang Human Immunodeficiensy Vyrus (HIV) yaitu virus yang menyerang sistem kekebalan tubuh manusia, sedangkan Acquired Immunodeficiency Syndrom (AIDS) adalah sindrom kekebalan
Lebih terperinciBAB I PENDAHULUAN. menjadi prioritas dan menjadi isu global yaitu Infeksi HIV/AIDS.
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit menular saat ini masih menjadi masalah utama kesehatan masyarakat di Indonesia dan merupakan penyebab kematian bagi penderitanya. Penyakit menular adalah penyakit
Lebih terperinciPRISMA WAHYU WULAN DARA
JURNAL Klasterisasi Daerah Pemasok Sampah Terbesar Ke TPA Klotok Di Kota Kediri Dengan Metode K-means Clustering Regional Clustering Largest Suppliers of Waste Landfill Klotok In the Town of Kediri With
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 terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF53106 DATA MINING PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK 1 LEMBAR PENGESAHAN Rencana Pembelajaran Semester
Lebih terperinciBAB 1 PENDAHULUAN. Immunodeficiency Virus (HIV)/ Accuired Immune Deficiency Syndrome (AIDS)
BAB 1 PENDAHULUAN 1.1 Latar Belakang Infeksi Menular Seksual merupakan penyakit infeksi yang ditularkan melalui aktivitas seksual dengan pasangan penderita infeksi yang disebabkan oleh virus, bakteri,
Lebih terperinciIMPLEMENTASI K-MEANS KLUSTERING UNTUK REKOMENDASI TEMA TUGAS AKHIR PADA STMIK ASIA MALANG. Lia Farokhah 1), Rendy Aditya 2)
IMPLEMENTASI K-MEANS KLUSTERING UNTUK REKOMENDASI TEMA TUGAS AKHIR PADA STMIK ASIA MALANG Lia Farokhah 1), Rendy Aditya 2) 1,2 Teknik Informatika, STMIK ASIA Malang email: 1 farokhah@asia.ac.id, 2 rendya@asia.ac.id
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 dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta)
Penerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta) Universitas Islam Negeri Syarif Hidayatullah Jakarta email: nurhayati@uinjkt.ac.id
Lebih terperinciPenerapan Metode Clustering K- Means Untuk Mengukur Tingkat Kedisplinan Siswa Di SMK Perikanan Nusantara Demak
Penerapan Metode Clustering K- Means Untuk Mengukur Tingkat Kedisplinan Siswa Di SMK Perikanan Nusantara Demak Krisna Pahlevi A11.2011.05936 Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
Lebih terperinciALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN
ALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN Devi Sugianti Program Studi Sistem Informasi,STMIK Widya Pratama Jl. Patriot 25 Pekalongan Telp (0285)427816 email
Lebih terperinciBAB III METODOLOGI 3.1. Prosedur Penelitian Identifikasi Masalah
BAB III METODOLOGI Dalam penelitian ini metodologi memegang peranan penting guna mendapatkan data yang obyektik, valid dan selanjutnya digunakan untuk memecahkan permasalahan yang telah dirumuskan. Maka
Lebih terperinciDATA MINING. Pertemuan 9. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi
DATA MINING 3 SKS Semester 6 S1 Sistem Informasi Pertemuan 9 Nizar Rabbi Radliya nizar.radliya@yahoo.com Universitas Komputer Indonesia 2016 Clustering Data Mining Penklusteran (clustering) digunakan untuk
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Acquired immune deficiency syndrome (AIDS), merupakan kumpulan gejala penyakit yang disebabkan karena menurunnya kekebalan tubuh yang disebabkan oleh human immunodeficiency
Lebih terperinciKata kunci : metode pencarian, perpustakaan, Naïve Bayes Classifier.
PENGGUNAAN METODE NAÏVE BAYES CLASSIFIER PADA APLIKASI PERPUSTAKAAN Selvia Lorena Br Ginting,S.Si., MT 1, Reggy Pasya Trinanda 2 1,2 Jurusan Teknik Komputer Unikom, Bandung 1 selvialorena@yahoo.com, 2
Lebih terperinciLEARNING. Program Studi Ilmu Komputer FPMIPA UPI RNI IK460(Kecerdasan Buatan)
LEARNING Jiawei Han and Micheline Kamber. 2006. Data Mining Concepts and Techniques. San Fransisco : Elsevier M.Tim Jones. Artificial Intelligence A System Approach. Slide Kuliah Data Mining - Klasifikasi,
Lebih terperinciPENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER
PENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER I. PENDAHULUAN Mahasiswa merupakan salah satu aspek penting dalam evaluasi keberhasilan penyelenggaraan
Lebih terperinciBAB I PENDAHULUAN. Acquired Immune Deficiency Syndrom (AIDS) merupakan sekumpulan gejala
BAB I PENDAHULUAN 1.1 Latar Belakang Acquired Immune Deficiency Syndrom (AIDS) merupakan sekumpulan gejala penyakit yang disebabkan karena menurunnya sistem imunitas atau kekebalan tubuh yang disebabkan
Lebih terperinciBab 2 Tinjauan Pustaka
Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Adapun penelitian terdahulu yang berkaitan dalam penelitian ini berjudul Penentuan Wilayah Usaha Pertambangan Menggunakan Metode Fuzzy K-Mean Clustering
Lebih terperinciDATA MINING DENGAN TEKNIK CLUSTERING UNTUK MENGGALI INFORMASI TENTANG BIMBINGAN KONSELING SISWA (STUDI KASUS : SMA NEGERI 1 X KOTO SINGKARAK)
Jurnal Ilmiah Fakultas Teknik LIMIT S Vol.13 No 1 Maret 2017 38 DATA MINING DENGAN TEKNIK CLUSTERING UNTUK MENGGALI INFORMASI TENTANG BIMBINGAN KONSELING SISWA (STUDI KASUS : SMA NEGERI 1 X KOTO SINGKARAK)
Lebih terperinciHIV/AIDS. Intan Silviana Mustikawati, SKM, MPH
HIV/AIDS Intan Silviana Mustikawati, SKM, MPH 1 Pokok Bahasan Definisi HIV/AIDS Tanda dan gejala HIV/AIDS Kasus HIV/AIDS di Indonesia Cara penularan HIV/AIDS Program penanggulangan HIV/AIDS Cara menghindari
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Informasi Pengertian Sistem Informasi pada dasarnya merupakan hasil dari dua arti, yakni sistem dan informasi yang digabungkan. Berikut definisi sistem menurut para ahli
Lebih terperinciPERAN CERAMAH TERHADAP TINGKAT PENGETAHUAN TENTANG AIDS PADA SISWA KELAS XI SMK NEGERI 4 SURAKARTA SKRIPSI
PERAN CERAMAH TERHADAP TINGKAT PENGETAHUAN TENTANG AIDS PADA SISWA KELAS XI SMK NEGERI 4 SURAKARTA SKRIPSI Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana S1 Diajukan Oleh : SLAMET WIDODO
Lebih terperinciBAB I PENDAHULUAN. AIDS adalah singkatan dari Acquired Immuno Deviciency Syndrome, yang
BAB I PENDAHULUAN 1.1 Latar Belakang AIDS adalah singkatan dari Acquired Immuno Deviciency Syndrome, yang secara harviah berarti kumpulan gejala menurnnya kekebalan tubuh yang diperoleh. Seperti kita ketahui,
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 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 terperinciHIV/AIDS (Human Immunodeficiency/Acquired Immune Deficiency. Syndrome) merupakan isu sensitive dibidang kesehatan. HIV juga menjadi isu
1 BAB 1 PENDAHULUAN 1.1 Latar belakang HIV/AIDS (Human Immunodeficiency/Acquired Immune Deficiency Syndrome) merupakan isu sensitive dibidang kesehatan. HIV juga menjadi isu internasional karena HIV telah
Lebih terperinciPENGANTAR SOLUSI DATA MINING
PENGANTAR SOLUSI DATA MINING Kusnawi STMIK AMIKOM Yogyakarta e-mail : Khusnawi@amikom.ac.id ABSTRAK Data mining adalah salah satu solusi untuk menjelaskan proses pengalian informasi dalam suatu basis data
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan mahasiswa berdasarkan status gizi Body Mass Index (BMI) dan ukuran kerangka.
Lebih terperinciDATA MINING DAN WAREHOUSE A N D R I
DATA MINING DAN WAREHOUSE A N D R I CLUSTERING Secara umum cluster didefinisikan sebagai sejumlah objek yang mirip yang dikelompokan secara bersama, Namun definisi dari cluster bisa beragam tergantung
Lebih terperinciSISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING
SISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING Ati Suci Dian Martha, S.Kom., M.T. 1, Dena Jatnika Kusumah 1, Program Studi Sistem Informasi, STMIK LPKIA, Bandung Jln. Soekarno Hatta No.
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Penyalahgunaan narkotika, psikotropika, dan zat adiktif (NAPZA) sudah menjadi masalah di tingkat nasional, regional maupun global. Hasil dari laporan perkembangan situasi
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 I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Ketika disodori sejumlah data dari suatu obyek atau kejadian, apa yang bisa dilakukan terhadap data untuk menindaklanjutinya? Data perlu diolah untuk mendapatkan
Lebih terperinciPENERAPAN ALGORITMA K-MEANS PADA KUALITAS GIZI BAYI DI INDONESIA
PENERAPAN ALGORITMA K-MEANS PADA KUALITAS GIZI BAYI DI INDONESIA Diajeng Tyas Purwa Hapsari Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email :
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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Aplikasi Data Mining Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Penelitian Terkait Pada penelitian ini, peneliti melakukan penelitian yang didasarkan pada penelitian terdahulu yang terkait dengan penelitian yang akan dilakukan peneliti.
Lebih terperinci