Outline. Pengertian Dasar Arsitektur Tugas Data Mining Contoh Penggunaan Data Mining
|
|
- Budi Sugiarto
- 6 tahun lalu
- Tontonan:
Transkripsi
1
2 Outine Pengertian Dasar Arsitektur Tugas Data Mining Contoh Penggunaan Data Mining
3 Latar Beakang 3
4 Mengapa harus Data Mining?
5 Definisi Data Mining
6 Pengertian Yang Saah
7 Imu Data Mining
8 Arsitektur Data Mining -1-
9 Arsitektur Data Mining -2- Knowedge Base - Daerah knowedge yang digunakan untuk memberi petunjuk pencarian atau mengevauasi hasi poa Data Mining Engine - Terdiri dari sekumpuan mode fungsiona seperti characterization, association, cassification, custer anaysis, evauation and deviation anaysis
10 Arsitektur Data Mining -3- Pattern Evauation Modue - Komponen yang berinteraksi dengan modu data mining untuk pencarian poa GUI (Graphica User Interface) - modu yang mempermudah user berinteraksi dengan sistem data mining
11 Tugas Data Mining Tugas Utama Data Mining Predictive Descriptive memprediksikan niai dari atribut tertentu berdasarkan niai dari atribut ainnya. memperoeh poa (correation, trend, custer, trajectory, anomay) untuk menyimpukan hubungan di daam data
12 Metode daam Data Mining Tugas Data Mining Predictive Descriptive Cassification Custering Time Series Anaysis Regression Association Rue Sequence Discovery
13 Predictive - Cassification Menemukan fungsi atau mode yang membedakan keas data Fungsi atau mode tsb dapat berbentuk aturan if-ese, descision tree, formua matematika, atau neura network Tujuannya untuk memperkirakan keas dari suatu objek yang abenya tidak diketahui Agoritma : Decision Tree (C4.5), Artificia Neura Network, Naïve Bayes, Genetic Agorithm, Fuzzy, Case-Based Reasoning, k-nearest Neighbor Supervised Method
14
15 Contoh
16 Contoh Lain..
17 Metode Pohon Keputusan
18 Lanj..
19 Predictive Time Series Anaysis Time series data : sekuens data yang niainya berubah setiap interva waktu tertentu. Time series data dapat dipresentasikan daam bentuk grafik atau kurva yang menunjukkan fungsi sebuah variabe data terhadap satuan waktu. Metode : Neura Network (mode Backpropagation, muti ayer perceptron) Apikasi : memprediksikan indeks harga saham
20 Contoh : Prediksi daam pasar saham garis yang tegas adaah time-series data sebenarnya dari niai saham Microsoft, dan garis putus-putus adaah time series mode yang memprediksi niai saham berdasarkan niai saham pada masa au.
21 Predictive - Regression Regression vs Cassification : - Regression diterapkan untuk mengkasifikasikan target data numerik - Cassification untuk mengkasifikasikan target data kategoria Apikasi : prediksi niai penjuaan yang akan datang berdasarkan trend data penjuaan tahun sebeumnya. Agoritma : Support Vector Machine (SVM), Generaized Linear Mode (GLM)
22 Descriptive - Custering Mengidentifikasi keompok aami dari data berdasarkan kemiripan atribut Disebut juga Segmentation Unsupervised Method : tidak satupun atribut yang digunakan untuk memandu proses pembeajaran (tidak ada abe) Agoritma : k-means, k-medoid, Fuzzy C- Means, Subtractive, Mountain, Hierarki
23 Contoh : Data Peanggan Terdiri dari dua atribut, yaitu Age (Umur) dan Income (Pendapatan). Agoritma Custering mengeompokkan keompok data kedaam tiga segment berdasarkan kedua atribut ini. - Custer 1 : popuasi berusia muda dengan pendapatan rendah - Custer 2 : popuasi berusia menengah dengan pendapatan yang ebih tinggi - Custer 3 : popuasi berusia tua dengan pendapatan yang reatif rendah.
24 Contoh
25 Lanj..
26 Descriptive Association Rue Disebut juga Market Basket Anaysis. Menganaisa tabe transaksi penjuaan dan mengidentifikasi produk-produk yang seringkai dibei bersamaan oeh customer Untuk mengidentifikasi keompok kesamaan dari produk dan kebiasaan apa yang terjadi guna kepentingan cross-seing - Untuk mencari produk apa yang biasanya terjua bersamaan - Untuk mencari tahu apa aturan yang menyebabkan kesamaan tersebut.
27 Contoh Ketika orang membei susu, dia biasanya membei keju Ketika orang membei pepsi atau coke, biasanya dia membei juice
28 Contoh Lain
29
30
31 Descriptive Sequence Anaysis Digunakan untuk mencari poa pada serangkaian kejadian yang disebut dengan Sequence. Contoh rangkaian kik pada sebuah website berisi rentetan URL. Impementasi : memodekan pembeian oeh peanggan sebagai sebuah sequence (rangkaian) data : - Pertama-tama seorang peanggan membei komputer - kemudian membei speaker - dan akhirnya membei sebuah webcam.
32 Contoh : Rangkaian Kik pada Sebuah Website Berita Setiap node adaah sebuah kategori URL. Garis meambangkan transisi antar kategori URL tersebut. Setiap transisi dikeompokan dengan sebuah bobot yang menggambarkan kemungkinan transisi antara satu URL dan URL yang ain.
33 Penerapan Data Mining Custering Tingkat keuusan
34
http://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 terperinciANALISIS ALGORITMA PREDIKSI UNTUK MENGHASILKAN PREDIKSI BEBAN LISTRIK JANGKA PENDEK
JURNAL ILMU PENGETAHUAN VOL. 3. NO. 1 AGUSTUS 2017 ANALISIS ALGORITMA PREDIKSI UNTUK MENGHASILKAN PREDIKSI BEBAN LISTRIK JANGKA PENDEK Veti Apriana 1 ; Rani Irma Handayani 2 1 Komputerisasi Akuntansi AMIK
Lebih terperinciPENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER
PENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER I. PENDAHULUAN Mahasiswa merupakan salah satu aspek penting dalam evaluasi keberhasilan penyelenggaraan
Lebih terperinciData Mining Terapan dengan Matlab
Pendahuluan i ii Data Mining Terapan dengan Matlab Pendahuluan iii DATA MINING TERAPAN DENGAN MATLAB Oleh : Budi Santosa Edisi Pertama Cetakan Pertama, 2007 Hak Cipta 2007 pada penulis, Hak Cipta dilindungi
Lebih terperinciPREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION
PREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION Lisa Yui Kurniawati 1*), Handayani Tjandrasa 2), Isye Arieshanti 3) 1,2,3) Teknik Informatika, Fakutas Teknoogi Informasi Institut
Lebih terperinciKLASIFIKASI KEBUTUHAN NON-FUNGSIONAL MENGGUNAKAN FSKNN DENGAN PENGEMBANGAN SINONIM DAN HIPERNIM BERBASIS ISO/IEC 9126
pissn: 2442-3386 eissn: 2442-4293 Vo 1 No 2 Jui 2015, 1-6 1-8 KLASIFIKASI KEBUTUHAN NON-FUNGSIONAL MENGGUNAKAN FSKNN DENGAN PENGEMBANGAN SINONIM DAN HIPERNIM BERBASIS ISO/IEC 9126 Denni Adi Ramadhani 1,
Lebih terperinciDeteksi Tumor Otak dengan Ektrasi Ciri & Feature Selection mengunakan Linear Discriminant Analysis (LDA) dan Support Vector Machine (SVM)
Deteksi Tumor Otak dengan Ektrasi Ciri & Feature Seection mengunakan Linear Discriminant Anaysis (LDA) dan Support Vector Machine (SVM) rain Tumor s Detection With Feature Extraction & Feature Seection
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 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 terperinciKlasifikasi K-NN Dan Naive Bayes Terhadap Pelacakan Ujung Jari Berbasis Camera Smartphone
POLITEKNOSAINS, Vo. XVI, No 1, Maret 2017 13 Kasifikasi K-NN Dan Naive Bayes Terhadap Peacakan Ujung Jari Berbasis Camera Smartphone Sudarno 1, Agus Kristanto 2, Taman Ginting 3 1 Teknik Eektro, Poiteknik
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Untuk menunjang peaksanaan peneitian ini diakukan tinjauan pustaka mengenai tinjauan studi yang berisi peneitian-peneitian terkait dengan pengenaan kuaitas buah, median fitering,
Lebih terperinciAnalisis 9 Saham Sektor Industri di Indonesia Menggunakan Metode SVR
Anaisis 9 Saham Sektor Industri di Indonesia Menggunakan Metode SVR Nur Adhi Nugroho1,a, Acep Purqon1,b 1 Laboratorium Fisika Bumi, Keompok Keahian Fisika Bumi dan Sistem Kompeks, Fakutas Matematika dan
Lebih terperinciJurnal Akademis dan Gagasan matematika Edisi Ke Dua Tahun 2015 Halaman 1 hingga 8
Jurna Akademis dan Gagasan tetika Edisi Ke Dua Tahun 2015 Haan 1 hingga 8 PEMBELAJARAN MATEMATIKA MENGGUNAKAN NUMBERED HEADS TOGETHER (NHT) DENGAN MEDIA POWERPOINT DAN BAGAN DITINJAU DARI KEMAMPUAN MEMORI
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penentuan dosen pembimbing tugas akhir masih dilakukan secara manual di Jurusan Teknik Informatika UMM yang hanya mengandalkan pengetahuan personal tentang spesialisasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Education data mining merupakan penelitian didasarkan data di dunia pendidikan untuk menggali dan memperoleh informasi tersembunyi dari data yang ada. Pemanfaatan education
Lebih terperinciPREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION
Lisa Yui Kurniawati, dkk, Prediksi Pergerakan Harga Vo. 4, No. 1 Juni 2014 ISSN 2088-2130 PREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION Lisa Yui Kurniawati 1*), Handayani Tjandrasa
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 terperinciLEARNING. Program Studi Ilmu Komputer FPMIPA UPI RNI IK460(Kecerdasan Buatan)
LEARNING Jiawei Han and Micheline Kamber. 2006. Data Mining Concepts and Techniques. San Fransisco : Elsevier M.Tim Jones. Artificial Intelligence A System Approach. Slide Kuliah Data Mining - Klasifikasi,
Lebih 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 terperinciData Mining. Pengenalan Sistem & Teknik, Serta Contoh Aplikasi. Avinanta Tarigan. 22 Nov Avinanta Tarigan Data Mining
Data Mining Pengenalan Sistem & Teknik, Serta Contoh Aplikasi Avinanta Tarigan 22 Nov 2008 1 Avinanta Tarigan Data Mining Outline 1 Pengertian Dasar 2 Classification Mining 3 Association Mining 4 Clustering
Lebih terperinciBAB II TINJAUAN PUSTAKA. utamanya adalah menentukan struktur yang mendasari keterkaitan (korelasi)
BAB II TINJAUAN PUSTAKA. Anaisis aktor Menurut Hair, et a. (995) anaisis faktor adaah sebuah nama umum yang diberikan kepada sebuah keas dari metode statistika mutivariat yang tujuan utamanya adaah menentukan
Lebih terperinciKonsep Data Mining. Klasifikasi : Pohon Keputusan. Bertalya Universitas Gunadarma 2009
Konsep Data Mining Klasifikasi : Pohon Keputusan Bertalya Universitas Gunadarma 2009 Definisi Klasifikasi Proses untuk menyatakan suatu objek ke salah satu kategori yg sudah didefinisikan sebelumnya. Proses
Lebih terperincisistem InformasI GgeoGgrafIs Widiastuti
sistem InformasI GgeoGgrafIs Widiastuti Universitas Gunadarma 2015 Pertemuan Ketiga Komponen Sistem Informasi Geografis Data dan Informasi.. Data menjadi Informasi Data Pemrosesan, Pengoahan, Konversi
Lebih terperinciPENGEMBANGAN MODEL SISTEM DINAMIK TERHADAP KETERSEDIAN AIR BERSIH DI KABUPATEN KUTAI TIMUR PROVINSI KALIMANTAN TIMUR
JIEM Vo.1 No. 2, Oktober 216 E-ISSN: 2541-39, ISSN Paper: 253-143 PENGEMBANGAN MODEL SISTEM DINAMIK TERHADAP KETERSEDIAN AIR BERSIH DI KABUPATEN KUTAI TIMUR PROVINSI KALIMANTAN TIMUR Dimas Primadian N,
Lebih terperinciPERBANDINGAN ANALISIS KLASIFIKASI ANTARA DECISION TREE DAN SUPPORT VECTOR MACHINE MULTICLASS UNTUK PENENTUAN JURUSAN PADA SISWA SMA
PERBANDINGAN ANALISIS KLASIFIKASI ANTARA DECISION TREE DAN SUPPORT VECTOR MACHINE MULTICLASS UNTUK PENENTUAN JURUSAN PADA SISWA SMA (Studi Kasus Nilai Mata Pelajaran Pokok di SMA Negeri 1 Jepara) SKRIPSI
Lebih terperinciDATA MINING. Pertemuan 2. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi
DATA MINING 3 SKS Semester 6 S1 Sistem Informasi Pertemuan 2 Nizar Rabbi Radliya nizar.radliya@yahoo.com Universitas Komputer Indonesia 2016 Mengapa Data Mining? Penumpukan data Minimnya pemanfaatan data
Lebih terperinciAPLIKASI METODE CROSS ENTROPY UNTUK SUPPORT VECTOR MACHINES
APLIKASI METODE CROSS ENTROPY UNTUK SUPPORT VECTOR MACHINES Tiananda Widyarini, Budi Santosa Jurusan Teknik Industri Institut Teknoogi Sepuuh Nopember (ITS) Surabaya Kampus ITS Sukoio Surabaya 60111 Emai:
Lebih terperinciPerancangan Job-Person Matching di Bagian Sediaan Non-Betalaktam Departemen Instalasi Produksi Lafiad
Jurna Teematika, vo. 9 no. 2, Institut Teknoogi Harapan Bangsa, Bandung ISSN: 1858-2516 Perancangan Job-Person Matching di Bagian Sediaan Non-Betaaktam Departemen Instaasi Produksi Lafiad Devi Puspitarini
Lebih terperinciBAB III METODE PENELITIAN
42 BAB III METODE PENELITIAN 3. Teknik Peneitian Peneitian dengan metode perbandingan eksperimenta berisikan kegiatan yang direncanakan dan diaksanakan oeh peneiti, maka dapat diperoeh bukti-bukti yang
Lebih terperinciMODUL 12 Model Prediktif
MODUL 12 Model Prediktif Prediktif Analytics adalah teknologi yang menangkap proses data mining dalam rutinitas sederhana. Kadang-kadang disebut "one-click data mining," Model ini menyederhanakan dan mengotomatisasi
Lebih terperinciBAB IV GAMBARAN UMUM METODOLOGI DATA MINING
BAB IV GAMBARAN UMUM METODOLOGI DATA MINING A. Metodologi Data Mining Metodologi Data Mining Komponen data mining pada proses KDD seringkali merupakan aplikasi iteratif yang berulang dari metodologi data
Lebih terperinciJEMBATAN WHEATSTONE. , r KEGIATAN BELAJAR 2 A. LANDASAN TEORI
KEITN BELJ 2. LNSN TEOI JEMBTN WHETSTONE aam kegiatan beajar anda teah mempeajari pengukuran hgambatan dengan menggunakan ohmmeter dan menggunakan ampermeter dan votmeter dengan metoda amper-vot-meter
Lebih terperinciSistem Pengenalan Plat Nomor Mobil Dengan Metode Principal Components Analysis
Sistem Pengenaan Pat Nomor Mobi Dengan Metode Principa Components Anaysis [Resmana Lim, et a.] Sistem Pengenaan Pat Nomor Mobi Dengan Metode Principa Components Anaysis Resmana Lim, Lukman Vendy W. 2,
Lebih terperinciTABEL MORTALITAS. Ratna Novitasari, S.Si., M.Si. Jurusan Matematika Universitas Diponegoro
TABEL MORTALITAS Ratna Novitasari, S.Si., M.Si. Jurusan Matematika Universitas Diponegoro TUJUAN Mahasiswa diharapkan mampu: 1. Memahami tabe mortaitas 2. Menjeaskan hubungan antara ajur-ajur tabe mortaitas
Lebih terperinciData Mining. Fajar Agung Nugroho, S.Kom, M.CS
Data Mining Fajar Agung Nugroho, S.Kom, M.CS fajar.nugroho@research.dinus.ac.id Textbooks Pretest 1. Jelaskan apa yang dimaksud dengan data mining? 2. Sebutkan peran data mining dan algoritma apa saja
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Persaingan dalam dunia bisnis, terlebih lagi bagi perusahaan besar, tidak lepas dari adanya proses jual beli saham. Saham secara umum merupakan surat berharga yang dapat
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 terperinciFrekuensi Alami Rangka Batang Semi-Kaku dengan Efek Gaya Aksial Ruly Irawan 1,a*
Frekuensi Aami Rangka Batang Semi-Kaku dengan Efek Gaya Aksia Ruy Irawan 1,a* 1 Program Studi Teknik Sipi,Fakutas Teknik, Universitas Sarjanawiyata Tamansiswa a nawari007@yahoo.com Abstrak Artike ini menyajikan
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 terperinciBAB I PENDAHULUAN. sistem peredaran darah orang lain. Sebelum ditransfusikan, periksa kembali sifat
BAB I PENDAHULUAN 1.1 Latar Belakang Donor darah adalah proses pengambilan darah dari seseorang secara sukarela untuk disimpan di bank darah untuk kemudian dipakai pada transfusi darah [1]. Seleksi donor
Lebih terperinciAlgoritma Data Mining
Algoritma Data Mining Algoritma Estimasi Algoritma estimasi mirip dengan algoritma klasifikasi, tapi variabel target adalah berupa bilangan numerik (kontinyu) dan bukan kategorikal (nominal atau diskrit)
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pendidikan adalah salah satu aspek terpenting bagi kehidupan manusia, yang dapat mempengaruhi manusia itu sendiri, juga menjadi faktor pendukung dalam setiap sektor
Lebih terperinciMoch. Ali Machmudi 1) 1) Stmik Bina Patria
UJI PENGARUH KARAKTERISTIK DATASET PADA PERFORMA ALGORITMA KLASIFIKASI Moch. Ali Machmudi 1) 1) Stmik Bina Patria 1) Jurusan Manjemen Informatika-D3 Email : 1 aliadhinata@gmail.com 1) Abstrak Tujuan utama
Lebih terperinciSISTEM KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN)
SISTEM KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN) Fitri Yunita Fakultas Teknik dan Ilmu Komputer, Universitas Islam Indragiri Email:Fitriyun@gmail.com Abstrak Diabetes
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1.1 Data Mining Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi
Lebih terperinciGambar 3.1 Lokasi Museum Konperensi Asia Afrika Sumber :
BAB III METODOLOGI PENELITIAN A. Lokasi dan Objek Peneitian Lokasi peneitian ini diaksanakan di Museum Konperensi Asia Afrika berokasi di Gedung Merdeka, jaan Asia Afrika No. 65 Bandung, Keurahan Braga,
Lebih terperinciLink Analysis (Superset) 3 Kategori Link Analysis (#1) 3 Kategori Link Analysis (#2) Association Rule Mining. 3 Kategori Link Analysis (#3)
Knowledge Discovery in Databases (IS704) dan Data Mining (CS704) Kuliah #7: Association Rules Mining (Bagian 1) Gunawan Jurusan Teknik Informatika Link Analysis (Superset) Tujuan: Mencari hubungan antara
Lebih terperinciBAB 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN Bab ini menguraikan penjelasan umum mengenai tugas akhir yang dikerjakan. Penjelasan tersebut meliputi latar belakang masalah, tujuan tugas akhir, lingkup tugas akhir, metodologi yang
Lebih terperinciManajemen Kinerja, Manajemen, 2 sks. Umpan Balik
Manajemen Kinerja, Manajemen, 2 sks Umpan Baik POKOK BAHASAN Umpan Baik Pengertian dan penerapan Umpan Baik 360 derajat Kriteria dan keberhasian Umpan Baik 360 derajat Keebihan dan keemahan Umpan Baik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Internet saat ini merupakan kebutuhan pokok yang tidak bisa dipisahkan dari segenap sendi kehidupan. Berbagai pekerjaan ataupun kebutuhan dapat dilakukan melalui media
Lebih terperinciSelanjutnya rancangan perkuliahan setiap pertemuan adalah sebagai berikut: Jenis Tugas TR CBR CJR MR RI PJCT M K M K M K M K M K M K T P L
Seanjutnya rancangan perkuiahan setiap pertemuan adaah sebagai berikut: Pert. Ke Aktivitas Perkuiahan Softski yang Diharapkan 1 Learning Contract - - - - - - - - - - - - Ketekunan Kedisipinan 1 Dosen membagikan
Lebih terperinciPENENTUAN CADANGAN PREMI MENGGUNAKAN METODE FACKLER PADA ASURANSI JIWA DWI GUNA
Buetin Imiah Mat. Stat. dan Terapannya (Bimaster) Voume 02, No. 2 (203), ha 5 20. PENENTUAN CAANGAN PREMI MENGGUNAKAN METOE FACKLER PAA ASURANSI JIWA WI GUNA Indri Mashitah, Neva Satyahadewi, Muhasah Novitasari
Lebih terperinciModel Optimasi Penjadwalan Proses Slitting Material Roll dengan Multi Objective Programming
Mode Optimasi Penjadwaan Proses Sitting Materia Ro dengan Muti Objective Programming Dina Nataia Prayogo Jurusan Teknik Industri, Universitas Surabaya Jaan Raya Kairungkut, Surabaya, 60293 Te: (031) 2981392,
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perguruan tinggi merupakan strata terakhir sebelum mahasiswa dapat bersaing didalam dunia kerja. Agar mampu bersaing didalam dunia kerja, mahasiswa dituntut
Lebih terperinciApa itu is K-Nearest Neighbor (KNN) Algorithm?
K-Nearest Neighbor Pendahuluan K-Nearest Neighbour atau KNN adalah salah dari algoritma instance based learning atau case-based reasoning. Definisi case based reasoning: KNN digunakan dalam banyak aplikasi
Lebih terperinciPENGARUH MOTIVASI BERKUNJUNG TERHADAP KEPUTUSAN BERKUNJUNG (Survei Pada Pengunjung Batu Night Spectacular)
PENGARUH MOTIVASI BERKUNJUNG TERHADAP KEPUTUSAN BERKUNJUNG (Survei Pada Pengunjung Batu Night Spectacular) Zainab Aminatul Ummah Sunarti Edriana Pangestuti Fakultas Ilmu Administrasi Universitas Brawijaya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penambangan Data (Data Mining) Pengertian data mining, berdasarkan beberapa orang: 1. Data mining (penambangan data) adalah suatu proses untuk menemukan suatu pengetahuan atau
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Latar Belakang Kredit merupakan salah satu usaha sekunder yang dapat dilakukan untuk pemenuhan kebutuhan sehari-hari. Pada umumnya, proses kredit dapat dilayani melalui lembaga keuangan
Lebih terperinciTINJAUAN PUSTAKA. Definisi Data Mining
TINJAUAN PUSTAKA Definisi Data Mining Sistem Manajemen Basis Data tingkat lanjut dan teknologi data warehousing mampu untuk mengumpulkan banjir data dan untuk mentransformasikannya ke dalam basis data
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi khususnya di bidang komputer sudah sangat berkembang dengan sangat pesat dan memiliki manfaat yang sangat besar di dalam kehidupan manusia. Oleh karena
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 terperinciData Mining II Estimasi
Data Mining II Estimasi Matakuliah Data warehouse Universitas Darma Persada Oleh: Adam AB Data Mining-2012-a@b 1 Tahapan proses datamining Input (Data) Metode (Algoritma Data Mining) Output (Pola/Model/
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI penelitian. Pada bab ini akan dibahas literatur dan landasan teori yang relevan dengan 2.1 Tinjauan Pustaka Kombinasi metode telah dilakukan oleh beberapa peneliti
Lebih terperinciALGORITMA CART DALAM PENENTUAN POHON KEPUTUSAN SERTIFIKASI GURU
ALGORITMA CART DALAM PENENTUAN POHON KEPUTUSAN SERTIFIKASI GURU Nu Nafi iyah Teknik Infomatika Univesitas Isam Lamongan emai: nafik_unisa26@yahoo.co.id Abstact: Mengingat pentingnya kemudahan daam meakukan
Lebih terperinciSupport Vector Machine Teori dan Aplikasinya
UNS Sebeas Maret, 28 Agustus 2017 Support Vector Machine Teori dan Apikasinya Dr. Anto Satriyo Nugroho Emai : anto.satriyo@bppt.go.id h:p://asnugroho.net Pusat Teknoogi Informasi & Komunikasi Badan Pengkajian
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Literatur Algoritma genetik merupakan salah satu algoritma yang biasanya digunakan dalam optimalisasi data. Namun penggunaan algoritma genetik dalam melakukan peramalan
Lebih terperinciBAB 2 LANDASAN TEORI. Pada bab ini akan dibahas tentang konsep dasar dan teori-teori pendukung yang berhubungan dengan sistem yang akan dibangun.
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas tentang konsep dasar dan teori-teori pendukung yang berhubungan dengan sistem yang akan dibangun. 2.1. Data Mining Data mining adalah suatu istilah yang digunakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Saham 2.1.1 Pengenalan Saham Saham adalah surat berharga yang merupakan tanda kepemilikan seseorang atau badan usaha terhadap suatu perusahaan (Athanasius, 2012). 2.1.2 Pengenalan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. yang tepat. Sistem data mining mampu memberikan informasi yang tepat dan
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Sistem data mining akan lebih efektif dan efisiensi dengan komputerisasi yang tepat. Sistem data mining mampu memberikan informasi yang
Lebih terperinciProsiding Matematika ISSN:
Prosiding Matematika ISS: 2460-6464 Mode Matematika Cadangan Premi Asuransi Kesehatan Perawatan Rumah Sakit Menggunakan Metode Prospektif Mathematica Modes of Cacuation of The Heath Insurance Premium Backup
Lebih terperinciImplementasi Fuzzy Inference System Mamdani Pada Proses Penentuan Kelulusan Calon Mahasiswa
Impementasi Fuzzy Inference System amdani Pada Proses Penentuan Keuusan Caon ahasiswa (Studi Kasus : Penerimaan ahasiswa Baru Poiteknik Negeri Lhokseumawe Jaur UPN) Rahmad Hidayat Dosen Teknik Informatika
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Studi Sebelum menyusun tugas akhir ini dilakukan tinjauan pustaka terlebih dahulu terhadap penelitian-penelitian terkait sebagai bahan referensi. Penelitian tentang
Lebih terperinciANALISIS DANA TABARRU ASURANSI JIWA SYARIAH MENGGUNAKAN PERHITUNGAN COST OF INSURANCE
Buetin Imiah Math. Stat. dan Terapannya (Bimaster) Voume 05, No. (206), ha 53-60. ANALISIS DANA TABARRU ASURANSI JIWA SYARIAH MENGGUNAKAN PERHITUNGAN COST OF INSURANCE Amanah Fitria, Neva Satyahadewi,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Data Mining Menurut Turban dalam bukunya yang berjudul Decision Support Systems and Intelligent Systems, data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan
Lebih terperinciRANCANGAN ANIMASI INTERAKTIF PENGENALAN ALAT-ALAT TRANSPORTASI UNTUK SISWA TAMAN KANAK-KANAK ISLAM AL AZZAM CILEDUK TANGERANG
SNIPTEK 2016 ISBN: 978-602-72850-3-3 RANCANGAN ANIMASI INTERAKTIF PENGENALAN ALAT-ALAT TRANSPORTASI UNTUK SISWA TAMAN KANAK-KANAK ISLAM AL AZZAM CILEDUK TANGERANG Indah Puspitorini AMIK BSI Bekasi J. Raya
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Support Vector Machines (SVM) Setelah melalui proses training dan testing dengan metode Support Vector Machines (SVM), diperoleh hasil yang tertera
Lebih terperinciMULTICRITERIA DECISION MAKING (MCDM)_3 PRASETYANINGRUM
MULTICRITERIA DECISION MAKING (MCDM)_3 IRA PRASETYANINGRUM PENDEKATAN KEPUTUSAN KELOMPOK Metoda Dephi Peniaian keompok, diakukan sharing dipandu moderator Masaah Daftar Anggota Ahi Masaah disampaikan ke
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Data Mining 2.1.1 Pengertian Data Mining Dengan semakin besarnya jumlah data dan kebutuhan akan analisis data yang akurat maka dibutuhkan metode analisis yang tepat. Data mining
Lebih terperinciPENGARUH IMPLEMENTASI CUSTOMER RELATIONSHIP MANAGEMENT (CRM) UNTUK MENJAGA LOYALITAS
PENGARUH IMPLEMENTASI CUSTOMER RELATIONSHIP MANAGEMENT (CRM) UNTUK MENJAGA LOYALITAS (Survei pada Pelanggan Kedai Kober Mie Setan di jl. Soekarno Hatta, Malang) Putri Pamungkas Sari Dewi Achmad Fauzi Fakultas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring berkembangnya teknologi informasi, kebutuhan akan informasi yang digunakan untuk mendukung business intelligent suatu perusahaan juga meningkat. Informasi penting
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Job Order merupakan pekerjaan yang dilakukan apabila ada order yang diterima dari konsumen. Setiap detil pekerjaan 100% ditentukan oleh calon pembeli, pihak pembuat
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Situs belanja online sering disebut juga dengan situs e-commerce yaitu suatu proses membeli dan menjual produk-produk secara elektronik oleh konsumen dan dari perusahaan
Lebih terperinciKata kunci: Fuzzy Adaptif, Air Fuel Ratio, duty cycle, sensor lambda.
KONTROL AIR FUEL RATIO PADA SPARK IGNITION ENGINE SISTEM EFI SEKUENSIAL MENGGUNAKAN KONTROL FUZZY ADAPTIF DAPAT MENEKAN BEAYA OPERASIONAL KENDARAAN Abdu Hamid, Ari Santoso Jurusan Teknik Eektro-FTI ITS
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 terperinciAlgoritma Dasar. 4.1 Naive Bayes
4 Algoritma Dasar It is a capital mistake to theorize before one has data. Arthur Conan Doyle Sebelum masuk ke algoritma machine learning yang cukup modern/ matematis, kami akan memberi contoh algoritma
Lebih terperinciBAB II DESKRIPISI PERUSAHAAN
BAB II DESKRIPISI PERUSAHAAN 2.1. Sejarah Perusahaan PT CI Merak Bending Pant muai dibangun pada tahun 1997. Pembangunan sempat terhenti pada tahun 1998 karena kondisi Indonesia yang kurang kondusif. Pembangunan
Lebih terperinciBAB II TINJAUAN PUSTAKA Indeks Prestasi Kumulatif dan Lama Studi. menggunakan dokumen/format resmi hasil penilaian studi mahasiswa yang sudah
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Indeks Prestasi Kumulatif dan Lama Studi Mahasiswa yang telah menyelesaikan keseluruhan beban program studi yang telah ditetapkan dapat dipertimbangkan
Lebih terperinciPREMI DANA PENSIUN DENGAN METODE ENTRY AGE NORMAL PADA STATUS GABUNGAN BERDASARKAN DISTRIBUSI EKSPONENSIAL
PREMI DANA PENSIUN DENGAN METODE ENTRY AGE NORMAL PADA STATUS GABUNGAN BERDASARKAN DISTRIBUSI EKSPONENSIAL Adhe Afriani 1*, Hasriati 2, Musraini 2 1 Mahasiswa Program S1 Matematika 2 Dosen Jurusan Matematika
Lebih terperinciManajemen Kinerja Pertemuan ke-lima. Pokok Bahasan: Penilaian Kinerja
Manajemen Kinerja Pertemuan ke-ima Pokok Bahasan: Peniaian Kinerja Manajemen Kinerja, 2 sks CHAPTER 5 PENILAIAN KINERJA 1 Pokok Bahasan: Pengertian peniaian kinerja Proses peniaian kinerja Faktor-faktor
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pertukaran informasi di zaman modern ini telah sampai pada era digital. Hal ini ditandai dengan semakin dibutuhkannya teknologi berupa komputer dan jaringan internet
Lebih terperinciANALISIS PENERAPAN TEKNIK DATAMINING DALAM PENGIMPLEMENTASIAN DAN PENGEMBANGAN MODEL ACTIVE LEARNING DENGAN METODE KELOMPOK
ANALISIS PENERAPAN TEKNIK DATAMINING DALAM PENGIMPLEMENTASIAN DAN PENGEMBANGAN MODEL ACTIVE LEARNING DENGAN METODE KELOMPOK Dody Herdiana, S.T., M. Kom. Dosen PNS DPK pada Program Studi Teknik Informatika
Lebih terperinciBab III Studi Kasus Model Double Decrement
Bab III Sudi Kasus Mode Doube Decremen Pada bab ini, akan dieaskan erebih dahuu mengenai beberapa definisi daam eori Doube Decremen. Seanunya akan dibahas benuk kuanifikasi dependensi daam kasus Doube
Lebih terperinciUKDW. BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penerimaan mahasiswa baru merupakan proses yang selalu dilakukan setiap tahunnya oleh Universitas Kristen Duta Wacana Yogyakarta (UKDW). Mahasiswa baru merupakan mahasiswa
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Information age atau computer age adalah suatu era dimana kebutuhan seseorang akan informasi menjadi suatu hal yang sangat penting. Pada saat era informasi ini seseorang
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
71 BAB IV HASIL DAN PEMBAHASAN 4.1 Pembuatan Basis Data Langkah pertama daam membangun apikasi adaah meakukan instaasi apikasi server yaitu menggunakan SQLite manager yang di insta pada browser Mozia Firefox.
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4A3 Pembelajaran Mesin Disusun oleh: Agung Toto Wibowo Said Al Faraby PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN
Lebih terperinciJurnal Ilmiah Keperawatan STIKes Medika Cikarang
FAKTOR FAKTOR YANG BERHUBUNGAN DENGAN KEBERHASILAN TOILET TRAININGPADA BATASAN USIA - TAHUN DI DUSUN II DESA KARANG RAHAYU KECAMATAN KARANG BAHAGIA KABUPATEN BEKASI TAHUN 6 Apriina Sartika ABSTRAK Toiet
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 terperinciNomor : 361/UN.3.1.4/PPd/ Maret 2015 Lampiran : 1 (satu) eksemplar : Penyebaran Informasi Beasiswa S2 STAR
UNIVERSITAS AIRLANGGA Kampus B Jaan Airangga 4 Surabaya 60286 Tep. 01-50642, 506584 Fax. 01-5026288 Website: http://www.fe.unair.ac.id E-mai: fe@unair.ac.id, info@fe.unair.ac.id Nomor : 61/UN..1.4/PPd/2015
Lebih terperinci