BAB II LANDASAN TEORI
|
|
- Yuliana Hardja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB II LANDASAN TEORI 2.1 DATA MINNING Data mining merupakan proses pengekstrakan informasi dari jumlah kumpulan data yang besar dengan menggunakan algoritma dan tehnik gambar dari statistik, mesin pembelajaran dan sistem manajemen database. Faktor penentu bagi bentuk usaha atau bisnis apapun pada masa sekarang ini adalah kemampuan untuk menggunakan informasi secara seefektif mungkin. Pengunaan data yang strategis ini bisa diakibatkan oleh kesempatankesempatan yang dihasilkan atau ditimbulkan karena penemuan fakta-fakta sangat berharga yang cukup sering, tersembunyi dan tidak terdeteksi sebelumnya mengenai konsumen, retailer dan supplier, tren tren bisnis, dan faktor faktor petunjuk yang lain (Berson, 1997). Menurut Kamber (2007) secara sederhana data mining mengacu kepada mengekstrak atau menambang pengetahuan dari sekumpulan besar data. Menambang dalam hal ini bukan diibaratkan sebagai menambang emas atau menambang pasir, tetapi lebih diibaratkan sebagai knowledge mining from data atau lebih ringkasnya menambang pengetahuan. Pengertian lain data mining juga dapat berarti prose untuk mempekerjakan satu atau lebih teknik pembelajaran terkomputerisasi untuk mengotomasi analisa dan mengekstrak pengetahuan dari data didalam database (Roger and Geatz, 2003). Secara sederhana, data mining dapat diartikan sebagai proses mengekstrak atau menggali pengetahuan yang ada pada sekumpulan data. Banyak orang yang setuju bahwa data mining adalah sinonim dari Knowledge- Discovery in Database atau yang biasa disebut KDD. Dari sudut pandang yang lain, data mining dianggap sebagai satu langkah yang penting didalam proses KDD. Menurut Han, J. and Kamber, M, 2001, proses KDD ini terdiri dari langkah-langkah sebagai berikut : a) Data Cleaning, proses menghapus data yang tidak konsisten dan kotor b) Data Integration, penggabungan beberapa sumber data c) Data Selection, pengambilan data yang akan dipakai dari sumber data
2 2 d) Data Mining, suatu proses yang penting dengan melibatkan metode untuk menghasilkan suatu pola data e) Pattern Evaluation, proses untuk menguji kebenaran dari pola data yang mewakili knowledge yang ada didalam data itu sendiri f) Knowledge Presentation, proses visualisasi dan teknik menyajikan knowledge digunakan untuk menampilkan knowledge hasil mining kepada user 2.2 CLUSTERING Cluster adalah suatu kumpulan dari entitas yang hampir sama (Everit, 1993). Pengertian lain menurut Kamber (2007), cluster adalah kumpulan dari objek yang mirip dengan objek lainnya dan berada pada kelompok yang sama. Sedangkan proses untuk mengelompokkan data baik itu bersifat fisik atau abstrak kedalam suatu kelompok atau kelas yang memiliki kesamaan sifat disebut clustering. Clustering dikategorikan kedalam teknik Undirect Knowledge atau Unsupervised Learning karena tidak membutuhkan proses pelatihan untuk klasifikasi awal data dalam masing-masing kelompok atau cluster. Tujuan utama clustering adalah untuk menemukan atau mencari pola yang bermanfaat atau berguna pada suatu database, kemudian merangkumnya dan membuat lebih mudah untuk dipahami. Dalam melakukan proses analisa terhadap cluster-cluster yang telah terbentuk dan pencarian pengetahuan dengan metode tertentu disebut cluster analyse (Kamber, 2007). TIPE CLUSTERING 1) Partitional vs Hierarchical Partitionalclustering adalah pembagian objek data kedalam subhimpunan (cluter) yang tidak overlap sedemikian hingga tiap objek data berada dalam tepat sub-himpunan. 2) Exclusive vs non-exclusive Exclusive adalah dimana Objek berada tepat di satu cluster. Sebaliknya dalam non-exclusivecluster, sebuah objek dapat berada dilebih dari satu cluster secara bersamaan. 3) Fuzzy vs non-fuzzy
3 3 Dalam fuzzy clustering, sebuah titik termasuk dalam setiap cluster dengan suatu nilai bobot antara 0 dan 1. Jumlah dari bobot bobot tersebut sama dengan 1 clustering probabilitas mempunyai karakteristik yang sama. 4) Partial vs complete Dalam completeclustering, setiap objek ditempatkan dalam sebuah cluster. Tetapi dalam partial clustering, tidak semua objek ditempatkan dalam sebuah cluster. Kemungkinan ada objek yang tidak tepat untuk ditempatkan disalah satu cluster, misalkan berupa outlier atau noise. b. Tipe Tipe Cluster Clustering bertujuan menemukan kelompok (cluster) objek yang berguan, dimana gunakanya bergantung dari tujuan analisa data. Secara visual ada beberapa tipe dari cluster, diantaranya : 1) Well-SeparatedCluster Sebuah cluster merupaka himpunan titik sedemikianrupa hingga tidak ada titik dalam sebuah cluster yang mendekati (atau lebih mirip) kesetiap titik lain dalam cluster yang tidak ditempati titik tersebut 2) Center-Based Himpuna dari objek objek sedemikian rupa hingga sebuah onjek dalam sebuah cluster medekati (lebih mirip) dengan pusat dari sebuah cluster dibandingkan dengan pusat cluster lain. Pusat dari sebuah cluster dapat berupa centroid, yaitu rata rata dari semua titik dalam cluster tersebut, atau medoid, merupaka representasi titik dari sebuah cluster. 3) Contiguous Cluster (Nearest neighbor atau Transitive) Dimana sebuah cluster merupakan himpuan titik sedemikian hingga sebuah titik dalam cluster mendekati (atau lebih serupa) dengan satu atau
4 4 lebih titik lain dalam cluster tersebut dibandingkan dengan titik yang tidak berada pada cluster tersebut. 4) Density-based Dimana sebuah cluster merupakan suatu daerah titik yang padat, yang dipisahkan oelh daerah kepadatan rendah (low-density), dari daerah kepadatan tinggi (high density) yang lain. Digunakan ketika cluster cluster tidak beraturan atau terjalin dan ketika terdapat noise dan outliner 2.3 K-Means K-means merupakan algoritma pengelompokan iterative yang melakukan partisi set data ke dalam sejumlah K cluster yang sudah ditetapkan di awal.algoritma kmeans sederhana untuk diimplementasikan dan dijalankan, relative cepat, mudah beradaptasi, umum penggunaannya dalam praktek secara historis, kmeans menjadi salah satu algoritma yang paling penting dalam bidang data mining (Wu dan Kumar, 2009). Metode ini mempartisi ke dalam cluster / kelompok sehingga data yang memiliki karakteristik yang sama (High intra class similarity) dikelompokkan ke dalam satu cluster yang sama dan yang memiliki karakteristik yang berbeda (Law inter class similarity) dikelompokkan pada kelompok yang lain [3]. Proses klustering dimulai dengan mengidentifikasi data yang akan dikluster, Xij (i=1,...,n; j=1,...,m) dengan n adalah jumlah data yang akan dikluster dan m adalah jumlah variabel. Pada awal iterasi, pusat setiap kluster ditetapkan secara bebas (sembarang), Ckj (k=1,...,k; j=1,...,m). Kemudian dihitung jarak antara setiap data dengan setiap pusat klus Zter. Untuk melakukan
5 5 penghitungan jarak data ke-i (xi) pada pusat kluster ke-k (ck), diberi nama (dik), dapat digunakan formula Euclidean [2] seperti pada persamaan (1), yaitu: Suatu data akan menjadi anggota dari kluster ke-k apabila jarak data tersebut ke pusat kluster ke-k bernilai paling kecil jika dibandingkan dengan jarak ke pusat kluster lainnya. Hal ini dapat dihitung dengan menggunakan persamaan (2) Selanjutnya, kelompokkan data-data yang menjadi anggota pada setiap kluster. Nilai pusat kluster yang baru dapat dihitung dengan cara mencari nilai ratarata dari data-data yang menjadi anggota pada kluster tersebut, dengan menggunakan rumus pada persamaan 3: Dimana xij kluster ke k p = banyaknya anggota kluster ke k Algoritma dasar dalam k-means adalah 1. Tentukan jumlah kluster (k), tetapkan pusat kluster sembarang. 2. Hitung jarak setiap data ke pusat kluster menggunakan persamaan (2.1). 3. Kelompokkan data ke dalam kluster yang dengan jarak yang paling pendek menggunakan persamaan (2.2). 4. Hitung pusat kluster yang baru menggunakan persamaan (2.3)
6 6 Mulai Menentukan banyaknya cluster k yang diinginkan Hitung Centroid Hitung jarak objek ke centroid ya Pengelompokan berdasarkan jarak terdekat Ada objek yang berpindah kelompok? tidak Selesai GAMBAR 1 Flowchart algoritma Clustering K-Means (Teknomo, 2006) Ulangi langkah 2 sampai dengan 4 hingga sudah tidak ada lagi data yang berpindah ke kluster yang lain. Contoh kasus : Dari banyak siswa diambil 12 siswa sebagai contoh untuk penerapan algoritma k- means dalam penjurusan siswa. Percobaan dilakukan dengan menggunakan parameter-parameter berikut : Jumlah cluster : 2 Jumlah data :12 Jumlah atribut : 8
7 7 TABEL 1 Data mahasiswa Geografi Sosiologi Akutansi Sejarah Biologi Kimia Fisika Matematika Nama NIS No Anis Fadilah Didik Mulyana Eka Dwi Utami Fandik Lasmana Putri Khadijah Lina Nur Aini Mahmudin Ali M.Roemly Misbahus Surur Putra Adi Wijaya Syarif Kurniawan Ananda Anugrah Iterasi ke-1 1. Penentuan pusat awal cluster Untuk penentuan awal di asumsikan: Diambil data ke- 2 sebagai pusat Cluster Ke-1: (84, 76, 79, 77, 76, 77, 75, 81) Diambil data ke- 5 sebagai pusat Cluster Ke-2: (82, 82, 81, 91, 90, 82, 79, 91) 2. Perhitungan jarak pusat cluster Untuk mengukur jarak antara data dengan pusat cluster digunakan Euclidian distance, kemudian akan didapatkan matrik jarak sebagai berikut : Rumus Euclidian distance : d = x y =
8 8.x = pusat cluster y = data Sebagai contoh, perhitungan jarak dari data ke-1 terhadap pusat cluster adalah : Dan seterusnya dilanjutkan untuk data ke 2, 3, n Kemudian akan didapatkan matrik jarak sebagai berikut : D1 = TABEL 2 jarak data ke centroid (titik pusat) awal ,1 6,8 12,2 6,5 C ,4 27,09 25,8 22,9 C2 Setiap kolom pada matrik menunjukkan nilai jarak data terhadap pusat cluster. Baris pertama pada matrik menunjukkan nilai jarak data terhadap titik pusat cluster pertama, baris kedua pada matrik menunjukkan nilai jarak data terhadap titik pusat cluster kedua dan seterusnya. Pengelompokkan data Jarak hasil perhitungan akan dilakukan perbandingan dan dipilih jarak terdekat antara data dengan pusat cluster, jarak ini menunjukkan bahwa data tersebut berada dalam satu kelompok dengan pusat cluster terdekat. Berikut ini akan ditampilkan data matriks pengelompokkan group, nilai 1 berarti data tersebut berada dalam group. G1 =
9 9 TABEL 3 Kelompok data hasil perhitungan pertama C C2 Penentuan pusat cluster baru Setelah diketahui anggota tiap-tiap cluster kemudian pusat cluster baru dihitung berdasarkan data anggota tiap-tiap cluster sesuai dengan rumus pusat anggota cluster. Sehingga didapatkan perhitungan sebagai berikut : Karena C1 memiliki 10 anggota maka perhitungan cluster baru menjadi : C1= Karena C2 hanya mempunyai 2 anggota maka cluster baru menjadi : C2= C2 = (78.5; 76.2; 75.3; 79.9; 76.9; 78.4; 76.4; 78.6)
10 10 Iterasi Ke-2 Ulangi langkah ke 2 (kedua) hingga posisi data tidak mengalami perubahan. D2 = TABEL 4 jarak data ke centroid (titik pusat) ,5 7,9 21,1 14,08 23,3 9 10,6 6,7 5,1 5,6 10 3,4 C2 20,5 22,9 7,2 23,13 7,2 26,6 19,5 23,3 19,8 24,9 23,8 21 C1 Langkah selanjutnya sama dengan langkah pada nomer 3 jarak hasil perhitungan akan dilakukan perbandingan dan dipilih jarak terdekat antara data dengan pusat cluster, jarak ini menunjukkan bahwa data tersebut berada dalam satu kelompok dengan pusat cluster terdekat. Berikut ini akan ditampilkan data matriks pengelompokkan group, nilai 1 berarti data tersebut berada dalam group. G2 = TABEL 5 kelompok data pada centroid (titik pusat) baru C C2 Karena G2 = G1 memiliki anggota yang sama maka tidak perlu dilakukan iterasi / perulangan lagi. Hasil clustering telah mencapai stabil dan konvergen. 2.4 Flowcart Flowchart merupakan gambar atau bagan yang memperlihatkan urutan dan hubungan antar proses beserta instruksinya. Gambaran ini dinyatakan dengan simbol. Dengan demikian setiap simbol menggambarkan proses tertentu. Sedangkan hubungan antar proses digambarkan dengan garis penghubung.
11 11 Flowchart ini merupakan langkah awal pembuatan program. Dengan adanya flowchart urutan poses kegiatan menjadi lebih jelas. Jika ada penambahan proses maka dapat dilakukan lebih mudah. Setelah flowchart selesai disusun, selanjutnya pemrogram (programmer) menerjemahkannya ke bentuk program dengan bahsa pemrograman. Flow Direction symbol Yaitu simbol yang digunakan untuk menghubungkan antara simbol yang satu dengan simbol yang lain. Simbol ini disebut juga connecting line. Terminator Symbol Yaitu simbol untuk permulaan (start) atau akhir (stop) dari suatu kegiatan Connector Symbol Yaitu simbol untuk keluar masuk atau penyambungan proses dalam lembar / halaman yang sama. Connector Symbol Yaitu simbol untuk keluar masuk atau penyambungan proses pada lembar / halaman yang berbeda. Processing Symbol Simbol yang menunjukkan pengolahan yang dilakukan oleh komputer Simbol Manual Operation Simbol yang menunjukkan pengolahan yang tidak dilakukan oleh komputer Simbol Decision Simbol pemilihan proses berdasarkan kondisi yang ada. Simbol Input-Output Simbol yang menyatakan proses input dan output tanpa tergantung dengan jenis peralatannya Simbol Manual Input Simbol untuk pemasukan data secara manual on-line keyboard
12 12 Simbol Preparation Simbol untuk mempersiapkan penyimpanan yang akan digunakan sebagai tempat pengolahan di dalam storage. Simbol Predefine Proses Simbol untuk pelaksanaan suatu bagian (subprogram)/prosedure Simbol Display Simbol yang menyatakan peralatan output yang digunakan yaitu layar, plotter, printer dan sebagainya. Simbol disk and On-line Storage Simbol yang menyatakan input yang berasal dari disk atau disimpan ke disk. 2.5 Basis Data dan Sistem Manajemen Basis Data Database adalah sekumpulan data yang saling berelasi (Elmasri, 2000). Database didesain, dibuat, dan diisi dengan data untuk tujuan mendapatkan informasi tertentu. Pendekatan database memiliki beberapa keuntungan seperti keberadaan katalog, indepedensi program-data, mendukung view (tampilan) untuk banyak pengguna, dan sharing data pada sejumlah transaksi. Selain itu masih ada fleksibelitas, ketersediaan up-to-date informasi untuk semua pengguna, skala ekonomis. Kategori utama pengguna database terbagi menjadi empat kategori, yakni Administrator, Designer, End user, System Analyst dan Application Programmers. Administrator atau Data Base Administrator (DBA) bertanggung jawab pada otoritas akses database, koordinasi dan monitoring penggunaan, dan pemilihan perangkat keras dan lunak yang dibutuhkan. Designer bertanggung jawab pada identifikasi data yang disimpan dalam database dan memilih struktur yang tepat untuk menggambarkan dan menyimpan data. End User adalah orang yang kegiatannya membutuhkan akses ke database untuk melakukan query, update, dan membuat laporan. System Analysts menentukan kebutuhan End User. Application Programmers mengimplementasikan program sesuai spesifikasi.
13 Definisi Unified Modeling Language (UML) Menurut Widodo, (2011:6), UML adalah bahasa pemodelan standar yang memiliki sintak dan semantik. Menurut Nugroho (2010:6), UML (Unified Modeling Language) adalah bahasa pemodelan untuk sistem atau perangkat lunak yang berparadigma (berorientasi objek). Pemodelan (modeling) sesungguhnya digunakan untuk penyederhanaan permasalahan-permasalahan yang kompleks sedemikian rupa sehingga lebih mudah dipelajari dan dipahami. Berdasarkan pendapat yang dikemukakan di atas dapat ditarik kesimpulan bahwa UML adalah sebuah bahasa yang berdasarkan grafik atau gambar untuk menvisualisasikan, menspesifikasikan, membangun dan pendokumentasian dari sebuah sistem pengembangan perangkat lunak berbasis Objek (Object Oriented programming). Menurut Henderi (2008:5), Berikut ini adalah definisi mengenai 5 diagram UML: 1) Use Case Diagram Use case diagram secara grafis menggambarkan interaksi antara sistem, sistem eksternal dan pengguna. Dengan kata lain use case diagram secara grafis mendeskripsikan siapa yang akan menggunakan sistem dan dalam cara apa pengguna (user) mengharapkan interaksi dengan sistem itu. Use case secara naratif digunakan untuk secara tekstual menggambarkan sekuensi langkahlangkah dari setiap interaksi. 2) Sequence Diagram Secara grafis menggambarkan bagaimana objek berinteraksi dengan satu sama lain melalui pesan pada sekuensi sebuah use case atau operasi. 3) Activity Diagram Secara grafis digunakan untuk menggambarkan rangkaian aliran aktivitas baik proses bisnis maupun use case. Activity diagram dapat juga digunakan untuk memodelkanaction yang akan dilakukan saat sebuah operasi dieksekusi, dan memodelkan hasil dariaction tersebut.
BAB II LANDASAN TEORI. yang terdiri dari komponen-komponen atau sub sistem yang berorientasi untuk
BAB II LANDASAN TEORI 2.1 Sistem Menurut Gondodiyoto (2007), sistem adalah merupakan suatu kesatuan yang terdiri dari komponen-komponen atau sub sistem yang berorientasi untuk mencapai suatu tujuan tertentu.
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 II TINJAUAN PUSTAKA DAN DASAR TEORI. Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan mahasiswa berdasarkan status gizi Body Mass Index (BMI) dan ukuran kerangka.
Lebih terperinciPENGELOMPOKAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS
PENGELOMPOKAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS Narwati Dosen Fakultas Teknologi Informasi Abtrack Makalah ini membahas pengelompokan mahasiswa berdasarkan data akademik menggunakan teknik clustering
Lebih terperinciKata kunci: Cluster, Knowledge Discovery in Database, Algoritma K-Means,
K- Pembentukan cluster dalam Knowledge Discovery in Database dengan Algoritma K-Means Oleh: Sri Andayani Jurusan Pendidikan Matematika FMIPA UNY,email: andayani@uny.ac.id Abstrak Pembentukan cluster merupakan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. menerapkan metode clustering dengan algoritma K-Means untuk penelitiannya.
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Salah satu cara untuk mengetahui faktor nilai cumlaude mahasiswa Fakultas Teknik Universitas Muhammadiyah Yogyakarta adalah dengan menerapkan
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1. Perancangan Sistem Perencanaan dan perancangan merupakan sebuah tahap awal dalam membangun sebuah sistem. Dalam pembuatan sebuah system memerlukan persiapan,perencanaanyang
Lebih terperinciBAB 2 TINJAUAN PUSTAKA Klasifikasi Data Mahasiswa Menggunakan Metode K-Means Untuk Menunjang Pemilihan Strategi Pemasaran
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Beberapa penelitian terdahulu telah banyak yang menerapkan data mining, yang bertujuan dalam menyelesaikan beberapa permasalahan seputar dunia pendidikan. Khususnya
Lebih terperincidengan Algoritma K Means
K Pembentukan cluster dalam Knowledge Discovery in Database dengan Algoritma K Means Oleh: Sri Andayani Jurusan Pendidikan Matematika FMIPA UNY,email: andayani@uny.ac.id Abstrak Pembentukan cluster merupakan
Lebih terperinciBAB II LANDASAN TEORI. Teori teori yang digunakan sebagai landasan dalam desain dan. implementasi dari sistem ini adalah sebagai berikut :
BAB II LANDASAN TEORI Teori teori yang digunakan sebagai landasan dalam desain dan implementasi dari sistem ini adalah sebagai berikut : 2.1. Sistem Informasi Manajemen Sistem Informasi Manajemen adalah
Lebih terperinciTipe Clustering. Partitional Clustering. Hirerarchical Clustering
Analisis Cluster Analisis Cluster Analisis cluster adalah pengorganisasian kumpulan pola ke dalam cluster (kelompok-kelompok) berdasar atas kesamaannya. Pola-pola dalam suatu cluster akan memiliki kesamaan
Lebih terperinciBAB 3 ANALISA SISTEM
BAB 3 ANALISA SISTEM Pada perancangan suatu sistem diperlakukan analisa yang tepat, sehingga proses pembuatan sistem dapat berjalan dengan lancar dan sesuai seperti yang diinginkan. Setelah dilakukan analisis
Lebih terperinciRANCANG BANGUN SISTEM PENGELOMPOKAN PELANGGAN POTENSIAL MENGGUNAKAN METODE K-MEANS UNTUK PROMOSI PAKET WISATA (STUDI KASUS PT. BALI SINAR MENTARI)
RANCANG BANGUN SISTEM PENGELOMPOKAN PELANGGAN POTENSIAL MENGGUNAKAN METODE K-MEANS UNTUK PROMOSI PAKET WISATA (STUDI KASUS PT. BALI SINAR MENTARI) 1) I Putu Agus Hendra Krisnawan 2) Teguh Sutanto 3) Erwin
Lebih terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Budi Susanto ANALISIS CLUSTER PADA DOKUMEN TEKS Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 Tujuan Memahami konsep analisis clustering Memahami tipe-tipe data dalam clustering Memahami beberapa algoritma
Lebih terperinciMETODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami
METODE CLUSTERING DENGAN ALGORITMA K-MEANS Oleh : Nengah Widya Utami 1629101002 PROGRAM STUDI S2 ILMU KOMPUTER PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA SINGARAJA 2017 1. Definisi Clustering
Lebih terperinciAnalisa Standar opreasional prosedur klaim-mbu BAB V ANALISA HASIL. kriteria dalam penyusunan atau pembuatan SOP ( the seven criterias of manual).
Tugas Akhir Analisa Standar opreasional prosedur klaim-mbu BAB V ANALISA HASIL Pada bab ini akan dikemukakan mengenai hasil analisa atas standar operasional prosedur klaim-mbu dari hasil pengumpulan dan
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA 2.1 Sistem Rekomendasi Sistem rekomendasi adalah alat dan teknik perangkat lunak yang bisa memberikan saransaran untuk item yang sekiranya bermanfaat bagi pengguna (Ricci, et al.,
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Kebutuhan Sistem Tahap analisis sistem merupakan salah satu usaha mengidentifikasi kebutuhan dan spesifikasi sistem yang akan diciptakan. Di dalamnya
Lebih terperinciALGORITMA & PENGEMBANGAN
ALGORITMA & PENGEMBANGAN TUGAS 4 FLOWMAP & FLOWCHART BESERTA SIMBOLNYA Disusun Oleh : Sakina Mawardah Teknik Informatika Dosen : Asep M. Yusuf, S.T UNIVERSITAS NASIONAL PASIM FLOWMAP 1. Pengertian Flowmap
Lebih terperinciPENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN
PENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN Fauziah Nur1, Prof. M. Zarlis2, Dr. Benny Benyamin Nasution3 Program Studi Magister Teknik Informatika, Universitas
Lebih terperinciDefinisi & Simbol Flowchart. Agustine Hana. M
Definisi & Simbol Flowchart Agustine Hana. M Flowchart Adalah Bagan-bagan yang mempunyai arus yang menggambarkan langkah-langkah penyelesaian suatu masalah. Flowchart merupakan cara penyajian dari suatu
Lebih terperinciDATA MINING DAN WAREHOUSE A N D R I
DATA MINING DAN WAREHOUSE A N D R I CLUSTERING Secara umum cluster didefinisikan sebagai sejumlah objek yang mirip yang dikelompokan secara bersama, Namun definisi dari cluster bisa beragam tergantung
Lebih terperinciBAB II KAJIAN PUSTAKA. digambarkan dengan garis penghubung. pemrosesan data bisnis. Pemakaian yang meluas ini memicu perlunya
BAB II KAJIAN PUSTAKA 2.1 Flowchart Flowchart merupakan gambar atau bagan yang memperlihatkan urutan dan hubungan antar proses beserta instruksinya. Gambaran ini dinyatakan dengan simbol. Dengan demikian
Lebih terperinciTAKARIR. : Mengelompokkan suatu objek yang memiliki kesamaan. : Kelompok atau kelas
TAKARIR Data Mining Clustering Cluster Iteratif Random Centroid : Penggalian data : Mengelompokkan suatu objek yang memiliki kesamaan. : Kelompok atau kelas : Berulang : Acak : Pusat area KDD (Knowledge
Lebih terperinciBab 2 Tinjauan Pustaka
Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Adapun penelitian terdahulu yang berkaitan dalam penelitian ini berjudul Penentuan Wilayah Usaha Pertambangan Menggunakan Metode Fuzzy K-Mean Clustering
Lebih terperinciBAB II. 2.1 Model Data High Level Data Model (Conceptual Data Model)
BAB II PENGEMBANGAN SISTEM BASIS DATA Bab ini akan membahas lebih lanjut mengenai arsitektur sistem basis data dan pengembangan sistem basis data. Sistem basis data tidak berdiri sendiri, tetapi selalu
Lebih terperinciBAB I PENDAHULUAN.
BAB I PENDAHULUAN 1.1 Latar Belakang Di dalam perusahaan atau instansi tentu nya memiliki data yang cukup besar, salah satunya adalah inventory. Suatu kegiatan dalam proses pengolahan data pada suatu gudang
Lebih terperinciUniversitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika. Knowledge Discovery in Databases (KDD)
Universitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika Knowledge Discovery in Databases (KDD) Knowledge Discovery in Databases (KDD) Definisi Knowledge Discovery
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 II LANDASAN TEORI. Nama Judul. Hasil Peneliti, Penelitian. Penelitian Tahun 1. Johan. Implementasi
BAB II LANDASAN TEORI A. Tinjauan Pustaka Tabel berikut ini akan menjelaskan beberapa hasil penelitian yang telah dilakukan dan memiliki kesamaan topik maupun metode yang dilakukan pada penelitian ini.
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN
BAB IV ANALISIS DAN PERANCANGAN 4.1. Analisa 4.1.1 Analisis Data Pada tahap analisa data ini akan dibahas mengenai citra CT Scan yang akan dilakukan proses segmentasi atau pengelompokan data. Data citra
Lebih terperinciBAB I PENDAHULUAN. informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga
BAB I PENDAHULUAN I.1. Latar Belakang Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga informasi akan menjadi
Lebih terperinciIMPLEMENTASI METODE K-MEANS PADA PENERIMAAN SISWA BARU
PROYEK TUGAS AKHIR IMPLEMENTASI METODE K-MEANS PADA PENERIMAAN SISWA BARU (Studi Kasus : SMK Pembangunan Nasional Purwodadi) Disusun oleh: Novian Hari Pratama 10411 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS
Lebih terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 ANALISIS CLUSTER PADA DOKUMEN TEKS Budi Susanto (versi 1.3) Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami konsep analisis clustering Memahami
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Berdasarkan analisis masalah, maka perangkat lunak sistem data mining varian produk elektronik sound system untuk Pengguna ketepatan pemilihan
Lebih terperinciBAB II TINJAUAN PUSTAKA. hubungannya satu dengan yang lain, yang berfungsi bersama-sama untuk
BAB II TINJAUAN PUSTAKA 2.1 Konsep Dasar Sistem Informasi 2.1.1 Pengertian Sistem Menurut Sutabri (2004), sistem adalah sekelompok unsur yang erat hubungannya satu dengan yang lain, yang berfungsi bersama-sama
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN III.1. Analisis Masalah Analisa masalah dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang utuh kedalam bagian-bagian komponennya dengan maksud mengidentifikasi
Lebih terperinciK-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia
K-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia Okta Riveranda 1), Warnia Nengsih, S.Kom., M.Kom. 2) 1) Program Studi Sistem Informasi, Politeknik Caltex Riau, Pekanbaru 28265, email: okta12si@mahasiswa.pcr.ac.id
Lebih terperinciPERTEMUAN 14 DATA WAREHOUSE
PERTEMUAN 14 DATA WAREHOUSE Data Warehouse Definisi : Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis yang mendukung
Lebih terperinci3.6 Data Mining Klasifikasi Algoritma k-nn (k-nearest Neighbor) Similaritas atribut numerik
DAFTAR ISI PERNYATAAN... iii PRAKATA... vi DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR TABEL... xiv DAFTAR PERSAMAAN... xv DAFTAR ALGORITMA... xvi DAFTAR LAMPIRAN... xvii INTISARI... xviii ABSTRACT...
Lebih terperinciABSTRAK. Kata Kunci: E-learning, Online test, Penilaian, Pendidikan. Universitas Kristen Maranatha
ABSTRAK Penerapan teknologi di dalam pendidikan sangatlah berguna untuk menunjang proses pembelajaran di sekolah. Penggunaan teknologi yang berupa aplikasi E- learning berbasis framework codeigniter untuk
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI II.1. Sistem Menurut Sutabri (2012:16) mendefinisikan, menarik kesimpulan bahwa suatu sistem pada dasarnya adalah sekelompok unsur yang erat hubungannya satu dengan yang lain yang
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 terperinciMETODE PENELITIAN. Tahapan pengembangan sistem PSP (Penetapan Strategi Penjualan) 1.0 seperti pada Gambar 2 di bawah ini. Mulai
III. METODE PENELITIAN 3.1 Kerangka Kerja Penelitian Tahapan pengembangan sistem PSP (Penetapan Strategi Penjualan) 1.0 seperti pada Gambar 2 di bawah ini. Mulai Analisis Sistem, keluaran: - Deskripsi
Lebih terperinciPERANCANGAN SISTEM INFORMASI PEMBELAJARAN DENGAN METODE UNIFIED MODELING LANGUAGE (UML) DI TAMAN KANAK KANAK PGRI PATARUMAN BANJAR
PERANCANGAN SISTEM INFORMASI PEMBELAJARAN DENGAN METODE UNIFIED MODELING LANGUAGE (UML) DI TAMAN KANAK KANAK PGRI PATARUMAN BANJAR Oleh : Dewi Mustari Staf Pengajar Teknik Informatika Universitas Indraprasta
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 terperinciBAB III METODOLOGI PENELITIAN. dalam pengumpulan data atau informasi guna memecahkan permasalahan dan
BAB III METODOLOGI PENELITIAN 3.1 Metodologi Penelitian Metodologi penelitian adalah langkah dan prosedur yang akan dilakukan dalam pengumpulan data atau informasi guna memecahkan permasalahan dan menguji
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 terperinciPENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING PENENTUAN JURUSAN BAHASA MANDARIN GERMAN DAN PRANCIS
PENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING PENENTUAN JURUSAN BAHASA MANDARIN GERMAN DAN PRANCIS Ardi Mardiana Fakultas Teknik, Universitas Majalengka Email: aim@ft.unma.ac.id Abstract Grouping language
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Manajemen Proyek 2.1.1. Pengertian Manajemen Menurut James A.F. Stoner (2006) Manajemen adalah suatu proses perencanaan, pengorganisasian, kepemimpinan, dan pengendalian upaya
Lebih terperinciFLOWCHART. Dosen Pengampu : Aullya
FLOWCHART 1 Dosen Pengampu : Aullya Rachmawati 2 Flowchart Bagan-bagan yang mempunyai arus Menggambarkan langkah-langkah penyelesaian suatu masalah Merupakan salah satu cara penyajian algoritma 3 Tujuan
Lebih terperinciABSTRAK. Kata Kunci : Aplikasi Sistem Informasi Inventory pada perusahaan retail. ii Universitas Kristen Maranatha
ABSTRAK Perancangan Aplikasi Sistem Informasi Inventory pada Perusahaan Retail adalah sebuah aplikasi yang dirancang untuk mengelola penerimaan, Penjualan, permintaan Barang. Tujuan perancangan sistem
Lebih terperinciREKOMENDASI PEMBELIAN PERSONAL KOMPUTER DENGAN METODE RANKED CLUSTERING
REKOMENDASI PEMBELIAN PERSONAL KOMPUTER DENGAN METODE RANKED CLUSTERING Fadly Shabir 1 dan Abdul Rachman M 2 1 kyofadly@gmail.com, 2 emanrstc@yahoo.co.id 1 Stimik Handayani, 2 Universitas Muslim Indonesia
Lebih terperinciPENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS
PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika Universitas Indraprasta PGRI Abstract. The purpose of this study was to
Lebih terperinciPerancangan Sistem Informasi Penjualan dan Inventori pada PT. Oriental Chitra International
Perancangan Sistem Informasi Penjualan dan Inventori pada PT. Oriental Chitra International Sitti Nurbaya Ambo, S.Kom Universitas Gunadarma e-mail : baya_ambo@yahoo.com ABSTRAK Perusahaan membutuhkan adanya
Lebih terperinciGambar 4.1 Flowchart
BAB IV PERANCANGAN SISTEM 4.1. Perancangan Algoritma Dalam merancang proses pada Sistem Informasi ini penulis menggunakan Flowchart dan UML sebagai case tool dalam merancang proses yang terjadi di dalam
Lebih terperinciBAB II LANDASAN TEORI
DAFTAR ISI ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR GAMBAR... vi DAFTAR TABEL... ix DAFTAR SIMBOL... x BAB I PENDAHULUAN.... Latar Belakang.... Rumusan Masalah... 3.3 Tujuan...
Lebih terperinciCLUSTERING MENGGUNAKAN K-MEANS ALGORITHM (K-MEANS ALGORITHM CLUSTERING)
CLUSTERING MENGGUNAKAN K-MEANS ALGORITHM (K-MEANS ALGORITHM CLUSTERING) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang Abstract Classification is the process of organizing
Lebih terperinciMODEL DATA MINING CAPAIAN PEMBELAJARAN. N. Tri Suswanto Saptadi. Definisi Kategori Model Naïve Bayesian k-nearest Neighbor Clustering 12/4/2015
1 MODEL DATA MINING N. Tri Suswanto Saptadi CAPAIAN PEMBELAJARAN Definisi Kategori Model Naïve Bayesian k-nearest Neighbor Clustering 1 3 Definisi Mining : proses atau usaha untuk mendapatkan sedikit barang
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 terperinciPenerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta)
Penerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta) Universitas Islam Negeri Syarif Hidayatullah Jakarta email: nurhayati@uinjkt.ac.id
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Penelitian Terdahulu Selama ini masih banyak sekolah yang belum secara maksimal memanfaatkan teknologi informasi. Sistem penyimpanan
Lebih terperinciStudent Clustering Based on Academic Using K-Means Algoritms
Student Clustering Based on Academic Using K-Means Algoritms Hironimus Leong, Shinta Estri Wahyuningrum Faculty of Computer Science, Faculty of Computer Science Unika Soegijapranata marlon.leong@gmail.com
Lebih terperinciBAB II TINJAUAN PUSTAKA. objek-objek yang saling berelasi dan berinteraksi serta hubungan antar
BAB II TINJAUAN PUSTAKA 2.1. Sistem Informasi 2.1.1 Pengertian Sistem Menurut Al Fatta (2007) sistem secara umum adalah sekumpulan objek-objek yang saling berelasi dan berinteraksi serta hubungan antar
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN III.1. Analisa Masalah Analisa masalah dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang utuh ke dalam bagian-bagian komponennya dengan maksud mengidentifikasi
Lebih terperinciBAB II TINJAUAN PUSTAKA. hubungannya satu dengan yang lain, yang berfungsi bersama-sama untuk
8 BAB II TINJAUAN PUSTAKA 2.1 Konsep Dasar Sistem Informasi 2.1.1 Pengertian Sistem Menurut Sutabri (2004) Sistem adalah sekelompok unsur yang erat hubungannya satu dengan yang lain, yang berfungsi bersama-sama
Lebih terperinciBAB III ANALISIS MASALAH DAN PERANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN PERANCANGAN PROGRAM III.1. Analisis Masalah Perkembangan ilmu pengetahuan dan teknologi saat ini telah membawa manusia kepada peradaban yang lebih baik. Banyak manfaat dan
Lebih terperinciMAKALAH FLOW CHART. Disusun oleh: Nama : La Bomba Susihu NPM : SISTEM KOMPUTER / KELAS A SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
Tugas Logika & Algoritma MAKALAH FLOW CHART Disusun oleh: Nama : La Bomba Susihu NPM : 201652032 SISTEM KOMPUTER / KELAS A SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER (STMIK) BINA BANGSA KENDARI
Lebih terperinciBAB 3 Metodologi 3.1 Kerangka Berpikir
BAB 3 Metodologi 3.1 Kerangka Berpikir Kerusakan bangunan akibat gempa bumi menjadi salah satu penyebab dominan jatuhnya korban jiwa. Dibutuhkan suatu upaya untuk meminimalisasikan kerusakan bangunan akibat
Lebih terperinciTunggu. Bicara. Tutup. Stop
Hal-hal yang perlu diperhatikan dalam menganalisa pembuatan program : 1. Operasi Input/Output (I/O) Input pembacaan data kedalam komputer Output penulisan data keluar dari komputer 2. Penggunaaan variable
Lebih terperinciBAB 2 LANDASAN TEORI Sistem Pendukung Keputusan
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Pada dasarnya Sistem Pendukung Keputusan (SPK) adalah pengembangan dari sistem informasi manajemen terkomputerisasi yang dirancang sedemikian rupa sehingga
Lebih terperinciAbstract. Keywords : Recommendation system, Direct Selling Network, Greedy Algorithm, Knapsack Problem. viii
Abstrak Aplikasi sistem rekomendasi jaringan direct selling adalah sebuah aplikasi berbasis website yang menjadi sebuah media informasi utama para member Oriflame dimana para member dapat mendapatkan informasi
Lebih terperinciPENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING DATA ANGGARAN PENDAPATAN BELANJA DAERAH DI KABUPATEN XYZ
PENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING DATA ANGGARAN PENDAPATAN BELANJA DAERAH DI KABUPATEN XYZ SKRIPSI Diajukan untuk memenuhi salah satu syarat memperoleh Gelar Sarjana pada Program Studi Sistem
Lebih terperinciANALISIS KLASTERING LIRIK LAGU INDONESIA
ANALISIS KLASTERING LIRIK LAGU INDONESIA Afdilah Marjuki 1, Herny Februariyanti 2 1,2 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank e-mail: 1 bodongben@gmail.com,
Lebih terperinciIII. METODOLOGI. Mulai. Autentifikasi
III. METODOLOGI A. KERANGKA PENELITIAN Sistem bisnis cerdas berbasis internet (intelligent e-business) untuk agroindustri kelapa berorientasi ekspor merupakan sistem bisnis berbasis website yang membantu
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 terperinci2. Definisi dan Simbol Flowchart
2. Definisi dan Simbol Flowchart A. PENGERTIAN DASAR FLOWCHART Adalah Bagan-bagan yang mempunyai arus yang menggambarkan langkah-langkah penyelesaian suatu masalah. Flowchart merupakan cara penyajian dari
Lebih terperinciBAB IV PERANCANGAN SISTEM
BAB IV PERANCANGAN SISTEM 4.1 Perancangan Sistem Dalam perancangan sistem ini, metode yang digunakan adalah metode perancangan Unified Modeling Language (UML). 4.1.1 Use Case Diagram, Activity Diagram
Lebih 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 terperinciPENGELOMPOKAN BIMBINGAN BELAJAR MENGGUNAKAN METODE CLUSTERING DI SMA NEGERI 1 CILAKU KABUPATEN CIANJUR
PENGELOMPOKAN BIMBINGAN BELAJAR MENGGUNAKAN METODE CLUSTERING DI SMA NEGERI 1 CILAKU KABUPATEN CIANJUR SIDANG SKRIPSI Oleh Adry Rahadinata 10108069 Penguji 1 Andri Heryandi, S.T., M.T. Penguji 2 Adam Mukharil
Lebih terperinciDASAR REKAYASA PERANGKAT LUNAK
DASAR REKAYASA PERANGKAT LUNAK PEMODELAN ANALISIS KEBUTUHAN Institut Teknologi Sumatera DEFINISI MODEL ANALISIS Menurut Ian Sommerville(2011) Model Analisis adalah suatu teknik untuk merepresentasikan
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1 Konsep Dasar Aplikasi Aplikasi berasal dari kata application yang artinya penerapan; lamaran; penggunaan. Secara istilah aplikasi adalah program siap pakai yang direka untuk
Lebih terperinciPENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS
Jurnal Ilmiah ILKOM Volume 8 mor (Agustus 16) ISSN: 87-1716 PENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS Widya Safira Azis 1 dan Dedy Atmajaya 1 safiraazis18@gmail.com dan dedy.atmajaya@umi.ac.id
Lebih terperinciBAB 2 LANDASAN TEORI. Visual Basic merupakan sebuah bahasa pemrograman yang menawarkan Integrated
BAB 2 LANDASAN TEORI 2.1 Visual Basic Visual Basic merupakan sebuah bahasa pemrograman yang menawarkan Integrated Development Environment (IDE) visual untuk membuat program perangkat lunak berbasis sistem
Lebih terperinciRANCANG BANGUN APLIKASI SISTEM INFORMASI PERSEDIAN BARANG DI TB. INDAH JAYA BERBASIS DESKTOP
RANCANG BANGUN APLIKASI SISTEM INFORMASI PERSEDIAN BARANG DI TB. INDAH JAYA BERBASIS DESKTOP Ahmad Budiman¹, Asri Mulyani² Jurnal Algoritma Sekolah Tinggi Teknologi Garut Jl.Mayor Syamsu No.1 Jayaraga
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Konsep Dasar Sistem Teori sistem secara umum yang pertama kali diuraikan adalah istilah sistem yang sekarang ini banyak dipakai. Banyak orang berbicara mengenai karakteristik
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 ANALISA PERBANDINGAN METODE HIERARCHICAL CLUSTERING, K-MEANS DAN GABUNGAN KEDUANYA DALAM MEMBENTUK CLUSTER DATA (STUDI KASUS : PROBLEM KERJA PRAKTEK JURUSAN
Lebih terperinciPEMANFAATAN ARDUINO DALAM PENGEMBANGAN SISTEM RUMAH PINTAR BERBASIS MOBILE DAN WEB (Studi Kasus : Penjadwalan Lampu Rumah)
PEMANFAATAN ARDUINO DALAM PENGEMBANGAN SISTEM RUMAH PINTAR BERBASIS MOBILE DAN WEB (Studi Kasus : Penjadwalan Lampu Rumah) TUGAS AKHIR Disusun sebagai salah satu syarat untuk kelulusan Program Strata 1,
Lebih terperinciBAB III ANALISA MASALAH DAN PERANCANGAN PROGRAM
BAB III ANALISA MASALAH DAN PERANCANGAN PROGRAM III.1 Analisis Permasalahan Tahapan analisis terhadap suatu sistem dilakukan sebelum tahapan perancangan dilakukan. Adapun tujuan yang dilakukannmya analisis
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM Bab ini menjelaskan tentang analisa data, rancangan sistem, dan skenario pengujian. Bagian analisa data meliputi data penelitian, analisis data, data preprocessing.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI. yang akan diteliti. Pemanfaatan algoritma apriori sudah cukup banyak digunakan, antara lain
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Penelitian ini menggunakan beberapa sumber pustaka yang berhubungan dengan kasus yang akan diteliti. Pemanfaatan algoritma apriori sudah cukup
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Knowledge Discovery in Database (KDD) dan Data Mining Banyak orang menggunakan istilah data mining dan knowledge discovery in databases (KDD) secara bergantian untuk menjelaskan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Gambar 3.1 merupakan desain penelitian yang akan digunakan dalam
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Gambar 3.1 merupakan desain penelitian yang akan digunakan dalam proses penelitian penerapan algoritma K-Means pada clustering berita berbahasa Indonesia.
Lebih terperinciABSTRAK. Kata kunci: Spam, Android, Pesan, Java, Webservice. Universitas Kristen Maranatha
ABSTRAK Penipuan dengan menggunakan pesan singkat pada ponsel yang diterima oleh pengguna sampai sekarang ini masih sangat banyak. Pesan penipuan ini dikirim oleh orang yang tidak bertanggung jawab dan
Lebih terperinciBAB I PENDAHULUAN. efektivitas dan efisiensi kerja tercapai. STIKOM Surabaya merupakan salah
BAB I PENDAHULUAN 1.1 Latar belakang masalah Solusi pemanfaatan teknologi komputer sebagai alat bantu dalam mendukung kegiatan operasional suatu bidang usaha memudahkan manusia dalam mendapatkan data atau
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Data Mining Data mining adalah bagian dari knowledge discovery di database yang menganalisa database berukuran besar untuk menemukan pola yang berguna pada data (Silberschatz,
Lebih terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia bisnis pada jaman sekarang, para pelaku bisnis senantiasa selalu berusaha mengembangkan cara-cara untuk dapat mengembangkan usaha mereka dan memperhatikan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Sponge atau poriferans berasal dari bahasa Latin yaitu porus yang artinya pori dan ferre yang artinya memiliki. Sponge adalah hewan berpori, pada umumnya terdapat di lautan,
Lebih terperinciPemanfaatan Metode K-Means Clustering dalam Penentuan Penjurusan Siswa SMA
Pemanfaatan Metode K-Means Clustering dalam Penentuan Penjurusan Siswa SMA Chandra Purnamaningsih Informatika, Fakultas MIPA, Universitas Sebelas Maret Surakarta Jl. Ir. Sutami No 36 A Surakarta cpurnamaningsih@gmail.com
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining Data Mining adalah proses pencarian pengetahuan dari suatu data berukuran besar melalui metode statistik, machine learning, dan artificial algorithm. Hal yang paling
Lebih terperinci