III. METODOLOGI PENELITIAN
|
|
- Irwan Chandra
- 6 tahun lalu
- Tontonan:
Transkripsi
1 III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Penelitian Informasi merupakan suatu unsur kunci yang penting di dalam suatu sistem konseptual. Suatu informasi dapat terbentuk melalui berbagai cara salah satunya adanya data, jika data tersebut diolah dapat digunakan sebagai sumberdaya informasi yang berharga. Tetapi terkadang data digunakan hanya pada saat dibutuhkan kemudian dijadikan arsip dan disimpan dengan harapan dapat berguna di masa yang akan datang. Keberadaaan data tersebut jumlahnya sangat banyak dan bervariasi, hal ini sesuai dengan keadaan data dari berbagai bagian yang mendukung organisasi tersebut. Adanya sistem informasi manajemen memungkinkan untuk membangkitkan data-data yang ada dalam suatu organisasi. Pembangkitan data diperlukan untuk mengetahui pola serta struktur dari suatu data, sehingga dapat mempermudah dan membantu manajemen. Struktur dan pola data yang ditampilkan dapat digunakan sebagai informasi baik bersifat strategis maupun manajerial agar dapat memperkecil resiko dalam pengambilan keputusan. Dalam penjaringan calon mahasiswa, IPB menerapkan sistem Undangan Seleksi Masuk IPB atau disebut USMI. Sistem seleksi tersebut tidak menggunakan tes masuk, melainkan melihat catatan kompetensi akademik siswa SLTA selama 5 (lima) semester. Kompetensi akademik tersebut dinilai dan dibobotkan, sehingga terjaring didapatkan peserta didik yang layak masuk ke IPB. Dasar yang digunakan dari kompetensi akademik siswa SLTA dalam penyaringan mahasiswa baru didasarkan 4 (empat) mata ajaran yaitu fisika, biologi, matematika dan kimia. Data kompetensi siswa SLTA ini oleh panitia penerimaan mahasiswa baru IPB hanya digunakan untuk proses penyeleksian mahasiswa baru, setelah itu data tersebut diarsipkan untuk kebutuhan administratif. Data-data tersebut tersimpan dalam bentuk fisik ataupun softfile di dalam database. Database mahasiswa USMI dari tahun ke tahun menumpuk dan dapat terjadi gunung data dalam database, sehingga tidak memberikan manfaat bagi pemilik data. Penelitian
2 17 ini dapat memanfaatkan data-data tersebut untuk diekstraksi dan dapat diambil nilai kemenarikannya. Penelitian yang dilakukan mencoba melihat pola-pola yang dibentuk dari kompetensi akademik SLTA dengan keberhasilan mahasiswa tersebut dalam mengikuti mayor yang ada di IPB. Beberapa faktor juga diduga dapat mempengaruhi dari keberhasilan mahasiswa tersebut dalam perkuliahan seperti jenis kelamin dan asal daerah. Berdasarkan latar belakang, perumusan masalah, tujuan penelitian, focus group discusion diperoleh sebuah kaidah asosiasi untuk melihat pola asosiasinya. Setelah pola terbentuk dari aturanaturan yang ditentukan dapat dilihat nilai hubungan dari pola yang tersebut, sehingga panitia penerimaan mahasiswa baru dapat menggunakannya sebagai informasi. Informasi tersebut dapat berguna untuk berbagai macam keputusan baik strategis maupun manajerial. Gambar. 4 Kerangka Penelitian Analisis Asosiasi Pilihan Mayor dengan Kompetensi Akademik Siswa SLTA dengan Menggunakan Market Basket Analysis Studi Kasus: Mahasiswa USMI IPB
3 Metodologi Penelitian Lokasi dan waktu Penelitian Lokasi penelitian dilakukan di Institut Pertanian Bogor bertempat di gedung Andi Hakim Nasoetion, Kampus IPB Darmaga. pada bulan November 2009 Februari Dua bagian yang dijadikan tempat penelitian yaitu Sekretariat Panitia Penerimaan Mahasiswa Baru dan Direktorat Administrasi Pendidikan Institut Pertanian Bogor Jenis dan Metode Pengumpulan Data Jenis data yang digunakan merupakan data primer dan sekunder, Data primer didapatkan dengan konsultasi dan wawancara langsung dengan pihak-pihak yang terlibat dalam manajemen Penerimaan Mahasiswa Baru dan Mahasiswa USMI IPB. Data Sekunder dibutuhkan dengan mengumpulkan data nilai usmi dan biodata mahasiswa mayor-minor IPB serta nilai akademik mahasiswa, studi pustaka mengenai market basket analysis dan data yang berkaitan dengan Nilai USMI dan IPK Mahasiswa USMI IPB pada tahun Metode Pengolahan dan Analisis Data Pengolahan dan analisis data yang akan diteliti menggunakan tehnik data mining dengan menggunakan metode Market Basket Analysis yaitu dengan cara menemukan asosiasi dan korelasi dari berbagai macam faktor yang sering berkaitan dan terdapat hubungan. Pengolahan data menggunakan tahap-tahap sebagai berikut (Han dan Kamber, 2006): 1. Metode Analisis : yaitu dengan melakukan survei dan observasi untuk mengumpulkan data yang digunakan 2. Pembersihan data : membuang data, informasi atau field yang tidak konsisten dan data yang mengandung noise. 3. Integrasi data : merupakan proses memilih dan memisahkan data berdasarkan kriteria 4. Menyeleksi data : mengambil data yang relevan yang dapat digunakan untuk proses analisis
4 19 5. Transformasi data : data di rubah dalam bentuk yang useable dan dapat di-mining. 6. Data mining : melakukan penambangan data sehingga mendapatkan pola-pola dari data 7. Evaluasi Pola : Evaluasi Pola diperlukan untuk mengidentifikasi polapola yang menarik dalam merepresentasikan pengetahuan. 8. Presentasi pengetahuan : setelah menemukan pola data dapat dipresentasikan dengan tehnik visualisasi agar user dapat mudah memahaminya.. Tahapan penelitian diawali dengan melakukan pembersihan data, data yang akan digunakan adalah data yang dinilai kemenarikannya dan relevan untuk diekstraksi. Data yang mengandung noise ataupun kosong yang diakibatkan oleh pengentrian data dapat dibersihkan sehingga tidak mengganggu ekstraksi data. Data yang digunakan dalam penelitian ini hanya berupa data kompetensi akademik dari SLTA dan sebagian dari data diri yaitu jenis kelamin, asal daerah dan tahun masuk. Selain data yang dibutuhkan atau terdapat data yang sama maka data tersebut akan dihapus. Pemasukan data harus didasarkan rule yang ditentukan sehingga jika ada data yang tidak sama terhadap aturan yang ditentukan data tersebut dibersihkan. Pembersihan data dilakukan dengan penghapusan data dari database dan perbaikan data, bagian data yang dihapus adalah data yang mengandung noise, data kosong,dan data dari atribut yang tidak dinilai kemenarikannya. Data juga dapat diperbaiki jika terdapat data yang terdapat noise tetapi dapat diperbaiki. Setelah dilakukan pembersihan data, selanjutnya dilakukan integrasi data, proses ini diperlukan untuk memperoleh data yang dapat di-mining sesuai kemenarikannya. Data diperoleh dari dua bagian yang berbeda yaitu PPMB IPB yang mempunyai data tentang kompetensi akademik SLTA mahasiswa USMI IPB tahun dan data dari Direktorat
5 20 Administrasi Pendidikan yang memiliki data Indeks Prestasi mahasiswa tersebut selama masa perkuliahan. Proses pengintegrasian data dimulai dengan konversi nilai akademik 4 mata ajaran Matematika, Fisika, Biologi, dan Kimia yang menjadi dasar pertimbangan penilaian di jalur USMI untuk dikelompokkan menjadi 2 (dua) kelompok besar yaitu A dan B. Konversi dilakukan juga terhadap Indeks Prestasi Mahasiswa, sesuai kisaran yang telah ditentukan untuk penelitian ini adalah IP dengan nilai 3,51 4,00; 2,76 3,50; 2,01 2,75; dan < 2,0 dan selanjutnya akan diberi Kode CL untuk nilai 3,51 4,00, SM untuk nilai 2,76-3,50, M untuk 2,01-2,75 dan DS jika memiliki nilai <2,0. Proses integrasi data dilakukan pada tabel dan diidentifikasi berdasarkan Nomor Induk Mahasiswa (NIM), atribut pada data akan diberikan kode-kode untuk membedakan. Hasil tabel gabungan akan memiliki seluruh atribut gabungan dari mahasiswa. Informasi tahun masuk mahasiswa USMI juga akan disertakan dalam atribut untuk tetap menjaga informasi. Setelah diintregasikan diperoleh data sebanyak tuple. Atribut yang digunakan dalam penelitian ini berupa Indeks prestasi TPB diberikan kode IPKB, Indeks prestasi akhir dengan kode IPKA. Untuk kompetensi akademik SLTA menggunakan variabel dari nilai yang digunakan sebagai dasar pemilihan mahasiswa USMI yaitu nilai kimia diberikan kode KIMUS, nilai fisika FISUS nilai matematika MATUS dan nilai biologi BIOUS. Atribut jenis kelamin yang disingkat JK digunakan juga untuk melihat pengaruh yang diakibatkan jika terdapat faktor gender, untuk laki-laki diberikan kode 1 dan perempuan deberikan kode 0. Mayor akan diberikan kode DEPT, kode mayor yang dipilih mahasiswa tersebut akan didasarkan kode mayor yang ada di IPB dan untuk asal daerah akan disingkat dengan ASDAE diberikan kode seperti pada Tabel 7 dibawah ini :
6 21 Tabel 7. Kode Asal Daerah Mahasiswa USMI Tahun Kode Asal Daerah 1 Sumatera 2 DKI Jakarta 3 Jawa Barat 4 Jawa Tengah Jawa Timur dan 5 Madura Bali dan Nusa 6 Tenggara 7 Kalimantan 8 Sulawesi 9 Irian Jaya 10 Luar Negeri Data yang sudah diintegrasikan akan diubah kedalam bentuk data yang mudah untuk dilakukan penambangan. Data tersebut harus sesuai dengan alat atau software yang digunakan. Dalam penelitian ini digunakan Magnum Opus yang dikeluarkan oleh G.I. Webb & Associates pty Ltd., yang merupakan software untuk mengolah data dengan menggunakan tehnik market basket analysis. Data yang diperoleh dari IPB berformat basis data Foxpro (.dbf) sehingga perlu di transformasi menjadi format yang disediakan oleh Magnum Opus yaitu Identifier-Item File (.idi), Item List File (.itl), Name File (.nam). Data yang diperoleh dari Panitia Penerimaan Mahasiswa Baru (PPMB) IPB dan Direktorat Administrasi Pendidikan adalah basis data Foxpro (.dbf) dan sudah di konversi dalam tabel microsoft exel (.xls). Format data yang diberikan mirip dengan format Identifier-Item File (.idi) yang ada di magnum opus, sehingga data yang diperoleh dikonversi menjadi (.idi) dengan format (NIM, Atribut). Setelah semua atribut diintegrasikan didapatkan 68 atribut yang digunakan. Atribut tersebut akan diibaratkan sebuah transaksi, setiap transaksi berisi tentang data kompetensi akademik saat SLTA, data diri mahasiswa, serta data pilihan mayor dan indeks prestasinya. Untuk memudahkan proses atribut tersebut diberikan kode sebagai berikut :
7 22 Tabel. 8 Atribut Biner Penilaian Kompetensi Mahasiswa USMI IPB Tahun IPKB CL 35. DEPT A3 2. IPKB SM 36. DEPT A4 3. IPKB M 37. DEPT B0 4. IPKB DS 38. DEPT C1 5. IPKA CL 39. DEPT C2 6. IPKA SM 40. DEPT C3 7. IPKA M 41. DEPT C4 8. IPKA DS 42. DEPT C5 9. ASDAE DEPT D1 10. ASDAE DEPT D2 11. ASDAE DEPT E1 12. ASDAE DEPT E2 13. ASDAE DEPT E3 14. ASDAE DEPT E4 15. ASDAE DEPT F1 16. ASDAE DEPT F2 17. ASDAE DEPT F3 18. ASDAE DEPT F4 19. JK DEPT G1 20. JK DEPT G2 21. MATUS A 55. DEPT G3 22. MATUS B 56. DEPT G4 23. KIMUS A 57. DEPT G5 24. KIMUS B 58. DEPT G6 25. FISUS A 59. DEPT G7 26. FISUS B 60. DEPT G8 27. BIOUS A 61. DEPT H1 28. BIOUS B 62. DEPT H2 29. TAHUN DEPT H3 30. TAHUN DEPT H4 31. TAHUN DEPT I1 32. TAHUN DEPT I2 33. DEPT A1 67. DEPT I3 34. DEPT A2 68. DEPT D0 Analisis data dilakukan dengan menggunakan kaidah asosiasi (Association Rules), yang biasa digunakan dalam metode market basket analysis untuk menghasilkan aturan asosiasi dengan pola if condition then result (Agarwal et al, 1993). Association Rules digunakan dengan
8 23 tujuan menemukan frequent itemsets yang dijalankan pada sekumpulan data. Ukuran objektif yang dapat digunakan untuk menemukan aturan asosiasi adalah dengan menggunakan dua ukuran kepercayaan (interestingness measure) (Srikant dan Agrawal, 1996) yaitu : a. Support adalah suatu ukuran yang menunjukkan presentase banyaknya kejadian kombinasi item A dalam basis data. Support = jika asosiasi X Y =... (6) b. Confidence adalah presentase menunjukkan keakuratan dari hubungan antar 2 item atau lebih dalam aturan asosiasi (Han dan Kamber 2006). Confidence= jika asosiasi X Y =...(7) Data yang diperoleh dari database ditentukan pola yang menarik dan dilihat karakteristiknya. Setelah mengetahui karakteristik data dilakukan integrasi data sehingga mudah untuk di-mining. Aturan yang akan diterapkan dalam penelitian ini adalah jika mahasiswa berasal dari daerah..., dan memiliki nilai USMI..., memilih mayor..., maka Indeks prestasi mahasiswa.... Dalam proses data mining juga dapat menggunakan fasilitas query dalam basis data sehingga dapat digunakan sebagai alat untuk mengkombinasikan antar item dalam itemset. Penelitian ini menggunakan software khusus untuk metode market basket analysis yaitu magnum opus dari G.I. Webb & Associates pty Ltd.
ANALISIS ASOSIASI PILIHAN MAYOR DENGAN KOMPETENSI AKADEMIK SISWA SLTA MENGGUNAKAN MARKET BASKET ANALYSIS
ANALISIS ASOSIASI PILIHAN MAYOR DENGAN KOMPETENSI AKADEMIK SISWA SLTA MENGGUNAKAN MARKET BASKET ANALYSIS (Studi Kasus: Mahasiswa USMI Institut Pertanian Bogor) Oleh ADITYA PUTRA MAHARDIKA H24076002 PROGRAM
Lebih terperinciIV. HASIL DAN PEMBAHASAN
24 IV. HASIL DAN PEMBAHASAN 4.1. Kondisi Umum Institut Pertanian Bogor 4.1.1 Latar Belakang Institut Pertanian Bogor Berdasarkan buku panduan sarjana, 2008 Institut Pertanian Bogor adalah lembaga pendidikan
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA 2.1 Sistem Informasi Manajemen Mcleod R dan Schell G, (2004) membagi sumber daya menjadi dua bagian yaitu sumberdaya fisikal dan sumberdaya konseptual. Sumber daya fisikal terdiri
Lebih terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Untuk dapat meningkatkan penjualan, pengambil keputusan / manajer toko harus dapat memperhatikan faktor-faktor yang mempengaruhi secara langsung. Salah satu
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 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 I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan dan persaingan dalam dunia bisnis perdagangan serta kemajuan teknologi informasi merupakan suatu hal yang saling terkait, dalam ketatnya persaingan pasar
Lebih 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 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 2 LANDASAN TEORI. Pada bab ini akan dibahas tentang konsep dasar dan teori-teori pendukung yang berhubungan dengan sistem yang akan dibangun.
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas tentang konsep dasar dan teori-teori pendukung yang berhubungan dengan sistem yang akan dibangun. 2.1. Data Mining Data mining adalah suatu istilah yang digunakan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini, perkembangan teknologi telah memberikan pengaruh yang sangat besar di dalam kehidupan manusia. Salah satu pengaruh tersebut di bidang informasi yaitu dalam
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
Lebih terperinciANALISA DATA PENJUALAN OBAT DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA RUMAH SAKIT UMUM DAERAH H. ABDUL MANAN SIMATUPANG KISARAN
ANALISA DATA PENJUALAN OBAT DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA RUMAH SAKIT UMUM DAERAH H. ABDUL MANAN SIMATUPANG KISARAN Chintia Oktavia Simbolon (0911456) Mahasiswa Program Studi Teknik Informatika,
Lebih terperinciTimor Setiyaningsih, Nur Syamsiah Teknik Informatika Universitas Darma Persada. Abstrak
DATA MINING MELIHAT POLA HUBUNGAN NILAI TES MASUK MAHASISWA TERHADAP DATA KELULUSAN MAHASISWA UNTUK MEMBANTU PERGURUAN TINGGI DALAM MENGAMBIL KEBIJAKAN DALAM RANGKA PENINGKATAN MUTU PERGURUAN TINGGI Timor
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. yang tepat. Sistem data mining mampu memberikan informasi yang tepat dan
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Sistem data mining akan lebih efektif dan efisiensi dengan komputerisasi yang tepat. Sistem data mining mampu memberikan informasi yang
Lebih terperinciBAB 2 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 terperinciJurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika V1.i1(52-62)
Analisa Pola Peminjaman Buku Perpustakaan Menggun Algoritma Apriori Azwar Anas Program Studi Pendidikan Informatika, STKIP PGRI Sumbar aans_07@yahoo.co.id http://dx.doi.org/10.22202/jei.2014.v1i1.1439
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Association rules mining merupakan teknik data mining untuk menentukan hubungan diantara data atau bagaimana suatu kelompok data mempengaruhi suatu kelompok data lain
Lebih terperinciPENERAPAN ASSOCIATION RULE MINING PADA DATA NOMOR UNIK PENDIDIK DAN TENAGA KEPENDIDIKAN
PENERAPAN ASSOCIATION RULE MINING PADA DATA NOMOR UNIK PENDIDIK DAN TENAGA KEPENDIDIKAN A M I UNTUK R U D D PENETAPAN I N POLA SERTFIKASI GURU Program Pascasarjana rusan Teknik Elektro Program Studi Telematika
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 terperinciANALISA DAN PERANCANGAN APLIKASI ALGORITMA APRIORI UNTUK KORELASI PENJUALAN PRODUK (STUDI KASUS : APOTIK DIORY FARMA)
ANALISA DAN PERANCANGAN APLIKASI ALGORITMA APRIORI UNTUK KORELASI PENJUALAN PRODUK (STUDI KASUS : APOTIK DIORY FARMA) Harvei Desmon Hutahaean 1, Bosker Sinaga 2, Anastasya Aritonang Rajagukguk 2 1 Program
Lebih 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 terperinciIMPLEMENTASI DATA MINING PADA PENJUALAN TIKET PESAWAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus: Jumbo Travel Medan)
IMPLEMENTASI DATA MINING PADA PENJUALAN TIKET PESAWAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus: Jumbo Travel Medan) Sri Rahayu Siregar ( 0911882) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
Lebih terperinciPola Kompetensi Mahasiswa Program Studi Informatika Menggunakan FP-Growth
Pola Kompetensi Mahasiswa Program Studi Informatika Menggunakan FP-Growth Fitrah Rumaisa, S.T., M.Kom Prodi Teknik Informatika, Fakultas Teknik, Universitas Widyatama E-Mail: fitrah.rumaisa@widyatama.ac.id
Lebih terperinciPENERAPAN ALGORITMA APRIORI DALAM MEMPREDIKSI PERSEDIAAN BUKU PADA PERPUSTAKAAN SMA DWI TUNGGAL TANJUNG MORAWA
PENERAPAN ALGORITMA APRIORI DALAM MEMPREDIKSI PERSEDIAAN BUKU PADA PERPUSTAKAAN SMA DWI TUNGGAL TANJUNG MORAWA Domma Lingga Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih 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 terperinciIMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA ECLAT
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA ECLAT Syafina Dwi Arinda 1, Sulastri 2 1,2 Fakultas Teknologi Informasi, Universitas Stikubank Semarang e-mail: 1 syafinadwi96@gmail.com, 2 sulastri@unisbank.ac.id
Lebih terperinciPENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-TREE DAN FP-GROWTH PADA DATA TRANSAKSI PENJUALAN OBAT
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-TREE DAN FP-GROWTH PADA DATA TRANSAKSI PENJUALAN OBAT Yuyun Dwi Lestari Program Studi Teknik Informatika, Sekolah Tinggi Teknik Harapan Jl. H. M. Jhoni No.
Lebih terperinciBAB IV METEDOLOGI PENELITIAN
BAB IV METEDOLOGI PENELITIAN 4.1. Desain Penelitian Desain penelitian yang digunakan adalah pendekatan cross sectional. Penelitian cross sectional dicirikan dengan satu pengukuran atau observasi untuk
Lebih terperinciANALISA KONSISTENSI POLA PEMINJAMAN BUKU MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus: UPT Perpustakaan Universitas Sebelas Maret)
ANALISA KONSISTENSI POLA PEMINJAMAN BUKU MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus: UPT Perpustakaan Universitas Sebelas Maret) Miranda Nur Qolbi Aprilina 1, Wiranto 2,Widodo 3 1,2 Program Studi Informatika,
Lebih terperinciAPLIKASI MONITORING KETERSEDIAAN STOK BARANG MINIMARKET DENGAN METODE MARKET BASKET ANALYSIS (MBA)
Seminar Nasional Teknologi Informasi dan Multimedia 2016 APLIKASI MONITORING KETERSEDIAAN STOK BARANG MINIMARKET DENGAN METODE MARKET BASKET ANALYSIS (MBA) Sugiyatno 1), Adhika Pramita Widyasari 2) 1),
Lebih terperinciANALISA ALGORITMA APRIORI UNTUK MENENTUKAN MEREK PAKAIAN YANG PALING DIMINATI PADA MODE FASHION GROUP MEDAN
ANALISA ALGORITMA APRIORI UNTUK MENENTUKAN MEREK PAKAIAN YANG PALING DIMINATI PADA MODE FASHION GROUP MEDAN Eka Novita Sari (0911010) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciLili Tanti. STMIK Potensi Utama, Jl. K.L. Yos Sudarso Km. 6,5 No. 3A Tj. Mulia Medan ABSTRACT
Lili, Penerapan Data Mining Untuk 35 PENERAPAN DATA MINING UNTUK MENENTUKAN JUMLAH MAHASISWA PADA SATU DAERAH DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI Lili Tanti Email : lili@potensi-utama.ac.id STMIK
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan suatu prosedur beserta tahapan-tahapan yang
BAB III METODE PENELITIAN Metode penelitian merupakan suatu prosedur beserta tahapan-tahapan yang tersusun secara jelas dan sistematis guna menyelesaikan suatu permasalahan yang sedang diteliti dengan
Lebih 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 terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Implementasi Biplot Kanonik dan Analisis Procrustes dengan Mathematica Biplot biasa dengan sistem perintah telah terintegrasi ke dalam beberapa program paket statistika seperti SAS,
Lebih terperinciRANCANG BANGUN APLIKASI DATA MINING ANALISIS TINGKAT KELULUSAN MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus Di Politeknik Negeri Malang)
RANCANG BANGUN APLIKASI DATA MINING ANALISIS TINGKAT KELULUSAN MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus Di Politeknik Negeri Malang) Naufal Farras Hilmy 1, Banni Satria Andoko 2 Program Studi Teknik
Lebih 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 terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dalam hal Penerimaan Mahasiswa Baru (PMB) khususnya di Universitas Kristen Duta Wacana (UKDW), keputusan akhir penerimaan ada ditangan Ketua Program Studi (Kaprodi)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perusahaan ritel yang menyediakan berbagai kebutuhan berkembang pesat bukan hanya di kota besar saja tetapi juga di kota-kota kecil. Untuk memperoleh keuntungan yang
Lebih terperinciAPLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA
APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA Yuli Asriningtias, Rodhyah Mardhiyah Program Studi Teknik Informatika Fakultas Bisnis & Teknologi Informasi, Universitas Teknologi
Lebih terperinciBAB I PENDAHULUAN. Data mining memungkinkan penemuan pola-pola yang menarik, informasi yang
1 BAB I PENDAHULUAN Bab pendahuluan ini membahas tentang latar belakang masalah yaitu fenomena perkembangan data yang terus bertambah tetapi informasi yang dihasilkan monoton, sehingga diperlukan data
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
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 terperinciANALISIS KERANJANG BELANJA PADA DATA TRANSAKSI PENJUALAN (STUDI KASUS TOSERBA YOGYA BANJAR) SKRIPSI. Oleh TRI LESTARI H
ANALISIS KERANJANG BELANJA PADA DATA TRANSAKSI PENJUALAN (STUDI KASUS TOSERBA YOGYA BANJAR) SKRIPSI Oleh TRI LESTARI H24052006 DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR
Lebih terperinci6 SISTEM EVALUASI 6.1 Data Responden Evaluasi Elemen Desain Kursi Rotan 6.2 Pengembangan Sistem Evaluasi Elemen Desain Kursi Rotan
6 SISTEM EVALUASI Sistem evaluasi bertujuan untuk memperoleh pengetahuan antara kata Kansei dengan elemen desain yang menunjukkan kata tersebut. Pengetahuan tersebut diperoleh dari responden dengan menggunakan
Lebih terperinciANALISIS PENERAPAN TEKNIK DATAMINING DALAM PENGIMPLEMENTASIAN DAN PENGEMBANGAN MODEL ACTIVE LEARNING DENGAN METODE KELOMPOK
ANALISIS PENERAPAN TEKNIK DATAMINING DALAM PENGIMPLEMENTASIAN DAN PENGEMBANGAN MODEL ACTIVE LEARNING DENGAN METODE KELOMPOK Dody Herdiana, S.T., M. Kom. Dosen PNS DPK pada Program Studi Teknik Informatika
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 terperinciIMPLEMENTASI DATA MINING DENGAN ALGORITMA APRIORI PADA TOKO BANGUNAN UD. RUFI SENTOSA JAYA SAMBIREJO - PARE
IMPLEMENTASI DATA MINING DENGAN ALGORITMA APRIORI PADA TOKO BANGUNAN UD. RUFI SENTOSA JAYA SAMBIREJO - PARE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.)
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Islam adalah agama yang memiliki dua pegangan yang sangat terpercaya, yaitu Al-Qur an dan Hadis. Hadis merupakan sumber ajaran dan hukum Islam kedua setelah dan
Lebih terperinci4 Web server mengakses kubus data Palo server melalui Palo PHP API. Aplikasi OLAP menggunakan library JpGraph untuk menampilkan grafik.
5 4 Web server mengakses kubus data Palo server melalui Palo PHP API. Aplikasi OLAP menggunakan library JpGraph untuk menampilkan grafik. Lapis atas: Web browser Grafik Laptop JpGraph Line Plot Presentasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penambangan Data (Data Mining) Pengertian data mining, berdasarkan beberapa orang: 1. Data mining (penambangan data) adalah suatu proses untuk menemukan suatu pengetahuan atau
Lebih 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 METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI
PENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI Fitri Nurchalifatun Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Jl.
Lebih terperinciPENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA
PENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA Margi Cahyanti 1), Maulana Mujahidin 2), Ericks Rachmat Swedia 3) 1) Sistem Informasi Universitas Gunadarma
Lebih terperinciGambar Tahap-Tahap Penelitian
BAB III METODELOGI PENELITIAN Dalam menyelesaikan penelitian ini dibuat beberapa tahapan. Tahap-tahap kegiatan dijelaskan dalam Gambar 3.1 Studi Literatur Pengumpulan Data Retrieve Data Pre-Processing
Lebih terperinciDaftar file data sumber Jumlah kolom. Keterangan. baris
LAMPIRAN 19 Lampiran 1 Nama file Daftar file data sumber kolom baris Keterangan cal00ipb.dbf 116 8456 Data pelamar (USMI) tahun 2000 cal01ipb.dbf 128 9280 Data pelamar (USMI) tahun 2001 cal02ipb.dbf 129
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 terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Begitu banyaknya fungsionalitas dalam penggalian data terkadang membuat kita harus memilih secara seksama. Pemilihan fungsionalitas yang tepat dalam melakukan suatu penggalian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. 1.2 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Pendahuluan Dewasa ini komputer berkembang sangat pesat di berbagai bidang kehidupan. Perkembangan ini didukung oleh proses komputasi yang sangat cepat dan juga dukungan pengolahan
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 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 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 terperinciANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE
ANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE Diki Arisandi 1, Nofriandi 2 Jurusan Teknik Informatika, FakultTeknik,Universitas Abdurrab
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Pendahuluan 1.2 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Pendahuluan Pada jaman modernisasi, teknologi digital mengambil alih dunia dengan terusmenerus berlomba berkreasi tiada henti-hentinya demi tercapainya kemudahan dan kecepatan penyebaran
Lebih terperinciBAB 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Data Mining Istilah data mining memiliki beberapa padanan, seperti knowledge discovery ataupun pattern recognition. Kedua istilah tersebut sebenarnya memiliki ketepatannnya masing-masing.
Lebih terperinciAkurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa
Akurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa dengan Metode NAÏVE BAYES M. Ridwan Effendi Fakultas Komputer Jurusan Sistem Informasi Universitas Mohammad Husni Thamrin Jakarta Email :
Lebih 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 terperinciPanduan Umum Jalur Ujian Tertulis/Ketrampilan SNMPTN 2011
Panduan Umum Jalur Ujian Tertulis/Ketrampilan SNMPTN 2011 PERSYARATAN DAN KETENTUAN 1. Seleksi 1. Lulus Ujian Satuan Pendidikan dan Ujian Nasional SMA/MA/SMK/MAK atau yang setara tahun 2009, 20010 dan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Peminatan atau konsenterasi merupakan fokus mahasiswa terhadap suatu bidang studi tertentu yang sesuai dengan minatnya. Tujuannya yaitu untuk lebih memfokuskan
Lebih terperinciANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM)
ANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM) Nurani 1, Hamdan Gani 2 1 nurani_nanni@yahoo.com, 2 hamdan.gani.inbox@gmail.com
Lebih terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang ,
1. BAB I PENDAHULUAN 1.1. Latar Belakang Hasil survey Badan Kesejahteraan Keluarga Pemberdayaan Perempuan dan Keluarga Berencana (BKKPPKB) tahun 2009 menunjukkan angka kemiskinan di Kabupaten Bantul sebanyak
Lebih terperinciINFORMASI AWAL SELEKSI NASIONAL MASUK PERGURUAN TINGGI NEGERI (SNMPTN) TAHUN 2011 JALUR UNDANGAN & JALUR UJIAN TERTULIS/KETERAMPILAN
INFORMASI AWAL SELEKSI NASIONAL MASUK PERGURUAN TINGGI NEGERI (SNMPTN) TAHUN 2011 JALUR UNDANGAN & JALUR UJIAN TERTULIS/KETERAMPILAN PANITIA PELAKSANA SELEKSI NASIONAL MASUK PERGURUAN TINGGI NEGERI TAHUN
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Rekomendasi Sistem Rekomendasi (SR) merupakan model aplikasi dari hasil observasi terhadap keadaan dan keinginan pelanggan. Sistem Rekomendasi memanfaatkan opini seseorang
Lebih terperinciPENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER
PENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER I. PENDAHULUAN Mahasiswa merupakan salah satu aspek penting dalam evaluasi keberhasilan penyelenggaraan
Lebih terperinciAssocation Rule. Data Mining
Assocation Rule Data Mining Association Rule Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan assosiatif antara suatu kombinasi item. Aturan yang menyatakan
Lebih terperinciAbstrak. Data Mining, Algoritma Apriori, Algoritma FP-Growth, Mata Pelajaran, Pemrograman, Web Programming, Matematika, Bahasa Inggris.
Penerapan Algoritma Apriori dan Algoritma FP-Growth Dalam Menemukan Hubungan Data Nilai Ijazah Matematika dan Bahasa Inggris Dengan Nilai Mata Pelajaran Pemrograman dan Web Programming (Studi Kasus SMK
Lebih terperinciANALISIS ASSOCIATION RULES ALGORITMA APRIORI PENJUALAN KAOS TRAVELLING
ANALISIS ASSOCIATION RULES ALGORITMA APRIORI PENJUALAN KAOS TRAVELLING Kanthi Wulandari Mahasiswa Program Studi Statistika Universitas Islam Indonesia kanthiwuland@gmail.com Asriyanti Ali Mahasiswa Program
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Pengantar Komputer
BAB 1 PENDAHULUAN 1.1 Pengantar Komputer Saat ini komputer dan piranti pendukungnya telah masuk dalam setiap aspek kehidupan dan pekerjaan. Komputer dimanfaatkan dalam segala bidang dikarenakan komputer
Lebih terperinciIMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI Ristianingrum 1, Sulastri 2 1,2 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank e-mail: 1 ristiia.rum@gmail.com,
Lebih terperinciAplikasi Data Mining untuk meneliti Asosiasi Pembelian Item Barang di Supermaket dengan Metode Market Basket Analysis
Aplikasi Data Mining untuk meneliti Asosiasi Pembelian Item Barang di Supermaket dengan Metode Market Basket Analysis ANDREAS HANDOJO, GREGORIUS SATIA BUDHI, HENDRA RUSLY Jurusan Teknik Informatika Universitas
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Bagi para calon mahasiswa cenderung bingung memilih jurusan yang mana yang akan mereka geluti di dunia pendidikan. Sekolah Tinggi Teknologi Sinar
Lebih terperinciA Decision Support Tool For Association Analysis
A Decision Support Tool For Association Analysis Rina Sibuea 1, Frans Juanda Simanjuntak 2, Sulastry Napitupulu 3, Daniel Elison Daya 4 Program Studi Manajemen Informatika, Politeknik Informatika Del Jl.Sisingamangaraja,
Lebih terperinciBAB III METODE PENELITIAN
14 BAB III METODE PENELITIAN 3.1 Objek Penelitian Swalayan Sumber Rezeki merupakan swalayan yang dikelola secara keluarga yang pegawainya juga berasal dari satu keluarga yang mengelola swalayan tersebut.
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.. Analisis Masalah Pada zaman saat ini sepeda motor banyak digunakan di jalanan, banyak masyarakat menggunakan sepeda motor karena kepraktisan di dalam penggunaanya.
Lebih terperinciANALISIS PERILAKU PEMBELIAN DENGAN MENGGUNAKAN MARKET BASKET ANALYSIS PADA USAHA RITEL (Studi Kasus Karima Swalayan, Bogor)
ANALISIS PERILAKU PEMBELIAN DENGAN MENGGUNAKAN MARKET BASKET ANALYSIS PADA USAHA RITEL (Studi Kasus Karima Swalayan, Bogor) Oleh WINDA MIRANTI H 24076133 PROGRAM SARJANA MANAJEMEN PENYELENGGARAAN KHUSUS
Lebih terperinciSosialisasi Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN 2011)
Sosialisasi Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN 2011) Landasan Hukum Peraturan Pemerintah No. 66 Tahun 2010 Tentang Perubahan Atas Peraturan Pemerintah Nomor 17 Tahun 2010 Tentang Pengelolaan
Lebih terperinciJournal of Informatics and Technology, Vol 2, No 2, Tahun 2013, p
Journal of Informatics and Technology, Vol 2, No 2, Tahun 2013, p 22-28 http://ejournal-s1.undip.ac.id/index.php/joint APLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA
Lebih terperinciBAB 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 terperinciNomor : 0304/E3.4/ Februari 2013 Lampiran : 2 (dua) lampiran Perihal : Penyelenggara ON MIPA-PT Tahun 2013
Telepon (021) 57946073 Faksimil (021) 57946072 http//dikti.kemdikbud.go.id/ Nomor 0304/E3.4/2013 4 Februari 2013 Lampiran 2 (dua) lampiran Perihal Penyelenggara ON MIPA-PT Tahun 2013 Kepada Yth 1. Pimpinan
Lebih terperinciBAB I PENDAHULUAN. keadaan dimana hampir semua hal dapat direpresentasikan dalam bentuk digital dan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Revolusi digital yang dijumpai saat ini dapat dideskripsikan sebagai suatu keadaan dimana hampir semua hal dapat direpresentasikan dalam bentuk digital dan
Lebih terperinciBAB I PENDAHULUAN. dalam aplikasi database. Informasi memegang peranan yang sangat penting dan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dewasa ini, memberikan pengaruh yang sangat besar di dalam kehidupan manusia. Salah satu pengaruh tersebut di bidang informasi yaitu dalam
Lebih terperinciPENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING
PENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING Andreas Chandra Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email : andreaschaandra@yahoo.com
Lebih terperinciTINJAUAN PUSTAKA Data Mining
25 TINJAUAN PUSTAKA 2.1. Data Mining Definisi sederhana dari data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di database. Secara lengkap, Data mining merupakan
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
36 BAB III ANALISA DAN DESAIN SISTEM Tahapan ini merupakan tahapan utama dalam penelitian, dalam tahapan pengembangan sistem metode yang akan dipakai adalah Rapid Application Development dan tahapan Data
Lebih terperinciANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE
ANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE Diki Arisandi 1, Nofriandi 2 Jurusan Teknik Informatika, FakultTeknik,Universitas Abdurrab
Lebih terperinci4 HASIL DA PEMBAHASA
4 HASIL DA PEMBAHASA 4.1 Pengumpulan Data Pada proses pengumpulan data, diperoleh data awal berjumlah 5883 mahasiswa non aktif Program Studi Matematika FMIPA-UT dengan 33 atribut kategori dan numerik.
Lebih terperinciIMPLEMENTASI DATA MINING PADA PENJUALAN PRODUK ELEKTRONIK DENGAN ALGORITMA APRIORI (STUDI KASUS : KREDITPLUS)
IMPLEMENTASI DATA MINING PADA PENJUALAN PRODUK ELEKTRONIK DENGAN ALGORITMA APRIORI (STUDI KASUS : KREDITPLUS) Dewi Kartika Pane (0911801) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan
Lebih terperinciBAB III METODE PENELITIAN. desaign dan coding program. Dibutuhkan waktu selama kurang lebih 8 bulan
19 BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Dalam penelitian ini memerlukan waktu yang cukup lama, yaitu dalam membuat desaign dan coding program. Dibutuhkan waktu selama kurang lebih 8 bulan untuk
Lebih terperinciIMPLEMENTASI DATA MINING MARKET BASKET ANALYSIS MENGGUNAKAN ALGORITMA APRIORI UNTUK AKUISISI DATA DARI TWITTER
IMPLEMENTASI DATA MINING MARKET BASKET ANALYSIS MENGGUNAKAN ALGORITMA APRIORI UNTUK AKUISISI DATA DARI TWITTER Nama NPM Fakultas Jurusan Pembimbing :Victorio Sudarmadi Puika : 5A411208 : Teknologi Industri
Lebih terperinci