ANALISIS DAN IMPLEMENTASI DATA MINING DENGAN CONTINUOUS ASSOCIATION RULE MINING ALGORITHM (CARMA) UNTUK REKOMENDASI MATA KULIAH PADA PERWALIAN
|
|
- Yuliani Kartawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS DAN IMPLEMENTASI DATA MINING DENGAN CONTINUOUS ASSOCIATION RULE MINING ALGORITHM (CARMA) UNTUK REKOMENDASI MATA KULIAH PADA PERWALIAN Dwiaji Nuraryudha 1, Shaufiah 2, Hetti Hidayati 3 1,2,3 Fakultas Informatika Telkom University, Bandung 1 dwiajinuraryudha@gmail.com, 2 ufi@ittellkom.ac.id, 3 htt@ittelkom.ac.id Abstrak Perwalian adalah tahapan yang harus dilalui oleh setiap mahasiswa pada masa registrasi semester baru. Saat perwalian, mahasiswa mengajukan mata kuliah yang akan diambil kepada dosen wali, kemudian dosen wali akan membantu dengan memberikan rekomendasi mata kuliah untuk mahasiswa walinya terutama dalam pengambilan mata kuliah pilihan. Untuk itu dibuatlah sebuah sistem rekomendasi guna membantu proses perwalian. Sistem rekomendasi ini dibuat dengan teknik Data mining menggunakan algoritma CARMA (Continuous Association rule Mining Algorithm). Hasil implementasi yang dilakukan membuktikan bahwa algoritma CARMA dapat digunakan untuk menyelesaikan proses rekomendasi mata kuliah pilihan. Rekomendasi ini berdasarkan aturan asosiasi yang terbentuk. Nilai yang didapat adalah minimum confidence=50, dan support sequence = 4. Kata kunci : Perwalian, rekomendasi, CARMA, minimum confidence, support sequence 1. Pendahuluan Perwalian adalah tahapan yang harus dilalui oleh setiap mahasiswa pada masa registrasi semester baru. Perwalian yang terdapat pada IT Telkom khususnya Fakultas Informatika menyediakan beberapa mata kuliah untuk dipilih oleh mahasiswa. Mata kuliah tersebut ada yang bersifat wajib dan khusus/pilihan. Mata kuliah pilihan tersebut biasanya diambil sesuai dengan KK (kelompok keahlian) yang diinginkan. Pada fakultas informatika terdapat tiga KK yaitu ICM, TELE, dan SIDE. Setiap KK memiliki mata kuliah pilihan yang berbeda dengan KK yang lainnya. Solusi yang ditawarkan fakultas yaitu mahasiswa harus berhubungan dengan dosen wali. Pertama, sebelum registrasi mahasiswa berkonsultasi dengan dosen wali terkait pengambilan mata kuliah. Dosen wali akan membantu dalam pengambilan mata kuliah sesuai aturan yang berlaku. Dosen wali akan memberikan rekomendasi mata kuliah untuk mahasiswa walinya terutama dalam pengambilan mata kuliah pilihan yang dilihat dari riwayat akademik mahasiswanya. Proses akhir yaitu mahasiswa dapat mencetak Kartu Studi Mahasiswa. Pada prakteknya, dosen wali memiliki kurang lebih 40 anak mahasiswa wali. Dosen wali harus memeriksa satu per satu data akademik mahasiswa dengan waktu yang terbatas. Selain itu, mahasiswa tidak pernah berkonsultasi dengan dosen wali. Mahasiswa tersebut menentukan mata kuliah pilihannya sendiri berdasarkan minat riwayat dari teman-temannya. Bila seperti ini secara terus-menerus peminatan pengambilan mata kuliah pilihan tidak dapat sesuai dengan kemampuan yang dimiliki masing-masing mahasiswa. Pada kasus perwalian, terutama dalam pengambilan Mata Kuliah Pilihan, aturan asosiasi pernah dijadikan untuk memprediksi pengambilan mata kuliah pilihan.[12] Diharapkan pemanfaatan Data mining dengan Continuous Association rule Mining Algorithm (CARMA) dapat mengelola dan menyelesaikan masalah rekomendasi ini. Dengan dua fungsi yaitu Phase I dan Phase II diharapkan mengoptimalkan pembentukan lattice yang merupakan Large itemset (frequent itemset)[1]. Dari Large itemset ini baru dibentuk aturan asosiasinya. Proses Data mining dianggap dapat menemukan knowledge baru yaitu dapat mengelompokan serta merekomendasikan mata kuliah pilihan yang diambil oleh mahasiswa. Pola rekomendasi di dapat dari pencarian aturan asosiasi dengan mencari pola atau hubungan antar mata kuliah, sehingga diharapkan CARMA dapat menemukan untuk rekomendasi. 2. Continuous Association rule Mining Algorithm (CARMA) Pada fungsi phase I, input dan output yang dikeluarkan adalah lattice V. Sebelum membaca transaksi, maka dapat dilakukan penambahan lattice V dengan menginisialisasikan lattice V = { φ } dikarenakan belum ada itemset yang masuk ke dalam V. Selain itu, atur count(φ) = 0, firsttrans(φ)= 0, maxmissed(φ) = Untuk mendapatkan V, lakukan baca setiap transaksi t i. Ada tiga tahap untuk medapatkan V yaitu[3] : a. Increment Sub tahap fungsi ini melakukan perhitungan kejadian semua itemset atau count(v) yang termasuk dari transaksi dan menjamin semua integers tersimpan di V. 74
2 b. Insert Tahapan insert yaitu memasukan beberapa itemset ke dalam lattice. Proses yang dilakukan adalah memasukan subset v yang dibaca dari transaksi-i ke dalam V jika dan hanya jika subset w dari v sudah terkandung dalam V dan berpotensial besar kemunculannya dengan syarat maxsupport (w) σ i. Hal ini sesuai dari observasi bahwa himpunan besar terhimpun dari subset-nya. Memasukan itemset v ke dalam V, atur firsttrans(v) = i & count(v) = 1 saat v termasuk pada saat transaksi t i. maxmissed(v) min [(i 1)avg i 1([σ] i 1 )] + v 1, } (2.1) maxmissed(w) + count(w) 1 Kondisi tertentu, maxmissed(v) i-1, saat himpunan kosong adalah subset dari v, φ adalah elemen dari V dan count φ bernilai i yaitu indeks transaksi pada posisi itu. c. Prune Tahap akhir dari phase I, yaitu memangkas beberapa itemset dari lattice. Prune lattice yang dilakukan dengan mmenghapus semua itemset yang berkadinalitas 2 dengan maxsupport σ i, contoh jika itemset kecil mengandung setidaknya 2 itemset. Bila hanya memiliki syarat tersebut ditakutkan akan menimbulkan prune yang cukup besar. Maka ada syarat tambahan yaitu prune di setiap floor 1 σ i atau setiap 500 transaksi dicari dua kemungkinan tersebut mana yang lebih besar. Dengan catatan bahwa beberapa strategi heuristic pruning dapat di terima asalkan hanya itemset kecil yang dihapus dan setiap kali 1-itemset dihapus semua begitu pula dengan superset-nya. Cara strategi pruning diatas dipilih dengan alasan untuk efisiensi memori. Dengan catatan, 1-itemset tidak akan diprune. Dengan demikian item yang tidak terdapat dalam lattice tidak akan muncul di transaksi, caranya dengan mengatur maxmissed dengan 0 untuk setiap 1-itemset dimasukan dalam lattice. Pada fungsi phase II, yang dijadikan sebagai input adalah output dari lattice pada phase I. Sedangkan output-nya adalah sejumlah Large itemset V. Phase II melakukan prune untuk semua itemset kecil dari V yang di dapat dari phase I dan menentukan support yang tepat untuk itemset yang tersisa. Mula-mula phase II menghapus semua itemset kecil. Contoh : itemset dengan maxsupport < σ n dari V. Membaca setiap transaksi, phase II melakukan menambah jumlah count dan mengurangi jumlah maxmissed untuk setiap itemset yang terkandung pada transaksi sampai transaksi yang mengandung itemset dimasukan. Atur maxmissed dengan nilai 0 untuk mendapatkan minsupport = maxsupport, untuk support yang nyata pada itemset. Lalu pindahkan itemset jika bernilai kecil. Atur maxmissed(v) = 0 untuk itemset v yang menghasilkan maxsupport(w) > maxsupport(v) untuk beberapa superset w dari v. Atur juga nilai maxmissed(w) dengan count(v) count(w) untuk semua superset w dari v dengan maxsupport(w) > maxsupport(v). Phase II berakhir saat indeks transaksi sebelumnya adalah firsttrans untuk semua itemset yang terdapat di lattice. Hasil lattice mengandung semua itemset besar yang bersamaan dengan support yang tepat untuk masing-masing itemset. Tahap terakhir yaitu menggabungkan dua phase yaitu phase I dan phase II sehingga dinamakan CARMA. 3. Rekomendasi dengan CARMA Gambar 3.1 Gambaran umum sistem 75
3 Pada gambar 3.1, yang dilakukan adalah dataset terlebih dahulu dilakukan preprocessing dengan menghilangkan item yang tidak diperlukan lalu menginisialisasikan item untuk mempermudah, setelah itu data diolah dalam CARMA sehingga menghasilkan Large itemset atau frequent itemset[1]. Setelah mendapatkan Large itemset masukan ke dalam pembentukan aturan asosiasi yang didapat dengan membandingkan dengan nilai minimum confidence. Aturan asosiasi yang telah di dapat akan dilakukan cek kecocokan terlebih dahulu untuk validasi. Setelah validasi memenuhi syarat, kemudian aturan asosiasi tersebut siap dijadikan acuan rekomendasi pengambilan. Sistem ini dibuat untuk membantu dosen wali untuk memudahkan proses rekomendasi pengambilan pada perwalian. Di bawah ini, merupakan tampilan rekomendasi yang akan digunakan dosen wali untuk mencari rekomendasi mahasiswa berdasarkan riwayat mata kuliah yang pernah diambil. Gambar 3.2 tampilan rekomendasi 4. Pengujian Sistem a. Tujuan Pengujian Pada penelitian ini memiliki tujuan yaitu melakukan analisis dan memperhatikan pengaruh dari nilai support sequence dan minimum confidence yang sesuai dengan memperhatikan kemunculan pada jumlah aturan asosiasi, kecocokan hingga 100, dan kemunculan. b. Pengujian Sistem Sistem yang dibuat untuk mengetahui aturan rekomendasi. Untuk itu, yang harus diperhatikan adalah banyaknya kemunculan MK pil dengan memperhatikan jumlah aturan asosiasi, kecocokan, dan kemunculan. Pada tabel 4.1, yang dilakukan adalah mengubah nilai support sequence dari 4-0,7 dengan nilai minimum confidence tetap yaitu 50 sebagai berikut. Tabel 4.1 kemunculan (support sequence) Kecoco Kemuncul kan Kemuncu an Aturan hingga lan asosiasi Selanjutnya, melakukan variasi nilai minimum confidence dengan mengambil hasil terbaik dari pengujian nilai support sequence. Support sequence yang di ambil adalah 4, lalu nilai minimum confidence dari 50-8 Tabel 4.2 merupakan hasil dari pengujian. Pada tabel ini, mengasilkan bahwa nilai minimum confidence 50 dengan support sequence 4 menghasilkan 76
4 kemunculan aturan asosiasi di, kecocokan hingga 100 di 18, dan kemuculan di 17. Tabel 4.2 kemunculan (minimum confidence) Kemunc ulan Aturan asosiasi Kecoco kan hingga 100 Kemuncu lan Analisis pengujian Dari pengujian 4.2, bila diperhatikan tabel 4.1 bahwa semakin besar nilai support sequence maka kemunculan pada aturan asosiasi, kecocokan hingga 100, dan kemunculan semakin menurun. Hal ini dikarenkan itemset yang dihasilkan sedikit sehingga berpengaruh terhadap aturan asosiasi. Pada tabel 4.2, meningkatkan nilai minimum confidence untuk meilhat peformansi, disimpulkan bahwa semakin besar nilai minimum confidence membuat kemunculan di setiap kecocokan hingga 100 dan kemunculan rekomendasi. 5. Saran Dari pengujian maka algoritma CARMA dapat digunakan untuk menyelesaikan masa perwalian yaitu perekomendasian mata kuliah pilihan informatika. Aturan asosiasi yang dihasilkan dari CARMA adalah mata kuliah wajib beserta nilai dan mata kuliah pilihan yang diambil mahasiswa beserta nilainya. CARMA memilki karakteristik yaitu semakin kecil nilai support sequence maka itemset yang dihasilkan akan semakin banyak. Nilai minimum confidence 50 dengan support sequence 4 menghasilkan kemunculan aturan asosiasi di, kecocokan hingga 100 di 18, dan kemuculan di 17. Pada pengujian 4.2, diambil kesimpulan bahwa nilai minimum confidence 50 dengan support sequence 4 menghasilkan kemunculan aturan asosiasi di, kecocokan hingga 100 di 18, dan kemuculan di 17. Daftar Pustaka: [1] Abul, Osmal. Hiding Co-Occuring Frequent Itemsets. TOBB University of Economics and Technology Ankara, Turkey. [2] Diahpangastuti, Nucifera. Sistem Rekomendasi Bidang Minat Mahasiswa Menggunakan Metode Association rule dan Algoritma Apriori, Teknik Informatika FTIF-ITS. [3] Hidber, Christian. September Online Association rule Mining. International Computer Science Institute, Berkeley [4] Huang Yuan, Xing Wang, Ben-Chang Shia Efficiency and Consistency Study on Carma. Fifth International Joint Conference on INC, IMS, and IDC. [5] Jian-min Hang, Qin Zhang Fu-zan Chen, "An Efficiently Algorithm for Mining Association rules," National Science Foundation. [6] Jiawei han & Micheline Kamber Harcourt.2006.Data mining Concepts and Techniques. Morgan Kaufmann Publishers. [7] Kusrini dan Emha Taufiz Luthfi Algoritma Data mining. Yogyakarta : CV ANDI OFFSET (Penerbit ANDI) [8] Pramod,S and O.P.Vyas. June 201 Performance Evaluation of some Online Association rule Mining Algorithms for sorted and unsorted Data sets. International Journal of Computer Application (
5 8887).Volume 2 [9] Raden Selamet Association rule. Media Informatika volume 7 nomer 1 [10] R. Agrawal, T. Imielinski, and A. Swami. May Mining Association rule between set of items in Large databases. In Proc. Of the ACM SIGMOD Conference on Management of Data, pages , Washington D.C [11] R. Agrawal and R.Srikant.Sept,1994. Fast Algorithms for Mining Association rules. In Proc. Of the 20th Int l Conf. On Very Large Databases, Santiago,Chile [12] Widodo, Mei 2008, Prediksi Mata Kuliah Pilhan dengan Aturan Asosiasi, Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Jakarta, Konferensi dan Temu Nasional Teknologi Informasi dan Komunikasi untuk Indonesia, Jakarta [13] control.cs.berkeley.edu/carma.html (Date : 30/11/12 ) [14] INSTITUSI/BP pdf (Date : 30/11/12) [15] (Date : 30/11/12) 78
ANALISA 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 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 terperinciSISTEM SISTEM REKOMENDASI BIDANG MINAT MAHASISWA MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA APRIORI
SISTEM SISTEM REKOMENDASI BIDANG MINAT MAHASISWA MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA APRIORI Nama Mahasiswa : NUCIFERA DIAHPANGASTUTI NRP : 505 00 070 Jurusan : Teknik Informatika FTIF-ITS
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 terperinciJournal of Informatics and Telecommunication Engineering. Analisa Algoritma Data Mining Eclat Dan Hui Miner
JITE, Vol. 1(1) Juli (2017) p-issn : 2549-6247 e-issn : 2549-6255 Journal of Informatics and Telecommunication Engineering Available online http://ojs.uma.ac.id/index.php/jite Analisa Algoritma Data Mining
Lebih terperinciDATA MINING UNTUK ANALISA PENJUALAN KERIPIK UD MARTOP PRATAMA MENGGUNAKAN ALGORITMA APRIORI
DATA MINING UNTUK ANALISA PENJUALAN KERIPIK UD MARTOP PRATAMA MENGGUNAKAN ALGORITMA APRIORI SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi
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 terperinciIMPLEMENTASI ALGORITMA APRIORI UNTUK MENEMUKAN FREQUENT ITEMSET DALAM KERANJANG BELANJA
Teknologi Elektro, Vol. 15, No.2, Juli - Desember 2016 27 IMPLEMENTASI ALGORITMA APRIORI UNTUK MENEMUKAN FREQUENT ITEMSET DALAM KERANJANG BELANJA Adie Wahyudi Oktavia Gama 1, I Ketut Gede Darma Putra 2,
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 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 terperinciFREQUENT ITEMSET MINING MENGGUNAKAN ALGORITMA PIE
FREQUENT ITEMSET MINING MENGGUNAKAN ALGORITMA PIE Suhatati Tjandra Dosen Teknik Informatika Sekolah Tinggi Teknik Surabaya e-mail: tati@stts.edu ABSTRAK Frequent itemset mining adalah algoritma yang digunakan
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 terperinciPEMBANGKITAN KAIDAH ASOSIASI DARI TOP-K FREQUENT CLOSED ITEMSET YANG DIDASARKAN PADA STRUKTUR DATA BERBASIS LATTICE
PEMBANGKITAN KAIDAH ASOSIASI DARI TOP-K FREQUENT CLOSED ITEMSET YANG DIDASARKAN PADA STRUKTUR DATA BERBASIS LATTICE Dian Puspita Hapsari dan Arif Djunaidy Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciPENERAPAN ASSOCIATION RULE DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN DI MINIMARKET SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna
PENERAPAN ASSOCIATION RULE DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN DI MINIMARKET SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi
Lebih terperinciBAB 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 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 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 terperinciPENGGALIAN FREQUENT CLOSED ITEMSETS DENGAN MULTIPLE MINIMUM SUPPORT PADA BASISDATA RETAIL
Vol. 5, No. 4, Juli 010 ISSN 016-0544 PENGGALIAN FREQUENT CLOSED ITEMSETS DENGAN MULTIPLE MINIMUM SUPPORT PADA BASISDATA RETAIL Endah Purwanti Program Studi Sistem Informasi, Fakultas Sains dan Teknologi,
Lebih terperinciRoyes Otpin S¹, Arie Ardiyanti Suryani², Warih Maharani³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
ANALISIS DAN IMPLEMENTASI ASSOCIATION RULE MINING PADA COLLABORATION RECOMMENDER SYSTEM MENGGUNAKAN ALGORITMA ASSOCIATION RULES FOR RECOMMENDER SYSTEM (AR-CRS) Royes Otpin S¹, Arie Ardiyanti Suryani²,
Lebih terperinciASSOCIATION RULES PADA TEXT MINING
Budi Susanto ASSOCIATION RULES PADA TEXT MINING SUSANTO 1 Tujuan Memahami algoritma Apriori dan FP- Growth Memahami penerapannya pada penambangan dokumen Memamahmi algoritma GSP Memahami penerapannya pada
Lebih terperinciPenelitian ini melakukan pencarian
7 Penelitian ini melakukan pencarian () berdasarkan urutan proses dalam bagan alir minimal non-redundant association rules mining yang ditampilkan pada Gambar 3. Penelitian ini menggunakan hasil praproses
Lebih terperinciAplikasi Data Mining dengan Menggunakan Teknik ARM untuk Pengolahan Informasi Rendemen Obat
Aplikasi Data Mining dengan Menggunakan Teknik ARM untuk Pengolahan Informasi Rendemen Obat Wiwin Suwarningsih Pusat Penelitian Informatika, LIPI wiwin@informatika.lipi.go.id Abstrak Rendemen obat merupakan
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 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 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 terperinciJURNAL IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PENJUALAN ROTI DI DIFA RIEN S BAKERY
JURNAL IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PENJUALAN ROTI DI DIFA RIEN S BAKERY Oleh: SITI TRI WAHYUNI 12.1.03.03.0033 Dibimbing oleh : 1. HERMIN ISTIASIH, ST.,MM.,MT 2. ARIE NUGROHO,
Lebih terperinciALGORITMA GENERALIZED SEQUENTIAL PATTERN UNTUK MENGGALI DATA SEKUENSIAL SIRKULASI BUKU PADA PERPUSTAKAAN UK PETRA
ALGORITMA GENERALIZED SEQUENTIAL PATTERN UNTUK MENGGALI DATA SEKUENSIAL SIRKULASI BUKU PADA PERPUSTAKAAN UK PETRA Gregorius Satia Budhi 1, Andreas Handojo, Christine Oktavina Wirawan 1,, Jurusan Teknik
Lebih terperinciImplementasi data mining menggunakan metode apriori (studi kasus transaksi penjualan barang)
Implementasi data mining menggunakan metode apriori (studi kasus transaksi penjualan barang) Maya Suhayati,M.Kom. Jurusan Teknik Informatika, STMIK Sumedang mayasuh@stmik-sumedang.ac.id ABSTRAK Dalam suatu
Lebih terperinciALGORITMA GENERALIZED SEQUENTIAL PATTERN UNTUK MENGGALI DATA SEKUENSIAL SIRKULASI BUKU PADA PERPUSTAKAAN UK PETRA
ALGORITMA GENERALIZED SEQUENTIAL PATTERN UNTUK MENGGALI DATA SEKUENSIAL SIRKULASI BUKU PADA PERPUSTAKAAN UK PETRA Gregorius Satia Budhi 1, Andreas Handojo, Christine Oktavina Wirawan 1,, Jurusan Teknik
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 terperinciAPLIKASI ASSOCIATION RULE MINING UNTUK MENEMUKAN POLA PADA DATA NILAI MAHASISWA MATEMATIKA ITS
APLIKASI ASSOCIATION RULE MINING UNTUK MENEMUKAN POLA PADA DATA NILAI MAHASISWA MATEMATIKA ITS DONNY MITRA VIRGIAWAN 1209100035 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciDATA MINING DENGAN ALGORITMA APRIORI PADA RDBMS ORACLE
1 DATA MINING DENGAN ALGORITMA APRIORI PADA RDBMS ORACLE Dana Sulistiyo Kusumo 1, Moch. Arief Bijaksana 2, Dhinta Darmantoro Jurusan Teknik Informatika Sekolah Tinggi Teknologi Telkom 1 dana@stttelkom.ac.id,
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 terperinciDATA MINING UNTUK REKOMENDASI KERJA BAGI ALUMI DENGAN ALGORITMA GARC(GAIN BASED ASSOCIATION RULE CLASSIFICTION)
DATA MINING UNTUK REKOMENDASI KERJA BAGI ALUMI DENGAN ALGORITMA GARC(GAIN BASED ASSOCIATION RULE CLASSIFICTION) Steffi Budi Fauziah¹, Shaufiah², Mahmud Dwi Suliiyo³ ¹Teknik Informatika,, Universitas Telkom
Lebih terperinciIMPLEMENTASI ALGORITMA ECLAT UNTUK FREQUENT PATTERN MINING PADA PENJUALAN BARANG
Jurnal Teknologi Media Teknika Volume 10 Nomor 02, Desember 2015 ISSN 1412 5641 IMPLEMENTASI ALGORITMA ECLAT UNTUK FREQUENT PATTERN MINING PADA PENJUALAN BARANG Joseph Eric Samodra, Budi Susanto(*), Willy
Lebih terperinciPENGGALIAN TOP-K CLOSED FREQUENT ITEMSETS BERBASIS ALGORITMA PEMETAAN TRANSAKSI
Program Studi MMT-ITS, Surabaya 2 Agustus 28 PENGGALIAN TOP-K CLOSED FREQUENT ITEMSETS BERBASIS ALGORITMA PEMETAAN TRANSAKSI Ngurah Agus Sanjaya ER dan Arif Djunaidy Program Magister Bidang Keahlian Teknik
Lebih 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 terperinci2.2 Data Mining. Universitas Sumatera Utara
Basis data adalah kumpulan terintegrasi dari occurences file/table yang merupakan representasi data dari suatu model enterprise. Sistem basisdata sebenarnya tidak lain adalah sistem penyimpanan-record
Lebih terperinciBAB II LANDASAN TEORI
6 BAB II LANDASAN TEORI Bab ini berisi penjelasan tentang definisi, teori dan konsep yang digunakan penulis untuk mamahami cara yang benar untuk mendapatkan pola sekuensial (sequential patterns) dengan
Lebih 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 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 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 terperinciPembentukan Temporal Association Rules Menggunakan Algoritma Apriori (Studi Kasus:Toko Batik Diyan Solo)
IJCCS, Vol.10, No.1, January 2016, pp.71~80 ISSN: 1978-1520 71 Pembentukan Temporal Association Rules Menggunakan Algoritma Apriori (Studi Kasus:Toko Batik Diyan Solo) Annisa Mauliani * 1, Sri Hartati
Lebih terperinciMetodologi Algoritma A Priori. Metodologi dasar algoritma a priori analisis asosiasi terbagi menjadi dua tahap :
Metodologi Algoritma A Priori 1 Kusrini, 2 Emha Taufiq Luthfi 1 Jurusan Sistem Informasi, 2 Jurusan Teknik Informatika 1, 2 STMIK AMIKOM Yogykakarta 1,2 Jl. Ringroad Utara Condong Catur Sleman Yogyakarta
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 terperinciImplementasi Algoritme Modified-Apriori Untuk Menentukan Pola Penjualan Sebagai Strategi Penempatan Barang Dan Promo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 3829-3834 http://j-ptiik.ub.ac.id Implementasi Algoritme Modified-Apriori Untuk Menentukan
Lebih terperinciPENGGUNAAN CLUSTER-BASED SAMPLING UNTUK PENGGALIAN KAIDAH ASOSIASI MULTI OBYEKTIF
Vol. 5, No. 1, Januari 2009 ISSN 0216-0544 PENGGUNAAN CLUSTER-BASED SAMPLING UNTUK PENGGALIAN KAIDAH ASOSIASI MULTI OBYEKTIF * Febriana Santi Wahyuni, Daniel O Siahaan dan Chastine Fatichah Jurusan Teknik
Lebih terperinciPenerapan Metode Association Rule Menggunakan Algoritma Apriori pada Simulasi Prediksi Hujan Wilayah Kota Bandung
Penerapan Metode Association Rule Menggunakan Algoritma Apriori pada Simulasi Prediksi Hujan Wilayah Kota Bandung Mohamad Fauzy 1, Kemas Rahmat Saleh W 2, Ibnu Asror 3 123 Fakultas Informatika Telkom University,
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 terperinciIMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA ECLAT
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA ECLAT Syafina Dwi Arinda 1, Sulastri 2 1,2 Fakultas Teknologi Informasi, Universitas Stikubank Semarang e-mail: 1 syafinadwi96@gmail.com, 2 sulastri@unisbank.ac.id
Lebih terperinciPENGGUNAAN MARKET BASKET ANALYSIS DALAM DATA MINING
PENGGUNAAN MARKET BASKET ANALYSIS DALAM DATA MINING Narwati Dosen Fakultas Teknologi Informasi Abstrak Jumlah data yang sangat besar pada suatu perusahaan atau dalam suatu transaksi bisnis, merupakan suatu
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 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 terperinciIMPLEMENTASI BASIS DATA FRAGMENTASI HORIZONTAL MENGGUNAKAN METODE ASSOCIATION RULE DENGAN ALGORITMA APRIORI
IMPLEMENTASI BASIS DATA FRAGMENTASI HORIZONTAL MENGGUNAKAN METODE ASSOCIATION RULE DENGAN ALGORITMA APRIORI TUGAS AKHIR Sebagai Persyaratan Guna Meraih Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciASSOCIATION RULES PADA TEXT MINING
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 ASSOCIATION RULES PADA TEXT MINING Budi Susanto versi 1.2 Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami algoritma Apriori dan FP-Growth
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 terperinciPenerapan Stuktur FP-Tree dan Algoritma FP-Growth dalam Optimasi Penentuan Frequent Itemset
Penerapan Stuktur FP-Tree dan Algoritma FP-Growth dalam Optimasi Penentuan Frequent Itemset David Samuel/NIM :13506081 1) 1) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut
Lebih 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 terperinciPENERAPAN ALGORITMA APRIORI DALAM PERANGKAT LUNAK DATA BASE Amroni, S.Kom, M.Kom
PENERAPAN ALGORITMA APRIORI DALAM PERANGKAT LUNAK DATA BASE Amroni, S.Kom, M.Kom amroni69@yahoo.com Abstrak Banyak teori dan pendekatan yang dikembangkan untuk memperoleh hasil penemuan kaidah asosiasi
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 terperinciIMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI Ristianingrum 1, Sulastri 2 1,2 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank e-mail: 1 ristiia.rum@gmail.com,
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 terperinciLili Tanti. STMIK Potensi Utama, Jl. K.L. Yos Sudarso Km. 6,5 No. 3A Tj. Mulia Medan ABSTRACT
Lili, Penerapan Data Mining Untuk 35 PENERAPAN DATA MINING UNTUK MENENTUKAN JUMLAH MAHASISWA PADA SATU DAERAH DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI Lili Tanti Email : lili@potensi-utama.ac.id STMIK
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 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 terperinciREKOMENDASI SOLUSI PADA COMPUTER MAINTENANCE MANAGEMENT SYSTEM MENGGUNAKAN ASSOCIATION RULE, KOEFISEN KORELASI PHI DAN CHI-SQUARE
REKOMENDASI SOLUSI PADA COMPUTER MAINTENANCE MANAGEMENT SYSTEM MENGGUNAKAN ASSOCIATION RULE, KOEFISEN KORELASI PHI DAN CHI-SQUARE Farid Sukmana 1) dan Joko Lianto Buliali 2) 1) Management of Information
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 terperinciAPLIKASI DATA MINING UNTUK POLA PERMINTAAN DARAH DI UDD ( UNIT DONOR DARAH ) PMI KOTA SURABAYA MENGGUNAKAN METODE APRIORI
APLIKASI DATA MINING UNTUK POLA PERMINTAAN DARAH DI UDD ( UNIT DONOR DARAH ) PMI KOTA SURABAYA MENGGUNAKAN METODE APRIORI Budanis Dwi Meilani, dan Dermawan Cahyo Utomo Jurusan Teknik Informatika, Fakultas
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan dan persaingan dalam dunia bisnis perdagangan serta kemajuan teknologi informasi merupakan suatu hal yang saling terkait, dalam ketatnya persaingan pasar
Lebih terperinciAssociation Rule Mining Pada Data Geokimia Pemboran
EKSPLORA INFORMATIKA 131 Association Rule Mining Pada Data Geokimia Pemboran Gusti Ngurah Mega Nata STMIK STIKOM Bali mega.fuzzy@gmail.com Abstrak Mengetahui korelasi atau asosiasi kemunculan mineral pada
Lebih terperinciModel Rule: Multilevel And Multidimension Association Rule untuk Analisa Market Basket Pada PT. Maha Agung
Model Rule: Multilevel And Multidimension Association Rule untuk Analisa Market Basket Pada PT. Maha Agung Gregorius Satia Budhi 1, Yulia 2, Budiwati Abadi 3 1 Universitas Kristen Petra Surabaya, greg@petra.ac.id
Lebih terperinciIMPLEMENTASI ALGORITMA-ALGORITMA ASSOCIATION RULES SEBAGAI BAGIAN DARI PENGEMBANGAN DATA MINING ALGORITHMS COLLECTION
IMPLEMENTASI ALGORITMA-ALGORITMA ASSOCIATION RULES SEBAGAI BAGIAN DARI PENGEMBANGAN DATA MINING ALGORITHMS COLLECTION Yova Ruldeviyani 1), Muhammad Fahrian 2) Fakultas Ilmu Komputer - Universitas Indonesia
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Sistem Analisis sistem yang berjalan pada perusahaan PT. Perintis Perkasa dikelola dengan menggunakan software TDMS (Toyota Dealer Management System). TDMS
Lebih terperinciAPLIKASI DATA MINING MARKET BASKET ANALYSIS PADA TABEL DATA ABSENSI ELEKTRONIK UNTUK MENDETEKSI KECURANGAN ABSENSI (CHECK-LOCK) KARYAWAN DI PERUSAHAAN
APLIKASI DATA MINING MARKET BASKET ANALYSIS PADA TABEL DATA ABSENSI ELEKTRONIK UNTUK MENDETEKSI KECURANGAN ABSENSI (CHECK-LOCK) KARYAWAN DI PERUSAHAAN Gregorius Satia Budhi; Felicia Soedjianto Jurusan
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 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 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 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 terperinciPENERAPAN DATA MINING DALAM ANALISIS KEJADIAN TANAH LONGSOR DI INDONESIA DENGAN MENGGUNAKAN ASSOCIATION RULE ALGORITMA APRIORI
PENERAPAN DATA MINING DALAM ANALISIS KEJADIAN TANAH LONGSOR DI INDONESIA DENGAN MENGGUNAKAN ASSOCIATION RULE ALGORITMA APRIORI Dewi Setianingsih, RB Fajriya Hakim Program Studi Statistika Fakultas Matematika
Lebih terperinciTOKO ONLINE RIRIS DENGAN MENGGUNAKAN METODE APRIORI UNTUK PEMILIHAN JENIS BUNGA SESUAI KEINGINAN CUSTOMER
TOKO ONLINE RIRIS DENGAN MENGGUNAKAN METODE APRIORI UNTUK PEMILIHAN JENIS BUNGA SESUAI KEINGINAN CUSTOMER ARTIKEL SKRIPSI Diajukan Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom)
Lebih terperinciDATA MINING ANALISA POLA PEMBELIAN PRODUK DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI
DATA MINING ANALISA POLA PEMBELIAN PRODUK DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI Heroe Santoso 1), I Putu Hariyadi 2), Prayitno 3) 1), 2),3) Teknik Informatika STMIK Bumigora Mataram Jl Ismail Marzuki
Lebih terperinciPENERAPAN ALGORITMA APRIORI UNTUK MENENTUKAN FREKUENSI ITEM SET SEBAGAI STRATEGI PENJUALAN DI TOKO PUTRA MANIS SURAKARTA SKRIPSI
PENERAPAN ALGORITMA APRIORI UNTUK MENENTUKAN FREKUENSI ITEM SET SEBAGAI STRATEGI PENJUALAN DI TOKO PUTRA MANIS SURAKARTA SKRIPSI Disusun sebagai salah satu syarat menyelesaikan Jenjang Strata I pada Jurusan
Lebih terperinciSeminar Nasional Ilmu Komputer (SNIK 2015) - Semarang, 10 Oktober 2015 ISBN:
SISTEM REKOMENDASI KULINER UNTUK MAHASISWA UNIVERSITAS SEBELAS MARET SURAKARTA MENERAPKAN ALGORITMA APRIORI POSITIF NEGATIF DAN BINARY HAMMING DISTANCE Belladona Shelly Agasti 1, Ristu Saptono 2, Hasan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1 Analisis Permasalahan Keputusan selama ini yang dilakukan oleh Toko Buku Sembilan Wali Medan untuk menentukan buku apa saja yang paling potensial dijual berdasarkan
Lebih terperinciA Decision Support Tool For Association Analysis
A Decision Support Tool For Association Analysis Rina Sibuea 1, Frans Juanda Simanjuntak 2, Sulastry Napitupulu 3, Daniel Elison Daya 4 Program Studi Manajemen Informatika, Politeknik Informatika Del Jl.Sisingamangaraja,
Lebih terperinciFREQUENT ITEMSET MINING MENGGUNAKAN ALGORITMA DF-APRIORI
REQUENT ITEMSET MINING MENGGUNAKAN ALGORITMA D-APRIORI Suhatati Tjandra Dosen Teknik Informatika Sekolah Tinggi Teknik Surabaya e-mail : tati@stts.edu ABSTRAK requent itemset mining adalah algoritma yang
Lebih terperinciThe Implementation Of Apriori Algorithm And Chi-Square Test In Determining Pattern Of Relationship Among The Rawi Hadis
The Implementation Of Apriori Algorithm And Chi-Square Test In Determining Pattern Of Relationship Rahmadi Yotenka Department of Statistics Universitas Islam Indonesia, Jalan Kaliurang Km 14,5 Sleman Yogyakarta
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING PADA TRANSAKSI PENJUALAN BIBIT BUAH DENGAN ALGORITMA APRIORI (STUDI KASUS: UD BUAH ASRI)
JURNAL IMPLEMENTASI DATA MINING PADA TRANSAKSI PENJUALAN BIBIT BUAH DENGAN ALGORITMA APRIORI (STUDI KASUS: UD BUAH ASRI) IMPLEMENTATION DATA MINING OF SALES TRANSACTION FRUIT SEEDLING WITH ALGORITHM APRIORI
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 terperinciCross-Selling: Perangkat Utama Customer Relationship Managem. Meningkatkan Loyalitas Pelanggan
Cross-Selling: Perangkat Utama Customer Relationship Management (CRM) Untuk Meningkatkan Loyalitas Pelanggan Seminar Kenaikan Jabatan at Department of Information Systems, Faculty of Computer Science,
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 terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Bagi para calon mahasiswa cenderung bingung memilih jurusan yang mana yang akan mereka geluti di dunia pendidikan. Sekolah Tinggi Teknologi Sinar
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 terperinciKata kunci : Perpustakaan, Sistem Rekomendasi, Knowledge Discovery from Database (KDD), Association Rule Mining, Algoritma CT-PRO
PENERAPAN ASSOCIATION RULE MINING UNTUK REKOMENDASI PENELUSURAN BUKU DENGAN ALGORITMA CT-PRO Dwi Maryati Suryana, Sri Setyaningsih, Lita Karlitasari e-mail : dwimaryatisuryana@yahoo.com Program Studi Ilmu
Lebih terperinciIMPLEMENTASI METODE ASSOSIATION RULES UNTUK MENEMUKAN POLA HUBUNGAN ANTARA DATA AKADEMIK DAN NON-AKADEMIK TUGAS AKHIR
IMPLEMENTASI METODE ASSOSIATION RULES UNTUK MENEMUKAN POLA HUBUNGAN ANTARA DATA AKADEMIK DAN NON-AKADEMIK TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih 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 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 terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang ,
1. BAB I PENDAHULUAN 1.1. Latar Belakang Hasil survey Badan Kesejahteraan Keluarga Pemberdayaan Perempuan dan Keluarga Berencana (BKKPPKB) tahun 2009 menunjukkan angka kemiskinan di Kabupaten Bantul sebanyak
Lebih terperinciPENGGUNAAN ALGORITHMA APRIORI DALAM MENGANALISA PRILAKU MAHASISWA DALAM MEMILIH MATA KULIAH ( STUDI KASUS : FKIP UPI YPTK )
PENGGUNAAN ALGORITHMA APRIORI DALAM MENGANALISA PRILAKU MAHASISWA DALAM MEMILIH MATA KULIAH ( STUDI KASUS : FKIP UPI YPTK ) SARJON DEFIT Fakultas Ilmu Komputer Universitas Putra Indonesia YPTK E-mail :
Lebih terperinciPENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI
PENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI Fitri Nurchalifatun Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Jl.
Lebih terperinci