APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI UNGGULAN PRODUK KERAJINAN TANGAN
|
|
- Fanny Dharmawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI UNGGULAN PRODUK KERAJINAN TANGAN Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma Jl. Margonda Raya no.100 Depok, Indonesia Abstrak Data Mining merupakan penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data dalam jumlah besar yang diharapkan dapat mengatasi kondisi tersebut. Data Mining sendiri memiliki beberapa teknik salah satunya aturan asosiatif (Association Rule). Algoritma apriori adalah algoritma pengambilan data dengan teknik aturan asosiatif (Association Rule) untuk menentukan hubungan asosiatif suatu kombinasi item. (Association Rule yang dimaksud dilakukan melalui mekanisme penghitungan support dan confidence dari suatu hubungan item. Sebuah rule asosiasi dikatakan interesting jika nilai support lebih besar dari minimum support dan juga nilai confidence lebih besar dari minimum confidence. Pada penelitian ini dibuat suatu Aplikasi Data Mining dengan algoritma apriori guna untuk mengelola data kerajinan tangan yang ada, dan juga menganalisis kemungkinan pertumbuhan produk-produk kerajinan tangan yang baru yang lebih unggul dengan melakukan klasisifikasi dari data-data kerajinan yang sudah ditemukan. Kata Kunci : Data Mining, Algoritma Apriori, Kerajinan Tangan, Jawa Barat. 1. PENDAHULUAN Potensi industri kreatif khususnya kerajinan belum tergali secara dalam. Kurangnya perhatian pemerintah terhadap sektor industri kreatif di Jawa Barat, membuat pelaku industri kreatif belum tumbuh secara maksimal. Belum terintegrasinya lokasi pengrajin, belum tersedianya akses informasi untuk melihat produk unggulan yang menjadi ciri khas suatu daerah, juga belum tersedianya sarana untuk menambah ilmu pengetahuan dalam menciptakan produk yang kreatitif, inovatif serta bernilai jual tinggi bagi pengrajin bisa menyebabkan industri kerajinan akan menurun karena para peminat kerajinan kesulitan dalam mengakses informasi untuk melihat bagaimana bentuk dan perkembangan produk unggulan masing masing daerah (Karyadi Yedi, 2013). Data Mining merupakan penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data dalam jumlah besar yang diharapkan dapat mengatasi kondisi tersebut. Data Mining sendiri memiliki beberapa teknik diantaranya aturan asosiasi. Teknik asosiasi terdiri dari beberapa metode, dan algoritma apriori adalah bagian dari metode asosiasi. Algoritma apriori adalah algoritma pengambilan data dengan aturan asosiatif Studi Pustaka (Association rule) untuk menentukan hubungan asosiatif suatu kombinasi item (Kusrini, 2007). Association Rule yang dimaksud dilakukan melalui mekanisme penghitungan support dan confidence dari suatu hubungan item. Sebuah rule asosiasi dikatakan interesting jika nilai support adalah lebih besar dari minimum support dan juga nilai confidence adalah lebih besar dari minimum confidence. Algoritma apriori ini akan cocok untuk diterapkan bila terdapat beberapa hubungan item yang ingin dianalisa. Salah satunya bisa diterapkan dalam bidang promosi dan penentuan strategi pemasaran. Pengolahan data dan analisis data dengan menggunakan metode Association Rule untuk mengelola data kerajinan tangan yang ada, dan juga menganalisis produk kerajinan tangan yang paling unggul dengan melakukan klasifikasi dari data kerajinan yang sudah ditemukan di daerah Jawa Barat khususnya untuk wilayah kabupaten atau kota Bekasi, Bogor dan Sumedang. 2. METODE PENELITIAN Penelitian dapat di deskripsikan sebagai usaha yang sistematik dan terorganisasi untuk menyelidiki sebuah masalah spesifik yang terjadi di lingkungan pekerjaan dan memerlukan solusi. Metode yang digunakan pada penelitian ini yaitu : Mengumpulkan data mengenai analisis sistem, mengumpulkan informasi mengenai Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma 20
2 cara kerja proses data mining dalam memprediksi kerajinan tangan paling unggul di Jawa Barat khususnya untuk wilayah Bekasi, Bogor, Sumedang. Studi pustaka mengenai pengumpulan data dan informasi yang dibutuhkan dalam penulisan ini penulis dapatkan dari literatur buku, jurnal, serta situs di internet yang berhubungan dengan tema penelitian. 2. Studi Lapangan Untuk memperoleh data dan informasi tentang kerajinan yang ada di Jawa Barat, dilakukan Studi dengan cara mengunjungi tempat yang akan diteliti dan pengumpulan data dilakukan secara langsung. hal ini meliputi : a. Wawancara Wawancara adalah teknik pengumpulan data dengan cara mengadakan tanya jawab secara langsung dengan pihak Jabar Craft Center (JCC) dan pemilik usaha kerajinan. b. Observasi Observasi adalah teknik pengumpulan data dengan cara melakukan pengamatan secara langsung dan peninjauan langsung terhadap permasalahan yang diambil. Hasil penelitian ini sebagai dasar acuan untuk menganalisis teknik data mining yang sedang berjalan ataupun teknik data mining yang dibutuhkan dalam memprediksi kerajinan tangan paling unggul di Jawa Barat untuk wilayah Bekasi, Bogor dan Sumedang 3. PEMBAHASAN 3.1 Algoritma Apriori Algoritma apriori adalah sebuah algoritma pencarian pola yang sangat populer dalam teknik penambangan data (data mining). Algoritma ini ditujukan untuk mencari kombinasi itemset yang mempunyai suatu nilai keseringan tertentu sesuai kriteria atau filter yang diinginkan. Algoritma ini diajukan oleh R. Agrawal dan R. Srikant tahun Hasil dari algoritma apriori dapat digunakan untuk membantu dalam pengambilan kombinasi item. Contoh dari aturan asosiatif dari analisis pembelian di suatu toko adalah mengetahui besarnya kemungkinan seorang pelanggan untuk membeli roti bersamaan dengan keju. Dengan pengetahuan tersebut, pemilik toko bisa mengatur penempatan produknya atau merancang promosi pemasaran menggunakan kupon diskon untuk kombinasi produk tertentu. Analisis asosiasi menjadi terkenal karena aplikasinya untuk menganalisis isi keranjang belanjaan di pasar swalayan. Analisis asosiasi juga sering disebut dengan istilah market basket analysis. Analisis asosiasi dikenal juga sebagai salah satu teknik data mining yang menjadi dasar dari berbagai teknik data mining lainnya. Khususnya, salah satu tahap dari analisis asosiasi yang disebut analisis pola frekuensi tinggi (frequent pattern mining) yang menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien. Dalam menentukan suatu association rule, terdapat suatu interestingness measure (ukuran ketertarikan) yang didapatkan dari hasil pengolahan data dengan perhitungan tertentu. Umumnya ada dua ukuran, yaitu: Support (nilai penunjang/pendukung) Suatu ukuran yang menunjukkan seberapa besar tingkat dominasi suatu item/itemset dari keseluruhan transaksi. Ukuran ini menentukan apakah suatu item/itemset layak untuk dicari confidence-nya (missal dari keseluruhan transaksi yang ada, seberapa besar tingkat dominasi yang menunjukkan bahwa item A dan B dibeli bersamaan). Confidence (nilai kepastian/keyakinan) Suatu ukuran yang menunjukkan hubungan antar 2 item secara conditional (misal, seberapa sering item B dibeli jika orang membeli item A). Kedua ukuran ini nantinya berguna dalam menentukan interesting association rules, yaitu untuk dibandingkan dengan batasan (threshold) yang ditentukan oleh user. Batasan tersebut umumnya terdiri dari min_support dan min_confidence, dimana hal tersebut ditempuh dengan cara sebagai berikut : keputusan pihak manajemen. Algoritma apriori Mencari semua frequent itemset yaitu itemset melakukan pendekatan iteratif yang dikenal dengan pencarian level-wise, dimana k-itemset dengan nilai support minimum support yang merupakan ambang batas yang diberikan oleh digunakan untuk mengeksplorasi atau user. Dimana itemset itu merupakan himpunan menemukan (k+1)-itemset. Oleh karena itu, item yaitu kombinasi produk yang dibeli. algoritma apriori dibagi menjadi beberapa tahap Mencari aturan asosiasi yang confidence dari yang disebut iterasi. Tiap iterasi menghasilkan frequent itemset yang didapat. pola frekuensi tinggi (frequent itemset). Sedangkan tahap selanjutnya adalah mencari rule-rule yang sesuai dengan target user yang 3.2 Analisa Asosiasi dengan Algoritma didapat dari proses association rule mining Apriori Analisis asosiasi atau association rule sebelumnya. mendeskripsikan Rule-rule kombinasi yang itemset didapat yang mining adalah teknik data mining untuk dijadikan pertimbangan di dalam membuat menemukan aturan asosiatif antara suatu kesimpulan. Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma 21
3 Secara terperinci, berikut adalah langkahlangkah proses pembentukan Association Rule dengan algoritma apriori : Iterasi pertama support dari setiap item dihitung dengan menscan database. Support disini artinya jumlah transaksi dalam database yang mengandung satu item dalam C1. Setelah support dari setiap item didapat, Kemudian nilai support tersebut dibandingkan dengan minimum support yang telah ditentukan, jika nilainya lebih besar atau sama dengan minimum support maka itemset tersebut termasuk dalam large itemset. Item yang memiliki support di atas minimum support dipilih sebagai pola frekuensi tinggi dengan panjang 1 atau sering disebut Large 1- itemset atau disingkat L1. Iterasi kedua menghasilkan 2-itemset yang tiap set-nya memiliki dua item. sistem akan menggabungkan dengan cara, kandidat 2-itemset atau disingkat C2 dengan mengkombinasikan semua candidat 1-itemset (C1). Lalu untuk tiap item pada C2 ini dihitung kembali masing-masing support-nya. Setelah support dari semua C2 didapatkan, Kemudian dibandingkan dengan minimum support. C2 yang memenuhi syarat minimum support dapat ditetapkan sebagai frequent itemset dengan panjang 2 atau Large 2- itemset (L2). Itemset yang tidak termasuk dalam large itemset atau yang tidak memenuhi nilai minimum support tidak diikutkan dalam iterasi selanjutnya (di prune). Setelah itu dari hasil frequent itemset atau termasuk dalam Large 2-itemset tersebut, dibentuk aturan asosiasi (association rule) yang memenuhi nilai minimum support dan confidence yang telah ditentukan. 3.3 Metodologi Dasar Analisis Asosiasi Analisis Pola Frekuensi Tinggi Glass Painting,., Ukiran dari Batu } Tahapan ini mencari kombinasi item yang 2. D adalah Himpunan seluruh transaksi yang memenuhi syarat minimum dari nilai support dalam database. Nilai support sebuah item diperoleh dengan rumus berikut: Keterangan : JT(A)= Jumlah transaksi yang A T = Total Transaksi Sedangkan nilai support dari 2 item diperoleh dari rumus 2 berikut: Keterangan : JT (A-> B) = Jumlah transaksi yang mengandung A dan B T = Total Transaksi 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: Keterangan : JT (A -> B) = Jumlah transaksi yang mengandung A dan B ID Item yang dibeli Transaksi 1 Anyaman Pandan, Glass Painting, Lampu Hias, Kursi Rotan, Tas Kulit Ular 2 Glass Painting, Lampu Hias 3 Anyaman Pandan, Glass Painting, Ukiran dari Batu 4 Glass Painting, Anyaman Pandan, Boneka Kain 5 Anyaman Pandan, Ukiran dari Batu, Keramik JT = Jumlah transaksi yang mengandung A Sebagai contoh ambil suatu data transaksi seperti pada tabel berikut. Table 2.1 Contoh Daftar Transaksi Berdasarkan Tabel 2.1, terdapat definisidefinisi dari association rule, yaitu. 1. I adalah himpunan yang tengah dibicarakan Contoh : { Anyaman Pandan, Boneka Kain, tengah dibicarakan Contoh : {Transaksi 1, transaksi 2,, transaksi 5} 3. Itemset adalah Himpunan item atau item-item di I Contoh : Ada suatu himpunan X ={A,B,C} Itemset nya :{A};{B}:{C};{A,B};{A,C};{B,C};{A,B,C} 4. K- itemset adalah Itemset yang terdiri dari k buah item yang ada pada I. Intinya k itu adalah jumlah unsur yang terdapat pada suatu Himpunan. Contoh : 3-itemset adalah yang bersifat 3 unsur 5. Frequent itemset adalah itemset yang muncul sekurang-kurangnya sekian kali di D. Kata sekian biasanya di simbolkan dengan Ф. Ф merupakan batas minimum dalam suatu transaksi. Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma 22
4 Contoh: Pertama tentukan Ф = 3, karena jika tidak ditentukan maka frequent itemset tidak dapat di hitung. Jika Ф = 3 untuk {Anyaman Pandan, Glass Painting}. Jika dihitung maka jumlah transaksi yang membeli Anyaman Pandan sekaligus membeli Glass Painting adalah 3. Karena 3 >= 3 maka {Anyaman Pandan, Glass Painting} merupakan frequent Itemset. 6. Fk adalah Himpunan semua frequent itemset yang terdiri dari k-item. Analisis Data Analisa data dilakukan setelah data terkumpul dan sesuai dengan kebutuhan. Oleh sebab itu, untuk menghasilkan kesimpulan berdasarkan aturan (rule) pada analisis data, diperlukan data transaksi yang telah dibeli konsumen. Analisis data tersebut dilakukan berdasarkan teknik aturan asosiasi menggunakan algoritma apriori dengan beberapa iterasi. Data yang diambil merupakan data transaksi yang masuk dan keluar di Dekranasda Provinsi Jawa Barat khususnya yang bertempat di Jabar Craft Center (JCC) pada bulan Februari tahun Data tersebut adalah data yang mewakili keseluruhan data transaksi khususnya untuk wilayah kabupaten atau kota Bekasi, Bogor dan Sumedang. Perancangan Data Flow Diagram Konteks (DFD) Level - 0 Pada Data Flow Diagram (DFD) level ini, proses yang terjadi pada DFD konteks atau proses yang ditunjukkan pada gambar 3.1 dikembangkan menjadi lebih terperinci, yang akan diperlihatkan pada gambar 3.2 berikut ini. Gambar 3.2 DFD Level -1 Data Flow Diagram (DFD) Level 2 Pada Data Flow Diagram (DFD) level - 2 ini, proses yang terjadi pada DFD level - 1 yaitu pada proses data mining dikembangkan menjadi lebih terperinci, yang akan diperlihatkan pada gambar 3.3 berikut ini. Gambar 3.1 DFD Level 0 Pada DFD level - 0 ini diperlihatkan proses masukan dan keluaran (input/output). Proses yang terjadi bermula dari user memasukkan data transaksi ke dalam sistem data mining, kemudian memproses dengan beberapa iterasi yang dilakukan menggunakan algoritma apriori. Yang akhirnya menghasilkan association rule yang itemnya saling berhubungan atau berkolerasi dan berdasarkan rule tersebut user mendapatkan informasi berupa kombinasi produk atau item yang sering dibeli oleh konsumen. Data Flow Diagram (DFD) Level - 1 Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma 23
5 Gambar 3.3 DFD Level 2 Gambaran Alur Kerja (Flowchart) Sistem Entity Relationship Diagram (ERD) Entitas (entity) adalah suatu objek di dunia nyata yang memiliki atribut atau hal-hal yang berkaitan yang dapat dijadikan sebuah data. Hubungan (relationship) adalah aliran antar entitas yang didefinisikan untuk menyatakan keterhubungan satu entitas dengan entitas lainnya. Berikut ini adalah ERD yang merepresentasikan basis data pada aplikasi ini: Barang M/N Transaksi Kd_barang Kd_transaksi Nama Field Type Length Key Keteranga n Id Int 2 * Kode Barang username varchar 30 Nama Barang password varchar 30 Kabupaten /Kota Nm_barang Kab_kota Kd_barang Nm_barang Kab_kota Gambar 3.5 ERD Perancangan Basis Data Perancangan basis data ini berupa perancangan struktur table barang dan struktur table transaksi. Struktur Tabel Berikut adalah table-tabel yang terdapat dalam basis data yang digunakan dalam aplikasi. Struktur Tabel Admin Tabel ini berguna untuk menyimpan data admin, dengan struktur seperti pada table dibawah ini Tabel 3.1 Struktur Tabel Admin Gambar 3.4 Flowchart Sistem Tabel ini berguna untuk menyimpan data produk, dengan struktur seperti pada table dibawah ini Struktur Tabel Transaksi. Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma 24
6 Image1 Image2 Prosiding Seminar Ilmiah Nasional Teknologi Komputer (SENATKOM 2015) Vol. 1, Oktober 2015 Nama Field kd_bar ang nm_bar ang kab_ko ta Type Length Ke y Keterangan varcha 5 Kode Barang r text 30 Nama Barang text 30 Kabupaten/Ko ta Tabel 3.2 Struktur Tabel Barang Gambar 3.6 Struktur Navigasi Aplikasi Data Mining Perancangan Tampilan Aplikasi Pada tahap ini, akan dibahas mengenai perancangan awal tampilan aplikasi. Tampilan Akses Masuk Program login program adalah tampilan awal yang muncul pada saat aplikasi pertama dijalankan bersamaan dengan tampilan menu utama, seperti pada gambar di bawah ini. Tabel ini berguna untuk menyimpan data penjualan produk, dengan struktur seperti pada Nama Field Type Leng Ke Keterangan th y kd_transak varchar 5 * Kode si Transaksi kd_barang varchar 5 ** Kode Barang nm_barang text 30 Nama Barang kab_kota text 30 Kabupaten/K ota tabel dibawah ini. Tabel 3.3 Struktur Tabel Transaksi Perancangan Struktur Navigasi Aplikasi Data Mining Masuk Label 1 Input 1 Input 2 Gambar 3.7 Tampilan Halaman Tampilan Menu Beranda Berikut adalah gambar perancangan menu utama yang akan muncul setelah pengguna berhasil login, menu yang ada akan tampil seperti gambar berikut. Masuk Beranda Label1 Data Barang Data Transaksi Data Mining Bantuan Tentang Label2 Gambar 3.8 Tampilan Menu Beranda Keluar Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma 25
7 Image Image1 Image1 Image Image2 Image Image1 Prosiding Seminar Ilmiah Nasional Teknologi Komputer (SENATKOM 2015) Vol. 1, Oktober 2015 Tampilan Menu Data Barang Rancangan form ini berguna untuk memasukkan data barang ke dalam sistem, seperti pada gambar di bawah ini. Label 1 on 3 Label 2 on 4 Gambar 3.11 Tampilan Menu Data Mining Tampilan Menu Bantuan Berikut merupakan rancangan tampilan pada menu bantuan yang menjelaskan tentang fungsi dan kegunaan menu atau tombol yang terdapat pada aplikasi Combo Box Input Label1 Tabel Label2 Label 3 Paginati on Label 4 Label3 Gambar 3.9 Tampilan Data Barang Tampilan Menu Data Transaksi Tampilan dirancang untuk menampilkan daftar data transaksi yang akan atau telah dimasukan oleh pengguna, dengan tampilan seperti pada gambar di bawah ini. Gambar 3.12 Tampilan Menu Bantuan Tampilan Menu Tentang Berikut rarncangan tampilan menu tentang yang menjelaskan tentang aplikasi. Label 1 Label 2 on 3 on 4 Combo Box Input Tabel Label1 Label 3 Label 4 Gambar 3.10 Tampilan Data Transaksi Paginati on Label2 Gambar 3.13 Tampilan Menu Tentang Tampilan Menu Data Mining Berikut adalah perancangan tampilan yang terdapat pada menu data mining yang menampilkan hasil dari proses data mining. Label 1 Label 2 Tampilan Halaman Tambah Halaman tambah merupakan halaman ketika pengguna ingin menambahkan data barang atau data transaksi ke dalam basis data. Combo Box Input Label1 Label 3 Tabel Paginati on Label2 Label3 Label4 on3 Input1 Input2 Input3 on4 Label 4 Lely Prananingrum 1*, Budi Utami Fahnun 2, Irman Junianto 3, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma Label5 26
8 Image1 Prosiding Seminar Ilmiah Nasional Teknologi Komputer (SENATKOM 2015) Vol. 1, Oktober 2015 Gambar 3.14 Tampilan Halaman Tambah Tampilan Halaman Ubah Halaman ubah merupakan halaman ketika pengguna ingin mengubah data barang atau data transaksi yang sudah ada dalam basis data. Gambar 4.1 Menu Akses Masuk Menu Beranda Halaman beranda akan tampil ketika pengguna memasukan username dan password dengan benar, maka akan masuk pada halaman beranda yang merupakan halaman pertama yang akan dilihat oleh pengguna terdapat dalam aplikasi yang dirancang seperti berikut: Label1 Label2 Label3 Label4 Input1 Input2 Input3 on3 on4 Label5 Gambar 3.15 Tampilan Halaman Ubah 4. IMPLEMENTASI ANTAR MUKA Menu Akses Masuk Halaman ini tampil pertama sekali saat sistem dijalankan. Halaman akses dapat dilihat pada gambar di bawah. Gambar 4.2 Menu Beranda Menu Data Barang Halaman ini digunakan untuk memasukkan data barang ke dalam basis data sistem, implementasi dari tampilan dapat dilihat pada gambar dibawah ini. Gambar 4.3 Menu Data Barang Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma 27
9 Menu Data Transaksi Halaman menu data transaksi digunakan untuk memasukkan data transaksi ke dalam basis data sistem, dengan implementasi seperti pada gambar di bawah ini. Gambar 4.6 Tampilan Menu Bantuan Menu Tentang Halaman ini menjelaskan tentang aplikasi, dengan implementasi seperti pada gambar di bawah ini. Gambar 4.4 Menu Data Transaksi Menu Data Mining Halaman menu data mining digunakan untuk menampilkan hasil proses data mining, dengan implementasi seperti pada gambar di bawah ini. Gambar 4.5 Menu Data Mining Menu Bantuan Halaman menu bantuan menjelaskan fungsi yang ada dalam aplikasi, dengan implementasi seperti pada gambar di bawah ini Gambar 4.7 Menu Tentang PENUTUP Kesimpulan Berdasarkan hasil penelitian dan pengujian aplikasi baik dengan uji mandiri maupun dengan kuisioner yang telah disebar ke beberapa responden mendapatkan nilai presentasi sebesar 86,1% menunjukkan bahwa aplikasi sudah berhasil dibuat untuk pencatatan data barang dan data transaksi. Menganalisis dan diimplementasikan dengan algoritma apriori untuk mendapatkan asosiasi antar barang pada analisis barang dari data-data yang berhasil dikumpulkan. Dari hasil asosiasi yang dihasilkan dapat membantu untuk mengetahui kebiasaan pembeli. Sehingga dapat digunakan untuk merencanakan strategi penjualan berdasarkan jenis barang yang tingkat konsumsinya tinggi serta dapat membantu merancang peletakkan produk, merancang dan lain-lain. Saran Kesempurnaan dari sistem selalu bersifat relatif berdasarkan cara pandang dan konsep dari setiap pemikiran yang berbeda serta memiliki alur yang bervariasi. Sistem pencatatan dan analisis ini dilakukan sebagai usaha dalam hal perbaikan dan pengembangan sistem khususnya pencatatan transaksi barang pada toko kerajinan tersebut. Selanjutnya sistem dapat dikembangkan oleh setiap staf pengurus toko kerajinan khususnya Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma 28
10 yang menekuni cabang sistem informasi. Untuk itu dalam tugas akhir ini menyarankan agar staf pengurus dapat mengembangkan sistem tersebut dalam pengembangan yang dilakukan menggunakan algoritma lain yang sejenis. DAFTAR PUSTAKA 1. Bunafit Nugroho Aplikasi Pemrograman Web Dinamis dengan PHP dan MySQL. Yogyakarta: Gava Media. 2. Connolly, Thomas M. and Carolyn E. Begg Database System : A Practical Approach to Design, Implementation, and Management Fourth Edition. USA: Addison Wesley, Longman Inc., 3. Hoffer, Jeffrey A., Prescott, Mary B. dan McFadden, Fred R Modern Database Management, Sixth Edition. Prentice Hall, New Jersey. 4. Kusrini, & Emha Taufiq Luthfi Algoritma - Data Mining. Yogyakarta : Penerbit Andi. 5. Karyadi, Yedi Industri Kreatif Butuh Perhatian. Suara Karya Online : publikasi tanggal Jumat, 22 Februari Bandung. 6. Marshall B. Romney, Paul John Steinbart Accounting Information System, Ninth Edition, Prentice Hall 7. McLeod, Raymond Jr. and Schell, George Sistem Informasi Manajemen. Eighth Ediotion. Prentice-Hall, Inc. PT INDEKS, Jakarta 8. Kusrini, & Emha Taufiq Luthfi Algoritma - Data Mining. Yogyakarta : Penerbit Andi. 9. Wahyu Eko Tyas D Penerapan metode association rule menggunakan algoritma apriori untuk analisa pola data hasil tangkapan ikan. Jurnal Program Studi Ilmu Komputer, Universitas Brawijaya Malang. Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma 29
IMPLEMENTASI ALGORITMA APRIORI UNTUK PREDIKSI KERAJINAN TANGAN PALING UNGGUL DAERAH JAWA BARAT
IMPLEMENTASI ALGORITMA APRIORI UNTUK PREDIKSI KERAJINAN TANGAN PALING UNGGUL DAERAH JAWA BARAT Irman Junianto 13111701 Pembimbing : Lely Prananingrum SKom, MMSi Latar Belakang Kurangnya perhatian pemerintah
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 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 terperinciCynthia Banowaty Pembimbing : Lely Prananingrum, S.Kom., MMSi
DATA MINING UNTUK PERANCANGAN PENGAMBILAN KEPUTUSAN PRODUK KERAJINAN MENGGUNAKAN ALGORITMA APRIORI BERBASIS WEBSITE Cynthia Banowaty 11111695 Pembimbing : Lely Prananingrum, S.Kom., MMSi Latar Belakang
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 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 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 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 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 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 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 terperinciPENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA
PENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA Margi Cahyanti 1), Maulana Mujahidin 2), Ericks Rachmat Swedia 3) 1) Sistem Informasi Universitas Gunadarma
Lebih 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 terperinciJURNAL IMPLEMENTASI DATA MINING PADA TRANSAKSI PENJUALAN BIBIT BUAH DENGAN ALGORITMA APRIORI (STUDI KASUS: UD BUAH ASRI)
JURNAL IMPLEMENTASI DATA MINING PADA TRANSAKSI PENJUALAN BIBIT BUAH DENGAN ALGORITMA APRIORI (STUDI KASUS: UD BUAH ASRI) IMPLEMENTATION DATA MINING OF SALES TRANSACTION FRUIT SEEDLING WITH ALGORITHM APRIORI
Lebih terperinci2.2 Data Mining. Universitas Sumatera Utara
Basis data adalah kumpulan terintegrasi dari occurences file/table yang merupakan representasi data dari suatu model enterprise. Sistem basisdata sebenarnya tidak lain adalah sistem penyimpanan-record
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI HASIL PENJUALAN BARANG PADA TOKO SINAR BARU DENGAN MENGGUNAKAN ALGORITMA APRIORI
JURNAL IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI HASIL PENJUALAN BARANG PADA TOKO SINAR BARU DENGAN MENGGUNAKAN ALGORITMA APRIORI IMPLEMENTATION OF DATA MINING TO PREDICT RESULTS OF SALES GOODS IN THE
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 terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1 Analisis Permasalahan Keputusan selama ini yang dilakukan oleh Toko Buku Sembilan Wali Medan untuk menentukan buku apa saja yang paling potensial dijual berdasarkan
Lebih terperinciPENERAPAN METODE ASSOCIATION RULE MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENEMUKAN POLA PEMINJAMAN BUKU
PENERAPAN METODE ASSOCIATION RULE MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENEMUKAN POLA PEMINJAMAN BUKU TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih 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 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 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 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 terperinciPENCARIAN ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI SEBAGAI BAHAN REKOMENDASI STRATEGI PEMASARAN PADA TOKO ACIICA
PENCARIAN ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI SEBAGAI BAHAN REKOMENDASI STRATEGI PEMASARAN PADA TOKO ACIICA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
Lebih 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 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 terperinciAPLIKASI DATA MINING MARKET BASKET ANALYSIS PENJUALAN SUKU CADANG SEPEDA MOTOR MENGGUNAKAN METODE ASSOCIATION RULES PADA PT. SEJAHTERA MOTOR GEMILANG
APLIKASI DATA MINING MARKET BASKET ANALYSIS PENJUALAN SUKU CADANG SEPEDA MOTOR MENGGUNAKAN METODE ASSOCIATION RULES PADA PT. SEJAHTERA MOTOR GEMILANG EKA FITRIA WULANSARI Program Studi Teknik Informatika,
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 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 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 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 terperinciJURNAL IMPLEMENTASI DATA MINING PADA PENJUALAN SEPATU DENGAN MENGGUNAKAN ALGORITMA APRIORI
JURNAL IMPLEMENTASI DATA MINING PADA PENJUALAN SEPATU DENGAN MENGGUNAKAN ALGORITMA APRIORI IMPLEMENTATION OF DATA MINING ON THE SALE OF SHOES WITH ALGORITHMS USING APRIORI Oleh : VERNANDA NOVRINI BUDIYASARI
Lebih terperinciPENERAPAN ALGORITMA APRIORI DALAM MENENTUKAN STRATEGI PENJUALAN MAKANAN RINGAN (Studi Kasus: Toko Pak Herry Templek - Gadungan)
PENERAPAN ALGORITMA APRIORI DALAM MENENTUKAN STRATEGI PENJUALAN MAKANAN RINGAN (Studi Kasus: Toko Pak Herry Templek - Gadungan) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PENJUALAN ROTI DI DIFA RIEN S BAKERY
JURNAL IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PENJUALAN ROTI DI DIFA RIEN S BAKERY Oleh: SITI TRI WAHYUNI 12.1.03.03.0033 Dibimbing oleh : 1. HERMIN ISTIASIH, ST.,MM.,MT 2. ARIE NUGROHO,
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
36 BAB III ANALISA DAN DESAIN SISTEM Tahapan ini merupakan tahapan utama dalam penelitian, dalam tahapan pengembangan sistem metode yang akan dipakai adalah Rapid Application Development dan tahapan Data
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 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 terperinciIMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA ECLAT
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA ECLAT Syafina Dwi Arinda 1, Sulastri 2 1,2 Fakultas Teknologi Informasi, Universitas Stikubank Semarang e-mail: 1 syafinadwi96@gmail.com, 2 sulastri@unisbank.ac.id
Lebih terperinciPenerapan Data Mining Untuk Analisis Pola Pembelian Produk Pada Clapper Movie Café Menggunakan Metode Association Rule
Penerapan Data Mining Untuk Analisis Pola Pembelian Produk Pada Clapper Movie Café Menggunakan Metode Association Rule Alffeus Gantari Ganeffo Program Studi Teknik Informatika, Universitas Dian Nuswantoro
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 terperinciMetodologi Algoritma A Priori. Metodologi dasar algoritma a priori analisis asosiasi terbagi menjadi dua tahap :
Metodologi Algoritma A Priori 1 Kusrini, 2 Emha Taufiq Luthfi 1 Jurusan Sistem Informasi, 2 Jurusan Teknik Informatika 1, 2 STMIK AMIKOM Yogykakarta 1,2 Jl. Ringroad Utara Condong Catur Sleman Yogyakarta
Lebih 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 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 Pencatatan Keluar dan Masuk Barang Koleksi Museum Jawa Tengah Ranggawarsita
Sistem Pencatatan Keluar dan Masuk Barang Koleksi Museum Jawa Tengah Ranggawarsita Riezal Aditha Kurnia1, Erna Zuni Astuti, M.kom Program Study Teknik Informatika S1, Fakultas Ilmu Komputer Universitas
Lebih terperinciIMPLEMENTASI BASIS DATA FRAGMENTASI HORIZONTAL MENGGUNAKAN METODE ASSOCIATION RULE DENGAN ALGORITMA APRIORI
IMPLEMENTASI BASIS DATA FRAGMENTASI HORIZONTAL MENGGUNAKAN METODE ASSOCIATION RULE DENGAN ALGORITMA APRIORI TUGAS AKHIR Sebagai Persyaratan Guna Meraih Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciRANCANG BANGUN SISTEM PENGAMBILAN KEPUTUSAN UNTUK PREDIKSI PEMBELIAN BARANG PADA DISTRIBUTOR LUKCY JAYA MOTOR BERBASIS WEB MENGGUNAKAN METODE APRIORI
RANCANG BANGUN SISTEM PENGAMBILAN KEPUTUSAN UNTUK PREDIKSI PEMBELIAN BARANG PADA DISTRIBUTOR LUKCY JAYA MOTOR BERBASIS WEB MENGGUNAKAN METODE APRIORI Candra Irawan Amak Yunus 1 Sistem Informasi, Universitas
Lebih terperinciRANCANG BANGUN APLIKASI WEB E-COMMERCE TANAMAN HIAS DAN JASA TAMAN PADA CV. MALANGGOGREEN MENGGUNAKAN FRAMEWORK CODEIGNITER
RANCANG BANGUN APLIKASI WEB E-COMMERCE TANAMAN HIAS DAN JASA TAMAN PADA CV. MALANGGOGREEN MENGGUNAKAN FRAMEWORK CODEIGNITER Proposal Tugas Akhir Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana
Lebih terperinciAnalisis Hasil Implementasi Data Mining Menggunakan Algoritma Apriori pada Apotek
Analisis Hasil Implementasi Data Mining Menggunakan Algoritma Apriori pada Apotek Aris Wijayanti Jurusan Teknik Informatika Universitas PGRI Ronggolawe Tuban Jl. Manunggal No. 61 Tuban Ariswjy@yahoo.com
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 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. yang cepat dan besar di Asia (Kartiwi, 2006). Pertumbuhan e-commerce yang
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia adalah salah satu negara dengan pertumbuhan pasar e-commerce yang cepat dan besar di Asia (Kartiwi, 2006). Pertumbuhan e-commerce yang besar tersebut membuat
Lebih terperinciPERANCANGAN SISTEM INFORMASI PENYEWAAN MOBIL PADA RENTAL BERBASIS WEB
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 308~312 308 PERANCANGAN SISTEM INFORMASI PENYEWAAN MOBIL PADA RENTAL BERBASIS WEB Mari Rahmawati AMIK BSI Karawang e-mail: mari.mrw@bsi.ac.id
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 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 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 terperinciAPLIKASI MONITORING KETERSEDIAAN STOK BARANG MINIMARKET DENGAN METODE MARKET BASKET ANALYSIS (MBA)
Seminar Nasional Teknologi Informasi dan Multimedia 2016 APLIKASI MONITORING KETERSEDIAAN STOK BARANG MINIMARKET DENGAN METODE MARKET BASKET ANALYSIS (MBA) Sugiyatno 1), Adhika Pramita Widyasari 2) 1),
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 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 terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA)
IMPLEMENTASI DATA MINING PADA PENJUALAN PRODUK DI PT. FOCUS GAYA GRAHA MENGGUNAKAN METODE ASSOCIATION RULE Aprisal Budiana Teknik Informatika - Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Data penjualan pada CV. Auto Medan selama ini tidak tersusun dengan baik, sehingga data penjualan yang semakin hari semakin banyak tersebut hanya
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 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 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 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 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 ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Banyaknya permintaan pasar terhadap produk coca-cola membuat PT. Coca-Cola harus menyediakan jumlah produksi yang sesuai dengan permintaan pasar.
Lebih terperinciBAB I PENDAHULUAN. pesat, ini dapat dilihat dari kemunculan berbagai aplikasi-aplikasi yang dapat
BAB I PENDAHULUAN I.1. Latar Belakang Perkembangan teknologi perangkat lunak pada masa sekarang ini sangatlah pesat, ini dapat dilihat dari kemunculan berbagai aplikasi-aplikasi yang dapat memudahkan user
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 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 terperinciJURNAL IMPLEMENTASI ALGORITMA APRIORI UNTUK MENINGKATKAN PENJUALAN SPAREPART SEPEDA MOTOR PADA TOKO BAGAS MOTOR
JURNAL IMPLEMENTASI ALGORITMA APRIORI UNTUK MENINGKATKAN PENJUALAN SPAREPART SEPEDA MOTOR PADA TOKO BAGAS MOTOR APRIORI ALGORITHM IMPLEMENTATION TO INCREASE SALES OF MOTOR CYCLE SPAREPARTS IN THE MOTOR
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 terperinciIMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI Ristianingrum 1, Sulastri 2 1,2 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank e-mail: 1 ristiia.rum@gmail.com,
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
Bab 1 Pendahuluan BAB 1 PENDAHULUAN 1.1. Latar Belakang Pada era globalisasi saat ini, perkembangan teknologi tidak dapat dihindarkan dalam kehidupan manusia. Perkembangan teknologi yang ada, memiliki
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Kebutuhan Situs Web Seperti langkah-langkah yang dilakukan pada salah satu model proses rekayasa perangkat lunak yaitu model System Development Life Cycle,
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 terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1 Analisis Sistem Analisis sistem terdiri dari dua bangian yaitu analisis data sistem dan analisis komponen sistem. 3.1.1 Analisis Data Sistem Tahapan atau gambaran yang
Lebih terperinciJURNAL SISTEM INFORMASI PENJUALAN BERBASIS CUSTOMER RELATIONSHIP MANAGEMENT (CRM) PADA KEDAI PRAMUKA SCOUT ADDICT
JURNAL SISTEM INFORMASI PENJUALAN BERBASIS CUSTOMER RELATIONSHIP MANAGEMENT (CRM) PADA KEDAI PRAMUKA SCOUT ADDICT SALES INFORMATION SYSTEM BASED CUSTOMER RELATIONSHIP MANAGEMENT (CRM) TO STORE SCOUT SCOUT
Lebih terperinciSTRATEGI PENJUALAN PAKAN UNGGAS PADA TOKO PAKAN PEKSI KEDIRI DENGAN MEMBANGUN SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN ALGORITMA APRIORI
STRATEGI PENJUALAN PAKAN UNGGAS PADA TOKO PAKAN PEKSI KEDIRI DENGAN MEMBANGUN SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN ALGORITMA APRIORI ARTIKEL SKRIPSI Diajukan Guna Memenuhi Salah Satu Syarat Memperoleh
Lebih terperinciSISTEM INFORMASI PEMASARAN SPAREPART MOBIL PADA PT SELARAS SIMPATI NUSANTARA PALEMBANG BERBASIS WEB
SISTEM INFORMASI PEMASARAN SPAREPART MOBIL PADA PT SELARAS SIMPATI NUSANTARA PALEMBANG BERBASIS WEB Kennedy Mustofa Jurusan Sistem Informasi STMIK PalComTech Palembang Abstrak Dunia teknologi informasi
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Ruang Lingkup Website Berdasarkankebutuhan dari pengguna, pembuatan website ini ditujukan kepada masyarakat yang membutuhkan media atau sarana dalam mempromosikan informasi
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 terperinciKAJIAN RANCANG BANGUN SISTEM INFORMASI PENDAFTARAN SIDANG SARJANA JURUSAN SISTEM INFORMASI UNIVERSITAS GUNADARMA
KAJIAN RANCANG BANGUN SISTEM INFORMASI PENDAFTARAN SIDANG SARJANA JURUSAN SISTEM INFORMASI UNIVERSITAS GUNADARMA Arimbi Kurniasari 1, DR. Ing Djati Kerami 2 Universitas gunadarma Jl. Margonda Raya 100,
Lebih terperinciJournal of Informatics and Technology, Vol 2, No 2, Tahun 2013, p
Journal of Informatics and Technology, Vol 2, No 2, Tahun 2013, p 22-28 http://ejournal-s1.undip.ac.id/index.php/joint APLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA
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 terperinciAbstrak. Data Mining, Algoritma Apriori, Algoritma FP-Growth, Mata Pelajaran, Pemrograman, Web Programming, Matematika, Bahasa Inggris.
Penerapan Algoritma Apriori dan Algoritma FP-Growth Dalam Menemukan Hubungan Data Nilai Ijazah Matematika dan Bahasa Inggris Dengan Nilai Mata Pelajaran Pemrograman dan Web Programming (Studi Kasus SMK
Lebih terperincimemerlukan usaha untuk memilah data mana yang dapat diolah menjadi informasi. Jika data dibiarkan saja, maka data tersebut hanya akan menjadi sampah y
PENGGUNAAN METODE APRIORI UNTUK ANALISA KERANJANG PASAR PADA DATA TRANSAKSI PENJUALAN MINIMARKET MENGGUNAKAN JAVA & MYSQL ABSTRAKSI Devi Dinda Setiawati Jurusan Teknik Informatika Universitas Gunadarma
Lebih terperinciBAB I PENDAHULUAN. frekuensi tinggi antar himpunan itemset yang disebut fungsi Association
1 BAB I PENDAHULUAN 1.1 Latar Belakang Belakangan ini data mining telah diimplementasikan keberbagai bidang, diantaranya dalam bidang bisnis atau perdangangan, dan telekomunikasi. Data Mining diartikan
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Masalah Apotek Rumah Sakit Islam Malahayati merupakan suatu organisasi bisnis yang berkembang di Indonesia. Apotek Rumah Sakit Islam Malahayati bergerak
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 terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Tampilan Hasil Berikut ini dijelaskan tentang tampilan hasil dari Perancangan Sistem Informasi Distro Online Berbasis Web yang dibangun: 1. Tampilan Halaman Beranda Halaman
Lebih terperinciPENGEMBANGAN SISTEM BASIS DATA UNTUK APLIKASI PEMBUATAN DAN MONITORING TARGET LETTER (Studi Kasus PT. ASURANSI ALLIANZ UTAMA INDONESIA)
PENGEMBANGAN SISTEM BASIS DATA UNTUK APLIKASI PEMBUATAN DAN MONITORING TARGET LETTER (Studi Kasus PT. ASURANSI ALLIANZ UTAMA INDONESIA) Ayuliana 1, Rusdianto 2, Steven Daniel 3, Steffen 4 Pogram Studi
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 terperinciCross-Selling: Perangkat Utama Customer Relationship Managem. Meningkatkan Loyalitas Pelanggan
Cross-Selling: Perangkat Utama Customer Relationship Management (CRM) Untuk Meningkatkan Loyalitas Pelanggan Seminar Kenaikan Jabatan at Department of Information Systems, Faculty of Computer Science,
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Toko central menjual berbagai macam aksesoris hp untuk masyarakat yang akan membeli. Toko central menyediakan aksesoris hp sesuai dengan banyaknya
Lebih terperinciAnalisa Data Mining Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Restoran Joglo Kampoeng Doeloe Semarang
Analisa Data Mining Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Restoran Joglo Kampoeng Doeloe Semarang Tia Arifatul Maulida Fakultas Ilmu Komputer, Universitas Dian Nuswantoro,
Lebih 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 terperinciRANCANG BANGUN PERENCANAAN PRODUKSI DAN DISTRIBUSI PADA MANAJEMEN RANTAI PASOK. (Studi Kasus Pada PT. Rehabort Design Center) TUGAS AKHIR
RANCANG BANGUN PERENCANAAN PRODUKSI DAN DISTRIBUSI PADA MANAJEMEN RANTAI PASOK (Studi Kasus Pada PT. Rehabort Design Center) TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Strata 1 Teknik Informatika
Lebih terperinciA Decision Support Tool For Association Analysis
A Decision Support Tool For Association Analysis Rina Sibuea 1, Frans Juanda Simanjuntak 2, Sulastry Napitupulu 3, Daniel Elison Daya 4 Program Studi Manajemen Informatika, Politeknik Informatika Del Jl.Sisingamangaraja,
Lebih terperinciSISTEM PENJUALAN BARANG SECARA ONLINE PADA TOKO SPORT BERBASIS WEB
SISTEM PENJUALAN BARANG SECARA ONLINE PADA TOKO SPORT BERBASIS WEB Naskah Publikasi Program Studi Informatika Fakultas Komunikasi dan Informatika Diajukan oleh : Eko Yuliawan Umi fadlilah,s.t., M.Eng.
Lebih terperinciAnalisis Dan Perancangan Sistem Informasi Pelaporan Proyek Pada PT Icon Indonesia
Analisis Dan Perancangan Sistem Informasi Pelaporan Proyek Pada PT Icon Indonesia Jati Putra 1) STMIK IBBI Jalan Sei Deli No. 18 Medan Email: h4t4k4@gmail.com Abstrak Pada perusahaan kontraktor seperti
Lebih terperinci