IMPLEMENTASI DATA MINING MENGGUNAKAN METODE ASSOCIATION RULE UNTUK MEGOLAH DATA PERPUSTAKAAN STT HARAPAN MEDAN
|
|
- Hadi Tanudjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 IMPLEMENTASI DATA MINING MENGGUNAKAN METODE ASSOCIATION RULE UNTUK MEGOLAH DATA PERPUSTAKAAN STT HARAPAN MEDAN Rahmad Juhendra, Tulus 2, Habibi Ramdani Safitri 3 Program Studi Teknik Informatika - Sekolah Tinggi Teknik Harapan Jl. HM Joni No 7 C Medan Rahmadjuhendra993@gmail.com Abstrak Perpustakaan Sekolah Tinggi Harapan Medan memiliki sistem informasi perpustakaan yang dapat memudahkan pengguna untuk meminjam buku. Namun data peminjaman buku yang tercatat pada database sistem masih belum mampu diolah kembali secara maksimal. Hal ini dikarenakan belum adanya modul pengolahan kembali data peminjaman sehingga hanya akan terakumulasi dan tertimbun didalam database sistem dan tidak menghasilkan kembali informasi dan pengetahuan yang bermanfaat untuk mendukung kemajuan manajemen perpustakaan. Teknik Data mining telah banyak digunakan untuk mengatasi permasalahan yang ada salah satunya dengan penerapan algoritma association rule untuk menemukan aturan asosiasi yang terbentuk dari dataset peminjaman buku. Dengan memanfaatkan data transaksi kunjungan perpustakaan akan dicari informasi tentang buku apa yang sering dipinjam oleh mahasiswa dan keterkaitan antara masingmasing peminjaman, sehingga pihak perpustakaan itu sendiri dapat melakukan penyusunan buku sesuai dengan tingkat nilai support dan confidence. Analisa mining data menggunakan tools Rapid Miner Studio, dimana dari hasil mining data transaksi dengan minimum support 3 dan confidence 5% diperoleh 2 aturan asosiasi. Salah satu aturan asosiasi yang terbentuk adalah jika meminjam buku Microsoft Office 27 maka meminjam buku Belajar Visual Basic 28 dengan nilai support.2 dan nilai confidence % yang merupakan aturan dengan nilai confidence tertinggi. Kemudian setelah itu dibuat suatu aplikasi yang dapat menunjukkan lokasi buku secara lebih spesifik sehinggan memudahkan pencarian bagi mahasiswa. Kata Kunci : Data, Aturan Asosiasi, Support, Confidence Abstract The library of STT Harapan Medan has a library information system that can allow users to borrow books. The Data of borrowing books recorded on the database system is still not able to be recycled to the maximum. This is due to the lack of data processing module back lending so it will only accumulate and accumulate within the database system and does not generate a return of information and useful knowledge to support the advancement of library management. Data mining techniques have been widely used to solve the existing problems either by the application of association rule algorithms for finding association rules formed by the dataset borrowing books. By utilizing transaction data visit the library to search for information about what books are often borrowed by students and the linkages between each borrowing, so that the library itself can undertake the preparation of a book in accordance with the level of support and confidence values. Analysis using data mining tools Rapid Miner Studio, where the results of the transaction data mining with minimum support 3 and 5 % confidence gained 2 association rules. One association rules formed is borrowing the book Microsoft Office 27 then borrow books Learning Visual Basic 28 for.2 support and confidence values % which is the rule with the highest confidence score. Then after that created an application that can show the location of the book in a more specific sehinggan facilitate the search for students. Keyword : Data, Association Rule, Support, Confidence
2 . PENDAHULUAN Dengan kemajuan teknologi informasi, kebutuhan akan informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga informasi menjadi suatu elemen penting dalam perkembangan masyarakat saat ini dan waktu mendatang. Namun kebutuhan informasi yang tinggi kadang tidak diimbangi dengan penyajian informasi yang memadai. Sering kali informasi tersebut masih harus digali ulang dari data yang jumlahnya sangat besar. Kemampuan teknologi informasi untuk mengumpulkan dan menyimpan berbagai tipe data jauh meninggalkan kemampuan untuk menganalisis, meringkas dan megekstrak pengetahuan dari data. Metode tradisional untuk menganalisis data yang ada tidak dapat menangani data dalam jumlah besar. Data adalah representasi peristiwa dunia nyata yang mewakili suatu objek seperti manusia (pegawai, pelanggan, siswa, pembeli), barang, hewan, peristiwa, konsep, keadaan, dan sebagainya, yang diwujudkan dalam bentuk angka, huruf, symbol, teks, gambar, bunyi, atau kombinasinya []. Pemanfaatn data yang ada untuk menunjang kegiatan dalam pengambilan keputusan tidak cukup hanya dengan mengandalakan data operasional saja, diperlukan suatu analisis data untuk menggali potensi-potensi informasi yang ada. Para pengambil keputusan berusaha untuk memanfaatkan gudang data yang sudah dimiliki untuk menggali informasi yang berguna membantu dalam mengambil keputusan. Hal ini mendorong munculnya cabang ilmu baru untuk mengatasi masalah penggalian informasi atau pola yang penting atau menarik dari data dalam jumlah besar yang disebut dengan data mining. Penggunaan teknik data mining diharapkan dapat memberikan pengetahuan-pengetahuan yang sebelumnya tersembunyi di dalam gudang data sehingga menjadi informasi yang berharga. Sekolah Tinggi Teknik Harapan adalah salah satu perguruan tinggi swasta di kota Medan Sumatera Utara. STT Harapan dilengkapi dengan berbagai fasilitas untuk menunjang kegiatan mahasiswanya, dimana salah satunya adalah fasilitas berupa perpustakaan. Perpustakaan STT Harapan memiliki koleksi buku yang cukup banyak dari berbagai cabang ilmu pengetahuan. Pengunjung perpustakaan cukup banyak, khususnya bagi mahasiswa yang sedang skripsi. Biasanya pengunjung perpustakaan akan meningkat karena mahasiswa tersebut membutuhkan referensi dari buku-buku untuk mendukung teori yang mereka pelajari.. Data Warehouse Basis data adalah himpunan kelompok data yang saling berhubungan yang diorganisasi sedemikian rupa agar kelak dapat dimanfaatkan kembali dengan cepat dan mudah. Database merupakan bagian yang paling tinggi dari sistem data. Database adalah kumpulan beberapa file-file yang mempunyai kaitan antara satu file dengan file yang lain sehingga membentuk suatu data. Sedangkan sistem database adalah suatu landasan atau kerangka dasar yang terdiri dari sistem dan sub sistem yang digunakan untuk melayani aplikasi tertentu guna mencapai tujuan. Manajemen sebuah sistem database adalah suatu sistem perangkat lunak komputer []. Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber eksternal) yang menjadi perhatian penting bagi manajemen dalam organisasi dan ditujukan untuk keperluan analisis dan pelaporan manajemen dalam rangka pengambilan keputusan [2]. Empat karakteristik dari data warehouse meliputi :. Subject Oriented Sebuah data warehouse disusun dalam subjek utama, seperti pelanggan, suplier, produk, dan sales. Meskipun data warehouse terkonsentrasi pada operasi harian dan proses transaksi dalam perusahaan, data warehouse fokus pada pemodelan dan analisis data untuk pembuat keputusan. Oleh karena itu data warehouse mempunyai karakter menyediakan secara singkat dan sederhana gambaran seputar subjek lebih detail yang dibuat dari data luar yang tidak berguna dalam proses pendukung keputusan. 2. Integrated Data warehouse biasanya dibangun dari bermacam-macam sumber yang berbeda, seperti database relasional, flat files, dan on-line transaction records. Pembersihan dan penyatuan data diterapkan untuk menjamin konsistensi dalam penamaan, struktur kode, ukuran atribut, dan yang lainnya. 3. Time Variant Data disimpan untuk menyajikan informasi dari sudut pandang masa lampau (misal 5 tahun yang lalu). Setiap struktur kunci dalam data warehouse mempunyai elemen waktu baik secara implisit maupun eksplisit. 4. Nonvolatile
3 Sebuah data warehouse secara fisik selalu disimpan terpisah dari data aplikasi operasional. Penyimpanan yang terpisah ini, data warehouse tidak memerlukan proses transaksi, recovery dan mekanisme pengendalian konkurensi. Biasanya hanya membutuhkan dua operasi dalam akses data yaitu initial load of data dan access of data..2 Data Data mining atau sering disebut sebagai knowledge discovery in database (KDD) adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau hubungan dalam data berukuran besar. Keluaran data mining ini bisa dipakai untuk membantu pengambilan keputusan di masa depan. Pengembangan KDD ini menyebabkan penggunaan pattern recognition semakin berkurang karena telah menjadi bagian data mining [3]. Alasan utama mengapa data mining diperlukan adalah karena adanya sejumlah besar data yang dapat digunakan untuk menghasilkan informasi dan knowledge yang berguna. Informasi dan knowledge yang didapat tersebut dapat [4]. Data adalah salah satu bidang yang berkembang pesat karena besarnya kebutuhan akan nilai tambah dari databaseskala besar yang makin banyak terakumulasi sejalan dengan pertumbuhan teknologi informasi. Definisi umum dari data mining itu sendiri adalah serangkaian proses untuk menggali nilai tambah berupa pengetahuan yang selama ini tidak diketahui secara manual dari suatu kumpulan data [5] Data mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dapat dilakukan, yaitu:. Deskripsi (Description) Terkadang peneliti dan analis secara sederhana ingin mencoba mencari cara untuk menggambarkan pola dan kecenderungan yang terdapat dalam data. Sebagai contoh, petugas pengumpulan suara mungkin tidak dapat menemukan keterangan atau fakta bahwa siapa yang tidak cukup profesional akan sedikit didukung dalam pemilihan presiden. Deskripsi dari pola dan kecenderungan sering memberikan kemungkinan penjelasan untuk suatu pola atau kecenderungan. 2. Estimasi (Estimation) Estimasi hampir sama dengan klasifikasi, kecuali variabel target estimasi lebih kearah numerik daripada kearah kategori. Model dibangun menggunakan record lengkap yang menyediakan nilai variabel dari target sebagai nilai prediksi, selanjutnya pada peninjauan berikutnya estimasi nilai dari variabel target dibuat berdasarkan nilai variabel prediksi. 3. Prediksi (Prediction) Prediksi hampir sama dengan klasifikasi dan estimasi, kecuali bahwa dalam prediksi nilai dari hasil akan ada dimasa mendatang. 4. Klasifikasi (Clasification) Dalam klasifikasi, terdapat target variabel kategori, sebagai contoh penggolongan pendapatan dapat dipisahkan dalam tiga kategori, yaitu pendapatan tinggi, sedang dan rendah. 5. Pengklusteran (Cluster) Pengklusteran merupakan pengelompokan record, pengamatan atau memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan. Kluster adalah kumpulan record yang memiliki kemiripan satu dengan lainya dan memiliki ketidak miripan dengan recordrecord dalam kluster lain. 6. Asosiasi (Association) Tugas Asosiasi dalam data mining adalah menemukan atribut yang muncul dalam satu waktu. Dalam dunia bisnis disebut dengan analisis keranjang belanja. Gambar. Tahap-Tahap Data.3 Association Rule Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan assosiatif antara suatu kombinasi item. Algoritma aturan asosiasi akan menggunakan data latihan, sesuai dengan pengertian data mining, untuk menghasilkan pengetahuan. Pengetahuan apakah yang hendak dihasilkan dalam aturan asosiasi untuk mengetahuan item-item belanja yang sering dibeli secara bersamaan dalam suatu waktu. Aturan asosiasi yang berbentuk if then atau jika maka merupakan pengetahuan yang dihasilkan dari fungsi aturan asosiasi [6]. Association rule merupakan salah satu metode yang bertujuan mencari pola yang sering muncul di antara banyak transaksi, dimana setiap transaksi terdiri dari beberapa item [7].
4 Association rule merupakan salah satu metode yang bertujuan mencari pola yang sering muncul di antara banyak transaksi, dimana setiap transaksi terdiri dari beberapa item sehingga metode ini akan mendukung system rekomendasi melalui penemuan pola antar item dalam transaksi-transaksi yang terjadi. Analisis asosiasi dikenal juga sebagai salah satu metode data mining yang menjadi dasar dari berbagai metode data mining lainnya. Khususnya salah satu tahap dari analisis asosiasi yang disebut analisis pola frekuensi tinggi (frequent pattern mining) menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien. Penting tidaknya suatu aturan assosiatif dapat diketahui dengan dua parameter, support (nilai penunjang) yaitu presentase kombinasi item tersebut. dalam database dan confidence (nilai kepastian) yaitu kuatnya hubungan antar item dalam aturan assosiatif. Analisis asosiasi didefinisikan suatu proses untuk menemukan semua aturan assosiatif yang memenuhi syarat minimum untuk support (minimum support) dan syarat minimum untuk confidence (minimum confidence) [7]..4 Algoritma Apriori Algoritma Apriori adalah algoritma analisis keranjang pasar yang digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then [4]. Algoritma Apriori yang bertujuan untuk menemukan frequent itemsets dijalankan pada sekumpulan data. Analaisis Apriori didefenisikan suatu proses untuk menemukan semua aturan apriori yang memenuhi syarat minimum untuk support dan syarat minimum untuk confidence. Support adalah nilai penunjang, atau persentase kombinasi sebuah item dalam database, sedangkan confidence adalah nilai kepastian yaitu kuatnya hubungan antar item dalam sebuah apriori [7]. Algoritma Apriori termasuk jenis aturan asosiasi pada data mining. Selain Apriori, yang termasuk pada algoritma ini adalah metode Generalized Rule Induction dan algoritma Hash Based. Aturan yang menyatakan asosiasi antara beberapa atribut sering disebut affinity analisys atau market basket analysis [8]. Prinsip Algoritma Apriori adalah sebagai berikut :. Kumpulkan jumlah item tunggal, dapatkan item besar. 2. Dapatkan candidat pairs, hitung => large pairs dari item-item. 3. Dapatkan candidat triplets, hitung => large triplets dari itemitem dan seterusnya. 4. Sebagai petunjuk: setiap subnet dari sebuah frequent itemset harus menjadi frequent. Metodologi dasar analisis asosiasi terbagi menjadi dua tahap :. Analisa pola frekuensi tinggi Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari nilai support dalam database. Nilai support sebuah item diperoleh dengan rumus berikut: Sedangkan nilai support dari dari 2 (dua) item diperoleh dari rumus: 2. Pembentukan aturan assosiatif Setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan assosiatif yang memenuhi syarat minimum untuk confidence dengan menghitung confidence aturan assosiatif A _B. Nilai confidence dari aturan A _B diperoleh dari rumus berikut: Prinsip algoritma Apriori dapat dijelaskan sebagai berikut :. Kumpulkan jumlah item tunggal, dapatkan item besar. 2. Dapatkan kandidat pairs => large pairs dari item-item. 3. Dapatkan kandidat triplets, hitung => large triplets dari item-item dan seterusnya. 4. Sebagai petunjuk : setiap subset dari sebuah frequent itemset harus menjadi frequent. 2. HASIL DAN PEMBAHASAN Dalam penulisan tugas akhir ini akan dicari nilai support dan confidence dari pinjaman buku di perpustakaan Sekolah Tinggi Teknik Harapan (STT) Medan. Data transaksi pinjaman buku ini nantinya akan di mining dengan menerapkan association rule sehingga didapatkan aturan asosiasi baru yang berfungsi untuk memberikan informasi yang berguna bagi pengurus perpustakaan seperti mengetahui buku-buku apa saja yang biasanya dipinjam oleh mahasiswa, sehingga dapat dilakukan penyusunan buku dengan lebih baik guna mempermudah dalam pencarian buku. 2. Data Association Rule Data mining adalah proses analisis untuk mengekstraksi dan mengidentifikasi informasi yang
5 bermanfaat dan pengetahuan yang terkait dari database. Salah satu metodde yang digunakan dalam data mining yaitu metode Association Rule, dimana aturan asosiasi ingin memberikan informasi dalam bentuk hubungan if-then atau jika-maka. Langkah-langkah kerja dari algoritma Associaton Rule adalah sebagai berikut:. Tentukan besaran nilai minimum support dan confidence, dimana dalam penelitian ini jumlah besaran nilai minimum suppot = 3, sedangkan besaran minimum confidence = 5%. 2. Scan database transaksi peminjaman buku perpustakaan untuk mendapatkan -item set, kemudian ambil kandidat yang frekuensinya memenuhi minimum support count. Sedangkan yang tidak memenuhi minimum support dihilangkan atau dihapus. 3. Bangkitkan k+ itemset dari itemset yang ada sebelumnya, kemudian buang atau bersihkan data kandidat yang subsetnya tidak memenuhi support count. 4. Hitung frekuensinya, ambil kandidat yang frekuesninya memenuhi dan selesai saat tidak ada kandidat yang memenuhi syarat. 5. Aturan asosiasi dihasilkan dengan menyeleksi yang memenuhi besaran minimum support dan minimum confidence. Gambar 2. Flowchart Association Rule 2.2 Analisa Association Rule Sebelum melakukan mining data dengan metode Association Rule, perlu disiapkan data yang akan di mining dimana data yang digunakan adalah data transaksi peminjaman buku dengan menggunakan data fiktif. Hal ini dimaksudkan untuk memberikan gambaran bagaimana melakukan mining data sehingga menghasilkan aturan asosiasi (Association Rule). Untuk melakukan penggalian dari data transaksi peminjaman buku, maka langkah-langkah yang harus dilakukan adalah:. Langkah pertama yaitu menetapkan besarnya besaran nilai minimum support dan confidence. Dimana dalam hal ini ditetapkan besaran support = 3 dan besaran confidence = 5 %. 2. Langkah kedua yaitu dengan menyususn semua frequent itemset yaitu itemset yang memiliki nilai minimum support = 3 yang telah ditetapkan sebelumnya. Untuk menganalisanya dimulai dengan membahas setiap frequent -itemset, kemudian diseleksi item apa saja yang memiliki minimum support = 3. Item-item yang memenuhi minimum support disebut frequent -itemset. Daftar frequent -itemset dapat dilihat pada tabel dibawah ini: Tabel. Daftar Frequent -Itemset No. Itemset Support. Algoritma dan Pemrograman 4 2. Komunikasi Data 9 3. Belajar Visual Basic Konsep Basis Data 4 5. Cloud Computing 3 6. Microsoft Office Data 7 8. Kriptografi 3 Dari daftar frequent -Itemset diatas, dibuat menjadi daftar calon frequent 2-Itemset. Maka akan didapat hasil seperti terlihat pada tabel 2 berikut: Tabel 2. Daftar Calon Frequent 2-Itemset No. Itemset Support. Algoritma dan Pemrograman,Komunikasi Data 2. Algoritma dan Pemrograman, Belajar Visual Basic Algoritma dan Pemrograman,Konsep Basis Data 4. Algoritma dan Pemrograman,Cloud 2 Computing 5. Algoritma dan Pemrograman, Microsoft Office Algoritma dan Pemrograman,Data 7. Algoritma dan Pemrograman,Kriptografi
6 8. Komunikasi Data, Belajar Visual Basic Komunikasi Data, Konsep Basis Data 3. Komunikasi Data,Cloud Computing. Komunikasi Data, Microsoft Office Komunikasi Data,Data 6 3. Komunikasi Data,Kriptografi 4. Belajar Visual Basic 28, Konsep Basis Data 5. Belajar Visual Basic 28, Cloud Computing 6. Belajar Visual Basic 28, Microsoft Office Belajar Visual Basic 28,Data 8. Belajar Visual Basic 28,Kriptografi 9. Konsep Basis Data, Cloud Computing 2. Konsep Basis Data, Microsoft Office Konsep Basis Data, Data Konsep Basis Data, Kriptografi 23. Cloud Computing, Microsoft Office Cloud Computing,Data 25. Cloud Computing,Kriptografi 26. Microsoft Office 27, Kriptografi 27. Microsoft Office 27, Data 28. Data, Kriptografi Dari tabel diatas dapat dilihat bahwa yang memenuhi syarat minimum support atau yang berhak menjadi frequent 2-Itemset adalah seperti terlihat pada tabel 3 berikut ini: Tabel 3. Daftar Frequent 2-Itemset No. Itemset Support. Komunikasi Data,Konsep Basis Data 3 2. Komunikasi Data,Data 6 3. Belajar Visual Basic 28, Microsoft Office Konsep Basis Data, Data 4 Kemudian daftar frequent -Itemset diatas dibuat menjadi daftar calon frequent 3-Itemset yaitu seperti terlihat pada tabel 4 berikut ini: No. Itemset Support. Komunikasi Data, Konsep Basis Data, Data 3 Komunikasi Data, Konsep 2. Basis Data, Belajar Visual Basic 28 Komunikasi Data, Konsep 3. Basis Data, Microsoft Office Komunikasi Data, Data, Belajar Visual Basic Komunikasi Data, Data, Microsoft Office 27 Dari tabel diatas dapat dilihat bahwa yang berhak menjadi frequent 3-Itemset adalah seperti terlihat pada tabel 5 dibawah ini: Tabel 5. Daftar Frequent 3-Itemset No. Itemset Support. Komunikasi Data, Konsep 3 Basis Data, Data Setelah frequent 3-Itemset diperoleh, maka tahap selanjutnya menghitung nilai confidence dari masing-masing Frequent Itemset sehingga muncul calon aturan asosiasi. Aturan asosiasi ingin memberikan informasi dalam bentuk hubungan ifthen atau jika-maka. Berikut contoh perhitungan untuk mencari nilai confidence dari masing-masing Frequent Itemset untuk menghasilkan calon aturan asosiasi. Jika meminjam Komunikasi Data Maka meminjam Konsep Basis Data didapatkan nilai confidence = 3 / 9 =,33 = 33%. Dari daftar calon aturan asosiasi diatas, maka akan dipilih aturan asosiasi yang memenuhi minimum support dan minimum confidence untuk menjadi aturan asosiasi. Dimana minimum support = 3 dan minimum confidence = 5% seperti yang sudah ditetapkan sebelumnya. Daftar aturan asosiasi dpat dilihat pada tabel 3.6 berikut ini: Tabel 6. Daftar Aturan Asosiasi Tabel 4. Daftar Frequent 3-Itemset
7 2.3 Implementasi Dan Pengujian Implementasi merupakan tahapan yang dilakukan untuk mengaplikasikan terhadap rancangan yang diperoleh sebelumnya. Pada penelitian ini akan mengimplementasikan data mining pengolahan data perpustakaan STT Harapan dengan menggunakan software Rapid Miner Studio. Dari hasil analisa data mining dengan Rapid Miner ini nantinya akan menghasilkan aturan asosiasi peminjaman buku, sehingga untuk mempermudah dalam pencarian buku dibuat aplikasi dengan alat bantu Visual Basic 28 dengan program database MySQL. Adapun hasil yang diperoleh tberupa tampilan hasil dan hasil pengujian sistem Implementasi Komponen Untuk mengimplementsaikan data mining pengolahan data perpustakaan ini dapat berjalan dengan baik, ada beberapa perangkat yang harus dipenuhi. Adapun perangkat-perangkat yang digunakan dapat diuraikan pada tabel berikut: Tabel 7. Spesifikasi Kebutuhan Hardware No. Nama Perangkat Keterangan. Processor AMD Dual Core atau lebih rendah 2. Harddisk 32 GB atau lebih rendah 3. Memory 2 GB atau lebih rendah 4. Monitor 366 x768 Tabel 8. Spesifikasi Kebutuhan Software No. Nama Perangkat Keterangan. Operating System Windows 7 2. Rapid Miner Tools data mining Studio 3. Microsoft Visual Tools bahasa Basic 28 pemrograman 4. MySQL Database 5..Net Framework Versi 3.5 atau lebih tinggi 6. Smadav Antivirus Implementasi Data Untuk mengimplementasikan data mining peminjaman buku perpustakaan STT Harapan, menggunakan tools Rapid Miner studio. Di bawah ini merupakan langkah-langkah kerja pengimplementasian data mining dengan menggunakan metode association rule pada Rapid Miner, yaitu sebagai berikut:. Langkah pertama pembuatan Format Tabular Tahap pertama yang dilakukan yaitu mempersiapkan data yang akan diolah, yaitu data transaksi peminjaman buku perpustakaan. Untuk pembuatan data format tabular menggunakan Microsoft Excel, dimana data yag digunakan dapat dilihat pada lampiran. Kemudian Lakukan importing data kedalam Repositori. Browse table Microsoft Excel yang telah dibuat, dan masukan kedalam Local Repository, seperti gambar dibawah ini: Gambar 3. Importing Data Kedalam Repository 2. Drag dan Drop Tabel DataPerpustakaan tadi kedalam Process. Sehingga Operator Database muncul dalam Main Proses. Operator Numerical to Binominal diperlukan untuk mengubah nilai atribut yang berada pada table TransaksiMakanan menjadi binominal. Kemudian hubungkan Tabel DataPerpustakaan dengan operator Numerical to Binominal. Proses ini akan membuat nilai dari Tabel Transaksi makan mejadi Binominal Attributes. Selanjutnya hubungkan operator Numerical to Binominal dengan operator FP-Growth dan isi Parameter FP-Growth dengan minimum support senilai 3% atau.3. Kemudian hubungkan operator FP-Growth dengan operator Association Rules dan isi Parameter Association Rules dengan minimum confidence 5% atau.5. Setelah itu hubungkan Association Rules pada result. Sehingga seluruhnya membentuk seperti gambar dibawah ini: Gambar 4. Susunan Operator Association Rules 3. Setelah semua operator terhubung kemudia klik ico Play atau tekan F, maka akan muncul
8 sebuah tab Association Rules yang baru, yang isinya adalah sebuah table berisi seluruh itemset yang memenuhi parameter FP-Growth dan Association Rules, seperti terlihat pada gambar berikut: Gambar 6. Hasil Dalam Bentuk Graph View Implementasi Pencarian Buku Adapun program aplikasi pencarian buku menggunakan bahasa pemrograman Visual Basic.NET 28 dan program Database menggunakan MySQL.. Form Login Setelah program dijalankan, maka tampilan yang paling pertama muncul adalah Form Login, merupakan Form yang digunakan untuk login ke dalam sistem. Kita dapat login sebagai Admin atau user, perbedaanya jika login sebagai user ada beberapa form yang dibekukan atau tidak diakses. Gambar 5. Hasil Association Rules Dari hasil analisa data mining dengan Rapid Miner, yang mana jumlah rules yang dihasilkan yaitu 2 rules. Kita bisa mengambil beberapa dari rules ini untuk dijadikan sebuah pegangan dalam melakukan pengaturan ulang tata letak buku guna mempermudah pencarian buku. Tentunya yang memiliki nilai support dan confidence yang tinggi, yaitu salah satunya jika meminjam buku Microsoft Office 27 maka meminjam buku Belajar Visual basic 28 dengan nilai support.2 dan nilai confidence %. Untuk melihat dalam bentuk grafik. kita dapat memilih opsi Graph View, sepeti yang ditunjukkan pada gambar berikut: Gambar 7. Hasil Pengujian Form Login 2. Form Menu Utama Dalam tahap ini, dilakukan pengujian terhadap kemampuan sistem untuk menggunakan form menu utama di mana user akan berinteraksi langsung dengan sistem. Gambar 8. Hasil Pengujian Form Utama 3. Form Data Petugas Form Data Petugas adalah sebuah form yang dirancang untuk menampilkan data petugas, di mana dalam form ini dapat dilakukan Tambah, Simpan, Ubah, Hapus Data.
9 Gambar 9. Hasil Pengujian Form Petugas 4. Form Data Buku Form Data Buku adalah sebuah form yang dirancang untuk menampilkan data buku, di mana dalam form ini dapat dilakukan Tambah, Simpan, Ubah, Hapus Data. Gambar. Hasil Pengujian Form Data Buku Pengujian Sistem Setelah mendapatkan hasil tampilan perangkat lunak, tahap selanjutnya melakukan pengujian terhadap sistem tersebut. Adapun metode pengujian sistem yang dilakukan adalah metode Black Bos Testing. Metode black box testing merupakan metode testing pengujian yang dilakukan untuk mengamati hasil eksekusi melalui data uji dan memeriksa fungsional dari perangkat lunak. Adapun hasil pengujian fungsionalitas sistem yang telah dibuat dengan menggunakan metode pengujian Black Box testing, dapat dilihat pada tabel berikut: Tabel 9. Pengujian Black Box Testing 3. PENUTUP 3. Kesimpulan Kesimpulan yang dapat diambil dari penelitian data mining dengan metode association rule ini adalah sebagai berikut:. Proses mining data transaksi peminjaman buku perpustakaan mengunakan tools Rapid Miner Studio untuk menganalisa dan menghasilkan aturan asosiasi. Sedangkan untuk mempermudah proses pencarian buku di perpustakaan dibuat aplikasi dengan tools Microsoft Visual Basic.NET Penerapan data mining peminjaman buku perpustakaan merupakan sebuah sistem pencarian aturan asosiasi melalui pengolahan data transaksi peminjaman buku dari setiap mahasiswa yang bertujuan untuk mencari hubungan antara buku yang sering dipinjam mahasiswa dengan menghitung besaran nilai support dan confidence. Sehingga informasi ini dapat memberikan pertimbangan tambahan bagi perpustakaan itu sendiri guna pengaturan bukubuku pada rak untuk mempermudah pencarian. 3. Dari hasil mining data kunjungan perpustakaan STT Harapan didapatkan informasi buku yang sering dipinjam mahasiswa, sehingga dapat dilakukan rekomendasi pengaturan ulang tata letak buku guna mempermudah dalam pencarian buku. 4. Dari hasil mining data transaksi peminjaman buku perpustakaan dengan batasan minimum transaksi sebesar 3 transaksi dan minimum confidence sebesar 5% membentuk 2aturan asosiasi. Salah satu aturan asosiasi yang terbentuk adalah jika meminjam buku Microsoft Office 27 maka meminjam buku Belajar Visual Basic 28 dengan nilai support.2 dan nilai confidence % yang merupakan aturan dengan nilai confidence tertinggi. 3.2 Saran Berdasarkan kesimpulan dari penelitian ini maka saran yang mungkin berguna untuk perkembangan lebih lanjut pada penelitian skripsi ini, yaitu sebagai berikut:. Penelitian selanjutnya dapat dikembangkan pada jenis data yang sama dengan menggunakan metode yang lebih baik seperti algoritma Generalized Sequential Pattern. 2. Jumlah buku yang dapat dianalisa ditingkatkan agar pola mining yang terbentuk semakin bervariasi dan banyak. Sehingga proses mining
10 lebih akurat dalam menentukan keterkaitan antara buku yang dipinjam. 3. Hasil aturan asosiasi yang terbentuk dapat dikembangkan menjadi basis pengetahuan untuk membuat aplikasi yang lebih bagus mengenai hubungan antara buku yang ada dalam perpustakaan. 4. DAFTAR PUSTAKA []. Handojo, Andreas, dkk. 28. Aplikasi Data Untuk Meneliti Asosiasi Pembelian Item Barang di Supermaket dengan Metode Market Basket Analysis. Surabaya. [2]. Arifin. 2. Data Warehouse, Data Mart, OLAP, dan Data. Sistem Informasi UDINUS. [3]. Fadlina. 24. Data Untuk Analisa Tingkat Kejahatan Jalanan Dengan Algoritma Association Rule Metode Apriori. Volume III Nomor I, Padang, Informasi dan Teknologi Ilmiah (INTI). Menggunakan Metode Association Rules. Artikel Skripsi Universitas Nusantara PGRI Kediri. [6]. Rian Pratama. 28. Perancangan Data Warehouse Pemetaan Data Siswa Pada Disdikpora Kota Palembang. STMIK GI MDP. [7]. Syaifullah, A, M. 2. Implementasi Data Algoritma Apriori Pada Sistem Penjualan. Naskah Publikasi AMIKOM Yogyakarta. [8] Nurdin, Astika. D. Penerapan Data Untuk Menganalisis Penjualan Barang Dengan Menggunakan Metode Apriori Pada Supermarket Sejahtera Lhokseumawe. Jurnal Techsi Vol. 6 No.. Program Studi Teknik Informatika Universitas Malikussaleh. [4]. Jananto, A. 22. Penggunaan Market Basket Analysis untuk Menentukan Pola Kompetensi Mahasiswa. Jurnal Teknologi Informasi Dinamik Volume 7, No.2. Program Studi Sistem Informasi, Universitas Stikubank. [5]. Aminulloh, S, G. 26. Penerapan Data Pada Penyewaan Film Di Atika
2.2 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 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 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 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 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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini, perkembangan teknologi telah memberikan pengaruh yang sangat besar di dalam kehidupan manusia. Salah satu pengaruh tersebut di bidang informasi yaitu dalam
Lebih 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 terperinciJurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika V1.i1(52-62)
Analisa Pola Peminjaman Buku Perpustakaan Menggun Algoritma Apriori Azwar Anas Program Studi Pendidikan Informatika, STKIP PGRI Sumbar aans_07@yahoo.co.id http://dx.doi.org/10.22202/jei.2014.v1i1.1439
Lebih terperinciBAB II TINJAUAN PUSTAKA. Turban mendefinisikan Decision Support System sebagai sekumpulan
BAB II TINJAUAN PUSTAKA 2.1 Decision Support System Turban mendefinisikan Decision Support System sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para pengambilan
Lebih terperinciBAB V IMPLEMENTASI DAN PENGUJIAN SISTEM
BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM 5.1 Implementasi Sistem Setelah melakukan analisis sistem yang dilakukan pada tahap sebelumnya dan dirancang sedemikian rupa, maka dilakukan tahapan selanjutnya
Lebih 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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perpustakaan merupakan tempat dimana seseorang mendapatkan pengetahuan, informasi atau hiburan dengan jumlah kategori yang bervarian seperti ilmiah, non fiksi, komedi,
Lebih terperinciBAB I PENDAHULUAN. dalam suatu sistem basis data melalui aplikasi sistem informasi manajemen. Dari
BAB I PENDAHULUAN I.1. Latar Belakang Persaingan yang semakin ketat dalam penjualan menuntut para pebisnis untuk menemukan suatu strategi yang dapat meningkatkan penjualan dan pemasaran produk yang dijual,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Pelaku bisnis saat ini dituntut selalu inovatif untuk dapat bersaing dengan kompetitor. Bisnis retail seperti Apotek merupakan bisnis dengan persaingan yang sangat
Lebih terperinciANALISA DATA PENJUALAN OBAT DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA RUMAH SAKIT UMUM DAERAH H. ABDUL MANAN SIMATUPANG KISARAN
ANALISA DATA PENJUALAN OBAT DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA RUMAH SAKIT UMUM DAERAH H. ABDUL MANAN SIMATUPANG KISARAN Chintia Oktavia Simbolon (0911456) Mahasiswa Program Studi Teknik Informatika,
Lebih 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 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 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 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 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. baik. Maka para pengelola harus mencermati pola-pola pembelian yang dilakukan
BAB I PENDAHULUAN I.1. Latar Belakang Jumlah pasar swalayan yang terus berkembang membuat para pengelolaswalayan juga dituntut untuk menerapkan strategi pemasaran yang lebih baik. Maka para pengelola harus
Lebih terperinciANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE
ANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE Diki Arisandi 1, Nofriandi 2 Jurusan Teknik Informatika, FakultTeknik,Universitas Abdurrab
Lebih terperinciBAB I PENDAHULUAN. Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan
BAB I PENDAHULUAN I.1. Latar Belakang Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang sangat akurat sangat dibutuhkan dalam kehidupan sehari hari, sehingga informasi akan
Lebih terperinciBAB I PENDAHULUAN. mahasiswa yang seringkali meminjam buku harus mencari sendiri dirak rak
BAB I PENDAHULUAN I.1 Latar Belakang Perpustakaan merupakan salah satu fasilitas penyedia informasi,sumber ilmu pengetahuan,dan sarana penunjang proses kegiatan belajar bagi pengguna untuk mendapatkan
Lebih terperinciPENERAPAN ALGORITMA APRIORI UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTEK AZKA
PENERAPAN ALGORITMA APRIORI UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTEK AZKA Winda Aprianti 1), Jaka Permadi 2), Oktaviyani 3) 1)2)3) Teknik Informatika, Politeknik Negeri Tanah Laut Jl. A. Yani Km. 06
Lebih terperinciBAB IV HASIL DAN UJICOBA. Penerapan Data Mining Market Basket Analysis Terhadap Data Penjualan Produk
BAB IV HASIL DAN UJICOBA IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari perancangan Penerapan Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Elektronik Dengan
Lebih terperinciAPLIKASI DATA MINING UNTUK ANALISIS ASOSIASI POLA PEMBELIAN DENGAN ALGORITMA APRIORI
APLIKASI DATA MINING UNTUK ANALISIS ASOSIASI POLA PEMBELIAN DENGAN ALGORITMA APRIORI SKRIPSI Disusun Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer pada Departemen Ilmu Komputer/ Informatika
Lebih terperinciPENENTUAN LOKASI BARANG PADA A Swalayan MENGGUNAKAN ASSOCIATION RULE DENGAN ALGORITMA FP-GROWTH
PENENTUAN LOKASI BARANG PADA A Swalayan MENGGUNAKAN ASSOCIATION RULE DENGAN ALGORITMA FP-GROWTH DETERMINING LOCATION OF GOODS IN A Swalayan USING ASSOCIATION RULE BY FP-GROWTH ALGORITHM Ardi Wijaksono
Lebih terperinciBAB I PENDAHULUAN. Data mining memungkinkan penemuan pola-pola yang menarik, informasi yang
1 BAB I PENDAHULUAN Bab pendahuluan ini membahas tentang latar belakang masalah yaitu fenomena perkembangan data yang terus bertambah tetapi informasi yang dihasilkan monoton, sehingga diperlukan data
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 terperinciPERSYARATAN PRODUK. 1.1 Pendahuluan Latar Belakang Tujuan
BAB 1 PERSYARATAN PRODUK Bab ini membahas mengenai hal umum dari produk yang dibuat, meliputi tujuan, ruang lingkup proyek, perspektif produk, fungsi produk dan hal umum yang lainnya. 1.1 Pendahuluan Hal
Lebih 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 METODE PENELITIAN. Metode penelitian merupakan suatu prosedur beserta tahapan-tahapan yang
BAB III METODE PENELITIAN Metode penelitian merupakan suatu prosedur beserta tahapan-tahapan yang tersusun secara jelas dan sistematis guna menyelesaikan suatu permasalahan yang sedang diteliti dengan
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 terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM
BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM IV.1. Implementasi Sistem Tahap implementasi sistem merupakan tahap untuk mengaplikasikan apa yang telah dirancang pada tahap perancangan sistem berdasarkan hasil
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM III.1 Analisis Sistem Analisis sistem adalah penguraian dari suatu sistem informasi yang utuh kedalam bagian-bagian komponennya dengan maksud untuk mengidentifikasi
Lebih terperinciPola Kompetensi Mahasiswa Program Studi Informatika Menggunakan FP-Growth
Pola Kompetensi Mahasiswa Program Studi Informatika Menggunakan FP-Growth Fitrah Rumaisa, S.T., M.Kom Prodi Teknik Informatika, Fakultas Teknik, Universitas Widyatama E-Mail: fitrah.rumaisa@widyatama.ac.id
Lebih terperinciIMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA PENJUALAN SPAREPART MOTOR DI AHAS PUTRA MOTOR
IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA PENJUALAN SPAREPART MOTOR DI AHAS PUTRA MOTOR SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
Lebih terperinciIMPLEMENTASI ALGORITMA APRIORI DALAM MENENTUKAN PERSEDIAAN OBAT
IMPLEMENTASI ALGORITMA APRIORI DALAM MENENTUKAN PERSEDIAAN OBAT Gusti Ahmad Syaripudin 1), Edi Faizal 2) 1) Teknik Informatika STMIK El Rahma Yogyakarta 1) Jl. Sisingamangaraja No. 76, Karangkajen, Brontokusuman,
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 terperinciIMPLEMENTASI DATA MINING PADA PENJUALAN TIKET PESAWAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus: Jumbo Travel Medan)
IMPLEMENTASI DATA MINING PADA PENJUALAN TIKET PESAWAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus: Jumbo Travel Medan) Sri Rahayu Siregar ( 0911882) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
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 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 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 terperinciIMPLEMENTASI DATA MINING DENGAN ALGORITMA APRIORI PADA TOKO BANGUNAN UD. RUFI SENTOSA JAYA SAMBIREJO - PARE
IMPLEMENTASI DATA MINING DENGAN ALGORITMA APRIORI PADA TOKO BANGUNAN UD. RUFI SENTOSA JAYA SAMBIREJO - PARE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.)
Lebih terperinciANALISA ALGORITMA APRIORI UNTUK MENENTUKAN MEREK PAKAIAN YANG PALING DIMINATI PADA MODE FASHION GROUP MEDAN
ANALISA ALGORITMA APRIORI UNTUK MENENTUKAN MEREK PAKAIAN YANG PALING DIMINATI PADA MODE FASHION GROUP MEDAN Eka Novita Sari (0911010) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciIMPLEMENTASI ALGORITMA APRIORI PADA APOTEK RMC DALAM MENENTUKAN PERSEDIAAN OBAT
IMPLEMENTASI ALGORITMA APRIORI PADA APOTEK RMC DALAM MENENTUKAN PERSEDIAAN OBAT Gusti Ahmad Syaripudin Teknik Informatika STMIK El-Rahma Yogyakarta e-mail: first234boy@gmail.com Abstract In daily activities,
Lebih terperinciBAB 1 PENDAHULUAN Pengantar
BAB 1 PENDAHULUAN 1.1. Pengantar Perkembangan teknologi komputer saat ini sangatlah cepat sehingga komputer banyak digunakan di berbagai bidang. Dalam bidang usaha, penggunaan komputer dapat mempermudah
Lebih terperinciBAB III METODOLOGI PENELITIAN. Gambar 2. 1 Metode Penelitian
BAB III METODOLOGI PENELITIAN Metode penelitian mengenai sistem rekomendasi kuliner untuk mahasiswa Universitas Sebelas Maret Surakarta menggunakan metode Apriori Positif Negatif dan Binary Hamming Distance
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 terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil IV.1.1. Tampilan Hasil Form Login Form ini berfungsi sebagai tempat untuk melakukan login pada sistem. Pemakai sistem diwajibkan untuk memasukan username
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 terperinciAssocation Rule. Data Mining
Assocation Rule Data Mining Association Rule Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan assosiatif antara suatu kombinasi item. Aturan yang menyatakan
Lebih terperinciBAB I PENDAHULUAN. Permintaan sepeda motor pada PT. Bintang Utama Motor semakin
BAB I PENDAHULUAN I.1. Latar Belakang Permintaan sepeda motor pada PT. Bintang Utama Motor semakin bertambah setiap tahunnya. Terdapat banyak jenis sepeda motor Honda di PT. Bintang Utama Motor mulai dari
Lebih terperinciPENGGUNAAN ALGORITMA APRIORI UNTUK MENENTUKAN REKOMENDASI STRATEGI PENJUALAN PADA TOSERBA DIVA SKRIPSI
PENGGUNAAN ALGORITMA APRIORI UNTUK MENENTUKAN REKOMENDASI STRATEGI PENJUALAN PADA TOSERBA DIVA SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program
Lebih 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 terperinciRANCANG BANGUN APLIKASI MARKET BASKET ANALYSIS (MBA) PADA MINIMARKET UD. DIANI DENGAN ALGORITMA CT-PRO
RANCANG BANGUN APLIKASI MARKET BASKET ANALYSIS (MBA) PADA MINIMARKET UD. DIANI DENGAN ALGORITMA CT-PRO Oleh Gede Agus Eka Kharisma Jurusan Pendidikan Teknik Informatika, Fakultas Teknik dan Kejuruan Universitas
Lebih terperinciAPLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA
APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA Yuli Asriningtias, Rodhyah Mardhiyah Program Studi Teknik Informatika Fakultas Bisnis & Teknologi Informasi, Universitas Teknologi
Lebih terperinciBAB III METODOLOGI PENELITIAN
40 BAB III METODOLOGI PENELITIAN 3.1 DESAIN PENELITIAN Dalam melakukan penelitian, dibutuhkan desain penelitian agar penelitian yang dilakukan dapat berjalan dengan baik. Berikut ini merupakan desain penelitian
Lebih terperinciTINJAUAN PUSTAKA Data Mining
25 TINJAUAN PUSTAKA 2.1. Data Mining Definisi sederhana dari data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di database. Secara lengkap, Data mining merupakan
Lebih terperinciPenerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy
Penerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy (Studi Kasus di PT. Telkom Cabang Wonogiri ) Moch. Yusuf
Lebih terperinciBAB I PENDAHULUAN. Teknologi Informasi sekarang ini telah digunakan hampir di semua aspek
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi Informasi sekarang ini telah digunakan hampir di semua aspek kehidupan, contohnya dalam sebuah perusahaan ritel. Dengan sistem yang telah terkomputerisasi,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah Identifikasi Masalah Masalah Umum
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.1.1 Identifikasi Masalah 1.1.1.1. Masalah Umum Situasi kondisi perekonomian yang ada pada saat ini menunjukkan adanya perkembangan dunia usaha semakin pesat
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam periode enam tahun terakhir (tahun 2007 2012), jumlah gerai ritel modern di Indonesia mengalami pertumbuhan rata-rata 17,57% per tahun. Pada tahun 2007, jumlah
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGANALISIS PENJUALAN BARANG DENGAN MENGGUNAKAN METODE APRIORI PADA SUPERMARKET SEJAHTERA LHOKSEUMAWE
PENERAPAN DATA MINING UNTUK MENGANALISIS PENJUALAN BARANG DENGAN MENGGUNAKAN METODE APRIORI PADA SUPERMARKET SEJAHTERA LHOKSEUMAWE Nurdin, Dewi Astika Program Studi Teknik Informatika Universitas Malikussaleh
Lebih terperinciBAB I PENDAHULUAN. informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga
BAB I PENDAHULUAN I.1. Latar Belakang Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga informasi akan menjadi
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 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 terperinciBAB 1 PENDAHULUAN 1.1 Pendahuluan 1.2 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Pendahuluan Pada jaman modernisasi, teknologi digital mengambil alih dunia dengan terusmenerus berlomba berkreasi tiada henti-hentinya demi tercapainya kemudahan dan kecepatan penyebaran
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 terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. Impelentasi Implementasi sistem ini menggambarkan penerapan dan kebutuhan sistem untuk menjalankan program dimana aplikasi ini merupakan aplikasi administrasi gudang.
Lebih terperinciPENGGALIAN KAIDAH MULTILEVEL ASSOCIATION RULE DARI DATA MART SWALAYAN ASGAP
PENGGALIAN KAIDAH MULTILEVEL ASSOCIATION RULE DARI DATA MART SWALAYAN ASGAP Teguh Pradana 1) 1) Program Studi/Prodi Teknik Informatika, STMIK Yadika, email: INTI_PERSADA_SOFTWARE@yahoo.co.id Abstrak: Perkembangan
Lebih terperinciAturan assosiatif biasanya dinyatakan dalam bentuk : {roti, mentega} {susu} (support = 40%, confidence = 50%)
ASSOCIATION RULE (ALGORITMA A PRIORI) Algoritma A Priori termasuk jenis aturan asosiasi pada data mining. Selain a priori, yang termasuk pada golongan ini adalah metode generalized rule induction dan algoritma
Lebih terperinciBAB I PENDAHULUAN. Peminatan atau bidang peminatan adalah sebuah jurusan yang harus di
BAB I PENDAHULUAN I. Latar Belakang Peminatan atau bidang peminatan adalah sebuah jurusan yang harus di ambil oleh mahasiswa untuk menentukan arah kompetensi dan keahlian mahasiswa tersebut yang mana di
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 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 terperinciJURNAL IMPLEMENTASI DATA MINING PADA PERSEWAAN ALAT PESTA MENGGUNAKAN METODE APRIORI
JURNAL IMPLEMENTASI DATA MINING PADA PERSEWAAN ALAT PESTA MENGGUNAKAN METODE APRIORI IMPLEMENTATION OF DATA MINING IN THE RENTAL PARTY TOOLS USING A APRIORI Oleh: RIZHA FRANSTIKA WICAKSANA 12.1.03.02.0322
Lebih terperinciBAB I PENDAHULUAN. dunia teknologi informasi. Saat ini dikenal adanya social network dimana chatting
BAB I PENDAHULUAN I. Latar Belakang Perkembangan komunikasi telah mempengaruhi perkembangan ekonomi. Transaksi jual beli yang sebelumnya hanya bisa dilakukan secara langsung maupun tidak langsung (telepon)
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 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 terperinciABSTRAK. Kata kunci: Market Basket Analysis, Cross-selling. Universitas Kristen Maranatha
ABSTRAK Salah satu strategi pemasaran yang dapat digunakan untuk meningkatkan volume penjualan suatu produk adalah cross selling. Penentuan cross selling produk dapat dilakukan dengan menerapkan Analisis
Lebih terperinciPENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN
PENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN SKRIPSI Diajukan untuk memenuhi salah satu syarat guna memperoleh gelar Sarjana Komputer (S.Kom)
Lebih terperinciIMPLEMENTASI DATA MINING PADA PENJUALAN PRODUK ELEKTRONIK DENGAN ALGORITMA APRIORI (STUDI KASUS : KREDITPLUS)
IMPLEMENTASI DATA MINING PADA PENJUALAN PRODUK ELEKTRONIK DENGAN ALGORITMA APRIORI (STUDI KASUS : KREDITPLUS) Dewi Kartika Pane (0911801) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.. Analisis Masalah Pada zaman saat ini sepeda motor banyak digunakan di jalanan, banyak masyarakat menggunakan sepeda motor karena kepraktisan di dalam penggunaanya.
Lebih terperinciBAB I PENDAHULUAN. mereka dan juga agar bertahan dalam persaingan. Kedai Kopi Uleekareng dan Gayo merupakan sebuah kedai yang bergerak
BAB I PENDAHULUAN I.1. Latar Belakang Perkembangan teknologi yang cukup pesat telah memberikan pengaruh yang sangat besar di dalam kehidupan manusia. Dalam persaingan dunia bisnis sekarang ini menuntut
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. Impelentasi Implementasi sistem ini menggambarkan penerapan dan kebutuhan sistem untuk menjalankan program dimana aplikasi ini merupakan aplikasi dashboard monitoring
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini akan membahas mengenai implementasi dari sistem yang telah dibuat. Pengujian akan dilakukan pada setiap menu untuk memastikan bahwa sistem berjalan dan menghasilkan
Lebih terperinciData Mining. Tidak. Mulai. Data transaksi. Pembersihan data. Seleksi data. Transformasi data. Pemberian nilai minimum support
6 Representasi Pengetahuan Tahap ini merupakan tahap akhir dari proses KDD. Sederetan aturan atau rule disajikan kepada pengguna dengan menggunakan algoritme Rule Generation. Mulai Data transaksi Pembersihan
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Berikut ini akan dijelaskan tentang tampilan hasil dari perancangan Penerapan Algoritma Apriori Jurusan Yang Paling Diminati Calon Mahasiswa Di Sekolah Tinggi
Lebih terperinciPENERAPAN ALGORITMA APRIORI DALAM POLA PEMINJAMAN BUKU (STUDI KASUS : PERPUSTAKAAN STIKES PRIMA JAMBI)
) PENERAPAN ALGORITMA APRIORI DALAM POLA PEMINJAMAN BUKU (STUDI KASUS : PERPUSTAKAAN ) APRIORI ALGORITHM APPLICATION IN LENDING BOOK PATTERN (CASE STUDY: LIBRARY ) Rico, Brestina Gultom STIKes Prima Jambi
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisis Masalah Dibutuhkannya ketelitian dalam Melihat hasil penjualan minuman pada kedai kopi Uleekareng & Gayo untuk menentukan minuman yang paling diminati
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA 2.1 Sistem Informasi Manajemen Mcleod R dan Schell G, (2004) membagi sumber daya menjadi dua bagian yaitu sumberdaya fisikal dan sumberdaya konseptual. Sumber daya fisikal terdiri
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 terperinciBAB I PENDAHULUAN. yakni teknik mesin, teknik elektro dan teknik informatika. Namun bagi para calon
BAB I PENDAHULUAN I.1. Latar Belakang Sekolah Tinggi Teknologi Sinar Husni (STT. Sinar Husni) memiliki mahasiswa yang mayoritasnya adalah para pekerja, oleh karena itu banyak para pekerja yang melanjutkan
Lebih terperinciIMPLEMENTASI DATA MINING TERHADAP PENYUSUNAN LAYOUT MAKANAN PADA RUMAH MAKAN PADANG MURAH MERIAH
IMPLEMENTASI DATA MINING TERHADAP PENYUSUNAN LAYOUT MAKANAN PADA RUMAH MAKAN PADANG MURAH MERIAH Oliver Zakaria 1), Kusrini 2) 1) Teknik Informatika STMIK AMIKOM Yogyakarta Jl. Ring Road Utara Condong
Lebih terperinciBAB III METODE PENELITIAN. A. Tempat dan Waktu. 1. Tempat Penelitian. a. Assalam hypermarket merupakan salah satu pusat perbelanjaan di
BAB III METODE PENELITIAN A. Tempat dan Waktu 1. Tempat Penelitian Tempat penelitian merupakan suatu sumber untuk mendapatkan data yang dibutuhkan mengenai masalah yang akan diteliti. Data untuk penelitian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari kebutuhan akan informasi yang akurat sangat dibutuhkan dalam perkembangan masyarakat saat ini dan waktu mendatang. Namun kebutuhan informasi
Lebih terperinci