APLIKASI PENGGALIAN POLA SEKUENSIAL INTERVAL WAKTU FUZZY PADA PROSES BISNIS ERP MENGGUNAKAN ALGORITMA FP-GROWTH-PREFIXSPAN
|
|
- Benny Hardja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Hasil Tugas Akhir APLIKASI PENGGALIAN POLA SEKUENSIAL INTERVAL WAKTU FUZZY PADA PROSES BISNIS ERP MENGGUNAKAN ALGORITMA FP-GROWTH-PREFIXSPAN Application of Fuzzy Time-Interval Sequence Pattern Mining of ERP Business Process using FP-Growth PrefixSpan Algorithm Oleh : Muhammad Sidratul Muntaha Al-Mutawakkil Alallah Dosen Pembimbing: Dr. Imam Mukhlash, S.Si, MT. Matematika FMIPA ITS 2014
2 Abstrak Perkembangan teknologi yang semakin pesat mengakibatkan makin banyaknya pengelolaan data terkomputerisasi. Dengan semakin kompleksnya proses bisnis, teknologi manajemen proses bisnis seperti ERP (Enterprise Resource Planning) dan sejenisnya makin banyak digunakan. Hal ini mengakibatkan ketersediaan data makin melimpah sehingga penggalian dan pencarian informasi dari sekumpulan data tersebut akan menjadi sebuah pengetahuan berharga. Data mining merupakan proses ekstraksi informasi atau pola penting dalam basis data berukuran besar. Metode data mining yang akan digunakan dalam Tugas Akhir ini adalah metode penggalian pola sekuensial (sequence pattern mining) menggunakan algoritma FP-Growth PrefixSpan. Selain itu, digunakan juga pendekatan fuzzy untuk menangani interval waktu dari data yang dianalisis sehingga pola sekuensial yang dihasilkan berupa pola sekuensial interval waktu fuzzy (fuzzy time-interval sequence pattern). Penerapan metode ini dalam proses bisnis ERP (Enterprise Resource Planning) menghasilkan pola sekuensial interval waktu fuzzy. Hasil analisis menunjukkan bahwa terdapat pengaruh minimum support terhadap pola yang dihasilkan. Selanjutnya, hasil dari analisis tersebut bisa digunakan sebagai bahan pertimbangan dalam analisis proses bisnis. Kata Kunci - Data Mining, Proses Bisnis, FP-Growth, PrefixSpan, Fuzzy time-interval sequence pattern.
3 Bab I Pendahuluan
4 Pendahuluan 1.1 Latar Belakang (I) 1 Perkembangan teknologi komputer yang semakin pesat mengakibatkan makin banyaknya pengelolaan data terkomputerisasi sehingga ketersediaan data makin melimpah. 2 Dengan semakin kompleksnya proses bisnis, teknologi manajemen proses bisnis seperti Enterprise Resource Planning (ERP) dan System Application and Product in Data Processing (SAP) telah banyak digunakan. 3 Timbulnya permasalahan ketika beberapa perusahaan dengan proses bisnis berbeda ingin bergabung bersama. 4 Data mining merupakan salah satu solusi terbaik dalam menggali dan memperoleh informasi dari sekumpulan data.
5 Pendahuluan 1.1 Latar Belakang (II) Data Mining Untuk menemukan informasi penting dalam database Tugas Klasifikasi Clustering Sequence Pattern Association Rule Mengelompokkan sebuah sampel baru pada himpunan kelas yang sebelumnya telah diketahui Pengelompokan sampel-sampel ke dalam kelompok sampel yang sama Penemuan pola keterurutan suatu event pada waktu tertentu Penemuan pola intra transactional dalam database terjadi hanya pada sebuah event
6 Pendahuluan 1.1 Latar Belakang (III) Penelitian sebelumnya terkait hal pengklasteran pada proses bisnis ERP berdasarkan kesamaannya yang menjelaskan bahwa dalam mengukur nilai kesamaannya digunakan metric penggabungan antara kemiripan semantik dan struktur.
7 Pendahuluan 1.1 Latar Belakang (IV) Oleh karena itu penulis ingin mengangkat topik penelitian tersebut lagi sebagai Tugas Akhir dengan teknik data mining yang berbeda yang diberi judul Aplikasi Penggalian Pola Sekuensial Interval Waktu Fuzzy pada Proses Bisnis ERP menggunakan algoritma FP-Growth (PrefixSpan).
8 1.2 Rumusan Masalah Pendahuluan Bagaimana menggali pola sekuensial interval waktu fuzzy pada proses bisnis menggunakan algoritma FP-Growth PrefixSpan? Berapa banyak pola sekuensial yang dihasilkan dari proses bisnis yang memenuhi nilai batas (minimum support) tertentu jika menggunakan metode penggalian pola sekuensial (sequence pattern mining)? Bagaimana pengaruh nilai minimum support terhadap penggalian pola sekuensial?
9 1.3 Batasan Masalah Pendahuluan Data yang digunakan merupakan data event log proses bisnis yang sudah dinormaliasasi sebelumnya. Data tersebut didapat dari sebuah penelitian terkait proses bisnis ERP. Metode penggalian pola sekuensial yang akan diterapkan juga menerapkan pendekatan Fuzzy melalui interval waktu dari data yang dianalisis. Algoritma PrefixSpan yang digunakan hanya sebagian saja karena kehomogenan data. 1.4 Asumsi Masalah Istilah linguistik yang ditentukan untuk menentukan derajat keanggotaan dari variabel linguistik interval waktu adalah Short (sebentar), Middle (sedang), dan Long (lama). Interval waktu fuzzy yang dihasilkan oleh suatu kejadian tidak dipengaruhi dengan nilai interval waktu fuzzy pada kejadian sebelumnya.
10 Pendahuluan 1.5 Tujuan Tujuan dari tugas akhir ini adalah membuat suatu perangkat lunak yang memuat Fuzzy Time-Interval Sequence Pattern Mining sehingga dapat digunakan untuk mencari pola sekuensial yang menarik dari proses bisnis sebuah perusahaan. 1.6 Manfaat Mengetahui pola proses bisnis yang efisien. Mempermudah perusahaan dalam mencari alternatif model proses bisnis yang baru dan bermanfaat. Sebagai salah satu referensi penggunaan Sequence Pattern Mining.
11 Bab II Tinjauan Pustaka
12 2.1 Data Mining Data mining merupakan proses ekstraksi informasi atau pola yang penting dalam basis data berukuran besar (Han & Kamber 2001). Data mining merupakan penggunaan algoritma dalam proses Knowledge Discovery in Database (KDD) untuk menemukan pola yang bermanfaat (Goharian & Grossman 2003).
13 2.2 Knowlege Discovery in Database (KDD) Knowledge Discovery in Database (KDD) adalah proses menemukan informasi yang berguna serta pola-pola yang ada dalam data (Goharian & Grossman 2003).
14 2.3 Pola Sekuensial (I) Pola sekuensial adalah daftar urutan dari sekumpulan item. Pola transaksi atau event yang terjadi dalam model proses bisnis biasanya tergambarkan dalam sebuah pola sekuensial. Pola sekuensial mengindikasikan bahwa transaksi biasanya terjadi secara serial terhadap waktu. Diberikan sebuah minimum_support bilangan bulat positif sebagai support threshold, sebuah sequence αα disebut pola sekuensial dalam basis data sequence SS jika sssssssssssstt ss αα mmmmmmmmmmmmmm_ssssssssssssss.
15 2.4 Algoritma PrefixSpan Mulai Input Minimum Support (0 s/d 1) Menggali frequent item/pola sekuensial panjang-1 Terbentuk Pola Ya Membangun basis data terproyeksi Menggali pola sekuensial panjang-x (x>1) tidak Ya Terbentuk Pola tidak Pola Sekuensial Dihasilkan Selesai
16 2.5 Himpunan Fuzzy (I) Lotfi A. Zadeh (1965) pertama kali memperkenalkan himpunan Fuzzy sebagai cara matematis untuk merepresentasikan ketidaktepatan. Jika X adalah kumpulan objek yang dinotasikan dengan X, maka himpunan fuzzy A dalam X adalah himpunan pasangan berurutan: AA = xx, μμ AA (xx) xx εε XX μμ AA (xx) disebut fungsi/derajat keanggotaan atau tingkat keanggotaan (juga tingkat kompetibelitas atau tingkat kebenaran) dari xx di A yang memetakan X ke keanggottan ruang semesta M. (Ketika M hanya memuat dua titik 0 dan 1, maka A bukan fuzzy dan μμ AA (xx) identik dengan fungsi karakteristik dari himpunan non-fuzzy). Range dari fungsi keanggotaan adalah himpunan bagian dari bilangan riil yang mempunya supremum terbatas. Anggota dengan derajat keanggaotan nol umumnya tidak didaftar/disebutkan.
17 2.5 Himpunan Fuzzy (II) Variabel linguistik merupakan variabel fuzzy yang dibuat acuan untuk menilai suatu hal. Misalkan variabel linguistik UMUR memiliki tiga penilaian linguistik yaitu muda, dewasa, tua dan usia lanjut yang masing-masing memiliki fungsi keanggotaan tersendiri. Fungsi keanggotaan (membership function) adalah suatu fungsi yang menunjukkan pemetaan titik-titik input data ke dalam derajat keanggotaannya. Ada beberapa fungsi yang dapat digunakan untuk mendapatkan derajat keanggotaan keanggotaan, seperti triangular, trapezoidal, gaussian dan semacamnya.
18 Bab III Metode Penelitian
19 Metode penelitian Studi Pustaka Ekstraksi Data Pengolahan Data Laporan Pengujian Perancangan Interface
20 Bab IV Analisis dan Perancangan Sistem
21 4.1 Analitis Sistem Deskripsi Perangkat Lunak Perangkat lunak yang dimaksud di sini adalah aplikasi penggalian pola sekuensial interval waktu fuzzy menggunakan algoritma FP-Growth (PrefixSpan). Aplikasi ini dibuat untuk membantu user dalam melakukan proses penggalian pola sekuensial pada proses bisnis. Aplikasi ini hanya bisa digunakan untuk data homogen proses bisnis, karena ruang pencarian pola sekuensial dalam algoritma aplikasi ini masih dibatasi menyesuaikan data yang diperoleh penulis saat ini. Selain itu, aplikasi penggalian pola sekuensial ini memanfaatkan DBMS MySQL untuk membaca basis data, baik mulai saat pra pemrosesan data sampai penggalian data. DBMS di sini hanya sebagai media penyimpanan sementara bagi data yang akan diolah atau dianalisis.
22 4.1.2 Pemodelan Analitis (I) Use Case Diagram
23 4.1.2 Pemodelan Analitis (II) Activity Diagram
24 4.2 Perancangan Perangkat Lunak Perancangan Proses Tujuan dari perancangan proses ini adalah untuk memberikan penjelasan tentang proses-proses yang dilakukan terhadap data awal yang diperoleh, sehingga data tersebut nantinya dapat dipakai dalam pemrosesan data mining. Dalam hal ini terdapat dua perancangan proses, yaitu proses pre-processing data dan proses data mining
25 Bab V Hasil dan Pembahasan
26 5.1 Pengaruh Minimum Support Dalam proses pencarian pola sekuensial interval waktu fuzzy dibutuhkan suatu nilai yang disebut minimum support. Syarat suatu pola dikatakan pola sekuensial jika pola tersebut memiliki nilai support minimum support. Maksud dari penentuan nilai minimum support sendiri adalah memfilter pola sekuensial yang ada dalam basis data sequence yang nilai supportnya tinggi.
27 5.2 Hubungan Minimum Support dan Pola Sekuensial Berikut tabel hasil pengujian, hubungan antara minimum support dengan banyak pola sekuensial yang dihasilkan. Tabel 5.1 Hubungan minimum support dengan Pola Sekuensial Minimum Support Pola Sekuensial Running Time 0, menit 21 detik 0, menit 6 detik 0, menit 36 detik 0, menit 13 detik 0, menit 56 detik 0, menit 56 detik 0, menit 57 detik 0, menit 2 detik detik
28 Grafik untuk Tabel 5.1 disajikan sebagaimana di bawah ini: Pola Sekuensial Minimum Support
29 Dari gambar di atas dapat dilihat bahwa grafiknya monoton turun. Hal tersebut berarti semakin besar nilai minimum support yang ditentukan maka semakin sedikit pola sekuensial yang dihasilkan. Dengan kata lain nilai minimum support berbanding terbalik dengan pola sekuensial interval waktu fuzzy yang dihasilkan. Semakin sedikit pola sekuensial interval waktu fuzzy yang dihasilkan saat nilai minimum support semakin tinggi disebabkan karena semakin banyak pola sekuensial yang nilai supportnya di bawah nilai minimum support.
30 5.3 Hubungan Minimum Support dan Running Time Berikut tabel hasil pengujian, hubungan antara minimum support dengan banyak running time aplikasi program. Tabel 5.2 Hubungan minimum support dengan Pola Sekuensial Minimum Support Pola Sekuensial Running Time 0, menit 21 detik 0, menit 6 detik 0, menit 36 detik 0, menit 13 detik 0, menit 56 detik 0, menit 56 detik 0, menit 57 detik 0, menit 2 detik detik
31 Grafik untuk Tabel 5.2 disajikan sebagaimana di bawah ini: waktu (detik) ,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Minimum Support
32 Dari gambar di atas dapat dilihat bahwa grafiknya monoton turun. Hal tersebut juga berarti semakin besar nilai minimum support yang ditentukan maka waktu yang dibutuhkan untuk mencari pola sekuensial interval waktu fuzzy semakin sedikit. Dengan kata lain nilai minimum support juga berbanding terbalik dengan running time.
33 5.4 Analisis Data Uji Pada pengujian ini digunakan 4 nilai minimum support, yaitu 0.3, 0.4, 0.5, dan 0.8, dan 1 Berikut diberikan tabel pola sekuensial interval waktu fuzzy untuk keempat minimum support yang diinputkan.
34 Tabel 5.3 Pola Sekuensial min_sup=1 Pola Sekuensial Support Register 1 AnalyzeDefect 1 Register,short,AnalyzeDefect 1
35 Tabel 5.4 Pola Sekuensial min_sup 0.8a Pola Sekuensial Support Register 1 AnalyzeDefect 1 TestRepair 0,998 InformUser 0,998 ArchieveRepair 0,905 Register,short,AnalyzeDefect 1 Register,long,TestRepair 0,909 Register,long,InformUser 0,949 Register,long,ArchieveRepair 0,905 Register,short,AnalyzeDefect, long,testrepair 0,910 Register,short,AnalyzeDefect, long, InformUser 0,949 Register,short,AnalyzeDefect, long, ArchieveRepair 0,905
36 Tabel 5.4 Pola Sekuensial min_sup 0.8 Pola Sekuensial Support Register 1 AnalyzeDefect 1 Repair(Complex) 0,596 TestRepair 0,998 InformUser 0,998 ArchieveRepair 0,905 Register,short,AnalyzeDefect 1 Register,long,TestRepair 0,909 Register,long,InformUser 0,949 Register,long,ArchieveRepair 0,905 Register,short,AnalyzeDefect,short, AnalyzeDefect 0,57 Register,short,AnalyzeDefect, long,testrepair 0,910 Register,short,AnalyzeDefect, long, InformUser 0,949 Register,short,AnalyzeDefect, long, ArchieveRepair 0,905 Register,short,AnalyzeDefect,short, AnalyzeDefect,long,TestRepair 0,743 Register,short,AnalyzeDefect,short, AnalyzeDefect,long,TestRepair,long,InformUser 0,776 Register,short,AnalyzeDefect,short, AnalyzeDefect,long,TestRepair,long,ArchieveRepair 0,902
37 5.4 Analisis Pola Sekuensial Untuk masing-masing minimum support yang sudah ditentukan, pola sekuensial interval waktu fuzzy maksimal menghasilkan proses bisnis. Dalam hal ini diambil pola sekuensial interval waktu fuzzy untuk minimum support=0,8 sebagaimana gambar yang tersaji di bawah ini: Register short Analyze Defect long Archive Repair Register short Analyze Defect long Test Repair Register short Analyze Defect long Inform User
38 5.4 Analisis Pola Sekuensial (II) Hasil dari penemuan pola-pola proses bisnis seperti di atas bisa dijadikan bahan pertimbangan bagi sebuah perusahaan apalagi ingin mengganti atau memperbarui model proses bisnisnya, baik itu menyangkut interval waktu antar proses ataupun model proses itu sendiri. Hal ini menjadi penting saat sebuah perusahaan lain ingin bergabung dengan perusahaan yang bersangkutan. Pencarian pola proses bisnis semacam ini selanjutnya bisa membantu atau memberikan solusi terhadap perusahaan terkait proses bisnis apa saja dari kedua perusahaan yang bisa digabungkan.
39 Bab VI Kesimpulan
40 Kesimpulan Berdasarkan analisis terhadap hasil pengujian program, maka dapat diambil kesimpulan sebagai berikut: Penggalian Pola Sekuensial Interval Waktu Fuzzy telah berhasil diimplementasikan pada data proses bisnis. Dengan menggunakan pendekatan fuzzy melalui interval waktu dapat disimpulkan bahwa pola sekuensial yang didapat semakin sedikit karena minimum support yang digunakan berdasarkan nilai fuzzy interval waktu. Nilai minimum support berpengaruh pada hasil dan lama pencarian pola sekuensial interval waktu fuzzy. Minimum support terbaik adalah jika sequence memiliki nilai support tinggi dan mencakup hampir seluruh event atau kejadian dari proses bisnis. Hasil dari penggalian pola sekuensial bisa dijadikan bahan pertimbangan untuk mengubah atau memperbarui proses bisnis yang ada.
41 Daftar Pustaka [1] Jung J.Y., Bae J., and Liu L., Hierarchical Clustering of Business Process Models, SCC 2008, IEEE International Conference on Volume 2, pp , [2] Connolly TM, Begg CE Database System: A Practical Approach To Design, Implementation, and Management.England:Addison Wesley. [3] Han J. and Kamber M Data Mining: Concept and Technique. 2 nd Edition. San Diego, USA: Morgan-Kauffman. [4] Weske, Mathias Business Process Management Concepts, Languages, Architectures. Springer Berlin Heidelberg New York. [5] Pei J, Han J Mining Sequential Patterns by Pattern Growth: The PrefixSpan Approach. Volume 16 No. 10 Oktober [6] Agrawal R, Srikant R Mining Sequential Patterns. [7] Pei J, Han J Mining Sequential Patterns by Pattern-Growth: The PrefixSpan Approach. Volume 16 No. 10. [8] Zimmermann, H.-J Fuzzy Set Theory. Volume 2. [9] Chen Yen-Liang, Huang Cheng-Kui. Discovering fuzzy time-interval sequential patterns in sequence database. [10] Ardyanto A Mengenal Apa itu Proses Mining. Diakses tanggal 06 Februari 2014 Pukul 12:02 WIB. [11] Saikhu A, Hariadi V Klasifikasi Event Pada Process Logs Menggunakan Model Regresi Logistik. Makalah KNSI [12] Sarno R, Pamungkas E.W, Ginardi H Clustering of ERP Business Process Fragments.
Penggalian Pola Sekuensial Interval Waktu Fuzzy Pada Proses Bisnis ERP Menggunakan Algoritma FP-Growth PrefixSpan
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1 Penggalian Interval Waktu Fuzzy Pada Proses Bisnis ERP Menggunakan Algoritma FP-Growth PrefixSpan Muhammad Sidratul Muntaha A.M.A dan Dr. Imam Mukhlash,
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Pola pengaksesan pengguna terhadap sebuah situs web biasanya tergambarkan dalam sebuah pola sekuensial. Pola sekuensial mengindikasikan bahwa transaksi biasanya terjadi secara
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN Pada bab ini berisi tentang latar belakang pembuatan dari aplikasi penentuan rekomendasi pencarian buku perpustakaan menggunakan algoritma fp-growth, rumusan masalah, tujuan, batasan
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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 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 terperinciBAB II LANDASAN TEORI
6 BAB II LANDASAN TEORI Bab ini berisi penjelasan tentang definisi, teori dan konsep yang digunakan penulis untuk mamahami cara yang benar untuk mendapatkan pola sekuensial (sequential patterns) dengan
Lebih terperinciANALISIS DAN IMPLEMENTASI ALGORITMA FP-GROWTH PADA APLIKASI SMART UNTUK MENENTUKAN MARKET BASKET ANALYSIS PADA USAHA RETAIL (STUDI KASUS : PT.
ANALISIS DAN IMPLEMENTASI ALGORITMA FP-GROWTH PADA APLIKASI SMART UNTUK MENENTUKAN MARKET BASKET ANALYSIS PADA USAHA RETAIL (STUDI KASUS : PT.X) ANALYSIS AND IMPLEMENTATION OF FP-GROWTH ALGORITHM IN SMART
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perusahaan ritel yang menyediakan berbagai kebutuhan berkembang pesat bukan hanya di kota besar saja tetapi juga di kota-kota kecil. Untuk memperoleh keuntungan yang
Lebih terperinciPengembangan Aplikasi Market Basket Analysis Menggunakan Algoritma Generalized Sequential Pattern pada Supermarket
Pengembangan Aplikasi Market Basket Analysis Menggunakan Algoritma Generalized Sequential Pattern pada Supermarket Gunawan 1), Alex Xandra Albert Sim 2), Fandi Halim 3), M. Hawari Simanullang 4), M. Firkhan
Lebih terperinciRancang Bangun Fitur Rekomendasi Buku Menggunakan Algoritma PrefixSpan pada Sistem Peminjaman Buku Berbasis Web di Perpustakaan Universitas Ciputra
Rancang Bangun Fitur Rekomendasi Buku Menggunakan Algoritma PrefixSpan pada Sistem Peminjaman Buku Berbasis Web di Perpustakaan Universitas Ciputra Lenny Universitas Ciputra UC Town, Citraland Surabaya
Lebih terperinciBAB 1 PENDAHULUAN. yang penting bagi suatu perusahaan. Dengan adanya teknologi informasi, maka
BAB 1 PENDAHULUAN 1.1. Latar Belakang Teknologi informasi pada masa kini, telah menjadi suatu kebutuhan yang penting bagi suatu perusahaan. Dengan adanya teknologi informasi, maka proses-proses yang ada
Lebih terperinci2.2 Data Mining. Universitas Sumatera Utara
Basis data adalah kumpulan terintegrasi dari occurences file/table yang merupakan representasi data dari suatu model enterprise. Sistem basisdata sebenarnya tidak lain adalah sistem penyimpanan-record
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu (Sensuse dan Gunadi, 2012). Pola-pola
Lebih terperinciPENGEMBANGAN APLIKASI FUZZY TEMPORAL ASSOCIATION RULE MINING (STUDI KASUS : DATA TRANSAKSI PASAR SWALAYAN ) HANDAYANI RETNO SUMINAR
PENGEMBANGAN APLIKASI FUZZY TEMPORAL ASSOCIATION RULE MINING (STUDI KASUS : DATA TRANSAKSI PASAR SWALAYAN ) HANDAYANI RETNO SUMINAR DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini, perkembangan teknologi telah memberikan pengaruh yang sangat besar di dalam kehidupan manusia. Salah satu pengaruh tersebut di bidang informasi yaitu dalam
Lebih terperinciPenentuan Pola Sekuensial pada Data Transaksi Perpustakaan IPB Menggunakan Algoritma Graph Search Techniques
Penentuan Pola Sekuensial pada Data Transaksi Perpustakaan IPB Menggunakan Algoritma Graph Search Techniques Imas S. Sitanggang 1, Firman Ardiansyah 1 dan Hamzah Agung 2 1 Staf Pengajar Departemen Ilmu
Lebih terperinciPENERAPAN METODE ASSOCIATION RULE MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENEMUKAN POLA PEMINJAMAN BUKU
PENERAPAN METODE ASSOCIATION RULE MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENEMUKAN POLA PEMINJAMAN BUKU TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciAPLIKASI ASSOCIATION RULE MINING UNTUK MENEMUKAN POLA PADA DATA NILAI MAHASISWA MATEMATIKA ITS
APLIKASI ASSOCIATION RULE MINING UNTUK MENEMUKAN POLA PADA DATA NILAI MAHASISWA MATEMATIKA ITS DONNY MITRA VIRGIAWAN 1209100035 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
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 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 terperinciPerancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani
Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani 23 Sathya Adi Dharma Program Studi Teknik Informatika Fakultas Teknologi Informasi Institut Informatika
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern
Lebih terperinciPENGGALIAN KAIDAH MULTILEVEL ASSOCIATION RULE DARI DATA MART SWALAYAN ASGAP
PENGGALIAN KAIDAH MULTILEVEL ASSOCIATION RULE DARI DATA MART SWALAYAN ASGAP Teguh Pradana 1) 1) Program Studi/Prodi Teknik Informatika, STMIK Yadika, email: INTI_PERSADA_SOFTWARE@yahoo.co.id Abstrak: Perkembangan
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Perkembangan teknologi informasi yang sangat pesat yang terjadi dewasa ini menuntut manusia untuk mampu beradaptasi dengan perkembangan tersebut. Upaya adaptasi yang dilakukan
Lebih terperinciPENGGALIAN POLA CLOSED SEQUENTIAL PADA BASIS DATA YANG BERTAMBAH SECARA BERTAHAP
PENGGALIAN POLA CLOSED SEQUENTIAL PADA BASIS DATA YANG BERTAMBAH SECARA BERTAHAP Budanis Dwi Meilani* dan Arif Djunaidy** Jurusan Teknik Informatika ITS, Surabaya 60111, email: **budanis@yahoo.com, **adjunaidy@its.ac.id
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Pada bab ini akan dijelaskan tahap-tahap yang dilakukan dalam melakukan penelitian. Tahapan penelitian berguna agar pelaksanaan penelitian dapat berjalan dengan baik dan sistematis
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dewasa ini, informasi menjadi hal yang penting dan berharga bagi kehidupan manusia. Tak dapat dipungkiri, bahwa di jaman yang seperti ini, orang akan mempunyai
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam periode enam tahun terakhir (tahun 2007 2012), jumlah gerai ritel modern di Indonesia mengalami pertumbuhan rata-rata 17,57% per tahun. Pada tahun 2007, jumlah
Lebih terperinciAPLIKASI DATA MINING UNTUK ANALISIS ASOSIASI POLA PEMBELIAN DENGAN ALGORITMA APRIORI
APLIKASI DATA MINING UNTUK ANALISIS ASOSIASI POLA PEMBELIAN DENGAN ALGORITMA APRIORI SKRIPSI Disusun Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer pada Departemen Ilmu Komputer/ Informatika
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 terperinciAPLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus di Apotek Setya Sehat Semarang)
Hapsari Dita Anggraeni, Ragil Saputra, Beta Noranita APLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus di Apotek Setya Sehat Semarang) Hapsari Dita
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 terperinciPENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR
PENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciBAB I PENDAHULUAN. Apotek sebagai penyedia obat-obatan sering kali mengalami kesulitan dalam
1 BAB I PENDAHULUAN 1.1 Latar Belakang Apotek sebagai penyedia obat-obatan sering kali mengalami kesulitan dalam pemenuhan permintaan obat-obatan, baik obat atas resep maupun obat bebas. Hal ini dikarenakan
Lebih terperinciMETODE PENELITIAN. Proses Dasar Sistem
Gagasan utama dari sequential pattern mining adalah untuk menemukan semua pola sekuensial yang memiliki nilai support lebih besar dari nilai minimum support yang diberikan (Fiot. C et al ). Diagram alir
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Konsep Data Mining : IT012274 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pengenalan RDBMS 2 SQL Mahasiswa dapat mnegrti dan memahami
Lebih terperinciSKRIPSI TI S1 FIK UDINUS 1
SKRIPSI TI S FIK UDINUS PENERAPAN ASSOCIATION RULE DENGAN ALGORITMA APRIORI UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA TEKNIK INFORMATIKA S FAKULTAS ILMU KOMPUTER UNIVERSITAS DIAN NUSWANTORO
Lebih terperinci1 BAB I 2 PENDAHULUAN
1 BAB I 2 PENDAHULUAN 1.1 Latar Belakang Data mining merupakan salah satu bidang ilmu yang berupaya untuk menemukan kaidah, pola, model, maupun informasi yang bersifat menarik dari sekumpulan data. Salah
Lebih terperinciPembersihan Data Lingkungan Pengembangan Sistem HASIL DAN PEMBAHASAN
3 Nilai fuzzy support bagi frequent sequence dengan ukuran k diperoleh dengan mengkombinasikan frequent sequence dengan ukuran k-1. Proses ini akan berhenti jika tidak memungkinkan lagi untuk membangkitkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Pelaku bisnis saat ini dituntut selalu inovatif untuk dapat bersaing dengan kompetitor. Bisnis retail seperti Apotek merupakan bisnis dengan persaingan yang sangat
Lebih terperinciSistem Basis Data Lanjut DATA MINING. Data Mining 1/12
DATA MINING Data Mining 1/12 Outline Pengenalan Data Mining Data Mart Teknik-Teknik Data Mining Peralatan Data Mining Data Mining dan Data Warehouse Data Mining 2/12 Pengenalan Data Mining Perangkat lunak
Lebih terperinciPenerapan Stuktur FP-Tree dan Algoritma FP-Growth dalam Optimasi Penentuan Frequent Itemset
Penerapan Stuktur FP-Tree dan Algoritma FP-Growth dalam Optimasi Penentuan Frequent Itemset David Samuel/NIM :13506081 1) 1) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciBAB 1. PENDAHULUAN 1.1. Latar Belakang Pelanggan merupakan salah satu posisi penting dalam pengembangan strategi bisnis, pelanggan juga merupakan salah satu sumber keuntungan dalam perusahaan. Untuk itu
Lebih terperinciPembentukan Temporal Association Rules Menggunakan Algoritma Apriori (Studi Kasus:Toko Batik Diyan Solo)
IJCCS, Vol.10, No.1, January 2016, pp.71~80 ISSN: 1978-1520 71 Pembentukan Temporal Association Rules Menggunakan Algoritma Apriori (Studi Kasus:Toko Batik Diyan Solo) Annisa Mauliani * 1, Sri Hartati
Lebih terperinciBAB 1 PENDAHULUAN. Sistem basis data merupakan sistem yang membantu organisasi untuk
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem basis data merupakan sistem yang membantu organisasi untuk menyimpan data-data organisasi untuk kemudian diolah dan digunakan secara optimal oleh organisasi.
Lebih terperinciBAB I PENDAHULUAN. Data mining memungkinkan penemuan pola-pola yang menarik, informasi yang
1 BAB I PENDAHULUAN Bab pendahuluan ini membahas tentang latar belakang masalah yaitu fenomena perkembangan data yang terus bertambah tetapi informasi yang dihasilkan monoton, sehingga diperlukan data
Lebih terperinciPENGGALIAN TOP-K CLOSED FREQUENT ITEMSETS BERBASIS ALGORITMA PEMETAAN TRANSAKSI
Program Studi MMT-ITS, Surabaya 2 Agustus 28 PENGGALIAN TOP-K CLOSED FREQUENT ITEMSETS BERBASIS ALGORITMA PEMETAAN TRANSAKSI Ngurah Agus Sanjaya ER dan Arif Djunaidy Program Magister Bidang Keahlian Teknik
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori 2.1.1 Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah Proses yang menggunakan
Lebih terperinciDAFTAR REFERENSI. xiii. Computer Science Education, San Jose, United States, 1997.
DAFTAR REFERENSI [AGR95] [AHW03] [CAR06] [GKK01] [HAN01] [JAC97] [PEI01] [RSL95] Agrawal, Rakesh, Ramakrishnan Srikant. 1995. Mining Sequential Patterns. IBM Research Center. Agrawal, C, Han, Jiawei, Wang,
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 terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Untuk dapat meningkatkan penjualan, pengambil keputusan / manajer toko harus dapat memperhatikan faktor-faktor yang mempengaruhi secara langsung. Salah satu
Lebih terperinciBAB 1 PENDAHULUAN. bisnis, sebuah sistem yang terintegrasi dengan baik diperlukan.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini semakin banyak perusahaan maupun institusi yang berupaya untuk meningkatkan kinerja dan efisiensi proses bisnis. Dengan semakin berkembangnya sebuah perusahaan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Kehadiran teknologi informasi terutama basis data dalam perusahaan sudah menjadi kebutuhan pokok. Banyak perusahaan yang mengumpulkan data dengan ukuran yang besar
Lebih terperinciBAB III METODOLOGI PENELITIAN
40 BAB III METODOLOGI PENELITIAN 3.1 DESAIN PENELITIAN Dalam melakukan penelitian, dibutuhkan desain penelitian agar penelitian yang dilakukan dapat berjalan dengan baik. Berikut ini merupakan desain penelitian
Lebih terperinciPENERAPAN ASSOCIATION RULE DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN DI MINIMARKET SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna
PENERAPAN ASSOCIATION RULE DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN DI MINIMARKET SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pasar modal merupakan salah satu bagian dari pasar keuangan, di samping pasar uang, yang sangat penting peranannya bagi pembangunan nasional pada umumnya dan bagi
Lebih terperinciBAB 2 TELAAH PUSTAKA
BAB 2 TELAAH PUSTAKA Pada bab ini akan dipaparkan mengenai deskripsi data mining secara umum dan landasan teori dari algoritma data mining yang digunakan pada FIKUI Mining. Selain itu, juga akan dijelaskan
Lebih terperinciJournal of Informatics and Technology, Vol 2, No 2, Tahun 2013, p
Journal of Informatics and Technology, Vol 2, No 2, Tahun 2013, p 22-28 http://ejournal-s1.undip.ac.id/index.php/joint APLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA
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 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 terperinciANALISIS DAN PERANCANGAN BASIS DATA PEMBELIAN, PENJUALAN, DAN PERSEDIAAN PADA CV. DEWI BERSAUDARA
ANALISIS DAN PERANCANGAN BASIS DATA PEMBELIAN, PENJUALAN, DAN PERSEDIAAN PADA CV. DEWI BERSAUDARA Tito Sahril Bachir Binus University, Jakarta, DKI Jakarta, Indonesia Dimas Sovereino Binus University,
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 terperinciAnalisis asosiasi Penguasaan ICT Mahasiswa Baru dan Pencapaian Prestasi Akademik Mahasiswa dengan Algoritma Apriori.
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Analisis asosiasi Penguasaan ICT Mahasiswa Baru dan Pencapaian Prestasi Akademik Mahasiswa dengan Algoritma Apriori. Kuswari Hernawati 1,
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.
BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini, informasi merupakan suatu hal yang memegang peranan yang sangat penting di dalam kehidupan manusia. Di setiap aspek kehidupan manusia, baik dalam bisnis,
Lebih terperinciPERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK PEREKOMENDASI PADA TRANSAKSI PEMINJAMAN BUKU DI PERPUSTAKAAN UNIVERSITAS DIAN NUSWANTORO
PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK PEREKOMENDASI PADA TRANSAKSI PEMINJAMAN BUKU DI PERPUSTAKAAN UNIVERSITAS DIAN NUSWANTORO Rizky Mei Anggraeni Program Studi Teknik Informatika,
Lebih terperinciANALISA DAN PERANCANGAN APLIKASI ALGORITMA APRIORI UNTUK KORELASI PENJUALAN PRODUK (STUDI KASUS : APOTIK DIORY FARMA)
ANALISA DAN PERANCANGAN APLIKASI ALGORITMA APRIORI UNTUK KORELASI PENJUALAN PRODUK (STUDI KASUS : APOTIK DIORY FARMA) Harvei Desmon Hutahaean 1, Bosker Sinaga 2, Anastasya Aritonang Rajagukguk 2 1 Program
Lebih terperinciPERSYARATAN PRODUK. 1.1 Pendahuluan Latar Belakang Tujuan
BAB 1 PERSYARATAN PRODUK Bab ini membahas mengenai hal umum dari produk yang dibuat, meliputi tujuan, ruang lingkup proyek, perspektif produk, fungsi produk dan hal umum yang lainnya. 1.1 Pendahuluan Hal
Lebih terperinciA Decision Support Tool For Association Analysis
A Decision Support Tool For Association Analysis Rina Sibuea 1, Frans Juanda Simanjuntak 2, Sulastry Napitupulu 3, Daniel Elison Daya 4 Program Studi Manajemen Informatika, Politeknik Informatika Del Jl.Sisingamangaraja,
Lebih terperinciPENERAPAN METODE ASOSIASI GSP DAN APRIORI UNTUK STOK DAN REKOMENDASI PRODUK
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 412~416 412 PENERAPAN METODE ASOSIASI GSP DAN APRIORI UNTUK STOK DAN REKOMENDASI PRODUK Elly Muningsih AMIK BSI Yogyakarta e-mail : elly.emh@bsi.ac.id
Lebih terperinciPENCARIAN ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI SEBAGAI BAHAN REKOMENDASI STRATEGI PEMASARAN PADA TOKO ACIICA
PENCARIAN ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI SEBAGAI BAHAN REKOMENDASI STRATEGI PEMASARAN PADA TOKO ACIICA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
Lebih terperinciBAB I PENDAHULUAN. proses bisnis yang berjalan dalam sebuah perusahaan.
BAB I PENDAHULUAN 1.1 Latar belakang Seiring dengan perkembangan teknologi informasi yang pesat dewasa ini, maka diperlukan adanya suatu infrastruktur teknologi informasi untuk mendukung proses bisnis
Lebih terperinciBAB III ANALISIS. Mekanisme Penyimpanan dan Pengambilan Sequence
BAB III ANALISIS Mula-mula, Bab ini akan mengemukakan analisis yang dilakukan terhadap algoritma PrefixSpan [PEI01]. Kemudian dilakukan rancangan dan implementasi algoritma tersebut. Setelah itu, program
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 terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Kebutuhan akan teori dalam dunia pendidikan sangat besar. Teori banyak di tulis ke dalam sebuah buku maupun jurnal. Pada universitas potensi utama,
Lebih terperinciPEMANFAATAN TEKNIK STEMMING UNTUK APLIKASI TEXT PROCESSING BAHASA INDONESIA SKRIPSI. Oleh : SEPTIAN BAGUS WAHYONO NPM :
PEMANFAATAN TEKNIK STEMMING UNTUK APLIKASI TEXT PROCESSING BAHASA INDONESIA SKRIPSI Oleh : SEPTIAN BAGUS WAHYONO NPM : 0734010126 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
Lebih terperinciFUZZY MULTI-CRITERIA DECISION MAKING
Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciIDENTIFIKASI POLA PENYAKIT ANAK DIBAWAH 5 TAHUN (BALITA) DENGAN MENGGUNAKAN ALGORITMA APRIORI
IDENTIFIKASI POLA PENYAKIT ANAK DIBAWAH 5 TAHUN (BALITA) DENGAN MENGGUNAKAN ALGORITMA APRIORI Ismul Zamroni 1), Indah Werdiningsih 2), Purbandini 3) 1,2,3) Program Studi S1 Sistem Informasi, Fakultas Sains
Lebih terperinciIMPLEMENTASI ALGORITMA APRIORI UNTUK MENGANALISA POLA PEMBELIAN PRODUK PADA DATA TRANSAKSI PENJUALAN
IMPLEMENTASI ALGORITMA APRIORI UNTUK MENGANALISA POLA PEMBELIAN PRODUK PADA DATA TRANSAKSI PENJUALAN 1 Wendi Wirasta, 2 Zaki Prasasti 1 Program Studi Teknik Informatika, STMIK LPKIA Bandung 2 Program Studi
Lebih terperinciBAB I PENDAHULUAN. Teknologi Informasi sekarang ini telah digunakan hampir di semua aspek
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi Informasi sekarang ini telah digunakan hampir di semua aspek kehidupan, contohnya dalam sebuah perusahaan ritel. Dengan sistem yang telah terkomputerisasi,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciIMPLEMENTASI BASIS DATA FRAGMENTASI HORIZONTAL MENGGUNAKAN METODE ASSOCIATION RULE DENGAN ALGORITMA APRIORI
IMPLEMENTASI BASIS DATA FRAGMENTASI HORIZONTAL MENGGUNAKAN METODE ASSOCIATION RULE DENGAN ALGORITMA APRIORI TUGAS AKHIR Sebagai Persyaratan Guna Meraih Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciKata kunci: graph, graph database, GIndex, subgraph query, size-increasing support constraint, discriminative fragments, index, subgraph matching
Analisis dan Implementasi Graph Indexing Pada Graph Database Menggunakan Algoritma GIndex Analysis and Implementation of Graph Indexing for Graph Database Using GIndex Algorithm Hadyan Arif 1, Kemas Rahmat
Lebih terperinciANALISA PENCARIAN FREQUENT ITEMSETS MENGGUNAKAN ALGORITMA FP-MAX
ANALISA PENCARIAN FREQUENT ITEMSETS MENGGUNAKAN ALGORITMA FP-MAX Suhatati Tjandra Dosen Teknik Informatika Sekolah Tinggi Teknik Surabaya e-mail : tati@stts.edu ABSTRAK Association rule mining merupakan
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 terperinciIMPLEMENTASI METODE ASSOSIATION RULES UNTUK MENEMUKAN POLA HUBUNGAN ANTARA DATA AKADEMIK DAN NON-AKADEMIK TUGAS AKHIR
IMPLEMENTASI METODE ASSOSIATION RULES UNTUK MENEMUKAN POLA HUBUNGAN ANTARA DATA AKADEMIK DAN NON-AKADEMIK TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciPENGENALAN POLA TRANSAKSI SIRKULASI BUKU PADA DATABASE PERPUSTAKAAN MENGGUNAKAN ALGORITMA GENERALIZED SEQUENTIAL PATTERN
PENGENALAN POLA TRANSAKSI SIRKULASI BUKU PADA DATABASE PERPUSTAKAAN MENGGUNAKAN ALGORITMA GENERALIZED SEQUENTIAL PATTERN Supardi 1, Dian Eka Ratnawati, Wayan Firdaus Mahmudy Universitas Brawijaya Malang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Data mining bertujuan untuk menemukan pola-pola yang valid, baru, mempunyai nilai guna, dan mudah dipahami dari data yang ada. Jenis pola yang dihasilkan ditentukan
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 terperinciABSTRAK. Keywords : Data Mining, Filter, Data Pre-Processing, Association, Classification, Deskriptif, Prediktif, Data Mahasiswa.
ABSTRAK Kemajuan teknologi membuat begitu mudahnya dalam pengolahan suatu informasi. Waktu tidak lagi menjadi hambatan dalam pengolahan data yang sangat banyak. Hal ini didukung pula dengan adanya perkembangan
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA 2.1 Sistem Informasi Manajemen Mcleod R dan Schell G, (2004) membagi sumber daya menjadi dua bagian yaitu sumberdaya fisikal dan sumberdaya konseptual. Sumber daya fisikal terdiri
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 terperinciPENERAPAN ALGORITMA KLASIFIKASI BERBASIS ATURAN ASOSIASI UNTUK DATA METEOROLOGI ( CUACA )
PENERAPAN ALGORITMA KLASIFIKASI BERBASIS ATURAN ASOSIASI UNTUK DATA METEOROLOGI ( CUACA ) Oleh : Rizky Kartika Putri 1209100001 Dosen Pembimbing : Dr. Imam Mukhlash S.Si, MT PENDAHULUAN 2 Latar Belakang
Lebih terperinciBAB I PENDAHULUAN. I.1 Latar Belakang I-1
BAB I PENDAHULUAN I.1 Latar Belakang Suatu pekerjaan yang tidak dijadwalkan dengan baik akan memberikan hasil yang mungkin tidak seoptimal pekerjaan yang dijadwalkan dengan baik. Sebagai contoh adalah
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 terperinciPENGELOMPOKAN DAN ANALISIS PELANGGAN DENGAN MENGGUNAKAN FUZZY C-MEANS CLUSTERING
PENGELOMPOKAN DAN ANALISIS PELANGGAN DENGAN MENGGUNAKAN FUZZY C-MEANS CLUSTERING Benedictus Andrian Henry Threstanto¹, Dhinta Darmantoro², Kiki Maulana³ ¹Teknik Informatika,, Universitas Telkom Abstrak
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 terperinciAnalisis Aturan Asosiasi Data Transaksi Supermarket Menggunakan Algoritma Apriori
Analisis Aturan Asosiasi Data Transaksi Supermarket Menggunakan Algoritma Apriori Ginanjar Abdurrahman 1) 1) Jurusan Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Jl. Karimata No.
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Association rules mining merupakan teknik data mining untuk menentukan hubungan diantara data atau bagaimana suatu kelompok data mempengaruhi suatu kelompok data lain
Lebih terperinci