Penggalian Pola Sekuensial Interval Waktu Fuzzy Pada Proses Bisnis ERP Menggunakan Algoritma FP-Growth PrefixSpan
|
|
- Suryadi Susanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) Penggalian Interval Waktu Fuzzy Pada Proses Bisnis ERP Menggunakan Algoritma FP-Growth PrefixSpan Muhammad Sidratul Muntaha A.M.A dan Dr. Imam Mukhlash, S.Si, MT. Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya imammukhlash@matematika.its.ac.id Abstrak Perkembangan teknologi yang semakin pesat mengakibatkan makin banyaknya pengelolaan data terkomputerisasi. Dengan semakin kompleksnya proses bisnis, teknologi manajemen proses bisnis seperti ERP (Enterprise Resource Planning) dan sejenisnya makin banyak digunakan. Hal ini mengakibatkan ketersediaan data makin melimpah sehingga penggalian dan pencarian informasi dari sekumpulan data tersebut akan menjadi sebuah pengetahuan berharga. Data mining merupakan proses ekstraksi informasi atau pola penting dalam basis data berukuran besar. Metode data mining yang akan digunakan dalam Tugas Akhir ini adalah metode penggalian pola sekuensial (sequence pattern mining) menggunakan algoritma FP-Growth PrefixSpan. Selain itu, digunakan juga pendekatan fuzzy untuk menangani interval waktu dari data yang dianalisis sehingga pola sekuensial yang dihasilkan berupa pola sekuensial interval waktu fuzzy (fuzzy time-interval sequence pattern). Penerapan metode ini dalam proses bisnis ERP (Enterprise Resource Planning) menghasilkan pola sekuensial interval waktu fuzzy. Hasil analisis menunjukkan bahwa terdapat pengaruh minimum support terhadap pola yang dihasilkan. Selanjutnya, hasil dari analisis tersebut bisa digunakan sebagai bahan pertimbangan dalam analisis proses bisnis. Kata kunci Data Mining, Proses Bisnis, FP-Growth, PrefixSpan, Fuzzy time-interval sequence pattern. S I. PENDAHULUAN eiring dengan perkembangan teknologi komputer yang kian cepat selama beberapa tahun terakhir, teknologi manajemen proses bisnis juga semakin banyak digunakan. Hal itu juga sejalan dengan banyaknya proses bisnis yang ada. Dengan teknologi manajemen proses bisnis tersebut, suatu perusahaan dapat membangun dan memperbarui setiap informasi yang ada di dalam proses bisnisnya secara cepat termasuk pada repositori model prosesnya sehingga setiap pelayanan yang diberikan oleh perusahaan tersebut dapat berubah dengan cepat. Semakin tingginya penggunaan teknologi manajemen proses bisnis dapat dilihat dari banyaknya perusahaanperusahaan yang menggunakan otomasi kinerja perusahaannya. System Application and Product in Data Processing (SAP) dan Enterprise Resource Planning (ERP) merupakan contoh nyata dari penggunaan teknologi manajemen proses bisnis. Teknologi ini diterapkan oleh berbagai perusahaan besar. Sebuah perusahaan besar tentunya memiliki ratusan bahkan ribuan proses bisnis. Menemukan dan menganalisa kesamaan dari kumpulan proses bisnis yang dimiliki akan sangat berguna bagi perusahaan tersebut. Misalnya, ketika beberapa perusahaan yang memiliki proses bisnis berbeda ingin bergabung, maka harus diketahui kesamaan dari proses bisnis seluruh perusahaan tersebut sehingga dapat diketahui proses bisnis mana dari seluruh perusahaan yang dapat digabungkan. Pada akhirnya, pengolahan dan analisis yang mendalam terhadap kumpulan model proses bisnis yang ada menjadi suatu pengetahuan berharga. Pengolahan dan analisis tersebut dapat dilakukan dengan menerapkan data mining[12]. Data mining merupakan proses ekstraksi informasi atau pola penting dalam basis data. Penerapan data mining dalam model proses bisnis diharapkan akan mampu menggali informasi dan menganalisis hasilnya untuk meningkatkan efisiensi, melihat trend dan menentukan standarisasi proses bisnis. Metode data mining yang akan digunakan dalam penelitian ini adalah metode penggalian pola sekuensial (sequence pattern mining) menggunakan algoritma FP- Growth PrefixSpan. Alasan menggunakan algoritma PrefixSpan ini karena performanya yang bagus dibandingkan algoritma lainnnya seperti GSP, FreeSpan, ataupun SPADE[5]. Pola transaksi atau event yang terjadi dalam model proses bisnis biasanya tergambarkan dalam sebuah pola sekuensial. Pola sekuensial mengindikasikan bahwa transaksi yang ada dalam proses bisnis biasanya terjadi secara serial terhadap waktu. Oleh karena itu, dalam analisis ini juga dilakukan pendekatan fuzzy untuk mencari pola sekuensial yang didasarkan pada urutan waktu atau selanjutnya disebut pola sekuensial interval waktu fuzzy. Salah satu keberhasilan proses bisnis adalah keteraturan proses transaksi. Proses transaksi atau event yang terjadi dalam model proses bisnis biasanya tergambarkan dalam sebuah pola sekuensial. Pola sekuensial mengindikasikan bahwa transaksi yang ada dalam proses bisnis biasanya terjadi secara serial terhadap waktu. Oleh karena itu, dalam analisis ini juga dilakukan pendekatan fuzzy untuk mencari pola sekuensial yang didasarkan pada urutan waktu atau selanjutnya disebut pola sekuensial waktu interval fuzzy.
2 JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) Berdasarkan penelitian sebelumnya[12], dikatakan bahwa dalam mengukur nilai kesamaan proses bisnis digunakan metric penggabungan antara kemiripan semantik dan struktur. Penggabungan dari kemiripan semantik dan struktur dilakukan dengan melakukan pembobotan pada nilainya. Pembobotan disesuaikan dengan kebutuhan yang lebih menitikberatkan pada kesamaan semantik atau struktur. Metode clustering yang digunakan dalam penelitian tersebut adalah metode clustering berdasarkan jarak antara 2 entitas yang mirip menggunakan metode graph partition. Metode ini biasa dipakai ketika objek yang diklaster sulit untuk direpresentasikan ke dalam bentuk matematika. Distance yang digunakan dalam proses clustering didasarkan pada kemiripan dari masing-masing model yang dianalisa. Kumpulan proses bisnis yang memiliki kemiripan tinggi tentunya akan menjadi 1 klaster.[1] Dengan terinspirasi oleh penelitian sebelumnya, maka penulis ingin mengangkat topik serupa sebagai Tugas Akhir namun dengan metode dan pendekatan yang berbeda yang diberi judul Penggalian Interval Waktu Fuzzy pada Proses Bisnis ERP menggunakan Algoritma FP- Growth PrefixSpan. Perangkat lunak dari penelitian Tugas Akhir ini dibangun menggunakan bahasa pemrograman Java dengan bantuan aplikasi Netbeans IDE 6.9. C. Proses Bisnis Proses bisnis terdiri dari serangkaian kegiatan yang dilakukan dengan koordinasi dalam lingkungan organisasi dan teknis. Kegiatan-kegiatan ini bersama-sama mewujudkan tujuan bisnis. Setiap proses bisnis ditetapkan oleh satu organisasi, tetapi dapat berinteraksi dengan proses bisnis yang diterapkan oleh organisasi lain. Proses bisnis memiliki input dan output yang spesifik, sumber daya, dan memiliki aktivitas-aktivitas dengan urutan tertentu[4]. Sebuah model proses bisnis terdiri dari serangkaian model kegiatan dan contstraint eksekusi diantara kesemuanya. Contoh proses bisnis merupakan kasus nyata dalam bisnis operasional perusahaan, yang terdiri dari contoh-contoh kegiatan. Setiap model proses bisnis bertindak sebagai blueprint untuk serangkaian contoh-contoh proses bisnis, dan masing-masing model kegiatan bertindak sebagai blueprint untuk serangkaian contoh-contoh kegiatan. Proses bisnis terdiri dari berbagai kegiatan yang sesuai dengan tujuan bisnis. Kegiatan tersebut bisa jadi kegiatan sistem, kegiatan interaksi pengguna, atau kegiatan manual. Kegiatan manual tidak didukung oleh sistem informasi. Contoh dari aktivitas manual seperti mengirimkan paket ke rekan bisnis. Berikut merupakan salah satu contoh dari model proses bisnis. II. DASAR TEORI A. Data Mining Data Mining merupakan proses ekstraksi informasi atau pola penting dalam basis data berukuran besar[3]. Data mining merupakan salah satu langkah dalam proses Knowledge Discovery in Database (KDD) untuk menemukan pola yang bermanfaat. Data Mining juga didefinisikan sebagai suatu proses yang menggunakan berbagai perangkat analisis data untuk menemukan pola dan relasi data agar dapat digunakan untuk membuat prediksi dengan tepat. B. Knowledge Discovery in Database (KDD) Knowledge Discovery in Database (KDD) adalah proses menemukan informasi yang berguna serta pola-pola yang ada dalam data. KDD merupakan sebuah proses yang terdiri dari serangkaian proses iteratif yang terurut, dan data mining merupakan salah satu langkah dalam proses KDD[3]. Tahapan-tahapan proses KDD secara berurut dapat dilihat pada Gambar 1 berikut ini: Gambar 2.1 Proses KDD[3] Gambar 2.2 Contoh model proses bisnis[4]. D. Process Mining Process mining digunakan untuk menganalisis proses bisnis yang sudah ada berdasarkan event log. Pada process mining, pengamatan dilakukan terhadap proses bisnis yang telah terkomputerisasi. Dengan cara ini diharapkan akan ditemukan struktur proses baru yang sebelumnya tidak disadari sedang terjadi. Berdasarkan siklus yang konsisten serta frekuensi aliran informasi yang terjadi, maka dapat diketahui apakah selama ini proses bisnis yang diterapkan oleh sistem informasi telah sesuai dengan pedoman yang dimiliki oleh organisasi ataukah sebaliknya[10]. E. Pola sekuensial adalah daftar urutan dari sekumpulan item. Dalam proses bisnis, pola sekuensial didefinisikan sebagai suatu kegiatan B dalam sebuah proses p aktif setelah selesainya kegiatan A di p. Pola transaksi atau event yang terjadi dalam model proses bisnis biasanya tergambarkan dalam sebuah pola sekuensial. Pola sekuensial mengindikasikan bahwa transaksi biasanya terjadi secara serial terhadap waktu. Oleh karena itu, analisis terhadap pola sekuensial pada proses bisnis didasarkan pada urutan waktu atau urutan terjadinya suatu transaksi. Diberikan sebuah minimum_support bilangan bulat positif sebagai support threshold, sebuah sequence α disebut pola
3 JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) sekuensial dalam basis data sequence S jika support s (α) minimum_support. F. Algoritma PrefixSpan Tahap-tahap dalam algoritma PrefixSpan adalah sebagai berikut[7]: 1. Tentukan semua jenis item yang frequent yang ada dalam basis data sequence sehingga didapatkan pola sekuensial dengan panjang-1. Kemudian hitung jumlah masing-masing item dalam basis data sequence. Item yang memiliki nilai support minimum support merupakan anggota dari pola sekuensial panjang-1. Pola sekuensial panjang-1 yang didapat ini selanjutnya juga akan dianggap sebagai prefiks (awalan). 2. Bagilah ruang pencarian dengan menggunakan prefiks yang didapat pada langkah 1. Prefiks akan terus berubah seiring iterasi proses pencarian pola sekuensial panjang-k dengan k>1. 3. Untuk ruang pencarian prefiks 1, dapatkan himpunan bagian pola sekuensial dengan menggunakan basis data sequence terproyeksi (projected sequence database). Basis data terproyeksi dibentuk dengan mengambil akhiran (suffix) dari basis data sequence berdasarkan prefiks yang didapat di langkah sebelumnya. Kemudian, hitung jumlah masingmasing item dalam basis data sequence terproyeksi. Item yang memiliki nilai support minimum support merupakan anggota dari pola sekuensial panjang-2. Selanjutnya, jadikan pola sekuensial yang didapat sebagai prefiks baru untuk melakukan pencarian berikutnya. Basis data terproyeksi berikutnya juga dibentuk berdasarkan prefiks baru yang dihasilkan. Selanjutnya, lakukan proses pencarian secara berulang dalam himpunan bagian ini. 4. Lakukan pencarian pola sekuensial untuk prefiks lainnya (pad pola sekuensial panjang-1). Lakukan proses pencariannya seperti pada langkah 3. Gambar 2.3 Diagram alir algoritma PrefixSpan G. Sistem Fuzzy Lotfi A. Zadeh (1965) pertama kali memperkenalkan himpunan Fuzzy sebagai cara matematis untuk merepresentasikan ketidaktepatan. Jika X adalah kumpulan objek yang dinotasikan dengan X, maka himpunan fuzzy A dalam X adalah himpunan pasangan berurutan: A = {(x, μ A (x)) x ε X} μ A (x) disebut fungsi/derajat keanggotaan atau tingkat keanggotaan (juga tingkat kesesuaian atau tingkat kebenaran) dari x di A yang memetakan X ke keanggottan ruang semesta M. (Ketika M hanya memuat dua titik 0 dan 1, maka A bukan fuzzy dan μ A (x) identik dengan fungsi karakteristik dari himpunan non-fuzzy). Range dari fungsi keanggotaan adalah himpunan bagian dari bilangan riil yang mempunyai supremum terbatas. Anggota dengan derajat keanggaotan nol umumnya tidak didaftar atau disebutkan[8]. Variabel linguistik merupakan variabel fuzzy yang dibuat acuan untuk menilai suatu hal. Misalkan variabel linguistik umur memiliki tiga penilaian linguistik yaitu muda, dewasa, tua dan usia lanjut yang masing-masing memiliki fungsi keanggotaan tersendiri. Fungsi keanggotaan (membership function) adalah suatu fungsi yang menunjukkan pemetaan titik-titik input data ke dalam derajat keanggotaannya. Ada beberapa fungsi yang dapat digunakan untuk mendapatkan derajat keanggotaan keanggotaan, seperti triangular, trapezoidal, gaussian dan semacamnya. H. Penggalian Interval Waktu Fuzzy menggunakan Algoritma PrefixSpan. Tahap-tahap penggalian pola sekuensial interval waktu fuzzy menggunakan algoritma PrefixSpan adalah sebagai berikut[9]: 1. Tentukan linguistic term dari variabel linguistik interval waktu dan kemudian tentukan derajat atau nilai keanggotaannya melalui sebuah fungsi keanggotaan. 2. Bentuk basis data sequence interval waktu fuzzy. 3. Tentukan semua jenis frequent item yang ada dalam basis data sequence interval waktu fuzzy sehingga didapatkan pola sekuensial interval waktu fuzzy panjang-1. Kemudian hitung jumlah masing-masing item dalam basis data sequence interval waktu fuzzy. Item yang memiliki nilai support minimum support merupakan anggota dari pola sekuensial panjang-1. Pola sekuensial panjang-1 yang didapat ini selanjutnya juga akan dianggap sebagai prefiks (awalan). 4. Bagi ruang pencarian dengan menggunakan prefiks yang didapat pada langkah 1. Prefiks akan terus berubah seiring iterasi proses pencarian pola sekuensial panjang-k dengan k > Untuk ruang pencarian prefiks 1, dapatkan himpunan bagian pola sekuensial dengan menggunakan basis data sequence terproyeksi (projected sequence database) interval waktu fuzzy. Basis data terproyeksi dibentuk dengan mengambil akhiran (suffix) dari basis data sequence berdasarkan prefiks yang didapat di langkah sebelumnya. Kemudian, hitung derajat keanggotaan masing-masing item
4 JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) untuk masing-masing linguistic term dalam basis data sequence terproyeksi interval waktu fuzzy. Gunakan definisi 5 untuk mencari support untuk masing-masing isitlah lingusitik. Support istilah linguistik yang lebih besar atau sama dengan minimum support merupakan anggota dari pola sekuensial interval waktu fuzzy panjang-2. Kemudian, jadikan pola sekuensial yang didapat sebagai prefiks baru untuk melakukan pencarian berikutnya. Basis data terproyeksi berikutnya dibentuk berdasarkan prefiks baru yang dihasilkan. Selanjutnya, lakukan proses pencarian secara berulang dalam himpunan bagian ini. 6. Lakukan pencarian pola sekuensial untuk prefiks lainnya (pola sekuensial panjang-1). Lakukan proses pencarian seperti pada langkah 3. III. ANALISIS DAN PERANCANGAN SISTEM Dalam menggali pola sekuensial interval waktu fuzzy pada proses bisnis diperlukan analisis dan perancangan yang baik, mulai dari analisis sistem sampai perancangan perangkat lunak. Penjelasan terkait hal tersebut akan dijelaskan sebagaimana berikut. A. Analisis Sistem Analisis sistem dilakukan untuk menganalisa kebutuhan sistem dari perangkat lunak yang akan dibuat. Selanjutnya akan dibahas mengenai deskripsi perangkat lunak dan pemodelan analitis sistem yang akan dibuat. Deskripsi Perangkat Lunak Perangkat lunak yang dimaksud di sini adalah aplikasi penggalian pola sekuensial interval waktu fuzzy menggunakan algoritma FP-Growth PrefixSpan. Aplikasi ini dibuat untuk membantu user dalam melakukan proses penggalian data. Aplikasi ini hanya bisa digunakan untuk data homogen proses bisnis, karena ruang pencarian pola sekuensial dalam algoritma aplikasi ini masih dibatasi menyesuaikan data yang diperoleh saat ini. Pemodelan Analisis Tujuan dari pemodelan analisis ini adalah menjelaskan sistematika berjalannya aplikasi yang akan dibuat. Berikut diberikan gambar use case dan activity diagram untuk aplikasi penggalian pola sekuensial interval waktu fuzzy sebagaimana yang terlihat pada Gambar 4.1 dan Gambar 4.2. Gambar 3.1 Rancangan sistem secara umum. Gambar 3.2 Activity Diagram Sistem Aplikasi Penggalian Interval Waktu Fuzzy. B. Perancangan Perangkat Lunak Perancangan perangkat lunak dilakukan untuk merancang sistem yang sudah direncanakan untuk dibangun ke dalam bentuk perangkat lunak atau aplikasi. Selanjutnya akan dibahas mengenai perancangan basis data dan perancangan proses dari sistem yang akan dibuat. Perancangan Basis Data Perancangan basis data dilakukan pada saat data yang digunakan merupakan kumpulan dari berbagai tabel yang saling berhubungan dan membentuk sebuah basis data besar. Perancangan basis data yang dilakukan dalam penelitian ini merupakan perancangan basis data sederhana karena data yang digunakan hanya sebuah tabel event log saja. Perancangan Pra Pemrosesan Data Tujuan dari perancangan proses ini adalah untuk memberikan penjelasan tentang proses-proses yang dilakukan terhadap data awal yang diperoleh, sehingga data tersebut bisa dipakai dalam pemrosesan data mining. Data yang digunakan dalam penelitian ini berupa satu file excel dengan satu sheet atau satu tabel saja yang terdiri dari 2 atribut, yaitu task (event/kejadian) dan time-stamp (waktu terjadinya event). Data ini merupakan data tentang proses binis perusahaan yang di-generate sebagai log event sebelumnya namun sudah dinormalisasi[11]. Task terdiri dari 8 aktifitas proses bisnis, yaitu Register, Analyze Defect, Repair(Complex), Test Repair, Inform User, Archive Repair, Repair (Simple), dan Restart Repair. Jumlah record data tersebut sebanyak record. Selanjutnya dilakukan pra pemrosesan data, yaitu cleaning dan transformasi sehingga terbentuk basis data sequence interval waktu sebanyak 1103 record. Perancangan Proses Data Mining Pada perancangan proses tahap ini dilakukan penggalian pola sekuensial sesuai dengan algoritma penggalian pola sekuensial interval waktu fuzzy pada subbab sebelumnya. Ada beberapa tahap yang dilakukan dalam proses ini, yaitu pengambilan data, penggalian pola sekunsial panjang-1, penggalian pola sekuensial interval waktu fuzzy panjang-2,
5 JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) dan penggalian pola sekuensial interval waktu fuzzy panjang lebih dari 2. Linguistic term yang digunakan untuk variabel linguistik interval waktu adalah short (pendek), middle (sedang), dan long (lama) yang didefinisikan oleh fungsi keanggotaan berikut ini Minimum Support Gambar 4.1 Hubungan Minimum Support dengan IV. HASIL DAN PENGUJIAN SISTEM A. Lingkungan Pengujian Sistem Perangkat keras yang digunakan dalam uji coba adalah laptop dengan spesifikasi prosesor Pentium(R) Dual-Core CPU GHz, HDD 320GB, RAM memory 2GB, perangkat lunak NetBeans IDE 6.9 untuk pembangunan sistem dan perangkat lunak open source MySQL 5.5 sebagai sistem manajemen basisdatanya. B. Hasil Uji Coba Sistem Uji coba dilakukan dengan menampilkan hasil dari penggalian pola sekuensial menggunakan sistem yang sudah dibangun. Dalam hal ini akan dijelaskan hubungan minimum support terhadap pola sekuensial yang dihasilkan dan lama eksekusi algoritma (running time). Hubungan tersebut dijelaskan pada Tabel 4.1 dan Tabel 4.2. Tabel 4.1 Hubungan minimum support dengan Minimum Pola Running Time Support Sekuensial 0, menit 21 detik 0, menit 6 detik 0, menit 36 detik 0, menit 13 detik 0, menit 56 detik 0, menit 56 detik 0, menit 57 detik 0, menit 2 detik detik Grafik untuk Tabel 4.1 disajikan sebagaimana di bawah ini: Dari grafik di atas terlihat bahwa semakin sedikit pola sekuensial interval waktu fuzzy yang dihasilkan saat nilai minimum support semakin tinggi disebabkan karena semakin banyak pola sekuensial yang nilai supportnya di bawah nilai minimum support. waktu (detik) ,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Minimum Support Gambar 4.2 Hubungan Minimum Support dengan Running Time Dari grafik di atas terlihat bahwa semakin sedikit waktu yang dibutuhkan untuk mencari pola sekuensial interval waktu fuzzy saat nilai minimum support semakin tinggi disebabkan karena semakin banyak pola sekuensial yang nilai supportnya di bawah nilai minimum support sehingga semakin sedikit anggota pola sekuensial yang didapat. Saat pola sekuensial panjang-k yang dihasilkan semakin sedikit maka proses pencarian pola sekuensial panjang-(k+1) akan semakin cepat. C. Analisis Data Uji Berikut akan ditunjukkan hasil dari pencarian pola sekuensial interval waktu fuzzy dari beberapa minimum support yang diinputkan. Pola sekuensial interval tersebut selanjutnya akan dianalisis untuk memberikan bahan informasi terkait proses bisnis bagi perusahaan untuk analisa selanjutnya atau pengambilan keputusan. Tabel 4.2 min_sup=1 Support Register 1 AnalyzeDefect 1 Register,short,AnalyzeDefect 1
6 JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) Tabel 4.3 min_sup=0,5 Support Register 1 AnalyzeDefect 1 Repair(Complex) 0,596 TestRepair 0,998 InformUser 0,998 ArchieveRepair 0,905 Register,short,AnalyzeDefect 1 Register,long,TestRepair 0,909 Register,long,InformUser 0,949 Register,long,ArchieveRepair 0,905 Register,short,AnalyzeDefect,short, AnalyzeDefect 0,57 Register,short,AnalyzeDefect, long,testrepair 0,910 Register,short,AnalyzeDefect, long, InformUser 0,949 Register,short,AnalyzeDefect, long, ArchieveRepair 0,905 Register,short,AnalyzeDefect,short, AnalyzeDefect,long,TestRepair 0,743 Register,short,AnalyzeDefect,short, AnalyzeDefect,long,TestRepair,long,InformUser 0,776 Register,short,AnalyzeDefect,short, AnalyzeDefect,long,TestRepair,long,ArchieveRepair 0,902 Setelah dilakukan pengamatan dari pengujian data proses bisnis di atas, secara umum diketahui bahwa interval waktu antara Register dan Analyze Defect yang pendek memiliki nilai support maksimal (1), sedangkan interval waktu antara Register dan Test Repair serta Inform User yang lama juga memiliki support yang tinggi. Artinya, aktifitas proses bisnis dalam perusahaan tersebut hampir bisa dipastikan selalu berlaku hal serupa. Hal ini sesuai dengan fakta bahwa setelah user melakukan registrasi, hal yang memang harus dilakukan oleh perusahaan pertama kali adalah segera menganalisa kerusakan yang sudah diregistrasikan untuk segera dilakukan perbaikan. Sedangkan uji perbaikan, penginformasian pada user, dan pengarsipan tentang perbaikan mempunyai rentang waktu yang lama dari semenjak registrasi karena proses perbaikan sewajarnya memerlukan waktu. Hal itu juga berbanding lurus dengan pengarsipannya yang bergantung pada hasil uji perbaikan. Untuk minimum support=0.8, pola sekuensial interval waktu fuzzy maksimal menghasilkan proses bisnis sebagaimana gambar yang tersaji di bawah ini: Register short Analyze Defect long Test Repair proses bisnisnya, baik itu menyangkut interval waktu antar proses ataupun model proses itu sendiri. Pencarian pola proses bisnis semacam ini selanjutnya bisa membantu atau memberikan solusi terhadap perusahaan terkait pengambilan kebijkan strategis. V. KESIMPULAN Berdasarkan penelitian Tugas Akhir ini, maka diperoleh kesimpulan sebagai berikut: 1. Penggalian Interval Waktu Fuzzy telah berhasil diimplementasikan pada data proses bisnis. 2. Dengan menggunakan pendekatan fuzzy melalui interval waktu dapat disimpulkan bahwa pola sekuensial yang didapat semakin sedikit karena minimum support yang digunakan berdasarkan nilai fuzzy interval waktu. 3. Nilai minimum support berpengaruh pada hasil dan lama pencarian pola sekuensial interval waktu fuzzy. Minimum support terbaik adalah jika sequence memiliki nilai support tinggi dan mencakup hampir seluruh event atau kejadian dari proses bisnis. 4. Hasil dari penggalian pola sekuensial bisa dijadikan bahan pertimbangan untuk mengubah atau memperbarui proses bisnis yang ada. DAFTAR PUSTAKA [1] Jung J.Y., Bae J., and Liu L., Hierarchical Clustering of Business Process Models, SCC 2008, IEEE International Conference on Volume 2, pp , [2] Connolly TM, Begg CE Database System: A Practical Approach To Design, Implementation, and Management.England:Addison Wesley. [3] Han J. and Kamber M Data Mining: Concept and Technique. 2 nd Edition. San Diego, USA: Morgan-Kauffman. [4] Weske, Mathias Business Process Management Concepts, Languages, Architectures. Springer Berlin Heidelberg New York. [5] Pei J, Han J Mining Sequential Patterns by Pattern Growth: The PrefixSpan Approach. Volume 16 No. 10 Oktober [6] Agrawal R, Srikant R Mining Sequential Patterns. [7] Pei J, Han J Mining Sequential Patterns by Pattern-Growth: The PrefixSpan Approach. Volume 16 No. 10. [8] Zimmermann, H.-J Fuzzy Set Theory. Volume 2. [9] Chen Yen-Liang, Huang Cheng-Kui. Discovering fuzzy time-interval sequential patterns in sequence database. [10] Ardyanto A Mengenal Apa itu Proses Mining. Diakses tanggal 06 Februari 2014 Pukul 12:02 WIB. [11] Saikhu A, Hariadi V Klasifikasi Event Pada Process Logs Menggunakan Model Regresi Logistik. Makalah KNSI [12] Sarno R, Pamungkas E.W, Ginardi H Clustering of ERP Business Process Fragments. Register short Analyze Defect long Inform User Gambar 4.3 Pola Proses Bisnis untuk Minimum Support=0.8 Hasil dari penemuan pola-pola proses bisnis seperti di atas bisa dijadikan bahan pertimbangan bagi sebuah perusahaan apabila ingin mengganti atau memperbarui model
APLIKASI PENGGALIAN POLA SEKUENSIAL INTERVAL WAKTU FUZZY PADA PROSES BISNIS ERP MENGGUNAKAN ALGORITMA FP-GROWTH-PREFIXSPAN
Seminar Hasil Tugas Akhir APLIKASI PENGGALIAN POLA SEKUENSIAL INTERVAL WAKTU FUZZY PADA PROSES BISNIS ERP MENGGUNAKAN ALGORITMA FP-GROWTH-PREFIXSPAN Application of Fuzzy Time-Interval Sequence Pattern
Lebih terperinciRancang Bangun Fitur Rekomendasi Buku Menggunakan Algoritma PrefixSpan pada Sistem Peminjaman Buku Berbasis Web di Perpustakaan Universitas Ciputra
Rancang Bangun Fitur Rekomendasi Buku Menggunakan Algoritma PrefixSpan pada Sistem Peminjaman Buku Berbasis Web di Perpustakaan Universitas Ciputra Lenny Universitas Ciputra UC Town, Citraland Surabaya
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No., (203) 2337-3520 (230-928X Print) Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web Harmuda Pandiangan, M Isa Irawan dan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Pola pengaksesan pengguna terhadap sebuah situs web biasanya tergambarkan dalam sebuah pola sekuensial. Pola sekuensial mengindikasikan bahwa transaksi biasanya terjadi secara
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Perancangan Sistem Pakar Fuzzy Sebagai Pendukung Keputusan Manajemen Pola Tanam Tanaman Pangan Berdasarkan Ketersediaan Air
Lebih terperinci2.2 Data Mining. Universitas Sumatera Utara
Basis data adalah kumpulan terintegrasi dari occurences file/table yang merupakan representasi data dari suatu model enterprise. Sistem basisdata sebenarnya tidak lain adalah sistem penyimpanan-record
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
Lebih 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Aplikasi Data Mining Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik
Lebih terperinciAbidah Elcholiqi, Beta Noranita, Indra Waspada
Abidah Elcholiqi, Beta Noranita, Indra Waspada PENENTUAN BESAR PINJAMAN DI KOPERASI SIMPAN PINJAM DENGAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus di Koperasi Simpan Pinjam BMT Bina Insani Pringapus) Abidah
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dewasa ini, informasi menjadi hal yang penting dan berharga bagi kehidupan manusia. Tak dapat dipungkiri, bahwa di jaman yang seperti ini, orang akan mempunyai
Lebih terperinciPembersihan Data Lingkungan Pengembangan Sistem HASIL DAN PEMBAHASAN
3 Nilai fuzzy support bagi frequent sequence dengan ukuran k diperoleh dengan mengkombinasikan frequent sequence dengan ukuran k-1. Proses ini akan berhenti jika tidak memungkinkan lagi untuk membangkitkan
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 terperinciBAB II LANDASAN TEORI
6 BAB II LANDASAN TEORI Bab ini berisi penjelasan tentang definisi, teori dan konsep yang digunakan penulis untuk mamahami cara yang benar untuk mendapatkan pola sekuensial (sequential patterns) dengan
Lebih 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 terperinciBAB III ANALISIS. Mekanisme Penyimpanan dan Pengambilan Sequence
BAB III ANALISIS Mula-mula, Bab ini akan mengemukakan analisis yang dilakukan terhadap algoritma PrefixSpan [PEI01]. Kemudian dilakukan rancangan dan implementasi algoritma tersebut. Setelah itu, program
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 Pada perancangan suatu sistem diperlukan analisa yang tepat sehingga proses pembuatan sistem dapat berjalan dengan baik dan sistem yang dibuat sesuai dengan yang dibutuhkan.
Lebih terperinciPENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Abstrak
PENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Dini Fakta Sari Teknik Informatika STMIK AKAKOM Yogyakarta dini@akakom.ac.id Abstrak Tenaga
Lebih terperinciMETODE PENELITIAN. Proses Dasar Sistem
Gagasan utama dari sequential pattern mining adalah untuk menemukan semua pola sekuensial yang memiliki nilai support lebih besar dari nilai minimum support yang diberikan (Fiot. C et al ). Diagram alir
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Pada bab ini akan dijelaskan tahap-tahap yang dilakukan dalam melakukan penelitian. Tahapan penelitian berguna agar pelaksanaan penelitian dapat berjalan dengan baik dan sistematis
Lebih 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 terperinciTEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD
Jurnal Teknik Komputer Unikom Komputika Volume 3, No.2-2014 TEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD Selvia Lorena Br Ginting 1), Wendi Zarman
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 terperinciBAB III ANALISA DAN PERANCANGAN SISTEM. ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai dengan
BAB III ANALISA DAN PERANCANGAN SISTEM III. Analisis Masalah Sistem yang dibuat pada studi kasus pemilihan spesifikasi komputer ini, ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai
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 terperinciPenentuan Pola Sekuensial pada Data Transaksi Perpustakaan IPB Menggunakan Algoritma Graph Search Techniques
Penentuan Pola Sekuensial pada Data Transaksi Perpustakaan IPB Menggunakan Algoritma Graph Search Techniques Imas S. Sitanggang 1, Firman Ardiansyah 1 dan Hamzah Agung 2 1 Staf Pengajar Departemen Ilmu
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 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 terperinciPenerapan Stuktur FP-Tree dan Algoritma FP-Growth dalam Optimasi Penentuan Frequent Itemset
Penerapan Stuktur FP-Tree dan Algoritma FP-Growth dalam Optimasi Penentuan Frequent Itemset David Samuel/NIM :13506081 1) 1) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciPERANCANGAN SISTEM INFORMASI PERSURATAN PADA BADAN KEPEGAWAIAN NEGARA JAKARTA
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 161~166 PERANCANGAN SISTEM INFORMASI PERSURATAN PADA BADAN KEPEGAWAIAN NEGARA JAKARTA Irza asrita 1, Oky Irnawati 2 1 AMIK BSI Jakarta
Lebih terperinciBAB 1 PENDAHULUAN. kegiatan belajar mengajar yang efektif.
2 BAB 1 PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan teknologi yang semakin pesat, Binus University sebagai salah satu perguruan tinggi di Indonesia dituntut untuk mengikuti perkembangan
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciPENGEMBANGAN APLIKASI FUZZY TEMPORAL ASSOCIATION RULE MINING (STUDI KASUS : DATA TRANSAKSI PASAR SWALAYAN ) HANDAYANI RETNO SUMINAR
PENGEMBANGAN APLIKASI FUZZY TEMPORAL ASSOCIATION RULE MINING (STUDI KASUS : DATA TRANSAKSI PASAR SWALAYAN ) HANDAYANI RETNO SUMINAR DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
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 terperinciBAB I PENDAHULUAN. Apotek sebagai penyedia obat-obatan sering kali mengalami kesulitan dalam
1 BAB I PENDAHULUAN 1.1 Latar Belakang Apotek sebagai penyedia obat-obatan sering kali mengalami kesulitan dalam pemenuhan permintaan obat-obatan, baik obat atas resep maupun obat bebas. Hal ini dikarenakan
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 terperinciMETODE PENELITIAN HASIL DAN PEMBAHASAN
5. Oleh karena itu untuk meningkatkan akurasinya, proses learning harus dihentikan lebih awal atau melakukan pemotongan tree secara umum. Untuk itu diberikan 2 (dua) buah threshold yang harus dipenuhi
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 terperinciSistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani
Sistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani Eddy Triswanto S., ST., M.Kom. Jurusan Sistem Informasi Institut Informatika Indonesia Jl. Raya Sukomanunggal Jaya 3, Surabaya
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 terperinciOleh : Selvia Lorena Br Ginting, Reggy Pasya Trinanda. Abstrak
TEKNIK DATA MINING MENGGUNAKAN METODE BAYES CLASSIFIER UNTUK OPTIMALISASI PENCARIAN PADA APLIKASI PERPUSTAKAAN (STUDI KASUS : PERPUSTAKAAN UNIVERSITAS PASUNDAN BANDUNG) Oleh : Selvia Lorena Br Ginting,
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 terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Perkembangan teknologi informasi yang sangat pesat yang terjadi dewasa ini menuntut manusia untuk mampu beradaptasi dengan perkembangan tersebut. Upaya adaptasi yang dilakukan
Lebih terperinciKata kunci : metode pencarian, perpustakaan, Naïve Bayes Classifier.
PENGGUNAAN METODE NAÏVE BAYES CLASSIFIER PADA APLIKASI PERPUSTAKAAN Selvia Lorena Br Ginting,S.Si., MT 1, Reggy Pasya Trinanda 2 1,2 Jurusan Teknik Komputer Unikom, Bandung 1 selvialorena@yahoo.com, 2
Lebih terperinciBAB 1 PENDAHULUAN. terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi informasi telah mampu mengubah persepsi manusia terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
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 1 PENDAHULUAN. yang penting bagi suatu perusahaan. Dengan adanya teknologi informasi, maka
BAB 1 PENDAHULUAN 1.1. Latar Belakang Teknologi informasi pada masa kini, telah menjadi suatu kebutuhan yang penting bagi suatu perusahaan. Dengan adanya teknologi informasi, maka proses-proses yang ada
Lebih terperinciPENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS
1 PENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS Indra Setiawan 1 1 Teknik Informatika Universitas Dian Nuswantoro Semarang E-mail :
Lebih terperinciAPLIKASI ASSOCIATION RULE MINING UNTUK MENEMUKAN POLA PADA DATA NILAI MAHASISWA MATEMATIKA ITS
APLIKASI ASSOCIATION RULE MINING UNTUK MENEMUKAN POLA PADA DATA NILAI MAHASISWA MATEMATIKA ITS DONNY MITRA VIRGIAWAN 1209100035 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih 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 terperinciPresentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman
Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ Muhammad Reza Budiman 5209100075 Jurusan Sistem Informasi Fakultas Teknologi Informasi
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 terperinciDATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA
DATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA Aseptian Nugraha, Acep Irham Gufroni, Rohmat Gunawan Teknik Informatika Fakultas
Lebih terperinci#12 SIMULASI MONTE CARLO
#12 SIMULASI MONTE CARLO 12.1. Konsep Simulasi Metode evaluasi secara analitis sangat dimungkinkan untuk sistem dengan konfigurasi yang sederhana. Untuk sistem yang kompleks, Bridges [1974] menyarankan
Lebih terperinciAplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. (TI-Math), serta Teknik Informatika dan Statistika (TI-Stat) dan pemilihan
BAB 3 METODOLOGI PENELITIAN 3.1 Pengumpulan Data Pada penelitian ini data dikumpulkan dari populasi mahasiswa BINUS University jurusan Teknik Informatika (TI), Teknik Informatika dan Matematika (TI-Math),
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 terperinciPerancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani
Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani 23 Sathya Adi Dharma Program Studi Teknik Informatika Fakultas Teknologi Informasi Institut Informatika
Lebih terperinciANALISIS KINERJA ALGORITMA PREFIXSPAN DAN APRIORIALL PADA PENGGALIAN POLA SEKUENSIAL
ANALISIS KINERJA ALGORITMA PREFIXSPAN DAN APRIORIALL PADA PENGGALIAN POLA SEKUENSIAL Rully Soelaiman, Dhany Saputra Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS), Surabaya, 60111
Lebih terperinciOleh: Fandy Setyo Utomo STMIK AMIKOM Purwokerto ABSTRACT
MULTI ATTRIBUTE DECISION MAKING DENGAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION UNTUK MENENTUKAN REKOMENDASI PENERIMA BEASISWA BBM DAN PPA DI STMIK AMIKOM PURWOKERTO Oleh:
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 I PENDAHULUAN. Penggajian pegawai merupakan sebuah kegiatan rutin di kantor Camat
BAB I PENDAHULUAN A. Latar Belakang Penggajian pegawai merupakan sebuah kegiatan rutin di kantor Camat Sambit. Saat ini pencatatan atas penggajian pegawai masih dilakukan secara manual dan bisa dikatakan
Lebih terperinciBAB I PENDAHULUAN. I.1 Latar Belakang I-1
BAB I PENDAHULUAN I.1 Latar Belakang Suatu pekerjaan yang tidak dijadwalkan dengan baik akan memberikan hasil yang mungkin tidak seoptimal pekerjaan yang dijadwalkan dengan baik. Sebagai contoh adalah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Internet saat ini merupakan kebutuhan pokok yang tidak bisa dipisahkan dari segenap sendi kehidupan. Berbagai pekerjaan ataupun kebutuhan dapat dilakukan melalui media
Lebih terperinci1 BAB III METODE PENELITIAN
1 BAB III METODE PENELITIAN 1.1 Desain Penelitian Desain penelitian merupakan tahapan atau gambaran yang akan dilakukan dalam melakukan penelitian. Tahapan-tahapan yang dilakukan dalam penelitian ini dapat
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 terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.
BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan
Lebih terperinciBAB I PENDAHULUAN. saatnya pengelola dapat memberikan data pensiun. tahun 2004 hingga 2010 terjadi penurunan jumlah dana pensiun.
BAB I PENDAHULUAN I.1. Latar Belakang Perusahaan pengelola dana pensiun merupakan perusahaan yang menarik iuran setiap waktu yang ditentukan kepada karyawan untuk diberikan kembali pada suatu waktu yang
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Setiap bulannya staff dari departemen WIM membuat laporan kinerja GraPARI yang memuat tentang pencapaian target customer visit, pencapaian target waiting time dan pencapaian
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Ditahapan desain penelitian dilakukan : 1. Studi Literatur dengan cara mengumpulkan data guna mempelajari dan memahami materi penelitian baik dari buku,
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Penjualan cake dan bakery pada Zahara bakery yang selalu laris, membuat karyawan Zahara bakery harus mempersiapkan penjualan sesuai dengan tingkat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Faktor penentu bagi usaha atau bisnis apapun pada masa sekarang ini adalah kemampuan untuk menggunakan informasi seefektif mungkin. Penggunaan data secara tepat karena
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu (Sensuse dan Gunadi, 2012). Pola-pola
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi sistem informasi sekarang ini sangat pesat, hampir semua kegiatan menggunakan sistem informasi sebagai penunjang kegiatannya, salah satunya adalah
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 terperinciJURNAL TEKNIK, (2014) APLIKASI DATA MINING UNTUK MEMPREDIKSI PERFORMANSI MAHASISWA DENGAN METODE KLASIFIKASI DECISION TREE
JURNA TEKNIK, (2014) 1-6 1 AIKASI DATA MINING UNTUK MEMREDIKSI ERFORMANSI MAHASISWA DENGAN METODE KASIFIKASI DECISION TREE Irfan Fahmi, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Umum Pada bab ini akan dijelaskan mengenai pembuatan Rancang Bangun Aplikasi Perencanaan Stok Barang dengan Menggunakan Teori Trafik dari tahap awal perancangan sampai
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Analisis sistem ialah proses identifikasi mengenai hal-hal yang dibutuhkan dan harus ada pada sistem, agar sistem tersebut dapat berjalan sesuai
Lebih terperinciREKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO
REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO Endra Pratama, Titin Sri Martini, Mania Roshwita Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciPEMANFAATAN TEKNIK STEMMING UNTUK APLIKASI TEXT PROCESSING BAHASA INDONESIA SKRIPSI. Oleh : SEPTIAN BAGUS WAHYONO NPM :
PEMANFAATAN TEKNIK STEMMING UNTUK APLIKASI TEXT PROCESSING BAHASA INDONESIA SKRIPSI Oleh : SEPTIAN BAGUS WAHYONO NPM : 0734010126 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
Lebih terperinciIMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI DATA NASABAH BANK DALAM PENAWARAN DEPOSITO BERJANGKA DENGAN MENGGUNAKAN ALGORITMA KLASIFIKASI NAIVE BAYES
IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI DATA NASABAH BANK DALAM PENAWARAN DEPOSITO BERJANGKA DENGAN MENGGUNAKAN ALGORITMA KLASIFIKASI NAIVE BAYES Nama : Muhammad Rizki NPM : 54410806 Jurusan Pembimbing
Lebih terperinciPENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR
PENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini membahas tentang pendahuluan. Isi dari bab ini adalah ulasan permasalahan dan hal-hal yang berkaitan langsung dengan kegiatan penelitian yang dilakukan, yaitu meliputi latar belakang,
Lebih terperinciFUZZY MULTI-CRITERIA DECISION MAKING
Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Konsep Dasar Program Konsep dasar program merupakan suatu gambaran dari program aplikasi yang akan dibangun. Sekarang ini, semua perusahaan pastinya sudah harus terkomputerisasi.
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 Building A Data WareHouse for Decision Support Second Edition Data Mining : Concepts, Models, Methods, and Algorithms
BAB 1 PENDAHULUAN 1.1. Pendahuluan Mesin hitung bernama Komputer sejak satu dekade ini telah tumbuh dan berkembang dengan pesat. Perkembangan ini meliputi sisi teknologi, kapasitas media penyimpanan, dan
Lebih terperinciPENGGALIAN POLA CLOSED SEQUENTIAL PADA BASIS DATA YANG BERTAMBAH SECARA BERTAHAP
PENGGALIAN POLA CLOSED SEQUENTIAL PADA BASIS DATA YANG BERTAMBAH SECARA BERTAHAP Budanis Dwi Meilani* dan Arif Djunaidy** Jurusan Teknik Informatika ITS, Surabaya 60111, email: **budanis@yahoo.com, **adjunaidy@its.ac.id
Lebih terperinciAPLIKASI PREDIKSI PENJUALAN JERUK DENGAN MENGGUNAKAN METODE REGRESI LINIER SEDERHANA DAN MOVING AVERAGE
APLIKASI PREDIKSI PENJUALAN JERUK DENGAN MENGGUNAKAN METODE REGRESI LINIER SEDERHANA DAN MOVING AVERAGE (Studi Kasus UD. Buah Alam, Giwangan, Yogyakarta) ABSTRAK UD. Buah Alam merupakan sebuah usaha dalam
Lebih terperinciBAB I PENDAHULUAN. alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran. Sistem
BAB I PENDAHULUAN I.1 Latar Belakang Pengambilan keputusan adalah proses pemilihan, diantara berbagai alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran. Sistem pengambilan keputusan
Lebih terperinci3.1 Metode Pengumpulan Data
BAB 3 METODE PENELITIAN 3.1 Metode Pengumpulan Data Sebuah penelitian memerlukan pengumpulan data dan metode pengumpulan data karena sangat berpengaruh terhadap akurasi dan kualitas data yang digunakan
Lebih terperinciPenerapan Sequential Pattern Mining pada Data Pemesanan untuk Strategi Penawaran dan Pemasaran Produk
Penerapan Sequential Pattern Mining pada Data Pemesanan untuk Strategi Penawaran dan Pemasaran Produk Dengan Pendekatan Metode PrefixSpan Puspita Nurul Sabrina Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciBAB I PENDAHULUAN. cara berpikir manusia yang disebut sebagai artificial intelligence atau lebih
BAB I PENDAHULUAN I.1. Latar Belakang Perkembangan zaman tidak luput dari perkembangan teknologi informasi, Semakin pesatnya perkembangan teknologi informasi saat ini sangat mempengaruhi pola pikir dan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses penelitian penerapan Hidden Markov Models : 40 Studi Literatur dan Kepustakaan Rumusan
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 terperinci