IMPLEMENTASI ALGORITMA ID3 (ITERATIVE DICOTOMIZER THREE) UNTUK KLASIFIKASI BANTUAN USAHA MIKRO KECIL MENENGAH (UMKM) JASA TELEMATIKA INDONESIA
|
|
- Liana Ratna Setiabudi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 IMPLEMENASI ALGORIMA ID3 (IERAIVE DICOOMIZER HREE) UNUK KLASIFIKASI USAHA MIKRO MENENGAH (UMKM) JASA ELEMAIKA INDONESIA Mira Ridwanah, Eneng ita osida, S.p., M.Si, Mulyati, M.Kom Mridwanah@gmail.com Program Studi Ilmu Komputer FMIPA Universitas Pakuan Abstrak Meningkatnya Usaha Mikro Kecil Menengah (UMKM) jasa telematika adalah potensi yang harus didukung untuk memiliki nilai kompetitif, terutama dalam menghadapi Masyarakat Ekonomi ASEAN (MEA). api ada banyak kesulitan dalam menentukan keputusan untuk memberikan bantuan kepada UMKM yang benar-benar membutuhkan. Proses Klasifikasi kelayakan bantuan bagi Usaha Mikro Kecil Menengah (UMKM) Jasa elematika Indonesia tidak didukung oleh label kelayakan, tanpa penentuan atribut prioritas, dan terdiri dari data campuran numerik - kategorik. Hal ini mengakibatkan proses penilaian berjalan lebih lambat dan kurang akurat. ujuan dari penelitian ini adalah untuk mengembangkan model data mining kelayakan bantuan bagi UMKM jasa telematika Indonesia, melalui pemanfaatan data Sensus Ekonomi Nasional (Susenas). Uji validasi sistem menggunakan confusion matrix. Hasil dari data menggunakan 3 skenario berbeda. Skenario 21 atribut mendapat akurasi 99%, skenario 10 atribut mendapat akurasi 82% dan skenario dengan 4 atribut 58%. Dari skenario tersebut dapat disimpulkan bahwa skenario dengan 21 atribut yang paling baik tingkat akurasinya yaitu 99% tetapi memiliki kaidah yang terlalu banyak. Hasil menyebutkan bahwa sistem tidak mampu menampilkan kaidah yang terlalu banyak. Maka harus disederhanakan dengan seleksi atribut dan dipilihlah skenario 4 atribut karena skenario tersebut memiliki kaidah yang cukup ringan untuk di implementasikan kedalam sistem. Kata Kunci : Klasifikasi, mining, ID3(Iterative Dicotomizer hree), UMKM Pendahuluan elematika menjadi hal yang utama dalam tumbuhnya pembangunan dan ekonomi Indonesia saat ini. Meningkatnya Usaha Mikro Kecil Menengah (UMKM) telematika adalah potensi yang harus didukung untuk memiliki nilai kompetitif, terutama dalam menghadapi Masyarakat Ekonomi ASEAN (MEA). api ada banyak kesulitan dalam menentukan keputusan untuk memberikan bantuan kepada UMKM yang benar-benar membutuhkan. Salah satu penyebabnya adalah banyaknya data serta standar kualifikasi untuk memutuskan kelayakan UMKM tersebut untuk diberikan bantuan (osida et al. 2015). Penelitian terdahulu dilakukan oleh osida et al (2015). Penelitian tersebut mengembangkan visualisasi data UMKM tiap daerah oleh karena itu sistem ini perlu dikembangkan untuk menunjang pemilihan dalam pemberian bantuan pada UMKM jasa telematika. Hardiani (2015) melakukan clustering usaha kecil menengah jasa telematika Indonesia sesuai dengan data Sensus Nasional Badan Pusat Statistik tahun 2006 yang tersebar di seluruh wilayah di Indonesia, kedua penelitian tersebut masih belum bisa melakukan klasifikasi sehingga perlu untuk di kembangkan agar bisa menjadi model klasifikasi penerimaan bantuan pada UMKM jasa telematika. 1
2 Penelitian ini sudah menggunakan data yang telah melalui tahap praproses data sehingga data tersebut sudah bisa langsung di uji coba dengan algoritma yang akan digunakan. Model penilaian kelayakan bantuan UMKM jasa telematika ini memiliki karakter yang sama seperti yang sudah dilakukan Sucipto (2015) dengan penelitian penerapan data mining untuk memprediksi kriteria nasabah kredit menggunakan algoritma ID3 dan Adhatrao et al (2013) memprediksi penentuan kelulusan dengan algoritma yang sama. Pengembangan dari penelitian tersebut dilakukan dengan cara menentukan atribut class dan menerapkan data tersebut kedalam model klasifikasi menggunakan algoritma ID3 (Iterative Dicotomizer hree) untuk membuat kaidah aturan kelayakan bantuan UMKM jasa telematika dan dalam pembuatan web penelitian ini menggunakkan framework ii. Metode Penelitian Metode yang diterapkan pada klasifikasi ini menggunakan tahapan data mining atau disebut juga Knowledge Discovery and Mining (KDD) (Han et al. 2012). Sebagai suatu rangkaian proses, data mining dapat dibagi menjadi beberapa tahap yang ditunjukan di Gambar 1. ahap-tahap tersebut bersifat interaktif, pemakai terlibat langsung atau dengan perantaraan knowledge base. Knowledge Evaluation and Presentation Mining Pattern Selection and ransformation Warehouse Cleaning and Integration Base Flat Files Gambar 1. ahap-ahap Mining 1. Cleaning and Integration Pembersihan data atau cleaning data merupakan proses menghilangkan noise dan data yang tidak konsisten atau data tidak relevan. Serta Integrasi data merupakan penggabungan data dari berbagai database ke dalam satu database baru. idak jarang data yang diperlukan untuk data mining tidak hanya berasal dari satu database tetapi juga berasal dari beberapa database atau file teks (osida et al 2015). 2. Selection and ransformation yang ada pada database sering kali tidak semuanya dipakai, oleh karena itu hanya data yang sesuai untuk dianalisis yang akan diambil dari database. Serta transformasi data adalah 2
3 diubah atau digabung ke dalam format yang sesuai untuk diproses dalam data mining. Untuk penelitian ini menggunakan metode entropy-based dalam melakukan seleksi data tersebut 3. Proses Mining Merupakan suatu proses utama saat metode diterapkan untuk menemukan pengetahuan berharga dan tersembunyi dari data. Untuk proses mining dari data penelitian ini menggunakan algoritma ID3 untuk menentukan keputusan kelayakan menerima bantuan. 4. Evaluasi Pola (Pattern Evaluation) Untuk mengidentifikasi pola-pola menarik kedalam knowledge based yang ditemukan. Dalam tahap ini hasil dari teknik data mining berupa pola-pola yang khas maupun model prediksi dievaluasi untuk menilai apakah hipotesa yang ada memang tercapai. Bila ternyata hasil yang diperoleh tidak sesuai hipotesa ada beberapa alternatif yang dapat diambil seperti menjadikannya umpan balik untuk memperbaiki proses data mining, atau menerima hasil ini sebagai suatu hasil yang di luar dugaan yang mungkin bermanfaat. Evaluasi dari penelitian ini menggunakan confusion matrix. 5. Presentasi Pengetahuan (Knowledge Presentation) Merupakan visualisasi dan penyajian pengetahuan mengenai metode yang digunakan untuk memperoleh pengetahuan yang diperoleh pengguna. ahap terakhir dari proses data mining adalah bagaimana memformulasikan keputusan atau aksi dari hasil analisis yang didapat. Ada kalanya hal ini harus melibatkan orang-orang yang tidak memahami data mining. Karenanya presentasi hasil data mining dalam bentuk pengetahuan yang bisa dipahami semua orang adalah satu tahapan yang diperlukan dalam proses data mining. Dalam presentasi ini, hasil berupa grafik yang bermakna decision tree yang berisi beberapa kaidah atau rule diimplementasikan dalam bentuk sistem berbasis web. Pembersihan dan Integrasi sistem dari data set usaha jasa telematika diperoleh dari Susenas tahun 2006 terdiri dari 8798 UMKM jasa telematika dengan atribut sebanyak 21 atribut dan semuanya memiliki nilai kategorik. untuk klasifikasi ini telah mengalami tahapan praproses data mining seperti pembersihan dan intregasi data telah dilakukan pada penelitian sebelumnya yaitu oleh osida et al. (2015). Seleksi dan ransformasi Agar data lebih ringkas dan efektif dilakukan seleksi data atau atribut. Serta untuk proses transformasi data ini telah dilakukan oleh osida et al. (2015). Atribut ini diseleksi dengan metode filter Entropy-Based yaitu menseleksi Atribut yang memiliki nilai penting dalam proses mining ini menggunakan persamaan (1) ( ) ( ) ( ) ( ) 3
4 flowchart untuk algoritma ID3. Ditunjukan pada Gambar 3. SAR MASUKKAN DAA RAINING HIUNG ENROP, DAN INFORMAION GAIN, DARI IAP ARIBU END GENERAE RULE / AURAN KEPUUSAN A BUA SIMPUL AKAR BERDASARKAN NILAI GAIN RAIO ERBESAR HIUNG ENROP, DAN INFORMAION GAIN DARI IAP ARIBU UNUK MEMBENUK CABANG DARI SIMPUL AKAR SEMUA ARIBU SUDAH MASUK KEDALAM POHON? Gambar 3. Flowchart Algoritma ID3 Flowchart Sistem Berikut adalah flowchart sistem klasifikasi bantuan UMKM jasa telematika yang ditunjukan pada Gambar 4. SAR HALAMAN INDEX 1. Klasifikasi 2.Lihat Rule 3. User 4. Lihat abel 5. Login / Logout End Decision ree Algoritma ID3 Input UMKM Klasifikasi Valid? Rule Algoritma ID3 UMKM idak Menerima Bantuan Admin? List User Add Edit Delete Search Input Keyword Admin? Add Edit Delete List Atribut Search Input Keyword Input Username & Password Valid Status = Admin Menerima Bantuan Ditemukan Ditemukan Ditemukan Ditemuka n DAA BASE UMKM Gambar 4. Flowchart Sistem Klasifikasi 4
5 Hasil Dan Pembahasan Hasil dari penelitian ini adalah bagaimana membuat model sistem klasifikasi bantuan usaha UMKM jasa telematika dengan menggunakan algoritma ID3 kemudian algoritma tersebut dieksekusi menggunakan aplikasi Rstudio dan menggunankan 80 % data latih dan 20 % data uji dari keselurahan 8798 data, sehingga menghasilkan decision tree untuk menentukan keputusan kelayakan suatu badan usaha untuk menerima bantuan. Setelah didapatkan output berupa decision tree, rule atau kaidah dari decision tree tersebut diimplementasikan menggunakan adobe dreamweaver kemudian diterapkan dalam framework yii dan database dirancang serta dibuat dalam aplikasi MySQL Pembahasan 1. Seleksi Atribut Decision tree yang dihasilkan dari penelitian ini menghasilkan kaidah yang terlalu besar. Maka dari itu dilakukanlah generalisasi tiap atribut dan memangkas banyak atribut menjadi 10 atribut dengan seleksi fitur entropy-based yaitu dengan cara memilih entropy terbesar dari tiap atribut, berikut susunan peringkat atribut berdasarkan entropy-based menggunakan software Rstudio dan menggunakan persamaan (1) ditunjukan pada abel 1 abel 1. Peringkat Atribut Berdasarkan Nilai Entropy Peringkat Nama Atribut Nilai Penting 1 Kesulitan 2442,09 2 bentuk_badan_hukum 404,74 3 Penjualan 245,45 4 Kelompok.Usaha 206,17 Semakin besar nilai entropynya maka atribut tersebut sangat berperan penting dalam sistem klasifikasi ini dan juga perlu dilakukan seleksi atribut agar lebih memangkas decision tree menjadi lebih ringkas namun mengurangi tingkat akurasi keputusan sekitar 10% hingga 20%. Berikut adalah deskripsi data yang telah di generalisasi dan di seleksi ditunjukan pada abel 2. abel 2. Deskripsi data yang telah di seleksi No Atribut ipe Rentang Nilai 1. Bentuk badan K 1. Sendiri 5. ayasan hukum 2. Firma 3. Ijin Khusus dari instansi terkait 2. Kelompok Usaha 4 Perorangan K 1. Jasa elekomunikasi 3. Konsultasi Software 2. Konsultasi Hardware 4. Lainnya 3. Penjualan K 1. Mikro 3. Menengah 2. Kecil 4. Kesulitan K 1 pemasaran 3. permodalan 2. lainnya 5
6 2. Proses Mining Proses mining data UMKM jasa telematika ini menggunakan algoritma ID3 dalam menentukan kelayakan badan usaha untuk menerima bantuan. Berikut ini adalah beberapa hasil percobaan dari penelitian ini dengan menggunakan 3 skenario berbeda agar dapat diketahui tingkat akurasi dan banyaknya kaidah yang tercipta. Berikut ditunjukan pada Gambar 5, dan 6. Nilai Akurasi Latih dari 3 Skenario akurasi 82% 99% 58% (etap) Atribut Gambar 5. Chart Nilai Akurasi Uji Dari 3 Skenario Dan berdasarkan gambar 5 dipilihlah skenario dengan 4 atribut karena skenario tersebut memiliki kaidah yang ringan untuk diimplementasikan kedalam sistem, tetapi akurasi yang didapat berkurang menjadi 58% pada data latih. Maka dipilihlah atribut tersebut dalam penelitian kali ini. Nilai Akurasi Uji dari 3 Skenario 63% Akurasi 26% 24% Atribut Gambar 6. Chart Akurasi Uji Dari 3 Skenario 6
7 Bersarkan gambar 6 dapat disimpulkan bahwa skenario dengan 4 atribut adalah yang paling baik tingkat akurasinya yaitu 63% pada data uji dan memiliki kaidah yang paling banyak. Namun dikarenakan keterbatasan sistem dalam mengolah kaidah yang terlalu banyak sehingga kaidah nya tidak muncul maka harus disederhanakan dengan seleksi atribut. 3. Evaluasi Pola Dalam evaluasi pola klasifikasi ini menggunakan metode confusion matrix dengan menggunakan persamaan (3) sebagai berikut. 1. Confusion Matrix Latih abel 3. Hasil Summary Latih Menggunakan Aplikasi Rstudio. Klasifikasi a b idak menerima bantuan rue Positive (P) 1786 False Positive (FP) 1745 Menarima bantuan False Negative (FN) 1177 rue Negative (N) 2329 Dari abel 3 Diketahui : a. rue Positive (P) = 1786 b. rue Negative (N) = 2329 c. False Positive (FP) = 1745 d. False Negative (FN) = 2329 e. Jumlah = 7098 Dari perhitungan diatas didapat tingkat akurasi kaidah yang dimiliki oleh klasifikasi ini adalah sesuai dengan data latih yang dimasukkan. 2. Confusion Matrix Uji abel 4. Hasil Summary Uji Menggunakan Aplikasi Rstudio. Klasifikasi a b idak menerima bantuan rue Positive (P) 0 False Positive (FP) 0 Menarima bantuan False Negative (FN) 1123 rue Negative (N) 638 7
8 Dari abel 4 Diketahui : f. rue Positive (P) = 0 g. rue Negative (N) = 1123 h. False Positive (FP) = 0 i. False Negative (FN) = 638 j. Jumlah = 1761 Dari perhitungan diatas didapat tingkat akurasi klasifikasi ini adalah % menggunakan data uji yang dimasukkan kedalam klasifikasi tersebut. 4. Presentasi Pengetahuan Berikut adalah visualisasi decision tree dari skenario yang dipilih sebelumnya yaitu menggunakan seleksi 4 atribut dengan seleksi fitur entropybased. Di tunjukan pada gambar 7. KONSULAN HADWARE KONSULAN SOFWARE LAINNA KELOMPOK USAHA JASA ELEKOMUNIKASI KESULIAN MENENGAH MIKRO LAINNA PENJUALAN PERORANGAN BENUK BADAN HUKUM IJIN KHUSUS, PERORANGAN, SENDIRI Firma KELOMPOK USAHA MENENGAH PENJUALAN Firma JASA ELEKOMUNIKASI, KONSULAN HADWARE LAINNA KONSULASI SOFWARE MIKRO MIKRO MENENGAH MENENGAH MIKRO KELOMPOK USAHA KELOMPOK USAHA JASA ELEKOMUNIKASI, LAINNA KONSULASI SOFWARE JASA ELEKOMUNIKASI, KONSULAN HADWARE KONSULAN SOFWARE LAINNA Gambar 7. Decision ree Menggunakan 4 atribut dengan seleksi Atribut Gambar 7 menunjukkan bahwa bantuan akan diberikan kepada UMKM yang telah mengikuti kelompok usaha. Kondisi ini sesuai dengan Kemenkop UKM yang menyatakan bahwa bantuan akan diberikan kepada UMKM yang telah melakukan kelommpok usaha yang diselenggarakan oleh Kemenkop UKM tersebut. UMKM yang tidak mengikuti kelommpok usaha akan diproses kembali berdasarkan jasa telekomunikasi. Jika UMKM tersebut memiliki jasa telekomunikasi maka akan diberikan bantuan, jika tidak maka UMKM tersebut diproses lagi berdasarkan rencana usahanya dan seterusnya. Decision tree tersebut kemudian diimplementasikan kedalam sistem berbasis web. Kesimpulan Implementasi algoritma ID3 untuk klasifikasi bantuan UMKM jasa telematika indonesia telah berhasil di rancang dan di bangun. Implementasi sistem ini menggunakan software RStudio untuk membangun algoritma ID3. Adobe Dreamweaver digunakan 8
9 untuk membangun halaman web dengan bahasa pemrograman PHP yang tersimpan dalam framework ii. Framework yii itu sendiri memiliki kelebihan yaitu proses perancangannya cepat dan mudah, kemudian untuk desain menggunakan Bootstrap emplate agar tampilan web menjadi responsive, serta perancangan database menggunakan MySQL. ahap penelitian dimulai dengan analisis sistem yaitu melihat deskripsi data yang akan dijadikan data latih, perancangan basis data dilakukan dengan ERD (Entity Relationship Diagram) dan DFD ( Flow Diagram). Basis model menjelaskan tentang alur dari algoritma ID3. Uji validasi sistem menggunakan confusion matrix. Jumlah keseluruhan data yang digunakan adalah 8798 data. Dan 2 kelas output (mendapat bantuan dan tidak mendapat bantuan). dibagi 2 yaitu 80% sebagai data latih dan 20% sebagai data uji. Hasil dari data menggunakan 3 skenario berbeda. Skenario 21 atribut mendapat akurasi 99%, skenario 10 atribut mendapat akurasi 82% dan skenario dengan 4 atribut 58%. Dari skenario tersebut dapat disimpulkan bahwa skenario dengan 21 atribut yang paling baik tingkat akurasinya yaitu 99% tetapi memiliki kaidah yang terlalu banyak. Hasil menyebutkan bahwa sistem tidak mampu menampilkan kaidah yang terlalu banyak. Maka harus disederhanakan dengan seleksi atribut dan dipilihlah skenario 4 atribut karena skenario tersebut memiliki kaidah yang cukup ringan untuk di implementasikan kedalam sistem. Sistem ini memiliki kegunaan sebagai klasifikasi kelayakan UMKM menerima bantuan menggunakan kaidah atau aturan yang telah dibuat serta menyimpan data klasifikasi beserta keputusannya. Daftar Pustaka Adhatrao, et al Predicting Students Performance Using ID3 and C4.5, Classification Algorithms memiliki tujuan untuk membuat aplikasi penentuan kelulusan siswa berdasarkan skor.universitas Lampung, Lampung Hardiani, Implementasi Self Organizing Maps (SOM) untuk ClusteringUsaha Jasa elematika Indonesia Menggunakan Matlab. Skripsi. Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pakuan, Bogor. Han J, Kamber M, Pei J Mining : Concepts and echniques. hird Edition. Morgan Kaufmann is an imprint of Elsevier, 225Wyman Street,Waltham, MA 02451, USA Sucipto, A Prediksi Kredit Macet Melalui Perilaku Nasabah Pada Koperasi Simpan Pinjam Dengan Menggunakan Metode Algoritma Klasifikasi ID3. Fakultas Sains dan eknologi, Universitas Islam Nahdlatul Ulama, Jepara osida, E Pengembangan Model Mining Kelayakan Bantuan Usaha Bagi Usaha Mikro Kecil Menengah Jasa elematika Indonesia. esis. Sekolah Pascasarjana Institut Pertanian Bogor, Bogor. osida, et al Visualization model of small and medium enterprises (SMEs) telematics services potentiality map in Indonesia. Fakultas Matematika dan Ilmu Pengetahua Alam, Universitas Pakuan, Bogor. 9
Program Studi Ilmu Komputer FMIPA Universitas Pakuan Bogor
IMPLEMENTASI ALGORITMA CLASIFICATION AND REGRESSION TREE (CART) UNTUK KLASIFIKASI BANTUAN USAHA MIKRO KECIL MENENGAH (UMKM) JASA TELEMATIKA INDONESIA Fadlan Amirudin, Eneng Tita Tosida,Irma Anggraeni.
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 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 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 terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Perancangan Sistem Pendukung Keputusan Pemberian Bonus Berdasarkan Penilaian Kinerja Karyawan Pada PT. Telkom, Tbk Medan Dengan Metode
Lebih terperinci- PERTEMUAN 1 - KNOWLEGDE DISCOVERY
DATA WAREHOUSE - PERTEMUAN 1 - KNOWLEGDE DISCOVERY in DATABASE (KDD) Penemuan Pengetahuan di Database Tujuan : Mahasiswa Dapat memahami konsep KDD yang merupakan tujuan akhir dari Data Warehouse dan Data
Lebih terperinciKerusakan Barang Jadi
Penerapan Algoritma C4.5 pada Analisis Kerusakan Barang Jadi (Studi Kasus: PT Kayu Lapis Asli Murni) Ivan Oktana, Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang,
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai perancangan sistem pendukung keputusan pemberian bonus berdasarkan penilaian kinerja karyawan pada PT. Centra Material Bangunan dengan
Lebih terperinciDAFTAR ISI PHP... 15
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PERSETUJUAN... ii LEMBAR PENGESAHAN... iii HALAMAN PERSEMBAHAN... iv HALAMAN MOTTO... v KATA PENGANTAR... vi INTISARI... viii DAFTAR ISI... ix DAFTAR GAMBAR... xii
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 terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Sistem ng Sedang Berjalan Proses yang sedang berjalan dalam penginformasian lokasi objek wisata di Pulau Nias memiliki kendala mengenai informasi lokasi
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Studi Sebelum melakukan penelitian penulis terlebih dahulu melakukan tinjauan pustaka dari penelitian lain dan penelitian tentang prediksi penjurusan
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Sistem Informasi Geografis Letak Kantor Cabang BRI di Kota Medan yang meliputi analisa sistem yang sedang berjalan dan desain sistem.
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 terperinciBAB III METODE DAN PERANCANGAN SISTEM
BAB III METODE DAN PERANCANGAN SISTEM 3.1 Metode Penelitian 1. Studi Literatur Mencari informasi atau referensi teori yang relevan baik mengenai sistem rekomendasi maupun metode TOPSIS sebagai sumber untuk
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai sistem informasi geografis penentuan jumlah penduduk yang kurang mampu pada kecamatan Medan Labuhan berbasis web yang meliputi analisa
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penelitian terkait Penelitian ini sebelumnya dilakukan studi kepustakaan dari penelitian terdahulu sebagai dasar atau acuan untuk menyelesaikan tugas akhir. Dari studi kepustakaan
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Sistem Informasi Geografis Lokasi Transmisi TVRI Di Sumatera Utara yang meliputi analisa sistem yang sedang berjalan dan desain sistem.
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai sistem informasi akuntansi Bantuan Operasional Sekolah (BOS) pada SMPN 13 yang meliputi analisa sistem yang sedang berjalan dan desain
Lebih terperinciModel Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree
Scientific Journal of Informatics Vol. 3, No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan
Lebih terperinciAPLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus di Apotek Setya Sehat Semarang)
Hapsari Dita Anggraeni, Ragil Saputra, Beta Noranita APLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus di Apotek Setya Sehat Semarang) Hapsari Dita
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA
JURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA IMPLEMENTATION OF DATA MINING WITH C4.5 ALGORITHM TO PREDICT STUDENT ACHIEVEMENT Oleh: SITI MUHIMATUL KHOIROH NPM
Lebih terperinciPENERAPAN DATA MINING UNTUK REKOMENDASI BEASISWA PADA SMA MUHAMMADIYAH GUBUG MENGGUNAKAN ALGORITMA C4.5
1 PENERAPAN DATA MINING UNTUK REKOMENDASI BEASISWA PADA SMA MUHAMMADIYAH GUBUG MENGGUNAKAN ALGORITMA C4.5 Dina Maurina, Ahmad Zainul Fanani S.Si, M.Kom Jurusan Teknik Informatika FIK UDINUS, Jl. Nakula
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1 Analisa Sistem ng Sedang Berjalan Dari hasil penelitian yang penulis lakukan, maka penulis mendapati beberapa kendala-kendala yang dihadapi pada sistem yang sedang
Lebih terperinciDESAIN APLIKASI UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA. Oleh : Rita Prima Bendriyanti ABSTRAK
DESAIN APLIKASI UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA Oleh : Rita Prima Bendriyanti ABSTRAK Penelitian ini menggunakan metode observasi, dengan melihat atau mengamati secara langsung
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Sistem Informasi Geografis Lokasi Taman Kanak kanak Di Daerah Medan Marelan yang meliputi analisa sistem yang sedang berjalan dan desain
Lebih terperinciPEMBENTUKAN 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 terperinciANALISIS KLASIFIKASI PADA NASABAH KREDIT KOPERASI X MENGGUNAKAN DECISION TREE C4.5 DAN NAÏVE BAYES SKRIPSI
ANALISIS KLASIFIKASI PADA NASABAH KREDIT KOPERASI X MENGGUNAKAN DECISION TREE C4.5 DAN NAÏVE BAYES SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta Sebagai
Lebih terperinciTAKARIR. data atau informasi dan transformasi data yang bergerak dari pemasukan data hingga ke keluaran. Database
TAKARIR artificial intelligence backward chaining Data Flow Diagram (DFD) Database Decision Tree expert system forward chaining Flowchart Hardware Input Interface knowladge base Login Logout Output kecerdasan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Dasar Penelitian Penelitian ini dilakukan berdasarkan rumusan masalah yang telah dijabarkan pada bab sebelumnya yaitu untuk mengklasifikasikan kelayakan kredit calon debitur
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Sistem Yang Sedang Berjalan Sistem yang berjalan saat ini belum tersedia adanya informasi untuk lokasi Bimbel BT/BS yang ada di kota Medan, dimana informasi
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Sistem Yang Sedang Berjalan Sistem Informasi lokasi rawan narkoba di kota Medan adalah menggambarkan lingkungan rawan narkoba yang harus dihindari oleh
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN Dalam membangun sistem yang akan dibuat ini, adapun tahapan yang akan dilakukan yaitu : 4.1 Analisa 4.1.1 Pengumpulan Data Sumber data utama yang digunakan dalam penelitian
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 terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (2017) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-116 (Online) Artikel Perancangan Aplikasi Prediksi Kelulusan Mahasiswa Tepat Waktu Pada
Lebih terperinciKLASIFIKASI PENENTUAN TIM UTAMA OLAHRAGA HOCKEY MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS : HOCKEY KABUPATEN KENDAL)
KLASIFIKASI PENENTUAN TIM UTAMA OLAHRAGA HOCKEY MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS : HOCKEY KABUPATEN KENDAL) Budi Utami 1, Yuniarsi Rahayu, 2 1,2 Program Studi Teknik Informatika, Fakultas Ilmu Komputer,
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai sistem informasi geografis wilayah rawan kecelakaan di kota Medan yang meliputi analisa sistem yang sedang berjalan dan desain sistem.
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 1.1 Data Training Data training adalah data yang digunakan untuk pembelajaran pada proses data mining atau proses pembentukan pohon keputusan.pada penelitian ini
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Tinjauan Studi Sebelum penelitian ini dilakukan, sudah terdapat beberapa penelitian yang menjadi dasar untuk menyelesaikan penelitian ini, penelitian tersebut diantaranya sebagai
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1 Analisa Sistem ng Sedang Berjalan Kendala-kendala yang dihadapi pada sistem yang sedang berjalan yaitu : 1. Sulitnya untuk mendapatkan informasi mengenai lokasi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan sistematika tahapan yang dilaksanakan selama pembuatan penelitian tugas akhir. Secara garis besar metodologi penelitian tugas akhir ini dapat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI. yang akan diteliti. Pemanfaatan algoritma apriori sudah cukup banyak digunakan, antara lain
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Penelitian ini menggunakan beberapa sumber pustaka yang berhubungan dengan kasus yang akan diteliti. Pemanfaatan algoritma apriori sudah cukup
Lebih terperinciDAFTAR ISI. HALAMAN JUDUL... i. LEMBAR PENGESAHAN... ii. ABSTRAK... iv. MOTTO... vi. KATA PENGANTAR... vii. DAFTAR ISI... ix. DAFTAR GAMBAR...
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN... ii ABSTRAK... iv MOTTO... vi KATA PENGANTAR... vii DAFTAR ISI... ix DAFTAR GAMBAR... xv DAFTAR TABEL... xix BAB I PENDAHULUAN 1.1 Latar Belakang Masalah...
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Sistem Informasi Geografis Pemetaan Daerah Rawan Kejahatan di Kota Medan yang meliputi analisa sistem yang sedang berjalan dan desain
Lebih terperinciKata Kunci :Sistem Informasi Akademik, SMA, Waterfall, PHP, MySql
Abstrak Teknologi informasi dan komunikasi berkembang sangat pesat, seiring dengan kebutuhan akan metode pembelajaran yang lebih efektif dan efisien serta pemanfaatan teknologi informasi dan komunikasi
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Sistem Informasi Geografis Lokasi Kantor Lurah Daerah Kecamatan Medan Labuhan yang meliputi analisa sistem yang sedang berjalan dan
Lebih terperinciBAB IV PERANCANGAN SISTEM
BAB IV PERANCANGAN SISTEM 4.1 Perancangan Sistem Dalam perancangan sistem ini, metode yang digunakan adalah metode perancangan Unified Modeling Language (UML). 4.1.1 Use Case Diagram, Activity Diagram
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah 1.2. Rumusan Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Suatu perusahaan yang memiliki jasa pengiriman barang yang bergerak di dalam kota mempunyai beberapa masalah. Salah satu analisis yang bisa dilakukan adalah
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Untuk membangun suatu sistem yang berupa Sistem Informasi Peminjaman
BAB 3 PERANCANGAN SISTEM 3.1 Analisis Sistem Untuk membangun suatu sistem yang berupa Sistem Informasi Peminjaman Online Buku yang berbasis Web, terlebih dahulu penulis merencanakan bagaimana alur kerja
Lebih terperinciKLASIFIKASI PENENTUAN TIM UTAMA OLAHRAGA HOCKEY MENGGUNAKAN ALGORITMA C4.5 (Study Kasus : Hockey Kabupaten Kendal)
1 KLASIFIKASI PENENTUAN TIM UTAMA OLAHRAGA HOCKEY MENGGUNAKAN ALGORITMA C4.5 (Study Kasus : Hockey Kabupaten Kendal) Budi Utami Jurusan Teknik Informatika FIK UDINUS, Jl. Nakula No. 5-11 Semarang-50131
Lebih terperinciPENERAPAN ALGORITMA C5.0 DALAM PENGKLASIFIKASIAN DATA MAHASISWA UNIVERSITAS NEGERI GORONTALO
PENERAPAN ALGORITMA C5.0 DALAM PENGKLASIFIKASIAN DATA MAHASISWA UNIVERSITAS NEGERI GORONTALO Wandira Irene, Mukhlisulfatih Latief, Lillyan Hadjaratie Program Studi S1 Sistem Informasi / Teknik Informatika
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisis Masalah Sistem informasi pengolahan petty cash yang berjalan saat ini di PT. Langkat Nusantara Kepong dapat memberikan hasil yang cukup akurat, namun dari
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 III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem 3.1.1 Analisis Pemakai Dari hasil penelitian yang dilakukan di Provinsi Maluku dan hasil observasi diperoleh data-data yang dibutuhkan untuk membuat
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN III. 1. Analisa Sistem ng Berjalan Analisa sistem dilakukan guna mengetahui gambaran umum Sistem informasi geografis letak lokasi rumah sakit di Deli Serdang.kni menganalisis
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 III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Sistem Informasi Administrasi Pertanggungjawaban Perbaikan Infrastruktur pada PNPM-P2KP Mandiri di BKM Sepakat Bandar Khalifah yang
Lebih terperinci3.4 Data dari Melati Mekar Mandiri... 38
ABSTRAK UD Melati Mekar Mandiri adalah sebuah perusahaan pengrajin yang bergerak di bidang kain tenun gedog dan batik tulis. Perusahaan yang terletak di Kerek, Jawa Timur ini mempunyai pengrajin, baik
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 terperinciSOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA
SOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA Ade Putra Fakultas Vokasi, Program Studi Komputerisasi Akuntansi Universitas Bina Darma
Lebih terperinciAkurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa
Akurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa dengan Metode NAÏVE BAYES M. Ridwan Effendi Fakultas Komputer Jurusan Sistem Informasi Universitas Mohammad Husni Thamrin Jakarta Email :
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 terperinciBAB I PENDAHULUAN. yang sangat penting khususnya di Program Studi Informatika Fakultas Teknik
BAB I PENDAHULUAN A. Latar Belakang Jadwal matakuliah merupakan salah satu bagian di bidang akademik yang sangat penting khususnya di Program Studi Informatika Fakultas Teknik Universitas Muhammadiyah
Lebih terperinciIDENTIFIKASI MAHASISWA YANG MEMPUNYAI KECENDERUNGAN LULUS TIDAK TEPAT WAKTU PADA PROGRAM STUDI MMT-ITS DENGAN MENGGUNAKAN ALGORITMA C4.
IDENTIFIKASI MAHASISWA YANG MEMPUNYAI KECENDERUNGAN LULUS TIDAK TEPAT WAKTU PADA PROGRAM STUDI MMT-ITS DENGAN MENGGUNAKAN ALGORITMA C4.5 Amelia Halim 1) dan Joko Lianto Buliali 2) 1) Program Studi Magister
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai sistem pendukung keputusan pembelian buku bacaan yang meliputi analisa sistem yang sedang berjalan dan desain sistem. III.1 Analisa
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1 Hasil Pada bab ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat, memperjelas tentang tampilan-tampilan yang ada pada aplikasi Penerapan Data Mining Klasifikasi
Lebih terperinciPENGKLASIFIKASIAN MINAT BELAJAR MAHASISWA DENGAN MODEL DATA MINING MENGGUNANAKAN METODE CLUSTERING
PENGKLASIFIKASIAN MINAT BELAJAR MAHASISWA DENGAN MODEL DATA MINING MENGGUNANAKAN METODE CLUSTERING Marlindawati 1) Andri 2) 1) Manajemen Informatika Universitas Bina Darma Jl. Ahmad Yani No. 3, Palembang
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Data Mining Dengan perkembangan pesat teknologi informasi termasuk diantaranya teknologi pengelolaan data, penyimpanan data, pengambilan data disertai kebutuhan pengambilan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Untuk menghasilkan aplikasi sistem pakar yang baik diperlukan
BAB III ANALISIS DAN PERANCANGAN SISEM 3.1 Analisis Untuk menghasilkan aplikasi sistem pakar yang baik diperlukan pembuatan knowledge base (basis pengetahuan) dan rule base (basis aturan) yang lengkap
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 terperinciBurhanudin Junardi Karim Dr. Lintang Yuniar Banowosari, S.Kom., M.Sc
Implementasi Data Mining Pada Penjualan Produk Alat Medis di PT. Murti Indah Sentosa Menggunakan Metode Klasifikasi Burhanudin Junardi Karim 11112533 Dr. Lintang Yuniar Banowosari, S.Kom., M.Sc Latar Belakang
Lebih terperinciBAB I PENDAHULUAN. Perpustakaan SMA Barunawati Surabaya merupakan bagian yang. menunjang perkembangan pengetahuan dari civitas yang ada di instansi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perpustakaan SMA Barunawati Surabaya merupakan bagian yang menunjang perkembangan pengetahuan dari civitas yang ada di instansi pendidikan SMA Barunawati Surabaya.
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisa Sistem Yang Sedang Berjalan Dalam mengevaluasi suatu proses diperlukan tahap analisis untuk menguji tingkat kelayakan terhadap proses perancangan sistem
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN. untuk dioperasikan. Dalam implementasi web dashboard absen dan biaya berobat karyawan
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Aplikasi Tahap implementasi sistem ini merupakan tahap meletakan sistem supaya dapat siap untuk dioperasikan. Dalam implementasi web dashboard absen dan
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Sistem Informasi Pengolahan Aktiva Tetap Pada CV. Jaya Agung yang meliputi analisa sistem yang sedang berjalan dan desain sistem. III.1
Lebih terperinciBAB II LANDASAN TEORI
II-8 BAB II LANDASAN TEORI 2.1. Perencanaan Produksi Pengertian perencanaan produksi, menurut Martin K.Starr (1997) adalah sebagai berikut production planning is an old venerable term used by engineers,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peminatan siswa SMA Negeri 8 Bandung dilakukan di kelas X SMA setelah tahap daftar ulang. Hal tersebut berdasarkan aturan kurikulum 2013 [11]. Peminatan merupakan hal
Lebih terperinciMODEL 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 terperinciJURNAL IMPLEMENTASI ALGORITMA C4.5 DALAM PENENTUAN JURUSAN DI SMK PEMUDA PAPAR KEDIRI
JURNAL IMPLEMENTASI ALGORITMA C4.5 DALAM PENENTUAN JURUSAN DI SMK PEMUDA PAPAR KEDIRI C4.5 ALGORITHM IMPLEMENTATION IN DETERMINING THE DEPARTMENT OF SMK PEMUDA PAPAR KEDIRI Oleh: MARISA FITRI FATMAWATI
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
36 BAB III ANALISA DAN PERANCANGAN SISTEM III.1 Analisa Perancangan aplikasi E-Learning ini membahas seputar materi Microsoft Word 2003. Setiap penjelasan disertai dengan arahan berupa suara untuk melanjutkan
Lebih terperinciBAB III METODOLOGI PENELITIAN
28 BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Lampung. Waktu penelitian
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN UNTUK PENGALOKASIAN DANA BANTUAN LANGSUNG MASYARAKAT DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
SISTEM PENUNJANG KEPUTUSAN UNTUK PENGALOKASIAN DANA BANTUAN LANGSUNG MASYARAKAT DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING M. Agistia 1), Iyan Mulyana 2), Sufiatul Maryana 3) Email : agis.arxe@gmail.com
Lebih terperinciANALISIS DATA MINING UNTUK MENENTUKAN VARIABEL VARIABEL YANG MEMPENGARUHI KELAYAKAN KREDIT KEPEMILIKAN RUMAH MENGGUNAKAN TEKNIK KLASIFIKASI
ANALISIS DATA MINING UNTUK MENENTUKAN VARIABEL VARIABEL YANG MEMPENGARUHI KELAYAKAN KREDIT KEPEMILIKAN RUMAH MENGGUNAKAN TEKNIK KLASIFIKASI Aulia Fitrul Hadi Universitas Putra Indonesia YPTK Padang E-mail:
Lebih terperinciAnalisis Perbandingan Algoritma ID3 Dan C4.5 Untuk Klasifikasi Penerima Hibah Pemasangan Air Minum Pada PDAM Kabupaten Kendal
234 Analisis Perbandingan Algoritma ID3 Dan C4.5 Untuk Klasifikasi Penerima Hibah Pemasangan Air Minum Pada PDAM Kabupaten Kendal Comparative Analysis Of ID3 And C4.5 Algorithm For Classification Of Grant
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Sebelum melakukan penelitian adapun penulis mencari penelitian penelitian yang memungkinkan terkait dengan penelitian antara lain : 1. Analisis Kinerja Data
Lebih terperinciSISTEM PENJADWALAN UJIAN DOKTOR PADA PASCASARJANA UNIVERSITAS DIPONEGORO. Rizka Ella Setyani, Sukmawati Nur Endah
Sistem Penjadwalan Ujian Doktor... SISTEM PENJADWALAN UJIAN DOKTOR PADA PASCASARJANA UNIVERSITAS DIPONEGORO Rizka Ella Setyani, Sukmawati Nur Endah Jurusan Ilmu Komputer/ Informatika, Universitas Diponegoro
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 Perpustakaan di SDIT Permata Bunda Bandar Lampung
KARA ILMIAH MAHASISWA MANAJEMEN INFORMAIKA Aplikasi Perpustakaan di SDI Permata Bunda Bandar Lampung Gandis Anggun 1, Imam Asrowardi 2, Moch. usman 3 1 mahasiswa, 2 pembimbing 1, 3 pembimbing 2 Abstrak
Lebih terperinciBAB 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 terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Sistem yang berjalan Proses yang sedang berjalan dalam penginformasian mengenai data lokasi Kantor Kecamatan di Kota Medan masih menggunakan daftar tabel
Lebih terperinciBAB III METODE DAN PERANCANGAN SISTEM. menggunakan referensi jurnal, e-book, dan artikel terkait.
BAB III METODE DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah sebagai berikut. 1. Studi Literatur Pada tahap ini, dilakukan pencarian referensi
Lebih terperinciSISTEM INFORMASI PEMASARAN USAHA KECIL MENENGAH BERBASIS WEB
SISTEM INFORMASI PEMASARAN USAHA KECIL MENENGAH BERBASIS WEB (Studi kasus : Usaha Kecil Menengah Sandal Ciomas) Deni Yusup Bakhtiar, Prof. Dr-Ing. Soewarto Hardhienata, Arie Qurania Program Studi Ilmu
Lebih terperinciPenerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 39 Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi Irwan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Pada bab ini akan dijelaskan tahap-tahap yang dilakukan dalam melakukan penelitian. Tahapan penelitian berguna agar pelaksanaan penelitian dapat berjalan dengan baik dan sistematis
Lebih terperinciDAFTAR ISI HALAMAN JUDUL... LEMBAR PENGESAHAN PEMBIMBING... LEMBAR PENGESAHAN PENGUJI... iii. LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR...
DAFTAR ISI HALAMAN JUDUL... LEMBAR PENGESAHAN PEMBIMBING... i ii LEMBAR PENGESAHAN PENGUJI... iii LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR... iv HALAMAN PERSEMBAHAN... v HALAMAN MOTO... vi KATA PENGANTAR...
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Untuk melakukan sebuah penelitian, diperlukan adanya tahapan-tahapan yang tersusun dengan baik dan sistematis agar pelaksanaan penelitian tepat mencapai tujuan yang diharapkan.
Lebih terperinciIMPLEMENTASI TEKNIK DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA PADA UNIVERSITAS BINA DARMA PALEMBANG
IMPLEMENTASI TEKNIK DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA PADA UNIVERSITAS BINA DARMA PALEMBANG Andri 1), Yesi Novaria Kunang 2), Sri Murniati 3) 1,2,3) Jurusan Sistem Informasi Universitas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Uji kompetensi adalah proses penilaian baik teknis maupun non teknis melalui pengumpulan bukti yang relevan untuk menentukan apakah seseorang kompeten atau belum pada
Lebih terperinci