SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

Ukuran: px
Mulai penontonan dengan halaman:

Download "SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA"

Transkripsi

1 Mata Kuliah Kode / SKS Program Studi Fakultas : Konsep Data Mining : IT / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pengenalan RDBMS 2 SQL Mahasiswa dapat mnegrti dan memahami tentang sistem basis data dan RDBMS Mahasiswa dapat mengerti dan memahami perintah SQL - Definisi Sistem Basis Data - Komponen Sistem Basis Data - Model RDBMS - Mahasiswa dapat menjelaskan konsep sistem basis data - Mahasiswa dapat menjelaskan komponen dan fungsi komponen sistem basis data - Mahasiswa dapat menjelaskan model RDBMS - Pengenalan SQL - Pengelompokan perintah SQL (DDL, L, DCL) - Contoh kasus - Mahasiswa dapat menjelaskan perbedaan tentang pengelompokan perintah SQL - Mahasiswa dapat membangun dan memanipulasi data dengan menggunakan SQL 7 & 8 7 & 8 Halaman 1

2 3 Pengantar dan memahami konsep dasar - Database & - Latar belakang - Definisi Data Mining - Kebutuhan - Ilmu yang berkaitan dengan - Penerapan - Tools yang digunakan 1, 2 & 5 4 Data Mining dan KDD dan memahami definisi dan konsep KDD - Mahasiswa dapat menyebut definisi, butuhan dan ilmu yang berkaitan dengan penerapan dan tools yang digunakan pada - Definisi KDD - Tahapan dalam proses KDD : Data preprocessing, Data Mining, Post processing - Mahasiswa dapat menyebut definisi KDD tahapan dalam proses KDD 1 & 5 5 Arsitektur dan Model Data Mining - Arsitektur sistem : GUI, Pattern Evaluation, Engine, Database/ warehouse, Knowledge-Base 1 & Halaman 2

3 dan memahami arsitektur sistem dan jenis-jenis model - Model Data Mining: Prediktif: klasifikasi, decision tree, regresi, analisis Time Series, prediksi, Jaringan Syaraf Tiruan & Deskriptif: Pengklusteran, Summarization, Aturan asosiasi, Sequence Discovery. 6 Model Data Mining I klasifikasi 7 Model Data Mining II klasifikasi 8 Model Data Mining III Jaringan Syaraf Tiruan komponen dari sistem dan model - Klasifikasi : Decision Trees, Rule- Based Classifier jenis model pengklasifikasian Decision Tree dan Rule-Based Classifier - Klasifikasi: Bayesian Clasifier, Support Vector Machine jenis model pengklasifikasian Bayesian Classfier dan Support Vector Machine - Jaringan Syaraf Tiruan jenis model pengklasifikasian Halaman 3

4 9 Model Data Mining IV dan memahami analisis cluster - Analisis Cluster: Definisi Analisis Cluster, K-Means dan Evaluasi Cluster definisi analisis cluster analisis cluster K-Means evaluasi cluster 10 Model Data Mining V dan memahami kosnsep dasar OLAP, Analisis Data Multidimensional dan Visualisai Data - OLAP dan Analisis Data Multidimensional - Visualisasi Data definisi OLAP, gunaan, penerapannya serta dapat memaparkan analisis data multidimensional konsep dan cara visualisasi data 11 Tools Aplikasi dan Tren dalam dan memahami tools aplikasi - Tools Aplikasi yang digunakan dalam : ORACLE, INFORMICS, CLEMENTINE, MS SQL SERVER Tren Data Mining: image, web mining, text mining 3 & 4 Halaman 4

5 dalam dan tren depan - Mahasiswa dapat menyebutkan dan menerangkan tools aplikasi, piranti lunak yang digunakan dalam - tren saat ini. 12, 13 Studi Kasus - Penerapan data minin dalam dunia bisnis dan industri 1 & 5 - Mahasiswa dapat mendiskusikan kasus yang sedang tren di dunia bisnis dan industri. REFERENSI: 1. Pang-Ning Tan, M. Steinbach, V. Kumar, Introduction to DATA MINING, Pearson Education, Inc., Boston, Berry, Michael JA. Linnof, Gordon S., Masterinh Data Mining: The Art and Science of Customer Relationship Management, John willey, Canada, Chakrabarti, Soumen, Mining the Web: Discovering Knowledge from Hypertext Data, Morgan Kauffman Series, San Fransisco, Dilly, Ruth, Student Notes: Data Mining: An Introduction, Queens University, Belfast, Url: 5. I.H. Witten and E. Frank., Data Mining: Practical Machine Learning Tools & Techniques, WEKA, The University of Waikato 6. Pyle, Dorian, Business Modeling and Data Mining, Morgan Kaufman Publisher, San Fransisco, Connoly, Thomas; Begg, Carolyn; Strachan, Anne, Database System: A Practical Approach to Design, Implementation and Management, 3 rd edition, Addison Wiley, Korth, H., Database System Concept, McGraw Hill, 4 th edition, New York, 2002 Halaman 5

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : D22.5411 / Healthcare Datamng Revisi 1 Satuan Kredit Semester : 2 sks Tgl revisi : 1 Agustus 2014 Jml Jam kuliah dalam seminggu

Lebih terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : 56601 / Data Warehouse dan Data Mng Revisi 1 Satuan Kredit Semester : 3 sks Tgl revisi : 1 September 2014 Jml Jam kuliah

Lebih terperinci

Sistem Basis Data Lanjut DATA MINING. Data Mining 1/12

Sistem 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 terperinci

SATUAN ACARA PERKULIAHAN (SAP)

SATUAN ACARA PERKULIAHAN (SAP) SATUAN ACARA PERKULIAHAN (SAP) Nama Mata Kuliah : Pemrograman Database Kode Mata Kuliah : SI 043 Bobot Kredit : 3/1 SKS Semester Penempatan : V Kedudukan Mata Kuliah : Mata Kuliah Keahlian Berkarya Mata

Lebih terperinci

Student Clustering Based on Academic Using K-Means Algoritms

Student 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 terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 5

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 5 GARIS-GARIS BESAR PROGRAM PENGAJAR PROGRAM STUDI: S1 STEM INFORMA Semester : 5 Berlaku mulai: Gasal/2010 MATA KULIAH : DATA WAREHOUSE KODE MATA KULIAH / SKS : 4010103084 / 2 SKS MATA KULIAH PRASYARAT :

Lebih terperinci

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA Mata Kuliah Kode / SKS Program Studi Fakultas : Sistem Basis Data : IT012248 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1. Pengantar Basis Data Mahasiswa dapat me-ngerti dan memahami

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH SISTEM BASIS DATA KODE : TI11. C228 / 4 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH SISTEM BASIS DATA KODE : TI11. C228 / 4 SKS Pertemuan ke Pokok Bahasan dan TIU 1. 1. PENGANTAR BASIS DATA konsep yang terdapat di dalam basis data Sub Pokok Bahasan dan TIK 1.1. Ruang lingkup mengenai mata kuliah yang diajarkan 1.2. Perbedaan sistem

Lebih terperinci

SYLLABUS, KEBUTUHAN DAN KONSEP DATA WAREHOUSE. Astrid Lestari Tungadi, S.Kom., MTI.

SYLLABUS, KEBUTUHAN DAN KONSEP DATA WAREHOUSE. Astrid Lestari Tungadi, S.Kom., MTI. SYLLABUS, KEBUTUHAN DAN KONSEP DATA WAREHOUSE Astrid Lestari Tungadi, S.Kom., MTI. PENDAHULUAN Kode Mata Kuliah : 304SI4 Nama Mata Kuliah: Data Warehouse/Data Mining Kredit : 4 sks Dosen : Stefany Yunita

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI AKUNTANSI KOMPUTER D3 BISNIS DAN KEWIRAUSAHAAN UNIVERSITAS GUNADARMA

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI AKUNTANSI KOMPUTER D3 BISNIS DAN KEWIRAUSAHAAN UNIVERSITAS GUNADARMA RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI AKUNTANSI KOMPUTER D3 BISNIS DAN KEWIRAUSAHAAN UNIVERSITAS GUNADARMA Tanggal Penyusunan 15/08/2016 Tanggal revisi 25/02/2017 Fakultas Program D3 Bisnis Kewirausahaan

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF53106 DATA MINING PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK 1 LEMBAR PENGESAHAN Rencana Pembelajaran Semester

Lebih terperinci

Abidah Elcholiqi, Beta Noranita, Indra Waspada

Abidah 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 terperinci

PERTEMUAN 13 ARSITEKTUR & MODEL DATA MINING

PERTEMUAN 13 ARSITEKTUR & MODEL DATA MINING PERTEMUAN 13 ARSITEKTUR & MODEL DATA MINING bagan lanjut Keterangan : 1. Data cleaning (Pembersihan Data) : untuk membuang data yang tidak konsisten dan noise) 2. Data integration : penggabungan data dari

Lebih terperinci

Analisis Frekuensi Pola Pembelian Konsumen Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Bon Bon Resto Semarang

Analisis Frekuensi Pola Pembelian Konsumen Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Bon Bon Resto Semarang Analisis Frekuensi Pola Pembelian Konsumen Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Bon Bon Resto Semarang Nur Imam Fachruzi Fakultas Ilmu Komputer, Universitas Dian

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Data Mining Kode/SKS: SS / (2/1/0) Dosen : SWP, KF Semester : VII

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Data Mining Kode/SKS: SS / (2/1/0) Dosen : SWP, KF Semester : VII RPS1SK08 Kurikulum 2014, Edisi : September2014 No.Revisi : 00 Hal: 1 dari 6 A. : 1. CP 3.2 : Melakukan analisis data dengan menggunakan program statistik 2. CP 10.3 : Mampu menganalisis big data dengan

Lebih terperinci

Analisa 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 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 terperinci

Analisa Data Mining Menggunakan Metode Bayes Untuk Mengukur Tingkat Kerusakan Mesin Motor (Studi Kasus Pada AHASS Astra Motor Kudus)

Analisa Data Mining Menggunakan Metode Bayes Untuk Mengukur Tingkat Kerusakan Mesin Motor (Studi Kasus Pada AHASS Astra Motor Kudus) Analisa Data Mining Menggunakan Metode Bayes Untuk Mengukur Tingkat Kerusakan Mesin Motor (Studi Kasus Pada AHASS Astra Motor Kudus) Yunus Pradika FakultasIlmuKomputer, Universitas Dian Nuswantoro, Jl.

Lebih terperinci

Mata Kuliah : Sistem Basis Data. Place photo here PENGANTAR BASIS DATA

Mata Kuliah : Sistem Basis Data. Place photo here PENGANTAR BASIS DATA Mata Kuliah : Sistem Basis Data Dosen : Karmilasari Place photo here PENGANTAR BASIS DATA Outline Sistem file tradisional vs. Sistem file basis data Konsep dasar dan Istilah-istilah dasar basis data Komponen

Lebih terperinci

Aktivitas Pembelajaran. Kegiatan Dosen

Aktivitas Pembelajaran. Kegiatan Dosen Standar Kompetensi: memahami dasar dan peranan database. melakukan proses pembentukan struktur database. memahami keamanan dan administrasi database. 1 Agar mahasiswa memahami 1. Apa yang dimaksud dengan

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER JURUSAN SISTEM INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

RENCANA PEMBELAJARAN SEMESTER JURUSAN SISTEM INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI RENCANA PEMBELAJARAN SEMESTER JURUSAN SISTEM INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI Mata Kuliah Kode Rumpun Mata Kuliah Bobot (SKS) Semester Direvisi SISTEM BASIS DATA KK-045403 Database

Lebih terperinci

SATUAN ACARA PERKULIAHAN PROGRAM PASCA SARJANA MAGISTER TEKNIK INFORMATIKA (MKom) UNIVERSITAS DIAN NUSWANTORO

SATUAN ACARA PERKULIAHAN PROGRAM PASCA SARJANA MAGISTER TEKNIK INFORMATIKA (MKom) UNIVERSITAS DIAN NUSWANTORO Pertemuan Tujuan Instruksional Umum (TIU) 1 Mahasiswa memahami konsep business Tujuan Instruksional Khusus (TIK) Pokok Bahasan Sub Pokok Bahasan Teknik Pembelajaran 1. Mahasiswa dapat menjelaskan konsep

Lebih terperinci

Sistem Basis Data Lanjut DATA WAREHOUSE. Data Warehouse 1/20

Sistem Basis Data Lanjut DATA WAREHOUSE. Data Warehouse 1/20 DATA WAREHOUSE Data Warehouse 1/20 Outline Konsep dan Arsitektur Data Warehouse Alur Data Warehouse Teknologi dan Peralatan Data Warehouse Perancangan Data Warehouse Penggunaan Oracle pada Data Warehouse

Lebih terperinci

SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran

SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran SILABUS MATAKULIAH Revisi : - Tanggal Berlaku : Maret 2015 A. Identitas 1. Nama Matakuliah : A11.54606 / Data 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer 4. Bobot sks : 3 SKS 5.

Lebih terperinci

BAB III METODOLOGI 3.1. Prosedur Penelitian Identifikasi Masalah

BAB III METODOLOGI 3.1. Prosedur Penelitian Identifikasi Masalah BAB III METODOLOGI Dalam penelitian ini metodologi memegang peranan penting guna mendapatkan data yang obyektik, valid dan selanjutnya digunakan untuk memecahkan permasalahan yang telah dirumuskan. Maka

Lebih terperinci

SILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 04 September Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran

SILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 04 September Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran SILABUS MATAKULIAH Revisi : 4 Tanggal Berlaku : 04 September 2015 A. Identitas 1. Nama Matakuliah : Data 2. Program Studi : Teknik Industri 3. Fakultas : Teknik 4. Bobot sks : 2 SKS 5. Elemen : MKB 6.

Lebih terperinci

RENCANA PEMBELAJARAN

RENCANA PEMBELAJARAN Disusun Oleh Diperiksa Oleh Disetujui Oleh Tanggal Berlaku Megawaty, M.Kom A. Haidar Mirza, S.T., M.Kom M. Izman Herdiansyah, S.T., M.M., Ph.D. Mata Kuliah : Praktikkum Basis Data Semester : 3 Kode : Sks

Lebih terperinci

SATUAN ACARA PERKULIAHAN (SAP)

SATUAN ACARA PERKULIAHAN (SAP) SATUAN ACARA PERKULIAHAN (SAP) Nama Mata : Sistem Basis Data Kode Mata : MI 020 Bobot Kredit : 3 SKS Semester Penempatan : II Kedudukan Mata : Mata Keahlian Berkarya Mata Prasyarat : - Penanggung Jawab

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH SISTEM BASIS DATA 1 (MI) KODE / SKS KK / 2 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH SISTEM BASIS DATA 1 (MI) KODE / SKS KK / 2 SKS Minggu Pokok Bahasan ke dan TIU 1. 1. PENGENALAN BASIS DATA Basis Data Sub Pokok Bahasan dan Sasaran Belajar 1.1 Perbedaan sistem file tradisional dengan sistem file basis data dan keterbatasannya 1.2

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH PENGANTAR BASIS DATA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI JURUSAN TEKNIK KOMPUTER (D3) KODE: IT014318

SATUAN ACARA PERKULIAHAN MATA KULIAH PENGANTAR BASIS DATA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI JURUSAN TEKNIK KOMPUTER (D3) KODE: IT014318 SATUAN ACARA PERKULIAHAN MATA KULIAH PENGANTAR BASIS DATA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI JURUSAN TEKNIK KOMPUTER (D3) KODE: IT0438 Minggu PENDAHULUAN Tentang Matakuliah Pengantar Basis

Lebih terperinci

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN SEKOLAH TINGGI MANAJEMEN INFORMAA KOMPUTER JAKARTA S SATUAN ACARA PERKULIAHAN Mata : Sistem Basis Data Kode Mata : MI - 16303 Jurusan / Jenjang : S1 SISTEM INFORMASI Tujuan Instruksional Umum : Mahasiswa

Lebih terperinci

SISTEM PENGOALAHAN DATA MINING INDUSTRI SEPATU MENGGUNAKAN METODE K-MEANS CLUSTERING DI JAWA TENGAH

SISTEM PENGOALAHAN DATA MINING INDUSTRI SEPATU MENGGUNAKAN METODE K-MEANS CLUSTERING DI JAWA TENGAH SISTEM PENGOALAHAN DATA MINING INDUSTRI SEPATU MENGGUNAKAN METODE K-MEANS CLUSTERING DI JAWA TENGAH Ahmad Zaqi Al Kahfi Universitas Dian Nuswantoro Email : fawkeszach@gmail.com Abstrak Pengolahan database

Lebih terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : A11.54606 / Data Mining Revisi ke : - Satuan Kredit Semester : 3 SKS Teori Tgl revisi : - Jml Jam kuliah dalam seminggu :

Lebih terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : E124909 / Data Mining Revisi ke : 4 Satuan Kredit Semester : 2 SKS Teori Tgl revisi : 16 Juli 2015 Jml Jam kuliah dalam seminggu

Lebih terperinci

Hery Suwandy Ompusunggu¹, Dhinta Darmantoro², Moch Arif Bijaksana³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom

Hery Suwandy Ompusunggu¹, Dhinta Darmantoro², Moch Arif Bijaksana³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom IMPLEMENTASI SELEKSI VARIABEL MENGGUNAKAN METODE CORRELATION-BASED FEATURE SELECTION DALAM TASK CLASSIFICATION VARIABLE SELECTION IMPLEMENTATION USING CORRELATION-BASED FEATURE SELECTION METHOD ON TASK

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)

GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Pertemuan / Minggu Pokok Bahasan / Tujuan Instruksional Umum (TIU) Sub Pokok Bahasan dan Sasaran Belajar / Tujuan Instruksional Khusus (TIK) Tehnik Pembelajaran Media Pembelajaran Evaluasi Referensi 1

Lebih terperinci

SATUAN ACARA PERKULIAHAN (SAP)

SATUAN ACARA PERKULIAHAN (SAP) SATUAN ACARA PERKULIAHAN (SAP) Nama Mata Kuliah : Perancangan Basis Data Kode Mata Kuliah : MI 026 Bobot Kredit : 3 SKS Semester Penempatan : III Kedudukan Mata Kuliah : Mata Kuliah Keahlian Berkarya Mata

Lebih terperinci

EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS

EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS Agus Sasmito Aribowo Teknik Informatika. UPN Veteran Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281

Lebih terperinci

Laudon, K. C., & Laudon, J. P. (2010). Management Information Systems : Managing the Digital Firm, 11th Edition. New Jersey: Prentice Hall.

Laudon, K. C., & Laudon, J. P. (2010). Management Information Systems : Managing the Digital Firm, 11th Edition. New Jersey: Prentice Hall. REFERENSI Badan Ketahanan Pangan Kementerian Pertanian. (2013). Panduan Pengelolaan Cadangan Pangan Pemerintah Provinsi dan Kabupaten/Kota. Jakarta: Badan Ketahanan Pangan Kementerian Pertanian. Badan

Lebih terperinci

KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING

KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING Moh Ahsan Universitas Kanjuruhan Malang ahsan@unikama.ac.id ABSTRAK. Universitas Kanjuruhan Malang

Lebih terperinci

UNIVERSITAS MERCU BUANA

UNIVERSITAS MERCU BUANA UNIVERSITAS MERCU BUANA FAKULTAS PROGRAM STUDI : Ilmu Komputer : Sistem Informasi No. Dokumen 02-3.04.1.02 Distribusi Tgl. Efektif RENCANA PEMBELAJARAN SEMESTER Mata Kuliah Kode Rumpun MK Bobot (SKS) Semester

Lebih terperinci

Pertemuan 3 dan 4 : MODEL DATA RELASIONAL

Pertemuan 3 dan 4 : MODEL DATA RELASIONAL Pertemuan 3 dan 4 : MODEL DATA RELASIONAL Tujuan Instruksional Khusus : Mahasiswa dapat menjelaskan pengertian model data relasional, istilah-istilah dalam model data relasional, jenis-jenis kunci relasional,

Lebih terperinci

Timor Setiyaningsih, Nur Syamsiah Teknik Informatika Universitas Darma Persada. Abstrak

Timor 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 terperinci

IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK EKSTRAKSI KALIMAT OPINI PADA ARTIKEL BERBAHASA INDONESIA. Tugas Akhir

IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK EKSTRAKSI KALIMAT OPINI PADA ARTIKEL BERBAHASA INDONESIA. Tugas Akhir IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK EKSTRAKSI KALIMAT OPINI PADA ARTIKEL BERBAHASA INDONESIA Tugas Akhir Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)

GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Mata Kuliah : Perancangan Basis Data Bobot Mata Kuliah : 3 Sks GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Deskripsi Mata Kuliah : Proses perancangan basis data, pendefisian kebutuhan data, representasi

Lebih terperinci

PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5

PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Jurusan Sistem Informasi, STMIK Indonesia 1 syam@stmik-indonesia.ac.id,

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH SISTEM BASIS DATA 2 (D3/SI) * KODE / SKS KK / 2 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH SISTEM BASIS DATA 2 (D3/SI) * KODE / SKS KK / 2 SKS Minggu ke Pokok Bahasan dan TIU 1. 1. PENGENALAN UMUM MATERI YANG AKAN DIAJARKAN 2. KONSEP MODEL DATA Sub Pokok Bahasan dan Sasaran Belajar 1.1. Pengenalan secara umum materi yang akan diajarkan 2.1. Review

Lebih terperinci

Student Clustering Based Olll Academic Using K.. Means Algoritms

Student Clustering Based Olll Academic Using K.. Means Algoritms Student Clustering Based Olll Academic Using K.. Means Algoritms HirOlllnm.us Leong 1, Shlnta Estn Wab.yun.ingrum 2 1,2 Faculty of Computer Science, Faculty of Computer Science Unika Soegijapranata marlon.leong@gmail.com

Lebih terperinci

OPTIMALISASI DATA PADA BAGIAN PENJUALAN DENGAN MENGGUNAKAN DATA MART DI PT. XYZ

OPTIMALISASI DATA PADA BAGIAN PENJUALAN DENGAN MENGGUNAKAN DATA MART DI PT. XYZ OPTIMALISASI DATA PADA BAGIAN PENJUALAN DENGAN MENGGUNAKAN DATA MART DI PT. XYZ Hendro Poerbo Prasetiya 1), Yogi Eka Sakti 2) 1), 2) Sistem Informasi Universitas Ma Chung Jl Villa Puncak Tidar N-01, Malang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Data 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 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 terperinci

Pengolahan Data. Algoritma C4.5 Menghitung entropi : Data Training (75%) = 220 data Data Testing (25%) = 73 data

Pengolahan Data. Algoritma C4.5 Menghitung entropi : Data Training (75%) = 220 data Data Testing (25%) = 73 data Algoritma C4.5 Menghitung entropi : engolahan Data Data Training (75%) = 220 data Data Testing (25%) = 73 data Entropi (y) = -p 1 log 2 p 1 p 2 log 2 p 2... p n log 2 p n Entropi IK -28/220*OG 2 (28/220)-156/220*OG

Lebih terperinci

PENERAPAN 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 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 terperinci

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN SEKOLAH TINGGI MANAJEMEN INFORMAA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN Mata : PERANCANGAN BASIS DATA Kode Mata : MI - 16303 Jurusan / Jenjang : S1 SISTEM KOMPUTER Tujuan Instruksional Umum

Lebih terperinci

Online Analytical Processing (OLAP)

Online Analytical Processing (OLAP) Online Analytical Processing (OLAP) OLAP 1/16 Outline Keuntungan OLAP Penyajian Data Multidimensi Peralatan OLAP dan Kategorinya Penerapan SQL pada OLAP OLAP 2/16 OLAP : Sintesa dinamis, analisis, dan

Lebih terperinci

PENERAPAN 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 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 terperinci

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN SEKOLAH TINGGI MANAJEMEN INFORMAA KOMPUTER JAKARTA S SATUAN ACARA PERKULIAHAN Mata : SISTEM BASIS DATA 2 Kode Mata : MI - 16204 Jurusan / Jenjang : D3 MANAJEMEN INFORMAA Tujuan Instruksional Umum : Mahasiswa

Lebih terperinci

Jurnal Ilmiah Widya Teknik Volume 15 Nomor

Jurnal Ilmiah Widya Teknik Volume 15 Nomor Jurnal Ilmiah Widya Teknik Volume 15 Nomor 2 2016 PEMBANGUNAN ONLINE ANALYTICAL PROCESSING YANG TERINTEGRASI DENGAN SISTEM INFORMASI HARGA BAHAN POKOK KOTA YOGYAKARTA C. Hutomo Suryolaksono 1, Paulina

Lebih terperinci

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 terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : 56607 / Bisnis Cerdas Revisi - Satuan Kredit Semester : 4 SKS Tgl revisi : - Jml Jam kuliah dalam seminggu : 200 menit Tgl

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER

RENCANA PEMBELAJARAN SEMESTER RENCANA PEMBELAJARAN SEMESTER Mata Kuliah Big Data and Data Analytics Semester Tujuh Kode SMXXXXXX Prodi MBTI Dosen Andry Alamsyah SKS 4 Capaian Pembelajaran 1. Memahami fenomena, framework, peluang dan

Lebih terperinci

SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Strategi Pembelajaran

SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Strategi Pembelajaran SILABUS MATAKULIAH Revisi : 2 Tanggal Berlaku : Maret 2014 A. Identitas 1. Nama Matakuliah : A11. 54404/ 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer 4. Bobot sks : 3 SKS 5. Elemen

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pengetahuan di dalam database. Data mining adalah proses yang menggunakan

BAB 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 terperinci

SATUAN ACARA PERKULIAHAN (SAP)

SATUAN ACARA PERKULIAHAN (SAP) SATUAN ACARA PERKULIAHAN (SAP) Nama Mata Kuliah : Sistem Basis Data II Kode Mata Kuliah : KA 035 Bobot Kredit : 3 SKS Semester Penempatan : IV Kedudukan Mata Kuliah : Mata Kuliah Keahlian Berkarya Mata

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) CDG4K3 DATA MINING Disusun oleh: SHAUFIAH PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran Semester

Lebih terperinci

ARSITEKTUR & MODEL DATA MINING

ARSITEKTUR & MODEL DATA MINING PERTEMUAN 3 ARSITEKTUR & MODEL DATA MINING 28 September 2005 Arsitektur dan Model Data Mining 1 Arsitektur : Sistm Data Mining Graphical User Interface (GUI) Pattern evaluation Data Mining Engine Database

Lebih terperinci

PENGKLASIFIKASIAN MINAT BELAJAR MAHASISWA DENGAN MODEL DATA MINING MENGGUNANAKAN METODE CLUSTERING

PENGKLASIFIKASIAN 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 terperinci

TechnoXplore ISSN : X Jurnal Ilmu Komputer & Teknologi Informasi Vol 1 No : 2, Oktober 2016

TechnoXplore ISSN : X Jurnal Ilmu Komputer & Teknologi Informasi Vol 1 No : 2, Oktober 2016 Penerapan Data Mining Pada Data Transaksi Superstore Untuk Mengetahui Kemungkinan Pelanggan Membeli Product Category Dan Product Container Secara Bersamaan Dengan Teknik Asosiasi Menggunakan Algoritma

Lebih terperinci

PENGELOMPOKAN MAHASISWA BERDASARKAN NILAI UJIAN NASIONAL DAN IPK MENGGUNAKAN METODE K-MEANS

PENGELOMPOKAN MAHASISWA BERDASARKAN NILAI UJIAN NASIONAL DAN IPK MENGGUNAKAN METODE K-MEANS PENGELOMPOKAN MAHASISWA BERDASARKAN NILAI UJIAN NASIONAL DAN IPK MENGGUNAKAN METODE K-MEANS Hartatik STMIK Amikom Manajemen Informatika STMIK AMIKOM Yogyakarta Jl. Ringroad Utara, Condong Catur, Depok,

Lebih terperinci

BAB 6 KESIMPULAN DAN SARAN

BAB 6 KESIMPULAN DAN SARAN BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan Hasil dari pembangunan sistem informasi di Lab PP adalah didapatkan sebuah sistem informasi yang dapat digunakan untuk mendata produk hasil inovasi laboratorium.

Lebih terperinci

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN SEKOLAH TINGGI MANAJEMEN INFORMAA KOMPUTER JAKARTA S SATUAN ACARA PERKULIAHAN Mata : SISTEM BASIS DATA 1 Kode Mata : MI - 15204 Jurusan / Jenjang : D3 MANAJEMEN INFORMAA Tujuan Instruksional Umum : Mahasiswa

Lebih terperinci

PROSES PERANCANGAN DATABASE

PROSES PERANCANGAN DATABASE PROSES PERANCANGAN DATABASE PENDAHULUAN Sistem informasi berbasiskan komputer terdiri dari komponen-komponen berikut ini : Database Database software Aplikasi software Hardware komputer termasuk media

Lebih terperinci

DAFTAR PUSTAKA.

DAFTAR PUSTAKA. DAFTAR PUSTAKA Aditya, Alan Nur. 2010. Jago PHP dan MySQL. Jakarta: Dunia Komputer. Al-Bahra Bin Ladjamudin. 2005. Analisis dan Desain Sistem Informasi. Yogyakarta: Graha Ilmu. Alexander F.K., Sibero.

Lebih terperinci

KAJIAN PERANCANGAN RULE KENAIKAN JABATAN PADA PT. ABC

KAJIAN PERANCANGAN RULE KENAIKAN JABATAN PADA PT. ABC KAJIAN PERANCANGAN RULE KENAIKAN JABATAN PADA PT. ABC Harry Dhika Fakultas Teknik, Matematika dan IPA Universitas Indraprasta PGRI Email: dhikatr@yahoo.com ABSTRAK Penelitian ini membahas tentang cara

Lebih terperinci

KONTRAK PERKULIAHAN. Kontrak Perkuliahan Sistem Basis Data oleh Saiful Bahri STMIK SINUS -1-

KONTRAK PERKULIAHAN. Kontrak Perkuliahan Sistem Basis Data oleh Saiful Bahri STMIK SINUS -1- KONTRAK PERKULIAHAN A. IDENTITAS MATA KULIAH 1. Nama Mata Kuliah : SISTEM BASIS DATA 2. Kode Mata Kuliah : 3. Beban SKS : 2 4. Semester : IV 5. Hari Pertemuan : Selasa, jam 14.30 dan Jumat jam 20.00 6.

Lebih terperinci

APLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus di Apotek Setya Sehat Semarang)

APLIKASI 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 terperinci

JURNAL TEKNIK, (2014) APLIKASI DATA MINING UNTUK MEMPREDIKSI PERFORMANSI MAHASISWA DENGAN METODE KLASIFIKASI DECISION TREE

JURNAL TEKNIK, (2014) APLIKASI DATA MINING UNTUK MEMPREDIKSI PERFORMANSI MAHASISWA DENGAN METODE KLASIFIKASI DECISION TREE JURNA TEKNIK, (2014) 1-6 1 AIKASI DATA MINING UNTUK MEMREDIKSI ERFORMANSI MAHASISWA DENGAN METODE KASIFIKASI DECISION TREE Irfan Fahmi, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri,

Lebih terperinci

- PERTEMUAN 1 - KNOWLEGDE DISCOVERY

- 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 terperinci

ANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT SKRIPSI. Oleh :

ANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT SKRIPSI. Oleh : ANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT SKRIPSI Oleh : Frista Yulianora 1401128832 Muchammad Hasbi Latif 1401136065 Rika Jubel Febriana

Lebih terperinci

KONTRAK PERKULIAHAN. Kontrak Perkuliahan S1 IF ST3 Telkom Purwokerto

KONTRAK PERKULIAHAN. Kontrak Perkuliahan S1 IF ST3 Telkom Purwokerto KONTRAK PERKULIAHAN Nama Mata Kuliah : PEMODELAN BASIS DATA Kode Mata Kuliah : MKB3142 SKS : Teori 2 SKS Praktek 1 Prasyarat : Pengantar Teknologi Informatika Logika dan Sistem Digital Sasaran : Mahasiswa

Lebih terperinci

Pengantar Basis Data

Pengantar Basis Data Pengantar Basis Data Sumber : 1. Connoly, Thomas; Begg, Carolyn; Strachan, Anne; Database Systems : A Practical Approach to Design, Implementation and Management, 3rd edition, Addison Wesley, 2001. 2.

Lebih terperinci

BAB 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. 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 terperinci

PENERAPAN METODE ASOSIASI GSP DAN APRIORI UNTUK STOK DAN REKOMENDASI PRODUK

PENERAPAN 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 terperinci

PENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING

PENINGKATAN 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 terperinci

PROGRAM BANTU UNTUK PERENCANAAN PENGAMBILAN MATAKULIAH

PROGRAM BANTU UNTUK PERENCANAAN PENGAMBILAN MATAKULIAH PROGRAM BANTU UNTUK PERENCANAAN PENGAMBILAN MATAKULIAH Yetli Oslan, S.Kom., MT dan Katon Wijana, S.Kom., MT Abstrak Membuat keputusan dalam menentukan perencanaan pengambilan tiap semester merupakan hal

Lebih terperinci

Garis-garis Besar Program Pembelajaran (GBPP)

Garis-garis Besar Program Pembelajaran (GBPP) Garis-garis Besar Program Pembelajaran (GBPP) Judul Matakuliah Bobot Matakuliah Kode Matakuliah : Rekayasa Perangkat Lunak : 3 SKS : Deskripsi Matakuliah Kompetensi Umum Text Book Melalui mata ajar ini

Lebih terperinci

Pokok Bahasan. Data. Perancangan Basis Data. Data. 5. Arsitektur/Abstraksi Data 6. Jenjang Data 7. Tipe File 8. Model Data

Pokok Bahasan. Data. Perancangan Basis Data. Data. 5. Arsitektur/Abstraksi Data 6. Jenjang Data 7. Tipe File 8. Model Data A. Deskripsi Singkat Matakuliah : PERANCANGAN BASIS DATA SILABUS MATA KULIAH Kode MK: Bobot SKS: 3 Semester: Mata kuliah Perancangan Basis merupakan mata kuliah lanjutan dari sistem basis data yang menyajikan

Lebih terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : A21106 / Prakt. Pengantar Revisi ke : 0 Jaringan Komputer Satuan Kredit Semester : 2 SKS Tgl revisi : 18 Juni 2013 Jml Jam

Lebih terperinci

SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING

SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Teknik Informatika. UPN Veteran Yogyakarta Jl.

Lebih terperinci

Educational Data Mining untuk Mengetahui Pola Minat Kerja Mahasiswa

Educational Data Mining untuk Mengetahui Pola Minat Kerja Mahasiswa Educational Data Mining untuk Mengetahui Pola Minat Kerja Mahasiswa Daniel Swanjaya 1, Abidatul Izzah 2 1,2 Universitas Nusantara PGRI Kediri Kontak Person: Daniel Swanjaya 1, Abidatul Izzah 2 1,2 Kampus

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)

GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Mata : Sisitem Basis Data Bobot Mata : 2 Sks GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) record-record dalam file; Storage untuk Object Oriented Database; Organisasi File Index; Organisasi File Hashing;

Lebih terperinci

ANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK APLIKASI BANK SOAL PADA BINUS SCHOOL SERPONG

ANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK APLIKASI BANK SOAL PADA BINUS SCHOOL SERPONG ANALISIS DAN PERANCANGAN SISTEM BASIS DATA UNTUK APLIKASI BANK SOAL PADA BINUS SCHOOL SERPONG Oleh Hari Wijaya 1301057564 Sevira Alvini Thomas 1301059891 Djauharry Noor D1348 ABSTRAK Tujuan penelitian

Lebih terperinci

MODEL DATA MINING DALAM PENGKLASIFIKASIAN KETERTARIKAN BELAJAR MAHASISWA MENGGUNAKAN METODE CLUSTERING

MODEL DATA MINING DALAM PENGKLASIFIKASIAN KETERTARIKAN BELAJAR MAHASISWA MENGGUNAKAN METODE CLUSTERING MODEL DATA MINING DALAM PENGKLASIFIKASIAN KETERTARIKAN BELAJAR MAHASISWA MENGGUNAKAN METODE CLUSTERING Marlindawati1), Andri2) 1), 2) Sistem Informasi UNIVERSITAS BINA DARMA Palembang Jl, Jend. A.Yani

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 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 terperinci

CLUSTERING UNTUK DATA KOMPETENSI WIDYAISWARA MENGGUNAKAN ALGORITMA KMEANS

CLUSTERING UNTUK DATA KOMPETENSI WIDYAISWARA MENGGUNAKAN ALGORITMA KMEANS CLUSTERING UNTUK DATA KOMPETENSI WIDYAISWARA MENGGUNAKAN ALGORITMA KMEANS Diana Triastuty, I Ketut Eddy Purnama, dan Surya Sumpeno Jurusan Teknik Elektro FTI, ITS, Surabaya Kampus ITS Keputih, Sukolilo,

Lebih terperinci

ANALISIS DAN PERANCANGAN DATA WAREHOUSE PENJUALAN, PEMBELIAN, DAN PERSEDIAAN UNTUK MENDUKUNG EKSEKUTIF DALAM PENGAMBILAN

ANALISIS DAN PERANCANGAN DATA WAREHOUSE PENJUALAN, PEMBELIAN, DAN PERSEDIAAN UNTUK MENDUKUNG EKSEKUTIF DALAM PENGAMBILAN ANALISIS DAN PERANCANGAN DATA WAREHOUSE PENJUALAN, PEMBELIAN, DAN PERSEDIAAN UNTUK MENDUKUNG EKSEKUTIF DALAM PENGAMBILAN KEPUTUSAN PADA PT. PUSAKA KALI AGUNG Penulis : Rustam Steven Edwin Laurentino Palit

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu pelayanan dalam dunia perbankan adalah pemberian pinjaman kredit kepada nasabah yang memenuhi syarat perbankan. kredit merupakan sumber utama penghasilan

Lebih terperinci

ANALISIS DAN PERANCANGAN SISTEM INFORMASI GEOGRAFIS BERBASIS WEB UNTUK SEBARAN RUMAH SAKIT DI WILAYAH JAKARTA BARAT

ANALISIS DAN PERANCANGAN SISTEM INFORMASI GEOGRAFIS BERBASIS WEB UNTUK SEBARAN RUMAH SAKIT DI WILAYAH JAKARTA BARAT ANALISIS DAN PERANCANGAN SISTEM INFORMASI GEOGRAFIS BERBASIS WEB UNTUK SEBARAN RUMAH SAKIT DI WILAYAH JAKARTA BARAT Eva Ayustina Binus University, Jakarta, DKI Jakarta, Indonesia Wendra Binus University,

Lebih terperinci

IMPLEMENTASI BASIS DATA FRAGMENTASI HORIZONTAL MENGGUNAKAN METODE ASSOCIATION RULE DENGAN ALGORITMA APRIORI

IMPLEMENTASI 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 terperinci

PERANCANGAN DATAMART DAN APLIKASI BUSINESS INTELLIGENCE STUDI KASUS : BINUS CAREER DAN ALUMNI CENTER

PERANCANGAN DATAMART DAN APLIKASI BUSINESS INTELLIGENCE STUDI KASUS : BINUS CAREER DAN ALUMNI CENTER PERANCANGAN DATAMART DAN APLIKASI BUSINESS INTELLIGENCE STUDI KASUS : BINUS CAREER DAN ALUMNI CENTER KEZIA MARGARET Binus University, Pademangan, Jakarta Utara, Indonesia THERESIA SURIANI Binus University,

Lebih terperinci

Penerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta)

Penerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta) Penerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta) Universitas Islam Negeri Syarif Hidayatullah Jakarta email: nurhayati@uinjkt.ac.id

Lebih terperinci