Kata kunci : Perpustakaan, Sistem Rekomendasi, Knowledge Discovery from Database (KDD), Association Rule Mining, Algoritma CT-PRO
|
|
- Ari Iskandar
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN ASSOCIATION RULE MINING UNTUK REKOMENDASI PENELUSURAN BUKU DENGAN ALGORITMA CT-PRO Dwi Maryati Suryana, Sri Setyaningsih, Lita Karlitasari dwimaryatisuryana@yahoo.com Program Studi Ilmu Komputer Universitas Pakuan Jl. Pakuan PB 452, Bogor, Jawa Barat Abstrak Perpustakaan Fakultas Matematika dan Ilmu Pengetahuan (FMIPA), memiliki sejumlah koleksi buku maupun media cetak lainnya, yang jumlahnya mencapai buku. Sistem penelusuran buku yang tersedia sangat membantu pengunjung untuk mencari buku yang dibutuhkan. Terutama jika sistem tersebut memiliki fitur rekomendasi buku. Dalam pemberian rekomendasi buku digunakan salah satu teknik data mining, yaitu teknik association rule mining atau penggalian aturan asosiasi. Dalam pembangunan sistem rekomendasi ini, digunakan model KDD (Knowledge Discovery from Database). Data yang digunakan adalah data transaksi histori peminjaman buku dengan kategori kimia, selama 5 (lima) bulan terakhir, yaitu September 2014 Februari Teknik penggalian aturan asosiari ini, memiliki 2 (dua) proses utama, yaitu : pencarian pola item yang sering muncul (frequent patterns) dan penentuan aturan (rule). Untuk menemukan frequent patterns, digunakan Algoritma CT-PRO. Nilai minimum support yang digunakan sebesar 1 dan 2. Setelah pola ditemukan, dihitung nilai confidence dari setiap pola tersebut. Nilai minimum confidence yang digunakan berkisar dari 10% sampai 100%. Aturan pemberian rekomendasi, didasarkan pada perhitungan nilai confidence ini. Perbandingan nilai minimum support menunjukkan, bahwa semakin besar nilai minimum support, maka semakin sedikit pola peminjaman yang dihasilkan, begitupun sebaliknya. Dalam perbandingan nilai minimum confidence menunjukkan, bahwa semakin besar nilai minimum confidence, maka semakin sedikit aturan rekomendasi yang diberikan. Kata kunci : Perpustakaan, Sistem Rekomendasi, Knowledge Discovery from Database (KDD), Association Rule Mining, Algoritma CT-PRO 1. Pendahuluan Data selalu menjadi bagian dari setiap aktivitas yang kita lakukan saat ini. We re living in data age (Jiawei Han, 2012). Akibatnya, pertumbuhan data menjadi hal yang tak terelakkan lagi. Dari yang ukurannya byte hingga ke petabyte. Untuk mengolah jutaan, bahkan milyaran data yang tersimpan dalam suatu penyimpanan data elektronik, dibutuhkan tools yang sesuai. Pengolahan data disini bertujuan untuk menghasilkan informasi yang bisa membantu manajemen dalam mengambil keputusan. Dari dasar inilah, lahir konsep data mining. Data mining adalah sebuah proses dasar dimana metode kecerdasan digunakan untuk menghasilkan pola data (Jiawei Han, 2012). Perpustakaan Fakultas Matematika dan Ilmu Pengetahuan Alam (MIPA) di Universitas Pakuan, memiliki statistik pengunjung 30 orang perhari pada tahun Jumlah buku yang tersedia mencapai buku. Bagi pengunjung yang bertujuan mencari referensi dari suatu topik, sistem penelusuran buku yang telah tersedia di perpustakaan ini menjadi sasaran utama. Karena dalam 1
2 mencari referensi biasanya dibutuhkan lebih dari satu buku, maka suatu fasilitas rekomendasi buku dari sistem akan sangat membantu pengunjung. Metode penggalian aturan asosiasi (association rule mining) merupakan salah satu metode dalam konsep data mining, yang bertujuan untuk mencari pola yang menarik dalam sejumlah transaksi. Pada umumnya algoritma yang digunakan dalam metode asosiasi ini adalah Apriori dan FP Growth. Algoritma FP Growth merupakan perbaikan dari algoritma Apriori dari segi kecepatan eksekusi. Namun, algoritma FP Growth membutuhkan banyak memori, sehingga muncul beberapa algoritma hasil pengembangan dari FP Growth. CT-PRO merupakan salah satunya. Pada penelitian ini, digunakan algoritma CT-PRO. Algoritma ini digunakan untuk mencari pola frekuensi (frequent pattern) dari transaksi peminjaman buku (buku apa saja yang dipinjam dalam suatu transaksi peminjaman). Dari pola frekuensi tersebut, dihasilkan rekomendasi buku lainnya dari suatu buku yang dicari user dalam sistem penelusuran buku. Penelitian ini bertujuan untuk menerapkan metode association rule mining untuk rekomendasi penelusuran buku dengan menggunakan algoritma CT-PRO. Manfaat dalam penelitian ini diharapkan : a. Sebagai rujukan untuk menambah fitur rekomendasi pada sistem penelusuran buku yang telah ada, agar mempermudah pengunjung dalam mencari referensi yang berkaitan. b. Memberikan pengetahuan mengenai penggunaan data mining dengan teknik association rule untuk memberikan rekomendasi buku melalui transaksi peminjaman. 2. Tinjauan Pustaka Ada 2 (dua) proses utama dalam penggalian aturan asosiasi, yaitu : a. pencarian pola (frequent pattern) dari sejumlah transaksi b. penentuan kuatnya rule (aturan) dari pola yang dihasilkan. Dalam association rule mining ada 2 (dua) hal yang mempengaruhi : a. Support Support adalah proporsi suatu item dalam semua transaksi. Support dirumuskan sebagai berikut : ( ) b. Confidence Confidence adalah hal yang mendasari aturan asosiasi, dengan konsep implikasi (x => y), atau if... then.... Besarnya nilai confidence suatu aturan (rule) dirumuskan sebagai berikut : ( ) Nilai minimum support dan minimum confidence bisa diatur oleh pengguna ataupun ahli yang berkaitan (Han, Jiawei. 2012). Sucahyo, Gopalan (2004) telah melakukan penelitian yang berjudul CT-PRO: A Bottom-Up Non Recursive Frequent Itemset Mining Algorithm Using Compressed FP- Tree Data Structure. Pada penelitian ini, diperkenalkan algoritma baru sebagai pengembangan dari algoritma FP Growth, yaitu CT-PRO. Penulis juga melakukan perbandingan waktu eksekusi antara algoritma CT-PRO, 2
3 FP Growth dan Apriori. Pada perbandingan waktu tersebut menunjukkan, bahwa algoritma CT- PRO mempunyai waktu eksekusi paling sedikit. Gupta (2011) telah melakukan penelitian yang berjudul FP-Tree Based Algorithms Analysis: FPGrowth, COFI-Tree and CT-PRO. Pada penelitian ini, penulis membandingkan ketiga algoritma yang berbasis FP Tree, yaitu algoritma FP Growth, COFI-Tree dan CT-PRO. COFI-Tree dan CT-PRO merupakan pengembangan dari algoritma FP Growth. Langkah langkah ketiga algoritma ini dijelaskan melalui studi kasus yang sama. Perbandingan ketiga algoritma ini dinilai dari aspek struktur, pendekatan, teknik, utilisasi memori dan basis data. Wandi, Hendrawan dan Mukhlason (2012) telah melakukan penelitian yang berjudul Pengembangan Sistem Rekomendasi Penelusuran Buku dengan Penggalian Association Rule Menggunakan Algoritma Apriori (Studi Kasus Badan Perpustakaan dan Kearsipan Provinsi Jawa Timur). Pada penelitian ini, pemberian rekomendasi buku menggunakan aturan asosiasi dengan algoritma Apriori. Nilai minimum support 1,2,3,4 dan nilai minimum confidence 10% - 100%. Nilai minimum support dan confidence yang beragam itu digunakan untuk melihat perbandingan eksekusi waktu. 3. Metode Penelitian Untuk penelitian ini digunakan model KDD (Knowledge Discovery from Database). Model ini memiliki 7 (tujuh) fase, yaitu : pembersihan data, penyatuan data, pemilihan data, transformasi data, penggalian data, pengujian pola dan penyajian pengetahuan. Berikut penjabaran untuk setiap fase dalam penelitian ini. a. Pembersihan Data (Data Cleaning) Pada tahap ini, dilakukan penghapusan untuk data yang mengganggu (noise) dan yang ridak relevan. Tahap ini sangat penting, karena hasil dati proses data mining ini tergantung pada kualitas data yang dipilih. Contoh hal yang dilakukan pada tahap pembersihan data adalah : menghapus record yang duplikat, atau record yang banyak mengandung missing value. b. Penyatuan Data (Data Integration) Tahap ini dilakukan untuk menyatukan data, apabila data tersebut berada dari berbagai lokasi penyimpanan data (database atau data warehouse). c. Pemilihan Data (Data Selection) Pada tahap ini dilakukan pemilihan data dari sejumlah data yang sudah dilakukan proses penyatuan data. Data yang dipilih adalah data yang berhubungan untuk proses data mining selanjutnya. Data yang tidak dibutuhkan bisa dihilangkan. d. Transformasi Data (Data Transformation) Pada tahap ini dilakukan penyesuaian format data dengan tahap selanjutnya yaitu penggalian data. Seperti mengubah format salah satu 3
4 bagian data atau mengubah format data secara keseluruhan, agar sesuai dengan tools yang akan digunakan pada saat proses perhitungan data mining. Dengan berakhirnya tahap ini, maka data sudah siap untuk diolah. e. Penggalian Data (Data Mining) Pada tahap ini, dilakukan pemilihan teknik data mining yang sesuai dengan tujuan penggalian data. Setelah itu, teknik tersebut diterapkan pada data yang sudah disiapkan sebelumnya. Hasil dari tahap ini berupa pola pola data yang menarik. f. Pengujian Pola (Pattern Evaluation) Pada tahap ini, dilakukan pengujian terhadap pola pola data yang ditemukan pada proses penggalian data. Karena, bisa jadi tidak semua pola benar benar menarik jika berdasarkan suatu ukuran (measure). Jika memenuhi standar ukuran, maka pola tersebut digunakan sebagai pengetahuan (knowledge). g. Penyajian Pengetahuan (Knowledge Presentation) Pada tahap ini, dirancang teknik teknik visual untuk menyajikan pengetahuan dari proses data mining agar mudah dimengerti oleh pengguna. Pada tahap ini pula, dilakukan implementasi terhadap perancangan tersebut ke dalam basis teknologi. 4. Hasil dan Pembahasan Data yang dibutuhkan terdapat pada database perpustakan FMIPA UNPAK. Untuk pemberian rekomendasi buku, dibutuhkan data peminjaman dan data buku, atau tabel peminjaman dan tabel buku dari database untuk 5 (lima) bulan terakhir, yaitu September 2014 Februari Data yang tidak sesuai (missing values) dihilangkan, agar tidak menganggu keakuratan perhitungan. Pembersihan data yang dilakukan pada tabel peminjaman. Pada tabel tersebut terdapat 13% (23 records) dari total 178 records, yang tidak memiliki value pada field buku. Sehingga record tersebut dihilangkan. Untuk field buku tidak dilakukan pembersihan data. Selanjutnya, dilakukan penyeleksian data pada tabel peminjaman dan buku. Field yang tidak dibutuhkan pada kedua tabel tersebut akan dihapus. Berikut merupakan daftar field yang dihapus : a. Tabel peminjaman : npm, tgl_tempo, tgl_perpanjang, kembali, id_petugas, telat, denda, bayar, sisa, angkatan dan kode_prodi. b. Tabel buku : keterangan, kode_prodi, bahan_pustaka, stok_rusak, tanggal, sumber_buku, barcode. Daftar buku dan peminjaman yang digunakan hanya yang berasal dari program studi kimia. Total buku ada 220 buku dan total peminjaman sebanyak 155 transaksi. Penambahan data dilakukan dengan menambah tabel borrow_book. Tabel ini digunakan untuk merelasikan tabel peminjaman (borrows) dan tabel buku (books), karena pada tabel peminjaman yang diisi adalah kode buku. Sehingga 4
5 untuk mendapatkan judul buku harus melihat dari tabel buku. Penyusunan (format) data juga perlu dilakukan untuk menyesuaikan tools yang digunakan dengan format data yang tersedia. Format database perpustakaan ini sudah dalam bentuk SQL (Structured Query Language), sesuai dengan tools database yang digunakan pada penelitian ini, yaitu MySQL. Selanjutnya, dilakukan pemilihan teknik data mining. Teknik data mining yang digunakan yaitu association rule mining, untuk melihat hubungan menarik antar buku yang dipinjam. Hubungan yang menarik tersebut akan memberikan informasi berupa kecenderungan peminjam untuk meminjam buku A biasanya akan meminjam pula buku B. Dari situlah rekomendasi buku diberikan. Secara umum, proses association rule mining terbagi 2 (dua), yaitu : pemilihan frequent patterns dan penentuan kuatnya suatu rule. Untuk menentukan frequent patterns, digunakan algoritma CT-PRO. Dan untuk menentukan kuatnya suatu rule, digunakan rumus nilai confidence. Agar pemahaman teknik ini lebih baik, dijabarkan langkah langkah perhitungan menggunakan data sampel sebanyak 15 transaksi peminjaman dan nilai minimum support sebesar 2 (dua). Tabel 1. Daftar Transaksi Peminjaman No Item , , , , , , , , , , , , , , , , , , , Berikut merupakan langkah langkah algoritma CT-PRO : 1. Hitung frekuensi item dari semua transaksi. item frequency Hilangkan item yang nilanya dibawah min_sup. Item 1552 dan 1602 dieliminasi karena nilainya < min_sup. 3. Masukkan item ke dalam tabel global header. Disusun dari item frekuensi terbesar ke terkecil. 5
6 Tabel 2. Global Header index item frequency Urutkan item dalam setiap transaksi menurut indeks. Tabel 3. Item Transaksi Diurutkan No Item , 5 4 1, , 5 7 3, 5 8 4, 6 9 4, , , , , , , , , , , , , , Lakukan pencarian frequent itemset secara lokal dari indeks terakhir, yaitu indeks Pilih transaksi yang mengandung indeks 8 (1730 = 2). No. Transaksi Item 18 2, , Hitung jumlah frekuensi indeks lain selain indeks 8. index item frequency Hilangkan\ item yang jumlahnya dibawah min_sup. Buat tabel lokal indeks. Item disusun dari frekuensi terbesar ke terkecil. Item indeks 8 menjadi indeks 0. index item frequency Jika ada item lain selain indeks 0, gabungkan untuk mendapatkan frequent patterns lainnya. frequent patterns : index item frequency 0,1 1730, Lakukan pencarian frequent patterns untuk indeks selanjutnya, yaitu indeks 7. Item indeks sebelumnya (item 1720) tidak dapat dibawa lagi ke pencarian selanjutnya. 6. Berikut hasil frequent patterns dari semua pencarian lokal : 6
7 Tabel 4. Hasil Frequent Patterns no item frequency , , , , , , , Selanjutnya dilakukan pengujian untuk pola (patterns) yang ditemukan apakah benar benar dapat digunakan untuk pemberian rekomendasi buku. Untuk menentukan kuat tidaknya suatu rule digunakan rumus confidence : ( ) Nilai minimum confidence (min_conf) untuk penelitian ini berkisar dari 10% - 100%. Untuk contoh perhitungan ini, misal nilai minimum confidence adalah 60%. Berikut merupakan hasil perhitungan nilai confidence untuk beberapa patterns : a. ( ) 1 x 100% = 100% b. ( ) 0.25 x 100% = 25% (tidak memenuhi nilai min_conf) c. ( ) 1 x 100% = 100% d. ( ) 0.25 x 100% = 25% (tidak memenuhi nilai min_conf). Dan seterusnya. Maka, pola (patterns) yang memenuhi nilai min_conf menjadi aturan (rule) dan dijadikan dasar pemberian rekomendasi. Sehingga bisa disimpulkan untuk hasil perhitungan ini : a. Jika meminjam Kimia Lingkungan (1730), maka juga meminjam Analisis Anorganik Kualitatif Makro dan Semikro (1722). b. Jika meminjam Kimia Lingkungan (1715), maka juga meminjam Kimia Anorganik Dasar (1722). c. Dan seterusnya. Tahap terakhir dari KDD adalah menerapkan aplikasi data mining yang telah dibuat ke lingkungan yang membutuhkan, agar dapat disajikan dengan tampilan yang memudahkan pengguna untuk memahami hasil pengetahuan (knowledge). Dalam studi kasus ini, hasil pengetahuan disajikan melalui media web, dalam bentuk sistem penelusuran buku yang memuat fitur rekomendasi penelusuran. Berikut merupakan penggambaran sistem dan teknik association rule mining dalam bentuk diagram alur (flowchart) : 7
8 Gambar 1. Diagram Alur Sistem Gambar 2. Diagram Alur Algoritma CT-PRO 8
9 Gambar 3. Diagram Alur Algoritma CT-PRO (lanjutan) 9
10 Gambar 4. Diagram Alur Perhitungan Nilai Confidence Berikut merupakan tampilan dari sistem rekomendasi buku, dari halaman pencarian, hasil pencarian, detail pencarian dan hasil perhitungan salah satu buku : Gambar 5. Halaman Pencarian Gambar 6. Halaman Hasil Pencarian 10
11 Gambar 7. Informasi buku Gambar 8. Hasil perhitungan Gambar 9. Rekomendasi buku Proses pencarian frequent patterns digunakan untuk mencari buku buku yang sering dipinjam bersamaan, dengan menggunakan algoritma CT-PRO. Nilai minimum support yang digunakan adalah 1 dan 2. Nilai minimum support didapat dari persebaran data transaksi peminjaman. Berikut merupakan hasil perbandingan nilai minimum support : 11
12 Tabel 5. Perbandingan jumlah item yang memenuhi nilai minimum confidence Minimum Support Jumlah Item Persent ase % % Tabel dan grafik perbandingan minimum support tersebut menunjukkan bahwa semakin besar nilai minimum support, maka semakin sedikit item yang dihasilkan. Begitupun sebaliknya. Untuk proses penentuan aturan (rules), digunakan rumus nilai confidence. Nilai confidence digunakan untuk menentukan seberapa besar kecenderungan suatu item yang muncul bersamaan dengan item lainnya. Nilai minimum confidence yang digunakan berkisar antara 10% - 100%. Penentuan nilai minimum confidence ini berdasarkan penelitian yang dilakukan oleh Wandi, Hendrawan dan Mukhlason (2012) dengan studi kasus yang sama (lihat Daftar Pustaka). Berikut merupakan hasil perbandingan nilai confidence terhadap jumlah rules yang dihasilkan : Tabel 6. Perbandingan total aturan yang memenuhi nilai minimum confidence Minimum Confidence Jumlah rules 10% 13 20% 13 30% 10 30% 7 40% 5 50% 3 60% 3 70% 3 80% 3 90% 3 100% 3 Dari tabel minimum confidence menunjukkan bahwa, semakin besar nilai minimum confidence, maka semakin sedikit rules yang dihasilkan, begitupun sebaliknya. Artinya, semakin sedikit rules yang dihasilkan, maka semakin sedikit pula rekomendasi buku yang bisa diberikan dan sebaliknya. Uji coba validasi ini dilakukan dengan membandingkan data peminjaman buku yang asli dengan hasil rekomendasi buku yang diberikan sistem. Berikut beberapa sampel buku yang direkomendasikan : Tabel 7. Hasil uji coba validasi No. Buku yang direkomendasikan Tanggal Peminjaman 1 Jika meminjam Kimia Universitas Asas & Struktur E5 (1699), maka meminjam FESSENDEN FESSENDEN Kimia Organik (1516) 2 Jika meminjam Kimia Lingkungan (1730), maka meminjam Kimia Anorganik Dasar (1715) Jika meminjam Prinsip - Prinsip Kimia Modern (2741), maka meminjam Kimia Universitas Asas & Struktur E5 (1699) 4 Jika meminjam Analisa Kimia Kuantitatif (2757),
13 maka meminjam Konsep Dasar Kimia Analitik (1478) 5 Jika meminjam dasar-dasar kimia organik (2759), maka meminjam Fessenden & Fessenden Kimia Organik E3 (1552) Berdasarkan data peminjaman di perpustakaan FMIPA UNPAK, buku yang paling banyak dipinjam adalah buku Konsep Dasar Kimia Analitik (1478), dengan frekuensi peminjaman sebanyak 12 kali. 5. Simpulan dan Saran Penggalian aturan asosiasi (association rule mining) digunakan untuk melihat hubungan yang menarik diantara sejumlah transaksi. Proses dalam association rule mining ada 2 (dua), yaitu : pencarian pola dan menghitung kuatnya suatu aturan. Algoritma CT-PRO ini berguna untuk mencari buku saja yang sering dipinjam secara bersamaan. Untuk menyeleksi buku yang sering dipinjam, digunakan nilai minimum support. Selain, mencari pola buku yang dipinjam bersamaan, dihitung pula nilai confidence, untuk mengukur besar kecenderungan peminjaman suatu buku bersamaan dengan buku yang lainnya. Jika nilai confidence suatu pola memenuhi nilai minimum confidence, maka buku tersebut layak direkomendasikan. Perbandingan nilai minimum support menunjukkan, bahwa semakin besar nilai minimum support, maka semakin sedikit pola peminjaman yang dihasilkan, begitupun sebaliknya. Dalam perbandingan nilai minimum confidence menunjukkan, bahwa semakin besar nilai minimum confidence, maka semakin sedikit aturan rekomendasi yang diberikan. Penerapan algoritma CT-PRO lebih efektif apabila diterapkan pada data yang mempunyai item lebih banyak pada setiap transaksi (item > 10 ). Sebagai pengembangan penelitian, dapat dilakukan perbandingan terhadap algoritma dalam association rules mining lainnya, seperti algoritma Apriori dan algoritma FP Growth terhadap studi kasus yang sama. 6. Ucapan Terima Kasih Penulis mengucapkan terima kasih yang sebesar besarnya kepada Perpustakaan Fakultas MIPA Universitas Pakuan, yang telah mengizinkan untuk melakukan penelitian. Penulis juga mengucapkan terima kasih kepada Ibu Sri Setyaningsih dan Ibu Lita Karlitasari, selaku dosen pembimbing. Juga kepada Bapak Soewarto Hardhienata, Ibu Eneng Tita Tosida, Bapak Iyan Mulyana, Ibu Arie Qur ania, Ibu Prihastuti Harsani dan Ibu Tjut Awaliyah, sebagai dosen penguji. 7. Daftar Pustaka 1) Ahlemeyer-Stubbe, Andrea. Coleman, Shirley A Practical Guide to Data Mining for Business and Industry. WILEY, United Kingdom. 2) Bell, Jason Machine Learning: Hands-On for Developers and Technical Professionals. John Wiley & Sons, Inc, Indiana Polis, Canada. 3) Brown, Meta S Data Mining For Dummies. John Wiley & Sons, Inc, New Jersey, Canada. 4) Gupta, Bharat FP-Tree Based Algorithms Analysis: FPGrowth, COFI-Tree and CT-PRO. International Journal on Computer Science and Engineering (IJCSE). 3 : ) Han, Jiawei. Kamber, Micheline. Pei, Jian Data Mining Concepts and Techniques 3rd Edition. Morgan Kaufmann, USA. 13
14 6) Harrington, Peter Machine Learning in Action. Manning, Shelter Island, New York. 7) Sucahyo, Yudho Giri. Gopalan, Raj. P CT-PRO: A Bottom-Up Non Recursive Frequent Itemset Mining Algorithm Using Compressed FP-Tree Data Structure. 8) Wandi, Nugroho. Hendrawan, Rully A. Mukhlason, Ahmad Pengembangan Sistem Rekomendasi Penelusuran Buku dengan Penggalian Association Rule Menggunakan Algoritma Apriori (Studi Kasus Badan Perpustakaan dan Kearsipan Provinsi Jawa Timur). Jurnal Teknik Institut Teknologi Sepuluh November (ITS). 1 : A445 A449. 9) 14
BAB 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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari kebutuhan akan informasi yang akurat sangat dibutuhkan dalam perkembangan masyarakat saat ini dan waktu mendatang. Namun kebutuhan informasi
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 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 terperinciBAB I PENDAHULUAN. mahasiswa yang seringkali meminjam buku harus mencari sendiri dirak rak
BAB I PENDAHULUAN I.1 Latar Belakang Perpustakaan merupakan salah satu fasilitas penyedia informasi,sumber ilmu pengetahuan,dan sarana penunjang proses kegiatan belajar bagi pengguna untuk mendapatkan
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 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 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 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 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 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 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 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 terperinciALGORITMA FP-GROWTH UNTUK PENENTUAN REKOMENDASI PENCARIAN BUKU PERPUSTAKAAN TUGAS AKHIR
ALGORITMA FP-GROWTH UNTUK PENENTUAN REKOMENDASI PENCARIAN BUKU PERPUSTAKAAN TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Disusun
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perpustakaan merupakan tempat dimana seseorang mendapatkan pengetahuan, informasi atau hiburan dengan jumlah kategori yang bervarian seperti ilmiah, non fiksi, komedi,
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 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 terperinciANALISA KONSISTENSI POLA PEMINJAMAN BUKU MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus: UPT Perpustakaan Universitas Sebelas Maret)
ANALISA KONSISTENSI POLA PEMINJAMAN BUKU MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus: UPT Perpustakaan Universitas Sebelas Maret) Miranda Nur Qolbi Aprilina 1, Wiranto 2,Widodo 3 1,2 Program Studi Informatika,
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 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 terperinciRANCANG BANGUN APLIKASI DATA MINING ANALISIS TINGKAT KELULUSAN MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus Di Politeknik Negeri Malang)
RANCANG BANGUN APLIKASI DATA MINING ANALISIS TINGKAT KELULUSAN MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus Di Politeknik Negeri Malang) Naufal Farras Hilmy 1, Banni Satria Andoko 2 Program Studi Teknik
Lebih terperinciPENERAPAN ALGORITMA APRIORI DALAM MEMPREDIKSI PERSEDIAAN BUKU PADA PERPUSTAKAAN SMA DWI TUNGGAL TANJUNG MORAWA
PENERAPAN ALGORITMA APRIORI DALAM MEMPREDIKSI PERSEDIAAN BUKU PADA PERPUSTAKAAN SMA DWI TUNGGAL TANJUNG MORAWA Domma Lingga Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-445
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-445 Pengembangan Sistem Rekomendasi Penelusuran Buku dengan Penggalian Association Rule Menggunakan Algoritma Apriori (Studi Kasus Badan Perpustakaan
Lebih terperinciANALISIS ALGORITMA APRIORI UNTUK REKOMENDASI PENEMPATAN BUKU PADA PERPUSTAKAAN
1 ANALISIS ALGORITMA APRIORI UNTUK REKOMENDASI PENEMPATAN BUKU PADA PERPUSTAKAAN 1 Uma Mazida, 2 Ricardus Anggi Pramunendar, M.Cs Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas
Lebih terperinciPENGGUNAAN ALGORITMA APRIORI UNTUK MENEMUKAN POLA PEMINJAMAN BUKU DI PERPUSTAKAAN UNIVERSITAS DIAN NUSWANTORO SEMARANG
PENGGUNAAN ALGORITMA APRIORI UNTUK MENEMUKAN POLA PEMINJAMAN BUKU DI PERPUSTAKAAN UNIVERSITAS DIAN NUSWANTORO SEMARANG Using Apriori Algorithm to Find Patterns the Loan Books in Semara ng Dian Nuswantoro
Lebih terperinciTimor Setiyaningsih, Nur Syamsiah Teknik Informatika Universitas Darma Persada. Abstrak
DATA MINING MELIHAT POLA HUBUNGAN NILAI TES MASUK MAHASISWA TERHADAP DATA KELULUSAN MAHASISWA UNTUK MEMBANTU PERGURUAN TINGGI DALAM MENGAMBIL KEBIJAKAN DALAM RANGKA PENINGKATAN MUTU PERGURUAN TINGGI Timor
Lebih terperinciPola Kompetensi Mahasiswa Program Studi Informatika Menggunakan FP-Growth
Pola Kompetensi Mahasiswa Program Studi Informatika Menggunakan FP-Growth Fitrah Rumaisa, S.T., M.Kom Prodi Teknik Informatika, Fakultas Teknik, Universitas Widyatama E-Mail: fitrah.rumaisa@widyatama.ac.id
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 terperinciPEMODELAN POLA HUBUNGAN KEMAMPUAN LULUSAN UNIVERSITAS LANCANG KUNING DENGAN KEBUTUHAN DUNIA USAHA DAN INDUSTRI
PEMODELAN POLA HUBUNGAN KEMAMPUAN LULUSAN UNIVERSITAS LANCANG KUNING DENGAN KEBUTUHAN DUNIA USAHA DAN INDUSTRI Fana Wiza Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Lancang Kuning
Lebih terperinciPENENTUAN TARGET PROMOSI PERGURUAN TINGGI DENGAN ALGORITMA APRIORI STUDI KASUS MAHASISWA TEKNIK INFORMATIKA UMM TUGAS AKHIR
PENENTUAN TARGET PROMOSI PERGURUAN TINGGI DENGAN ALGORITMA APRIORI STUDI KASUS MAHASISWA TEKNIK INFORMATIKA UMM TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciPENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-TREE DAN FP-GROWTH PADA DATA TRANSAKSI PENJUALAN OBAT
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-TREE DAN FP-GROWTH PADA DATA TRANSAKSI PENJUALAN OBAT Yuyun Dwi Lestari Program Studi Teknik Informatika, Sekolah Tinggi Teknik Harapan Jl. H. M. Jhoni 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 terperinciAbstrak. Data Mining, Algoritma Apriori, Algoritma FP-Growth, Mata Pelajaran, Pemrograman, Web Programming, Matematika, Bahasa Inggris.
Penerapan Algoritma Apriori dan Algoritma FP-Growth Dalam Menemukan Hubungan Data Nilai Ijazah Matematika dan Bahasa Inggris Dengan Nilai Mata Pelajaran Pemrograman dan Web Programming (Studi Kasus SMK
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 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 terperinciANALISA POLA DATA HASIL PEMBANGUNAN KABUPATEN MALANG MENGGUNAKAN METODE ASSOCIATION RULE
ANALISA POLA DATA HASIL PEMBANGUNAN KABUPATEN MALANG MENGGUNAKAN METODE ASSOCIATION RULE Dewi Sibagariang 1), Karina Auliasari 2) 1.2) Jurusan Teknik Informatika, Institut Teknologi Nasional Malang Jalan
Lebih terperinciPENERAPAN ASSOCIATION RULE MINING PADA DATA NOMOR UNIK PENDIDIK DAN TENAGA KEPENDIDIKAN
PENERAPAN ASSOCIATION RULE MINING PADA DATA NOMOR UNIK PENDIDIK DAN TENAGA KEPENDIDIKAN A M I UNTUK R U D D PENETAPAN I N POLA SERTFIKASI GURU Program Pascasarjana rusan Teknik Elektro Program Studi Telematika
Lebih terperinciSISTEM REKOMENDASI PEMESANAN SPAREPART DENGAN ALGORITMA FP-GROWTH (STUDI KASUS PT. ROSALIA SURAKARTA)
SISTEM REKOMENDASI PEMESANAN SPAREPART DENGAN ALGORITMA FP-GROWTH (STUDI KASUS PT. ROSALIA SURAKARTA) Nur Rohman Ardani 1), Nur Fitrina 2) 1) Magister Teknik Informatika STMIK AMIKOM Yogyakarta 2) Teknik
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 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 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 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 terperinciPENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA
PENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA Margi Cahyanti 1), Maulana Mujahidin 2), Ericks Rachmat Swedia 3) 1) Sistem Informasi Universitas Gunadarma
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 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 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 terperinci- PERTEMUAN 1 - KNOWLEGDE DISCOVERY
DATA WAREHOUSE - PERTEMUAN 1 - KNOWLEGDE DISCOVERY in DATABASE (KDD) Penemuan Pengetahuan di Database Tujuan : Mahasiswa Dapat memahami konsep KDD yang merupakan tujuan akhir dari Data Warehouse dan Data
Lebih 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 terperinciPENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING
PENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING Andreas Chandra Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email : andreaschaandra@yahoo.com
Lebih terperinciAplikasi Data Mining untuk meneliti Asosiasi Pembelian Item Barang di Supermaket dengan Metode Market Basket Analysis
Aplikasi Data Mining untuk meneliti Asosiasi Pembelian Item Barang di Supermaket dengan Metode Market Basket Analysis ANDREAS HANDOJO, GREGORIUS SATIA BUDHI, HENDRA RUSLY Jurusan Teknik Informatika Universitas
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 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 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 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 terperinciJURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: Vol. 7 No. 2 Februari 2015
SISTEM REKOMENDASI PEMBELAJARAN PADA E-LEARNING MENGGUNAKAN ALGORITMA CT-PRO Khoirul Ummah 1 Program Studi Teknik Informatika, Universitas Trunojoyo Madura Masuk: 4 September 2014, revisi masuk : 11 Januari
Lebih terperinciANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE
ANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE Diki Arisandi 1, Nofriandi 2 Jurusan Teknik Informatika, FakultTeknik,Universitas Abdurrab
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Apriori merupakan salah satu algoritma yang terkenal dalam mencari frequent pattern dari database transaksi[8]. Prinsip dari algortima Apriori ini adalah jika sebuah
Lebih terperinciDATA MINING INFORMASI TINGKAT KELULUSAN MAHASISWA STMIK PELITA NUSANTARA MEDAN. Anita Sindar RM Sinaga
DATA MINING INFORMASI TINGKAT KELULUSAN MAHASISWA STMIK PELITA NUSANTARA MEDAN Anita Sindar RM Sinaga Program Studi Teknik Informatika STIMIK Pelita Nusantara, Jl. Iskandar Muda No. 1 Medan, Indonesia
Lebih terperinciPERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA CT-Pro PADA KOMODITAS EKSPOR DAN IMPOR SKRIPSI ELISA SEMPA ARIHTA KABAN
PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA CT-Pro PADA KOMODITAS EKSPOR DAN IMPOR SKRIPSI ELISA SEMPA ARIHTA KABAN 101421012 PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Penelitian Informasi merupakan suatu unsur kunci yang penting di dalam suatu sistem konseptual. Suatu informasi dapat terbentuk melalui berbagai cara
Lebih terperinciBAB I PENDAHULUAN. yang cepat dan besar di Asia (Kartiwi, 2006). Pertumbuhan e-commerce yang
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia adalah salah satu negara dengan pertumbuhan pasar e-commerce yang cepat dan besar di Asia (Kartiwi, 2006). Pertumbuhan e-commerce yang besar tersebut membuat
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 terperinciJurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:
APLIKASI DATA MINING MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA APRIORI BERBASIS WEB PADA PERPUSTAKAAN DI SMA NEGERI 1 BUNGURSARI Tumini 1), Endro Lestanto 2) 1) Program Studi Teknik Informatika,
Lebih terperinciPENGGUNAAN ALGORITMA APRIORI UNTUK MENENTUKAN REKOMENDASI STRATEGI PENJUALAN PADA TOSERBA DIVA SKRIPSI
PENGGUNAAN ALGORITMA APRIORI UNTUK MENENTUKAN REKOMENDASI STRATEGI PENJUALAN PADA TOSERBA DIVA SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program
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 terperinciEDUCATIONAL DATA MINING (KONSEP DAN PENERAPAN)
EDUCATIONAL DATA MINING (KONSEP DAN PENERAPAN) Fitri Marisa Program Studi Teknik Informatika Universitas Widyagama Malang Jl. Borobudur No. 35 Malang (0341)492282 e-mail: fitrimarisa@widyagama.ac.id ABSTRACT
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 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 terperinciANALISA DATA PENJUALAN OBAT DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA RUMAH SAKIT UMUM DAERAH H. ABDUL MANAN SIMATUPANG KISARAN
ANALISA DATA PENJUALAN OBAT DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA RUMAH SAKIT UMUM DAERAH H. ABDUL MANAN SIMATUPANG KISARAN Chintia Oktavia Simbolon (0911456) Mahasiswa Program Studi Teknik Informatika,
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 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 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 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 terperinci1 st Seminar on Application and Research in Industrial Technology, SMART Yogyakarta, 27 April 2006
Metode Market Basket Analysis menggunakan Algoritma Pincer Search untuk Sistem Pembantu Pengambilan Keputusan Gregorius S. Budhi, Leo W. Santoso, Edward Susanto Jurusan Teknik Informatika, Fakultas Teknologi
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 V IMPLEMENTASI DAN PENGUJIAN SISTEM
BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM 5.1 Implementasi Sistem Setelah melakukan analisis sistem yang dilakukan pada tahap sebelumnya dan dirancang sedemikian rupa, maka dilakukan tahapan selanjutnya
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 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 terperinciBAB II TINJAUAN PUSTAKA. mewakilkan objek dan peristiwa yang memiliki arti dan sangat penting bagi
BAB II TINJAUAN PUSTAKA 2.1. Pengertian Data Data belum dapat dika/takan mempunyai makna penting atau informasi bagi penerima sebelum dilakukan pengolahan data. Data adalah fakta yang dapat dicatat dan
Lebih terperinciBAB IV METEDOLOGI PENELITIAN
BAB IV METEDOLOGI PENELITIAN 4.1. Desain Penelitian Desain penelitian yang digunakan adalah pendekatan cross sectional. Penelitian cross sectional dicirikan dengan satu pengukuran atau observasi untuk
Lebih terperinciAssociation Rule Mining Data Peminjaman Perpustakaan Menggunakan Apriori dan Jaccard Similarity
Association Rule Mining Data Peminjaman Perpustakaan Menggunakan Apriori dan Jaccard Similarity Muhammad Hezby Al Haq Program Studi Informatika Universitas Sebelas Maret Jl. Ir. Sutami No. 36 A, Surakarta
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 II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA II.1 Tinjauan Perusahaan CV. Aldo Putra berlokasi di Jalan Pasar Induk Gedebage No. 89/104 Bandung, bergerak dibidang grosir pakaian jadi impor. Barang yang dijual di CV. Aldo Putra
Lebih terperinciPENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN
PENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN SKRIPSI Diajukan untuk memenuhi salah satu syarat guna memperoleh gelar Sarjana Komputer (S.Kom)
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 terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Market Basket Analysis Menggunakan Algoritma FP-Growth (Kasus Data Peminjaman Buku di Perpustakaan Universitas Islam Bandung) Market Basket Analysis Using FP-Growth
Lebih terperinciPenerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy
Penerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy (Studi Kasus di PT. Telkom Cabang Wonogiri ) Moch. Yusuf
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGETAHUI POLA ASOSIASI ANTARA DATA MAHASISWA DAN TINGKAT KELULUSAN MENGGUNAKAN ALGORITMA FOLD-GROWTH
PENERAPAN DATA MINING UNTUK MENGETAHUI POLA ASOSIASI ANTARA DATA MAHASISWA DAN TINGKAT KELULUSAN MENGGUNAKAN ALGORITMA FOLD-GROWTH Betha Nurina Sari1, Drs.Muh. Arif Rahman M.Kom2, Yusi Tyroni Mursityo,S.Kom,M.S.3
Lebih terperinciMENEMUKAN POLA KOMBINASI OBAT PADA RESEP DOKTER DI APOTEK PURI SEHAT DENGAN ALGORITMA APRIORI
MENEMUKAN POLA KOMBINASI OBAT PADA RESEP DOKTER DI APOTEK PURI SEHAT DENGAN ALGORITMA APRIORI Sartika Novitasari 1, T. Sutojo, S.Si, M.Kom Teknologi Informasi, Ilmu Komputer, Universitas Dian Nuswantoro
Lebih terperinciPENENTUAN STRATEGI MARKETING PENJUALAN PRODUK DENGAN ALGORITMA APRIORI
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 50~56 50 PENENTUAN STRATEGI MARKETING PENJUALAN PRODUK DENGAN ALGORITMA APRIORI Mohammad Badrul 1 1 STMIK Nusa Mandiri Jakarta e-mail:mohammad.mbl@nusamandiri.ac.id
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 terperinciAPLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA
APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA Yuli Asriningtias, Rodhyah Mardhiyah Program Studi Teknik Informatika Fakultas Bisnis & Teknologi Informasi, Universitas Teknologi
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kartika Kosmetik merupakan toko penjualan produk kosmetik yang paling besar didaerah Rancaekek. Produk utama yang dijual di Kartika Kosmetik adalah produk-produk
Lebih terperinciJurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika V1.i1(52-62)
Analisa Pola Peminjaman Buku Perpustakaan Menggun Algoritma Apriori Azwar Anas Program Studi Pendidikan Informatika, STKIP PGRI Sumbar aans_07@yahoo.co.id http://dx.doi.org/10.22202/jei.2014.v1i1.1439
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 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 terperinciANALISIS DATA POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN SUPERMARKET PAMELLA YOGYAKARTA 1.
ANALISIS DATA POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN SUPERMARKET PAMELLA YOGYAKARTA M. Didik R. Wahyudi 1) Fusna Failasufa 2) 1) 2) Teknik Informatika FST UIN Sunan Kalijaga
Lebih 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 terperinci