PEMANFAATAN DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA (STUDI KASUS : STKIP-PGRI LUBUKLINGGAU)
|
|
- Adi Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMANFAATAN DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA (STUDI KASUS : STKIP-PGRI LUBUKLINGGAU) Novrian Triputra 1, Muhamad Akbar 2,Laili Adha 3 Dosen Universitas Bina Darma 2,3, Mahasiswa Universitas Bina Darma 1 Jalan Jenderal Ahmad Yani No.12 Palembang Novrian3putra@gmail.com 1, akbartea@yahoo.com 2, adha.laili@gmail.com 3 Abstract:While the development of technology and the high level of competition in the business world is a challenge that must be faced by all parties. Mastery and application of technology becomes the determining factor for the company to gain a competitive advantage, particularly in the field of information technology, In the day and age of each university / high school has been using computerized data storage, the data input is important. In this case the data of students of vocational high school science education. In every year the number of students of vocational high school science education (STKIP-PGRI) continues to increase. However, this is a problem when the number of students who have not completed / graduate on time, and to find out quickly the students who will graduate is to predict student data that already exists. To provide a useful information for the future. From the above conclusion the authors take utilize data mining to predict graduation rates of students who will come by using a decision tree method to the university / school can take a decision on the candidates subsequent scholars. Utilization of data mining will be used to predict graduation application DTREG students utilizing student data three years earlier. The methods used in the analysis of the system in accordance with the stages of Knowledge Discovery in Databases (KDD). Keywords:Data mining, student data, Knowledge Discovery in Databases (KDD). Abstrak: Disaat ini perkembangan teknologi dan tingginya tingkat persaingan dalam dunia usaha merupakan sebuah tantangan yang harus dihadapi oleh semua pihak. Penguasaan dan penerapan teknologi menjadi faktor yang menentukan bagi perusahaan untuk memperoleh keunggulan bersaing, khususnya dalam bidang teknologi informasi, Pada zaman sekarang tiap universitas/sekolah tinggi telah menggunakan penyimpanan data dengan sistem komputerisasi, dalam menginput data-data yang penting.dalam hal ini data mahasiswa sekolah tinggi kejuruan ilmu pendidikan.pada setiap tahunya jumlah mahasiswa sekolah tinggi kejuruan ilmu pendidikan (STKIP- PGRI) terus meningkat. Namun, kendala saat ini adalah banyaknya mahasiswa yang belum selesai/sarjana pada waktunya, dan untuk mengetahui cepat lambatnya mahasiswa yang akan sarjana adalah dengan memprediksi data-data mahasiswa yang sudah ada. Untuk memberi sebuah informasi yang berguna untuk dimasa yang akan datang. Dari kesimpulan diatas penulis mengambil memanfaatkan data mining untuk memprediksi tingkat kelulusan mahasiswa yang akan datang dengan menggunakan metode pohon keputusan agar pihak universitas/sekolah dapat mengambil keputusan pada calon-calon para sarjana berikutnya. Pemanfaatan data mining ini akan menggunakan aplikasi DTREG untuk memprediksi kelulusan mahasiswa dengan memanfaatkan data mahasiswa tiga tahun sebelumnya. Adapun metode yang digunakan dalam analisis sistem sesuai dengan tahapan Knowledge Discovery in Database (KDD). Kata kunci: Data mining, Data mahasiswa, Knowledge Discovery in Database (KDD). 1. PENDAHULUAN Dewasa ini perkembangan teknologi dan tingginya tingkat persaingan dalam dunia usaha merupakan sebuah tantangan yang harus dihadapi oleh semua pihak.penguasaan dan penerapan teknologi menjadi faktor yang
2 menentukan bagi perusahaan untuk memperoleh keunggulan bersaing, khususnya dalam bidang teknologi informasi.dalam dunia pendidikan perubahan dan perkembangan teknologi yang demikian pesat seperti otomatisasi dan komputerisasi kalangan ilmuwan bidang teknologi informasi dan para praktisi yang berkecimpung di dalamnya untuk lebih siap menghadapi kemajuan yang ada. Ketersediaan data yang melimpah, kebutuhan akan informasi (atau pengetahuan) sebagai pendukung pengambilan keputusan untuk membuat solusi bisnis, dan dukungan infrastruktur di bidang teknologi informasi merupakan cikal-bakal dari lahirnya teknologi data mining. Data mining dimaksudkan untuk memberikan solusi nyata bagi para pengambil keputusan di dunia bisnis, untuk mengembangkan bisnis mereka. Data Mining merupakan teknologi yang sangat berguna untuk membantu perusahaanperusahaan menemukan informasi yang sangat penting dari gudang data mereka.data mining meramalkan trend dan sifat-sifat perilaku bisnis yang sangat berguna untuk mendukung pengambilan keputusan penting.analisis yang diotomatisasi yang dilakukan oleh data mining melebihi yang dilakukan oleh sistem pendukung keputusan tradisional yang sudah banyak digunakan.data Mining mengeksplorasi basis data untukmenemukan pola-pola yang tersembunyi, mencari informasi pemrediksi yang mungkin saja terlupakan oleh para pelaku bisnis karena terletak di luar ekspektasi mereka.(sentosa, 2002). Sekolah Tinggi Kejuruan Ilmu Pendidikan (STKIP -PGRI) Lubuklinggau merupakan salah satu perguruan tinggi di kota Lubuklinggau yang telah meluluskan 1295 orang sarjana. Saat ini sekolah tinggi kejuruan ilmu pendidikan (STKIP) memiliki cukup banyak jumlah mahasiswa, Dan setiap tahunnya menerima ratusan mahasiswa yang terdiri dari berbagai disiplin ilmu yaitu pendidikan Bahasa Indonesia, Sejarah, Matematika, Bahasa Inggris dan Fisika. Namun, kendala saat ini adalah banyaknya mahasiswa yang belum selesai/sarjana pada waktunya, dan untuk mengetahui cepat lambatnya mahasiswa yang akan sarjana adalah dengan memprediksi datadata mahasiswa yang sudah ada. Hal ini dapat menghasilkan banyak informasi yang sangat penting bagi universitas/sekolah tinggi agar dapat memanfaatkannya untuk pengetahuanpengetahuan baru, yang dapat membantu memprediksi cepat lambatnya calon mahasiswa yang akan sarjana tiap tahunnya maupun yang akan datang. Dengan begitu universitas/sekolah tinggi dapat mengabil tindakan untuk calon sarjana berikutnya dan meberikan informasi tingkat kelulusan di program pendidikan ilmu fisika. Untuk itu dalam penelitian ini penulis mengambil pembahasan dengan judul Pemanfaatan Data Mining dalam Memprediksi Tingkat Kelulusan Mahasiswa agar dapat diketahui tingkat kelulusan mahasiswa setiap akhir masa pendidikan. 2. METODOLOGI PENELITIAN 2.1 Tempat Dan Waktu Penelitian Penelitian ini dilakukan di sekolah tinggi kejuruan ilmu pendidikan (STKIP -PGRI)
3 Lubuklinggau, dimulai pada bulan nopember sampai bulan desember 2013 dari jam WIB dan WIB. yang disusun oleh para ahli untuk melengkapi data yang diperlukan dalam penelitian. 2.2 Metode Penelitian Dalam penelitian ini, penulis menggunakan metode deskriptif karena permasalahan yang sedang diteliti saat ini berdasarkan fakta-fakta yang ada mengenai data mahasiswa yang sampai saat ini sedang menjalani perkuliahan. 2.3 Metode Pengumpulan Data Metode yang dilakukan yaitu dengan mempertimbangkan penggunanya berdasarkan jenis data dan sumbernya antara lain dengan cara sebagai berikut: 1. Observasiyaitu merupakan metode pengumpulan data dengan cara mengadakan pengamatan secara langsung kepada objek penelitian mengenai data mahasiswa sekolah tinggi kejuruan ilmu pendidikan (STKIP-PGRI) Lubuklinggau. 2. Wawancarayaitu merupakan teknik pengumpulan data dengan cara mengadakan Tanya Jawab langsung kepada bagian pengolahan data pada sekolah tinggi kejuruan ilmu pendidikan (STKIP - PGRI) Lubuklinggau. 3. Studi Pustakayaitu mengumpulkan data dengan mempelajari masalah yang berhubungan dengan objek yang diteliti serta bersumber dari buku- buku pedoman, literatur 2.4 Metode Analisis Data Metode pengembangan yang digunakan penulis dalam penelitian ini menggunakan metode Knowledge Discovery in Database (KDD).Istilah data mining dan knowledge discovery in database (KDD) seringkali digunakan secara bergantian untuk menjelaskan proses penggalian informasi tersembunyi dalam suatu basis data yang besar. Sebenarnya kedua istilah tersebut memiliki konsep yang berbeda, tetapi berkaitan satu sama lain. Dan salah satu tahapan dalam keseluruhan proses KDD adalah data mining. Proses KDD secara garis besar dapat dijelaskan sebagai berikut (Kursini, 2009). 1. Pembersihan data Digunakan untuk membuang data yang tidak konsisten dan noise. 2. Intergrasi data yang diperlukan untuk data mining tidak hanya berasal dari satu database tetapi juga berasal dari beberapa database atau file teks. Hasil integrasi data sering diwujudkan dalam sebuah data warehouse karena dengan data warehouse, data dikonsolidasikan dengan struktur khusus yang efisien. 3. Transformasi data dan pemilihan data ini untuk menentukan kualitas dari hasil data mining, sehingga data diubah menjadi bentuk sesuai untuk di-mining. 4. Aplikasi teknik data mining aplikasi teknik data mining sendiri hanya merupakan salah satu bagian dari proses data mining. Ada
4 beberapa teknik data mining yang sudah umum dipakai. 5. Evaluasi pola yang ditemukan Dalam tahap ini hasil dari teknik data mining berupa pola-pola yang khas maupun model prediksi dievaluasi untuk menilai apakah hipotesa yang ada memang tercapai. 6. Presentasi pengetahuan presentasi pola yang ditemukan untuk menghasilkan aksi tahap terakhir dari proses data mining adalah bagaimana memformulasikan keputusan atau aksi dari hasil analisa yang didapat. Gambar 2.1 Tahapan Knowledge Discovery in Databases sekumpulan besar data yang tersimpan dalam penyimpanan dengan menggunakan teknik pengenalan pola seperti teknik statistik dan matematika (Larose, 2005). 3. HASIL Pada data selectionmerupakan tahap awal dalam pengambilan data yang dibutuhkan dalam melakukan proses data mining, dimana data yang didapatkan berasal dari skolah tinggi/universitas STKIP-PGRI Lubuklinggau yang selama ini dikerjakan yang terdiri dari dua tabel yaitu tabel data mahasiswa serta data nilai yang memiliki penjelasan sebagai berikut : 1. Tabel data mahasiswa, terdapat biodatabiodata mahasiswa yang telah terdaftar sebagai mahasiswa di sekolah 2.5Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bemanfaat dan pengetahuan yang terkait dari berbagai database besar (Turban, dkk.2005). Selain itu juga Data mining disebut sebagai suatu proses untuk menemukan hubungan yang berarti, pola, dan kecenderungan dengan memeriksa dalam tinggi/universitasstkip-pgri, dan itu dapat dilihat pada tabel 3.1 : Tabel 4.1 Data Mahasiswa 2. Data Nilai, terdapat informasi jumlah nilai tiap mahasiswa yang telah ditempuh dan dapat dilihat pada tabel 4.2 berikut :
5 atribut jumlah SKS, jumlah IPK, dan semester menjadi atribut hasil. Proses tranformasi data tersebut dapat dilihat pada gambar berikut : Table 3.2 Data Nilai DilanjutkanPreprocessingPada tahapan ini akan dilakukan proses integrasi data untuk menghubungkan tabel data mahasiswa dan tabel data nilai dan proses ini juga disebut dengan preprocessing. Preprocessing bertujuan mendapatkan dataset yang bersih sehingga dapat digunakan dalam melakukan proses data mining dengan menggunakan data tersebut bertujuan untuk memperoleh pengelompokan hasil data mahasiswa. Berikut penjelasan dari kedua proses tersebut : Gambar 3.2 Transformasi Data transformasi tersebut maka dilakukan proses klasifikasi untuk mendapatkan data yang dapat di miningkan dengan atribut pekerjaan dan membuat record menjadi dua kategori yang berupa kerja bagi yang kuliah sambil berkerja dan mahasiswa bagi mahasiswa saja atau tidak berkerja. Dapat dilihat pada gambar 3.3 : Gambar 3.1 Preprocessing Kemudian dilanjutkan tahapan transformasi data pada tahapan ini adalah melakukan proses tahapan transformasi merubah data menjadi data yang sesuai unuk melakukan proses diminingkan. Perubahan awal yang dilakukan adalah data yang awalnya didapatkan ada 12 kemudian diambil menjadi 3 yaitu nim, jenis kelamin (P/L), da n pekerjaan lalu penulis membuat suatu proses hasil yang diambil dari Gambar 3.3 Hasil Klasifikasi Karena software yang digunakan untuk data mining merupakan DTREG maka dataset di atas terlebih dahulu di-export kedalam format (.xlsx) kemudian dari format (.xlsx) akan dirubah lagi menjadi format csv (Comma
6 Delimited). Berikut dataset yang telah di-export ke dalam format (.xlsx) setelah dataset diubah format csv maka data tersebut sadah siap untuk di data mining dengan menggunakan metode Decision tree. Selanjutnya proses data mining dilakukan dengan tools DTREG menggunakan menu Create New Projeck untuk memanggil data yang telah tersimpan, seperti pada gambar 5.10 : Gambar 3.4 Pengambilan Dataa DTREG Kemudian memberi nama title of projeck, selanjutnya proses data mining dilanjutkan dengan menggunakan menu Single Decision Tree pada DTREG, seperti gambar dibawah ini : Gambar 3.5 Pemilihan Target Valiabel. Setelah selesai menentukan target dan predictornya. Seperti pada digambar 5.12 merupakan tampilan proses penentuan field yang akan menjadi target untuk menentukan hasil yang diharapkan. Seperti yang terlihat pada gambar 5.12 tersebut, field NIM dipilih sebagai target karena field tersebut memiliki primary key dari field-field yang ainnya.setelah selesai memilih target dan predictor, Proses selanjutnya data siap dilakukan RUN untuk melihat hasil analisis dari proses DTREG yang akan mengubah data kedalam bentuk pohon keputusan yang optimal, Proses selanjut memilih options RUN THE ANALYSIS untuk melanjutkan ketahap analisis data yang sudah siap. Kemudian akan memhasilkan data berupa sebuah pohon keputusan, dapat di lihat pada gambar 3.6 : Gambar 3.5 Memilih Metode Decision Tree Kemudian klik Next kemudian akan memilih variable yang akan menjadi target dan predictor, dapat dilihat pada gambar 3.5: Gambar 3.6 Hasil Analisis data Hasil dari proses data mining menggunakan DTREG terdapat Results dengan bagian bagian tertentu dari hasil analysis diantaranya seperti gambar Terdapat 4 class dan hanya 2 class yang digunakan yaitu
7 class target dan class predictor, variable NIM menjadi class target kemudian variable L/P, PEKERJAAN, dan HASIL menjadi predictor karena nilai yang dimiliki L/P, PEKERJAAN, dan HASIL masih dibawah nilai gain NIM. Seperti penjelasan diatas maka yang akan menjadi titik akar (root) adalah NIM, sedangkan JENIS KELAMIN, PEKERJAAN, dan HASIL akan menjadi cabang dari pohon keputusan yang merupakan pembagian berdasarkan hasil yang telah gunakan sebagai hasil uji, sedangkan titik akhir (leaf) merupakan pembagian kelas yang dihasilkan. Berikut gambar pertama dari hasil run dengan kriteria NIM yang akan memperlihatkan decision tree (Pohon Keputusan) seperti pada gambar 3.7 : Gambar 3.7 Hasil DTREG Setelah melakukan pengujian hasil yang diatas maka didapatkan hasil pengujian untuk semua atribut pada metode yang diuji coba, hasil dari metode tersebut dapat dilihat pada tabel 3.3dan tabel 3.4 sebagai berikut : Tabel 3.3 Hasil Cepat Tabel 3.4 Hasil Lambat Hasil dari tabel 3.3 hasil mahasiswa yang akan lulus di semester depan dengan jumlah total 175 mahasiswa. Sedangkan Hasil dari tabel 3.4 mahasiswa belum wisuda pada semester depan dengan jumlah total 206 mahasiswa. 4. SIMPULAN Berdasarkan dari penelitian yang telah dilaksanakan dan sudah diuraikan dalam data mining dari data mahasiswa tepatnya pada tahun 2007 sampai dengan 2013 sebanyak 831 mahasiswa untuk memprediksi kelulusan berdasarkan jenis kelamin dan pekerjaan pada Sekolah Tinggi Kejuruan Ilmu Pendidikan (STKIP-PGRI), maka penulis dapat menarik kesimpulan sebagai berikut : 1. Pemanfaatan data mining dengan teknik decision tree dan algoritma C4.5 yang dilakukan menghasilkan sebuah informasi mengenai calon sarjana mahasiswa berdasarkan jenis kelamin dan pekerjaan pada Sekolah Tinggi Kejuruan Ilmu Pendidikan (STKIP-PGRI). 2. Dalam pemanfaatan data mining ini dapat memberikan informasi calon sarjana mahasiswa berdasarkan jenis kelamin dan
8 pekerjaan sehingga dapat memberikan informasi jumlah calon wisuda berikutnya, dan suatu keputusan atau suatu pertimbangan pada Sekolah Tinggi Kejuruan Ilmu Pendidikan (STKIP-PGRI). 3. Perhitungan yang dilakukan secara teoritis dan aplikatif menghasilkan sebuah pohon keputusan yang ditentukan dalam pemanfaatan data mining. 4. Decision tree yang dihasilkan telah mampu menunjukkan keterkaitan suatu hasil calon sarjana dengan pekerjaan seperti yang tercatat pada rekam hasil pemanfaatan data mining. 5. Pemecahan field jenis kelamin dan pekerjaan menjadi beberapa kelompok kecil membantu user dalam mengetahui informasi yang dihasilkan dari pohon keputusan. 6. Dengan melihat hasil akhir dari tools Emha Taufiq Luthfi, (2009), Penerapan Data Mining Algoritma Asosiasi Untuk Meningkatkan Penjualan, Yogyakarta. Hermawati, F.A., (2013), Yogyakarta : Andi. Data Mining, Kurniawan dan Hidayat.T., (2009), Enur, Penerapan Data Mining Dengan Metode Interpolasi Untuk Memprediksi Minat Konsumen Asuransi (Studi Kasus Asuransi Metlife), Yogyakarta. Kusrini dan Luthfi E.T, (2009), Algirotma Data Mining, Yogyakarta : Penerbit Andi. Susanto, S. dan Suryadi, D, (2010), Pengantar Data Mining, Yogyakarta : Penerbit Andi. DTREG mahasiswa yang akan lebih lambat lulusnya adalah mahasiswa yang sambil kerja sebanyak 206 mahasiwa pria dan wanita, sedangkan mahasiswa yang lulus cepat adalah mahasiswa yang tidak kerja sebanyak 175 mahasiswa pria dan wanita. DAFTAR RUJUKAN DTREG, R, (2007), Software DTREG Predictive Modeling Software, University of Cukurova.
PENERAPAN DATA MINING UNTUK MEMPREDISI MINAT ANGGOTA TERHADAP PRODUK KOPERASI PTPN VII MUSILANDAS
PENERAPAN DATA MINING UNTUK MEMPREDISI MINAT ANGGOTA TERHADAP PRODUK KOPERASI PTPN VII MUSILANDAS Wahyu Ryandi 1), Drs. H. Jemakmun, M.Si 2), Eka Puji Agustini, M.M., M.Kom 3) Jalan Jenderal Ahmad Yani
Lebih terperinciSOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA
SOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA Ade Putra Fakultas Vokasi, Program Studi Komputerisasi Akuntansi Universitas Bina Darma
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 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 terperinciPENERAPAN DATA MINING SEBAGAI MODEL SELEKSI PENERIMA BEASISWA PENUH (STUDI KASUS: STIE PERBANAS SURABAYA)
ISSN 1858-4667 JURNAL LINK VOL. 27/No. 1/Februari 2018 PENERAPAN DATA MINING SEBAGAI MODEL SELEKSI PENERIMA BEASISWA PENUH (STUDI KASUS: STIE PERBANAS SURABAYA) Hariadi Yutanto 1, Nurcholis Setiawan 2
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 terperinciIDENTIFIKASI LAMA STUDI BERDASARKAN KARAKTERISTIK MAHASISWA MENGGUNAKAN ALGORITMA C4.5
IDENTIFIKASI LAMA STUDI BERDASARKAN KARAKTERISTIK MAHASISWA MENGGUNAKAN ALGORITMA C4.5 (Studi Kasus Lulusan Fakultas Sains dan Matematika Universitas Diponegoro Tahun 2013/2014) asa M arga ro) C ng Semara
Lebih terperinciRayendra AMIK Kosgoro Solok
TEKNIK KLASIFIKASI PENYUSUTAN VOLUME PUPUK TERHADAP PENYIMPANAN DI GUDANG MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS : GUDANG PERSEDIAAN PUPUK PT. PUSRI KOTA SOLOK) Rayendra AMIK Kosgoro Solok Email : rayzha1206@gmail.com
Lebih terperinci- PERTEMUAN 1 - KNOWLEGDE DISCOVERY
DATA WAREHOUSE - PERTEMUAN 1 - KNOWLEGDE DISCOVERY in DATABASE (KDD) Penemuan Pengetahuan di Database Tujuan : Mahasiswa Dapat memahami konsep KDD yang merupakan tujuan akhir dari Data Warehouse dan Data
Lebih terperinciPENERAPAN DATA MINING UNTUK MEMPREDIKSI MINAT NASABAH PADA AJB BUMIPUTERA 1912 PALEMBANG
PENERAPAN DATA MINING UNTUK MEMPREDIKSI MINAT NASABAH PADA AJB BUMIPUTERA 1912 PALEMBANG Rendra Octa Chandra 1, A. Haidar Mirza 2, Kurniawan 3 Dosen Universitas Bina Darma 2,3, Mahasiswa Universitas Bina
Lebih terperinciKlasifikasi Data Karyawan Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree
Klasifikasi Data Karyawan Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree Disusun oleh : Budanis Dwi Meilani Achmad dan Fauzi Slamat Jurusan Sistem Informasi Fakultas Teknologi Informasi.
Lebih terperinciMateri 1 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya
Materi 1 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya nizar.radliya@yahoo.com Nama Mahasiswa NIM Kelas 1. Memahami cakupan materi dan sistem perkuliahan Data Mining.
Lebih terperinciPENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PREDIKAT KEBERHASILAN MAHASISWA DI AMIK TUNAS BANGSA. Abstrak
JURASIK (Jurn Riset Sistem Informasi & Teknik Informatika) ISSN 2527-5771 PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PREDIKAT KEBERHASILAN MAHASISWA DI AMIK TUNAS BANGSA Yuni Sara Luvia 1, Dedy Hartama
Lebih terperinciBAB I PENDAHULUAN. pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses
BAB I PENDAHULUAN A. Latar Belakang Masalah Data mining adalah suatu konsep yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik yang
Lebih terperinciBAB I PENDAHULUAN. Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang akurat
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga informasi akan menjadi
Lebih terperinciPenerapan Data Mining Penjualan Sepatu Menggunakan Metode Algoritma Apriori
Penerapan Data Mining Penjualan Sepatu Menggunakan Metode Algoritma Apriori Erma Delima Sikumbang Komputerisasi Akuntansi AMIK BSI Jakarta Jl. RS Fatmawati No. 24 Pondok Labu Jakarta Selatan Erma@bsi.ac.id
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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Konsep Pemasaran Dalam merancang dan mengembangkan produk, baik yang berupa jasa maupun barang, tidak terlepas dari konsep pemasaran yang bertujuan memenuhi
Lebih terperinciIMPLEMENTASI KNOWLEDGE DISCOVERY IN DATABASE (KDD) DALAM SERVICE LEVEL AGREEMENT (SLA) KLAIM PADA ASURANSI KESEHATAN
IMPLEMENTASI KNOWLEDGE DISCOVERY IN DATABASE (KDD) DALAM SERVICE LEVEL AGREEMENT (SLA) KLAIM PADA ASURANSI KESEHATAN Fahrul Nurzaman Teknik Informatika, Fakultas Teknik Universitas Persada Indonesia Y.A.I
Lebih terperinciDATA & INFORMASI. Defri Kurniawan
DATA & INFORMASI Defri Kurniawan defri.kurniawan@dsn.dinus.ac.id RENCANA KEGIATAN PERKULIAHAN SEMESTER W Pokok Bahasan 1 Pengenalan Teknologi Informasi 2 Konsep Sistem Komputer & Pengenalan Perangkat Keras
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 terperinciBAB II TINJAUAN PUSTAKA Indeks Prestasi Kumulatif dan Lama Studi. menggunakan dokumen/format resmi hasil penilaian studi mahasiswa yang sudah
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Indeks Prestasi Kumulatif dan Lama Studi Mahasiswa yang telah menyelesaikan keseluruhan beban program studi yang telah ditetapkan dapat dipertimbangkan
Lebih terperinciPENERAPAN DATA MINING UNTUK MENENTUKAN STRATEGI PENJUALAN PADA TOKO BUKU GRAMEDIA MENGGUNAKAN METODE CLUSTERING
PENERAPAN DATA MINING UNTUK MENENTUKAN STRATEGI PENJUALAN PADA TOKO BUKU GRAMEDIA MENGGUNAKAN METODE CLUSTERING Tri Utami Putri 1, M.Izman H,S.T.,M.M.,PhD 2, Susan Dian PS M.Kom 3 Mahasiswa Universitas
Lebih terperinciPREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES
PREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES Selvy Megira 1), Kusrini 2), Emha Taufiq Luthfi 3) 1), 2), 3) Teknik Universitas AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperinciPENGKLASIFIKASIAN MINAT BELAJAR MAHASISWA DENGAN MODEL DATA MINING MENGGUNANAKAN METODE CLUSTERING
PENGKLASIFIKASIAN MINAT BELAJAR MAHASISWA DENGAN MODEL DATA MINING MENGGUNANAKAN METODE CLUSTERING Marlindawati 1) Andri 2) 1) Manajemen Informatika Universitas Bina Darma Jl. Ahmad Yani No. 3, Palembang
Lebih terperinciIMPLEMENTASI ALGORITMA C4.5 UNTUK KLASIFIKASI BIDANG KERJA ALUMNI DI STMIK LPKIA BANDUNG
IMPLEMENTASI ALGORITMA C4.5 UNTUK KLASIFIKASI BIDANG KERJA ALUMNI DI STMIK LPKIA BANDUNG 1 Ati Suci Dian Martha, 2 Afryanto Redy 1 Program Studi Sistem Informasi STMIK LPKIA 1 Program Studi Sistem Informasi
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 terperinciPenerapan Algoritma C4.5 Untuk Menentukan Kesesuaian Lensa Kontak dengan Mata Pasien
1 Penerapan Algoritma C4.5 Untuk Menentukan Kesesuaian Lensa Kontak dengan Mata Pasien Ketut Wisnu Antara 1, Gede Thadeo Angga Kusuma 2 Jurusan Pendidikan Teknik Informatika Universitas Pendidikan Ganesha
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. dan fakor-faktor penyebab masalah tersebut bisa terjadi diantaranya. dimanfaatkan dan dikelola dengan baik.
BAB IV HASIL DAN PEMBAHASAN 4.1. Identifikasi Masalah Dalam menentukan status calon dosen dan dosen tetap terdapat masalahmasalah dan fakor-faktor penyebab masalah tersebut bisa terjadi diantaranya sebagai
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA
JURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA IMPLEMENTATION OF DATA MINING WITH C4.5 ALGORITHM TO PREDICT STUDENT ACHIEVEMENT Oleh: SITI MUHIMATUL KHOIROH NPM
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 terperinciKLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING
KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING Moh Ahsan Universitas Kanjuruhan Malang ahsan@unikama.ac.id ABSTRAK. Universitas Kanjuruhan Malang
Lebih terperinciPenerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 39 Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi Irwan
Lebih terperinciIMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA Irwan Budiman 1, Dodon Turianto Nugrahadi 2, Radityo Adi Nugroho 3 Universitas Lambung Mangkurat 1,2,3 irwan.budiman@unlam.ac.id
Lebih terperinciIMPLEMENTASI DATA MINING UNTUK MENGETAHUI PERILAKU SESEORANG DALAM MEMBELI ALAT PANAHAN
IMPLEMENTASI DATA MINING UNTUK MENGETAHUI PERILAKU SESEORANG DALAM MEMBELI ALAT PANAHAN PUBLIKASI ILMIAH Disusun sebagai salah satu syarat menyelesaikan Program Studi Strata I pada Program Studi Informatika
Lebih terperinciMODEL DATA MINING DALAM PENGKLASIFIKASIAN KETERTARIKAN BELAJAR MAHASISWA MENGGUNAKAN METODE CLUSTERING
MODEL DATA MINING DALAM PENGKLASIFIKASIAN KETERTARIKAN BELAJAR MAHASISWA MENGGUNAKAN METODE CLUSTERING Marlindawati1), Andri2) 1), 2) Sistem Informasi UNIVERSITAS BINA DARMA Palembang Jl, Jend. A.Yani
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Dropout Data mining
BAB 1 PENDAHULUAN Bab ini membahas mengenai latar belakang masalah, identifikasi masalah, ruang lingkup tugas akhir, maksud dan tujuan tugas akhir, metode penelitian tugas akhir, dan sistematika penulisan
Lebih terperinciPENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK MEMPREDIKSI KELANCARAN PEMBAYARAN NASABAH. (Studi Kasus: BMT Al Ikhwan) NASKAH PUBLIKASI
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK MEMPREDIKSI KELANCARAN PEMBAYARAN NASABAH (Studi Kasus: BMT Al Ikhwan) NASKAH PUBLIKASI diajukan oleh Tria Septia Depi 11.11.5403 kepada JURUSAN TEKNIK
Lebih terperinciResearch of Science and Informatic
Sains dan Informatika Vol.1 (N0.1) (2015): 20-29 22 Nisfa Ridha Yani, Gunadi Widi Nurcahyo, Implementasi Data Mining JURNAL SAINS DAN INFORMATIKA Research of Science and Informatic e-mail: jit.kopertis10@gmail.com
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Data yang digunakan dalam penelitian ini adalah data warehouse
1.1.Pengumpulan data BAB IV HASIL DAN PEMBAHASAN Data yang digunakan dalam penelitian ini adalah data warehouse Graduation Universitas Muhammadiyah Yogyakarta pada Fakultas Teknik UMY tahun kelulusan 2013,
Lebih terperinciSISTEM REKOMENDASI PENENTUAN JUDUL SKRIPSI MENGGUNAKAN ALGORITMA DECISION TREE
SISTEM REKOMENDASI PENENTUAN JUDUL SKRIPSI MENGGUNAKAN ALGORITMA DECISION TREE A Sofalul Khazari 1), Fitri Marisa 2), Indra Dharma Wijaya 3) 1) Mahasiswa Fakultas Teknik, Universitas Widyagama Email: khazari.sofalul@gmail.com
Lebih terperinciDECISION TREE BERBASIS ALGORITMA UNTUK PENGAMBILAN KEPUTUSAN
ISSN : 1978-6603 DECISION TREE BERBASIS ALGORITMA UNTUK PENGAMBILAN KEPUTUSAN Zulfian Azmi #1, Muhammad Dahria #2 #1 Program Studi Sistem Komputer, #2 Program Studi Sistem Informasi STMIK Triguna Dharma
Lebih terperinciIDENTIFIKASI TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN METODE CLUSTERING ALGORITMA K-MEANS SKRIPSI
1 IDENTIFIKASI TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN METODE CLUSTERING ALGORITMA K-MEANS SKRIPSI Disusun Oleh: DISKA RENATA PUTRI 1032010066 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
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 terperinciBAB 1 KONSEP DATA MINING 2 Gambar 1.1 Perkembangan Database Permasalahannya kemudian adalah apa yang harus dilakukan dengan data-data itu. Sudah diket
Bab1 Konsep Data Mining POKOK BAHASAN: Konsep dasar dan pengertian Data Mining Tahapan dalam Data Mining Model Data Mining Fungsi Data Mining TUJUAN BELAJAR: Setelah mempelajari materi dalam bab ini, mahasiswa
Lebih terperincikhazanah Aplikasi Pemrediksi Masa Studi dan Predikat Kelulusan Mahasiswa Informatika Universitas Muhammadiyah Surakarta Menggunakan Metode Naive Bayes
29 khazanah informatika Jurnal Ilmu Komputer dan Informatika Aplikasi Pemrediksi Masa Studi dan Predikat Kelulusan Mahasiswa Informatika Universitas Muhammadiyah Surakarta Menggunakan Muh Amin Nurrohmat
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 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 terperinciPENERAPAN DATA MINING DENGAN METODE INTERPOLASI UNTUK MEMPREDIKSI MINAT KONSUMEN ASURANSI (Studi Kasus Asuransi Metlife)
Media Informatika, Vol. 5, No. 2, Desember 2007, 113-128 ISSN: 0854-4743 PENERAPAN DATA MINING DENGAN METODE INTERPOLASI UNTUK MEMPREDIKSI MINAT KONSUMEN ASURANSI (Studi Kasus Asuransi Metlife) Sandy Kurniawan,
Lebih terperinciIMPLEMENTASI DATA MINING DENGAN NAIVE BAYES CLASSIFIER UNTUK MENDUKUNG STRATEGI PROMOSI (Studi kasus Universitas Bina Darma Palembang)
J u r n a l 1 IMPLEMENTASI DATA MINING DENGAN NAIVE BAYES CLASSIFIER UNTUK MENDUKUNG STRATEGI PROMOSI (Studi kasus Universitas Bina Darma Palembang) Deny Wahyudi 1, A.Haidar Mirza,S.T.,M.Kom. 2, Merrieayu
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Education data mining merupakan penelitian didasarkan data di dunia pendidikan untuk menggali dan memperoleh informasi tersembunyi dari data yang ada. Pemanfaatan education
Lebih terperinciPenerapan Data Mining dalam Memprediksi Pembelian cat
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Penerapan Data Mining dalam Memprediksi Pembelian cat Fitriana Harahap STMIK POTENSI UTAMA Jl. KL. Yos Sudarso KM 6,5
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 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 terperinci2. Tinjauan Pustaka. Gambar 2-1 : Knowledge discovery in database
2. Tinjauan Pustaka 2.1 Data Mining Data mining merupakan ilmu yang mempelajari tentang proses ekstraksi informasi yang tersembunyi dari sekumpulan data yang berukuran sangat besar dengan menggunakan algoritma
Lebih terperinciAPLIKASI DATA MINING DENGAN METODE CLASSIFICATION BERBASIS ALGORITMA C4.5
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 APLIKASI DATA MINING DENGAN METODE CLASSIFICATION BERBASIS ALGORITMA C4.5 Rizky Tahara Shita 1), Nita Marliani 2) 1, 2) Universitas Budi Luhur,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1.1 Data Mining Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi
Lebih terperinciIMPLEMENTASI ALGORITMA FUZZY SEBAGAI PENGGALIAN INFORMASI KETERLAMBATAN KELULUSAN TUGAS AKHIR MAHASISWA DENGAN METODE DECISION TREE
IMPLEMENTASI ALGORITMA FUZZY SEBAGAI PENGGALIAN INFORMASI KETERLAMBATAN KELULUSAN TUGAS AKHIR MAHASISWA DENGAN METODE DECISION TREE Yusni Amaliah 1), Ummi Syafiqoh 2), Eviana Tjatur Putri (3) 1,2) Sistem
Lebih terperinciDESAIN APLIKASI UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA. Oleh : Rita Prima Bendriyanti ABSTRAK
DESAIN APLIKASI UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA Oleh : Rita Prima Bendriyanti ABSTRAK Penelitian ini menggunakan metode observasi, dengan melihat atau mengamati secara langsung
Lebih terperinciALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN
ALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN Devi Sugianti Program Studi Sistem Informasi,STMIK Widya Pratama Jl. Patriot 25 Pekalongan Telp (0285)427816 email
Lebih terperinciPEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5
PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Jurusan Sistem Informasi, STMIK Indonesia 1 syam@stmik-indonesia.ac.id,
Lebih terperinciinformation karena data yang terkumpul itu tidak dapat digunakan untuk aplikasi
ABSTRAK Perkembangan data mining (DM) yang pesat tidak dapat lepas dari perkembangan teknologi informasi yang memungkinkan data dalam jumlah besar terakumulasi sejalan dengan pertumbuhan teknologi informasi.
Lebih terperinciKLASIFIKASI MASA STUDI MAHASISWA FAKULTAS KOMUNIKASI DAN INFORMATIKA UNIVERSITAS MUHAMMADIYAH SURAKARTA MENGGUNAKAN ALGORITMA C4.5
84 KomuniTi, Vol. VI, No. 1 Maret 2014 KLASIFIKASI MASA STUDI MAHASISWA FAKULTAS KOMUNIKASI DAN INFORMATIKA UNIVERSITAS MUHAMMADIYAH SURAKARTA MENGGUNAKAN ALGORITMA C4.5 Yusuf Sulistyo Nugroho 1, Setyawan
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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Secara sederhana data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Data mining
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 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 DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5
PENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5 Annisak Izzaty Jamhur Universitas Putera Indonesia YPTK Padang e-mail: annisakizzaty@yahoo.com Abstract
Lebih terperincibelajar siswa karena siswa dengan mudah memahami pelajaran, Faktor pendukung penggunaan media pembelajaran, siswa di smart class sangat aktif, sarana
ABSTRAK Skripsi dengan judul Penggunaan Media Pembelajaran PAI dalam Meningkatkan Motivasi Belajar Siswa pada Smart Class (Kelas Unggulan) di SMP Negeri 3 Kota Kediri ini ditulis oleh Vivi Nuraini, pembimbing
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) adalah sistem komputer yang saling berhubungan dan menjadi alat bantu bagi seorang
Lebih terperinciJURNAL IMPLEMENTASI ALGORITMA C4.5 DALAM PENENTUAN JURUSAN DI SMK PEMUDA PAPAR KEDIRI
JURNAL IMPLEMENTASI ALGORITMA C4.5 DALAM PENENTUAN JURUSAN DI SMK PEMUDA PAPAR KEDIRI C4.5 ALGORITHM IMPLEMENTATION IN DETERMINING THE DEPARTMENT OF SMK PEMUDA PAPAR KEDIRI Oleh: MARISA FITRI FATMAWATI
Lebih terperinciPENERAPAN TEKNIK DATA MINING UNTUK MENENTUKAN HASIL SELEKSI MASUK SMAN 1 GIBEBER UNTUK SISWA BARU MENGGUNAKAN DECISION TREE
PENERAPAN TEKNIK DATA MINING UNTUK MENENTUKAN HASIL SELEKSI MASUK SMAN 1 GIBEBER UNTUK SISWA BARU MENGGUNAKAN DECISION TREE Castaka Agus Sugianto Program Studi Teknik lnformatika Politeknik TEDC Bandung
Lebih terperinciPENERAPAN ALGORITMA C4.5 DALAM PEMILIHAN BIDANG PEMINATAN PROGRAM STUDI SISTEM INFORMASI DI STMIK POTENSI UTAMA MEDAN
PENERAPAN ALGORITMA C4.5 DALAM PEMILIHAN BIDANG PEMINATAN PROGRAM STUDI SISTEM INFORMASI DI STMIK POTENSI UTAMA MEDAN Fina Nasari 1 1 Sistem Informasi, STMIK Potensi Utama 3 Jalan K.L. Yos Sudarso KM.
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 terperinciJurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017 50 APLIKASI KLASIFIKASI ALGORITMA C4.5 (STUDI KASUS MASA STUDI MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGOLAH INFORMASI KONSENTRASI KEAHLIAN DENGAN METODE CLUSTERING PADA UNIVERSITAS BINA DARMA.
PENERAPAN DATA MINING UNTUK MENGOLAH INFORMASI KONSENTRASI KEAHLIAN DENGAN METODE CLUSTERING PADA UNIVERSITAS BINA DARMA Kikie Riesky Andini 1, M. Akbar 2, Helda Yudiastuti 3 Mahasiswa 1, Dosen 2 Jalan
Lebih terperinciPROPOSAL PENELITIAN. PENERAPAN DATA MINING UNTUK MENINGKATKAN PENJUALAN PADA PT. XL AXIATA, Tbk PALEMBANG
PROPOSAL PENELITIAN PENERAPAN DATA MINING UNTUK MENINGKATKAN PENJUALAN PADA PT. XL AXIATA, Tbk PALEMBANG I. PENDAHULUAN 1.1. Latar Belakang Kemajuan perkembangan teknologi informasi pada era globalisasi
Lebih terperinciPEMANFAATAN ALGORITMA ID3 UNTUK KLASIFIKASI IPK MAHASISWA PROGRAM STUDI PENDIDIKAN MATEMATIKA UN PGRI KEDIRI
PEMANFAATAN ALGORITMA ID3 UNTUK KLASIFIKASI IPK MAHASISWA PROGRAM STUDI PENDIDIKAN MATEMATIKA UN PGRI KEDIRI SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Pendidikan ( S.Pd
Lebih terperinciBAB I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Data mining adalah suatu konsep yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik yang menggunakan
Lebih terperinciProsiding SNATIF Ke-1 Tahun 2014 ISBN:
SISTEM PENDUKUNG KEPUTUSAN UNTUK MEMPREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NAÏVE BAYES Diana Laily Fithri, Eko Darmanto Program Studi Sistem Informasi, Fakultas Teknik, Universitas Muria Kudus
Lebih terperinciBAB I PENDAHULUAN. Oleh karena itu dalam melakukan Kegiatan usahanya sehari-hari bank harus
BAB I PENDAHULUAN I.1. Latar Belakang Bank adalah lembaga keuangan yang usaha pokoknya adalah menghimpun dana dan menyalurkan kembali dana tersebut ke masyarakat dalam bentuk kredit serta memberikan jasa-jasa
Lebih terperinciMajalah Ilmiah UPI YPTK, Volume 20, No. 1, Maret
Majalah Ilmiah UPI YPTK, Volume 20, No. 1, Maret 2013 12 PENERAPAN ALGORITMA C 4.5 DALAM MEMPEROLEH DECISION TREE UNTUK MEMPREDIKSI PENENTUAN RESIKO KREDIT PADA BANK BPR BUKITTANDANG MANDIRI PADANG MENGGUNAKAN
Lebih terperinciIMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI KELULUSAN MAHASISWA FAKULTAS KOMUNIKASI DAN INFORMATIKA UMS MENGGUNAKAN METODE NAIVE BAYES.
IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI KELULUSAN MAHASISWA FAKULTAS KOMUNIKASI DAN INFORMATIKA UMS MENGGUNAKAN METODE NAIVE BAYES Makalah Program Studi Teknik Informatika Fakultas Komunikasi Dan Informatika
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penelitian terkait Penelitian ini sebelumnya dilakukan studi kepustakaan dari penelitian terdahulu sebagai dasar atau acuan untuk menyelesaikan tugas akhir. Dari studi kepustakaan
Lebih terperinciDATA MINING KLASIFIKASI BERBASIS DECISION TREE. Ramadhan Rakhmat Sani, M.Kom
DATA MINING KLASIFIKASI BERBASIS DECISION TREE Ramadhan Rakhmat Sani, M.Kom Text Book Outline 1. Algoritma Data Mining Algoritma ID3 Algoritma C4.5 Algoritma C4.5 Introduction Algoritma C4.5 merupakan
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 1.1 Analisa dan Identifikasi Penjurusan mahasiswa merupakan hal krusial, dimana mahasiswa yang memilih jurusan sesuai dengan kompetensi yang dimiliki akan dikatakan berhasil
Lebih terperinciPENERAPAN DATA MINING MENGGUNAKAN ALGORITME C4.5 DALAM PENENTUAN JURUSAN SISWA SMA NEGERI 2 SURAKARTA
PENERAPAN DATA MINING MENGGUNAKAN ALGORITME C4.5 DALAM PENENTUAN JURUSAN SISWA SMA NEGERI 2 SURAKARTA oleh NADYA AL FITRIANI M0111060 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
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 terperinciPenerapan Algoritma Cart Untuk Memprediksi Status Kelulusan Mahasiswa
ISSN: 2089-3787 1215 Penerapan Algoritma Cart Untuk Memprediksi Status Kelulusan Mahasiswa Muhammad Faisal Amin Program Studi Teknik Informatika, STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru Faisal.indonesia@gmail.com
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 terperinciPEMANFAATAN DATA MINING UNTUK MENINGKATKAN PENJUALAN PUPUK UREA DI PEMASARAN PUSRI DAERAH SUMATERA SELATAN
PEMANFAATAN DATA MINING UNTUK MENINGKATKAN PENJUALAN PUPUK UREA DI PEMASARAN PUSRI DAERAH SUMATERA SELATAN Teddy Sanjaya Dosen Universitas Bina Darma 1, Mahasiswa Universitas Bina Darma 2 Jalan Jenderal
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciBAB I PENDAHULUAN. dari pemikiran-pemikiran manusia yang semakin maju, hal tersebut dapat. mendukung bagi pengembangan penyebaran informasi.
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dan ilmu pengetahuan pada masa globalisasi ini dirasakan telah semakin pesat dan canggih. Semua ini dikarenakan hasil dari pemikiran-pemikiran
Lebih terperinciPERBANDINGAN DECISION TREE
84 2015 Jurnal Krea-TIF Vol: 03 No: 02 PERBANDINGAN DECISION TREE PADA ALGORITMA C 4.5 DAN ID3 DALAM PENGKLASIFIKASIAN INDEKS PRESTASI MAHASISWA (Studi Kasus: Fasilkom Universitas Singaperbangsa Karawang)
Lebih terperinciDATA MINING POTENSI AKADEMIK SISWA BERBASIS ONLINE
Didik Setiyadi, Ali Nurdin DATA MINING POTENSI AKADEMIK SISWA BERBASIS ONLINE 1 DIDIK SETIYADI, 2 ALI NURDIN 1,2 Sekolah Tinggi Manajemen Informatika dan Komputer Eresha Program Studi : Teknik Informatika
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 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN Dalam bab ini berisi penjelasan mengenai latar belakang masalah, identifikasi masalah, tujuan tugas akhir, lingkup tugas akhir, metode penelitian serta sistematika penulisan. 1.1 Latar
Lebih terperinci