PENGGUNAAN ALGORITHMA APRIORI DALAM MENGANALISA PRILAKU MAHASISWA DALAM MEMILIH MATA KULIAH ( STUDI KASUS : FKIP UPI YPTK )
|
|
- Sucianty Setiabudi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGGUNAAN ALGORITHMA APRIORI DALAM MENGANALISA PRILAKU MAHASISWA DALAM MEMILIH MATA KULIAH ( STUDI KASUS : FKIP UPI YPTK ) SARJON DEFIT Fakultas Ilmu Komputer Universitas Putra Indonesia YPTK sarjond@yahoocouk ABSTRAK Algoritma Apriori merupakan salah satu algoritma dalam data mining untuk jenis rule asosiasi Dalam penelitian ini, Apriori digunakan untuk menganalisa prilaku mahasiswa dalam memilih mata kuliah Pengujian telah dilakukan menggunakan data mahasiswa Program Studi teknik Informatika dan Komputer FKIP UPI YPTK Padang Hasil pengujian memperlihatkan bahwa algoritma Apriori dapat menghasilkan rule asosiasi yang diinginkan dan selanjutnya digunakan untuk menganalisa prilaku mahasiswa dalam memilih mata kuliah Kata Kunci: Data Mining, Rule Asosiasi, Apriori, Mata Kuliah ABSTRACT Apriori algorithm is one of algorithms in data mining for rule association In this research, Apriori algorithm is used to analyze student s behavior in selection subjects Testing has been conducted by using student s data of Information Technology Program Study, FKIP-YPTK Padang The result shows that Apriori algorithm can generate association rules required to analyze student s behavior in selecting subjects Keywords: Data Mining, Association Rules, Apriori, Subject 1 PENDAHULUAN Data Mining merupakan proses iteratif dan interaktif untuk menemukan pola atau model baru yang sempurna, bermanfaat dan dapat di mengerti dalam suatu database yang sangat besar (Fajar, AH 2013, Kusrini & Emha, TL 2009) Berbagai metode atau algoritma yang diterapkan data mining Salah satu metode data mining untuk menghasilkan bentuk pola yang dihasilkan data mining adalah Association Rule Association Rule dikenal juga sebagai salah satu teknik dasar pada data mining yang digunakan untuk menemukan pola dari sekumpulan data Untuk menemukan association rule terdapat berbagai algoritma Penggunaan Algorithma Apriori (Sarjon Defit) 31
2 yang digunakan, salah satunya adalah algoritma Apriori karena algoritma Apriori termasuk jenis aturan asosiasi pada data mining Penerapan algoritma Apriori sudah digunakan seperti analisis keranjang belanja, transaksi penjualan, penyusunan buku perpustakaan, menampilkan informasi tingkat kelulusan, dan pemilihan program studi, serta perancangan sistem informasi dengan algoritma apriori Dengan kondisi Perguruan Tinggi yang menggunakan sistem SKS, maka pemilihan mata kuliah sangat penting karena berkaitan dengan bidang minat dan pengambilan tugas akhir mahasiswa tersebut, Namun mahasiswa selalu mengalami pertimbangan yang sulit dalam memilih mata kuliah karena disamping perlunya mempelajari prasyarat pengambilan mata kuliah, tujuan dan fungsi mata kuliah yang akan di pilih, serta kesesuaian bidang minat dengan program studi dari jurusan yang ada Oleh karena itu, perlu dilakukan analisa pola pemilihan mata kuliah Dengan memanfaatkan data Kartu Rencana Studi (KRS) sebagai sumber data yang akan digunakan kedalam proses algoritma Apriori, akan dapat diketahui pola pemilihan mata kuliaht Studi kasus ini sangat diperlukan sehingga dapat diketahui kecenderungan prilaku mahasiswa dalam memilih mata kuliah yang sesuai dengan bidang minat ataupun yang tidak sesuai dengan bidang minat yang diharapkan dan dapat diketahui tingkat keyakinan mahasiswa secara berkelompok maupun secara perorangan dalam memilih mata kuliah Dari uraian diatas, dalam jurnal ini, maka penulis melakukan penelitian dengan judul Penggunaan Algoritma Apriori Dalam Menganalisa Prilaku Mahasiswa Dalam Memilih Mata Kuliah 2 LANDASAN TEORI 21 Data Mining Data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar (Beta, N, & Nurdin, B 2010, Sani, S, & Dedy, S 2010) Data mining sering juga disebut knowledge discovery in database (KDD), adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau hubungan dalam set data berukuran besar Keluaran dari data mining ini bisa dipakai untuk memperbaiki pengambilan keputusan di masa depan Sehingga istilah pattern recognition sekarang jarang digunakan karena termasuk bagian dari data mining (Budi, S 2007) Knowledge Discovery in Database (KDD) adalah penerapan metode saintifik pada data mining Dalam konteks ini data mining merupakan satu langkah dari proses KDD (Fajar, AH 2013, Randy, OP 2012) Menurut Turban dalam bukunya yang berjudul Decision Support Systems and Intelligent Systems, data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan Penggunaan Algorithma Apriori (Sarjon Defit) 32
3 di dalam basis data Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai basis data besar (Goldie, G, & Dana, IS 2012) 22 Rule Asosiasi Association rules merupakan salah satu metode yang bertujuan mencari pola yang sering muncul diantara banyak transakasi, dimana setiap transaksi terdiri dari beberapa item Pada transaksi yang terdapat item X terdapat kemungkinan ada item Y juga didalamnya, di notasikan X Y, dimana X dan Y adalah disjoint itemset, dinotasikan X Y, kumpulan dari transaksi-transaksi ini disebut dengan itemset, yang di notasikan dengan I k (k=1, 2, m) Jika terdapat itemset, yang mempunyai item sebanyak k, maka disebut dengan k-itemset (Nugroho, W, Rully, AH, & Ahmad, M 2012) Associantion rule ini akan menghasilkan rule yang menggunakan seberapa besar hubungan antar X dan Y, dan diperlukan dua ukuran untuk rule ini, yakni support dan confidence Support merupakan kemungkinan X dan Y muncul bersamaan yang dinotasikan: Sedangkan confidence merupakan kemungkinan munculnya Y ketika X juga muncul, dinotasikan: Langkah pertama pada association rule adalah menghasilkan semua itemset yang memungkinkan dengan kemungkinan itemset yang muncul dengan m-item adalah 2 m Karena besarnya komputasi untuk menghitung frequent itemset, yang membandingkan setiap kandidat itemset dengan setiap transaksi, maka ada beberapa pendekatan untuk mengurangi komputasi tersebut, salah satunya dengan algoritma apriori Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan asosiasi antara suatu kombinasi item Interestingness measure yang dapat digunakan dalam data mining adalah (Goldie, G, & Dana, IS 2012) : a Support, adalah suatu ukuran yang menunjukkan seberapa besar tingkat dominasi suatu item atau itemset dari keseluruhan transaksi b Confidence, adalah suatu ukuran yang menunjukkan hubungan antar dua item secara conditional (berdasarkan suatu kondisi tertentu) Metodologi dasar analisis asosiasi terbagi menjadi 2 tahap, yakni melakukan analisa pola frekuensi tinggi (frequent pattern) Penggunaan Algorithma Apriori (Sarjon Defit) 33
4 dan berikutnya adalah proses pembentukan aturan asosiasi Permasalahan association rule dapat dikomposisikan menjadi dua sub masalah, yaitu (Magdalena, K, Dhinta, D, & Dana, SK 2007, Dana, SK, MochAB, & Dhinta, D 2003) : a Penemuan semua item-item, yang disebut frequent-itemset, yang support-nya lebih besar daripada minimum support b Gunakan frequent-itemset untuk membangkitkan aturan yang diinginkan Idenya adalah, katakan, ABCD dan AB sering muncul dalam transaksi, maka aturan AB akan dipenuhi jika perbandingan antara support(abcd) terhadap support(ab) minimum sebesar minimum confidence Semua rule akan mempunyai minimum support karena ABCD sering muncul dalam transaksi Setelah memilih dataset dan menentukan nilai minimum support dan minimum confidence yang akan digunakan dalam proses, baru dilakukan proses perhitungan association rule Setelah selesai proses perhitungan selesai, sistem akan menampilkan rule yang dihasilkan dan nilai confidencenya (Eko, WTD 2008) 23 Algorithma Apriori Algoritma Apriori adalah suatu algoritma dasar yang diusulkan oleh Agrawal & Srikant pada tahun 1994 untuk penentuan frequent itemsets untuk aturan asosiasi boolean (Goldie, G, & Dana, IS 2012) Apriori adalah suatu algoritma yang sudah sangat dikenal dalam melakukan pencarian frequent itemset dengan menggunakan teknik association rule Algoritma Apriori menggunakan knowledge mengenai frequent itemset yang telah diketahui sebelumnya, untuk memproses informasi selanjutnya Pada algoritma Apriori untuk menentukan kandidat kandidat yang mungkin muncul dengan cara memperhatikan minimum support (Erwin 2009) Adapun dua proses utama yang di lakukan dalam algortima Apriori, yaitu: a Join (penggabungan) Pada proses ini setiap item dikombinasikan dengan item yang lainnya sampai tidak berbentuk kombinasi lagi b Prune (Pemangkasan) Pada proses ini, hasil dari item yang telah dikombinasikan tadi lalu dipangkas dengan menggunakan minimum support yang telah ditentukan oleh user Walaupun algoritma Apriori mudah untuk dipahami dan dimplementasikan dibandingkan dengan algoritma lainnya yang memang diterapkan untuk proses association rule, akan tetapi algoritma Apriori juga memiliki kekurangan yaitu, untuk melakukan pencarian frequent itemset, algoritma Apriori harus melakukan scanning database berulang kali untuk setiap kombinasi item Hal tersebut menyebabkan banyaknya waktu yang dibutuhkan utnuk melakukan Penggunaan Algorithma Apriori (Sarjon Defit) 34
5 scanning database Selain itu, dibutuhkan generate candidate yang besar untuk mendapatkan kombinasi item dari database Algoritma apriori termasuk jenis aturan asosiasi pada data mining Selain apriori, yang termasuk pada golongan ini adalah metode Generalized Rule Induction dan Algoritma Hash Based Aturan yang menyatakan asosiasi antara beberapa atribut sering disebut affinity analysis atau market analysis Analisa asosiasi atau association rule minig adalah teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item (Kusrini & Emha, TL 2009, Yogi, YW, F Rian, P, & Gerry, T (2006) Algoritma Apriori dibagi menjadi beberapa tahap yang disebut iterasi Tiap iterasi menghasilkan pola frekuensi tinggi dengan panjangyang sama dimulai dari pass pertama yang menghasilkan pola frekuensi tinggi dengan panjang satu Di iterasi pertama ini, support dari setiap item dihitung dengan menscan database Setelah support dari setiap item kandidapat, item yang memiliki support diatas minimum support dipilih sebagai pola frekuensi tinggi dengan panjang 1 atau sering disingkat 1-itemset Singkatan k-itemset berarti satu set yang terdiri dari k item (Beta, N, & Nurdin, B 2010, Kusrini & Emha, TL 2009) Iterasi kedua menghasilkan 2-itemset yang tiap set-nya memiliki dua item Pertama dibuat kandidat 2-itemset dari kombinasi semua 1-itemset Lalu untuk tiap kandidat 2-itemset ini dihitung support-nya dengan men-scan database Support disini artinya jumlah transaksi dalam database yang mengandung kedua item dalam kandidat 2-itemset Setelah support dari semua kandidat 2-itemset didapatkan, kandidat 2- itemset yang memenuhi syarat minimum support dapat ditetapkan sebagai 2-itemset yang juga merupakan pola frekuensi tinggi dengan panjang 2 Untuk selanjutnya pada iterasi ke-k dapat dibagi lagi menjadi beberapa bagian: 1 Pembentukan kandidat itemset Kandidat itemset dibentuk dari kombinasi (k-1)-itemset yang didapat dari iterasi sebelumnya Satu ciri dari algoritma Apriori adalah adanya pemangkasan kandidat k-itemset yang subnet-nya yang berisi k-1 item tidak termasuk dalam pola frekuensi tinggi dengan panjang k-1 2 Penghitungan support dari tiap kandidat k-itemset Support dari tiap kandidat k-itemset didapat dengan men-scan database untuk menghitung jumlah transaksi yang memuat semua item di dalam kandidat k- itemset tersebut Ini adalah juga ciri dari algoritma Apriori dimana diperlukan perhitungan dengan scan seluruh database sebanyak k-itemset terpanjang 3 Tetapkan pola frekuensi tinggi Pola frekuensi tinggi yang memuat k item atau k-itemset ditetapkan dari kandidat k- itemset yang support-nya lebih besar dari minimum support Penggunaan Algorithma Apriori (Sarjon Defit) 35
6 Bila tidak didapat pola frekuensi tinggi baru maka seluruh proses dihentikan Bila tidak, maka k ditambah satu dan kembali ke bagian 1 Apabila dituliskan dalam bentuk pseudocode, algoritma apriori adalah sebagai berikut (Leo, WS 2003): F1 = {Frequent1 Item sets}; K = 2; While (Fk-1 tidak kosong) { Ck = Apriori_generate(Fk-1); Untuk semua transaksi dalam T { Subset(Ck, t); } Fk = { C in Ck st ccount >= min_sprt}; } Answer = Union dari semua set Fk; Apriori_generate (F (k-1)) { join Fk-1 dengan sehingga Fk-1, c1 = (i1, i2,, Ik-1) dan c2 = (J1, J2,, Jk-1) join bersama-sama jika Ip = Jp untuk 1<=p<=k-1, dan kemudian candidate baru, c, punya bentuk c=(i1, i2,, Ik-1, Jk-1) c kemudian ditambahkan ke struktur hash tree } Jumlah SKS yang diambil oleh mahasiswa berdasarkan Peraturan Akademik FKIP UPI YPTK Padang berdasarkan Indeks Prestasi Semester (IPS) yang dikategorikan seperti terlihat pada tabel 32 di lampiran Data yang digunakan dalam analisa ini hanya menggunakan data Mata Kuliah Pilihan Wajib Jurusan Semester IV seperti terlihat tabel 33 di lampiran Berdasarkan mata kuliah diatas, untuk proses selanjutnya pada tabel 34 di lampiran diberikan data transaksi pengambilan mata kuliah oleh Mahasiswa dalam satu semester 32 Analisa Algorithma APRIORI Berdasarkan algorithma Appriori yang diberikan diatas, langkah-langkah algoritma Apriori dapat digambarakan seperti gambar 1 di bawah ini: 3 ANALISA DAN PEMBAHASAN 31 Analisa Data Data mentah yang digunakan dalam penelitian ini adalah data Kartu Rencana Studi, disebut KRS KRS merupakan kartu yang berisi daftar mata kuliah yang akan diikuti oleh mahasiswa dalam satu semester seperti terlihat pada table 31 di lampiran Penggunaan Algorithma Apriori (Sarjon Defit) 36
7 T Mulai Data Dapatkan Frekuensi items Mencari Candidate itemsets Pangkas Candidate itemset untuk memenuhi Frekuensi itemsets Memenuhi atau tidak? Y Aturan Asosiasi Mencari Lift Rasio Aturan Asosiasi yang di peroleh Selesai Gambar 31 Flowchart Apriori 321 Pembentukan Pola Frekuensi Tinggi (Frequent Itemset) Pola frekuensi tinggi adalah pola-pola item di dalam suatu database yang memiliki frekuensi atau support diatas ambang batas tertentu yang disebut dengan istilah minimum support atau threshold Jika jumlah transaksi kurang dari threshold maka kombinasi item tidak akan diikutkan perhitungan selanjutnya Dari tabel 34 di lampiran, misalkan minimum support = 20%, diperoleh frequent itemsets seperti pada tabel 35, 36 dan 37 berikut: Tabel 35 Tabel Frequent Itemset (1- Item, C1) Itemsets (C1) Support ( %) TK 20 PBW 30 TM 55 OA 50 PBO 60 TP 20 SD 20 Tabel 36 Tabel Frequent Itemset (2- Itemset, C2) Itemsets (C2) Support (%) TK, PBW 20,000 PBW, TP 20,000 PBW, SD 20,000 TM, OA 45,000 TM, PBO 45,000 OA, PBO 45,000 TP, SD 20,000 Tabel 37 Tabel Frequent Itemset (3- Itemset, C3) Itemsets (C3) Support % TM, OA, PBO 40,000 TP, SD, PBW 20,000 Tabel 37 diatas tidak dilanjutkan lagi ke pembentukan C4 karena tidak ada lagi item yang bisa dikombinasikan dengan ketentuan minimal support 20%, jadi proses pembentukan C-itemset dihentikan 322 Pembentukan Rule Asosiasi Setelah semua pola frekuensi tinggi ditemukan, barulah dicari Penggunaan Algorithma Apriori (Sarjon Defit) 37
8 aturan asosiasi yang memenuhi syarat minimum untuk confidence dengan menghitung confidence aturan asosiasi X Y, misal Minimum Confidence 80% Berdasarkan tabel 36 dan 37 diatas, dengan Algoritma Apriori, didapatkan Rule Asosiasi seperti tabel 38 Jika mengambil TPmaka mengambil PBW [S= 20%, C = 100%] Data yang digunakan diatas juga sudah diimplementasikan dengan menggunakan software Data Mining Tanagra yang menghasilkan rule asosiasi seperti pada gambar 32 dibawah Tabel 34 Rule Asosiasi Rule Asosiasi Support Confidence TK PBW TP PBW SD PBW TM OA OA TM TM PBO OA PBO TP SD SD TP TM,OA PBO PBO,OA TM OA PBO,TM PBO,TM OA TP,SD PBW PBW,TP SD SD PBW, TP TP PBW,SD PBW,SD TP Dari tabel 38 di atas dihasilkan 18 Rule Asosiasi yang memenuhi minimum Support dan Minumum Confidence, diantaranya: Jika mengambil TK maka mengambil PBW [S = 20%, C = 100%] Gambar 42: Rule Asosiasi dengan TANAGRA 4 KESIMPULAN Berdasarkan hasil analisa dna pengujian yang telah dilakukan dapat disimpulkan sebagai berikut: 1 Algoritma Apriori dapat digunakan untuk menganalisa pola prilaku mahasiswa dalam memilih mata kuliah 2 Pola prilaku yang diperoleh dapat digunakan sebagai acuan bagi Program Studi untuk menganalisa kecendrungan mahasiswa dalam memilih mata kuliah wajib Program Studi Penggunaan Algorithma Apriori (Sarjon Defit) 38
9 Daftar Pustaka Beta, N, & Nurdin, B (2010) Implementasi data Mining Untuk Menemukan Pola Hubungan Tingkat Kelulusan Mahasiswa Dengan Data Induk Mahasiswa Prosiding Seminar dan Call Paper Munas APTIKOM Politeknik Telkom Bandung, 09 Oktober 2010 Budi, S (2007) Data Mining : Teknik Pemanfaatan Data untuk Keperluan Bisnis Teori & Aplikasi Graha Ilmu Dana, SK, MochAB, & Dhinta, D (2003) Data Mining Dengan Algoritma Apriori Pada RDBMS Oracle Jurnal Penelitian dan Pengembangan TELEKOMUNIKASI, Juni 2003, Vol8 No 1 Eko, WTD (2008) Penerapan Metode Association Rule Menggunakan Algoritma Apriori Untuk Analisa Pola data Hasil Tangkapan Ikan Konferensi dan Temu Nasional Teknologi Informasi dan Komunikasi Untuk Indonesia, Mei 2008, Jakarta Erwin (2009) Analisis Market Basket Dengan Algoritma Apriori dan FP- Growth Jurnal Generic ISSN Fajar, AH (2013) Data Mining Penerbit Andi Goldie, G, & Dana, IS (2012) Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori dan Frequent Pattern Growth (FP-Growth) : Studi Kasus Percetakan PT Gramedia Jurnal Telematika MKOM Vol 4 No1 Maret 2012 ISSN: X Kusrini & Emha, TL (2009) Algoritma Data Mining Penerbit Andi Yogyakarta Leo, WS (2003) Pembuatan Perangkat Lunak data Mining Untuk Penggalian Kaidah Asosiasi Menggunakan Metode Apriori Jurnal INFORMATIKA Vol 4 No 2, November 2003 Penggunaan Algorithma Apriori (Sarjon Defit) 39
10 Magdalena, K, Dhinta, D, & Dana, SK (2007) Aturan Asosiasi Spatial Pada Basis Data Spasial Prosiding Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2007, Yogyakarta, 16 Juni 2007 ISSN: Nugroho, W, Rully, AH, & Ahmad, M (2012) Pengembangan Sistem Rekomendasi Penelusuran Buku dengan Penggalian Association Rule Menggunakan Algoritma Apriori (Studi Kasus Badan Perpustakaan dan Kearsipan Provinsi Jawa Timur) Jurnal Teknik ITS Vol 1, September 2012 ISSN : Randy, OP (2012) Rancang Bangun Data Warehouse Untuk Analisis Kinerja Penjualan Pada Industri Dengan Model SPA-DW (Sales Performance Analysis Data Warehouse) Tesis Program Pascasarjana Universitas Diponegoro Sani, S, & Dedy, S (2010) Pengantar Data Mining : Menggali Pengetahuan dari Bongkahan Data Penerbit Andi Yogyakarta Yogi, YW, F Rian, P, & Gerry, T (2006) Penerapan data Mining Dalam penentuan Aturan Asosiasi Antar Jenis Item Prosiding Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2006, Yogyakarta, 17 Juni 2006 ISSN: Penggunaan Algorithma Apriori (Sarjon Defit) 40
11 Lampiran: Atribut NPM Nama mahasiswa Kode Mata Kuliah (KM) Nama Dosen Nama Mata kuliah Kelas Jurusan SKS Tahun Ajaran Tabel 31 Atribut KRS Keterangan Adalah kode yang dimiliki mahasiswa sebagai nomer unik indentitas di perguruan tinggi Merupakan nama lengkap mahasiswa yang bersangkutan Merupakan Kode unik dari suatu nama mata kuliah Merupakan dosen yang mengajar atau yang mengampu dari jenis mata kuliah Merupakan mata kuliah yang dipilih mahasiswa sesuasi dengan syarat ketentuan dari hasil IPK mahasiswa tersebut Merupakan kelas yang dipilih sesuai dengan jenis mata kuliah dan nama dosen terkait Merupakan nama jurusan yang dipilih mahasiswa Merupakan jumlah satuan kredit semester (SKS) mata kuliah yang diambil dengan jumlah yang ditentukan Merupakan tahun pada saat mengikuti perkuliahan Tabel 32 Kategori Persyaratan KRS gori Kate IP semester > - 3,00 2,50 2, ,49 1,50 1,99 < 1,50 Jumlah SKS 24 SKS 21 SKS 18 SKS 15 SKS < 12 SKS Tabel 33 Data Mata Kuliah Pilihan Wajib Jurusan O N 1 2 S imbol T K P BW Kode Mata Kuliah KKPT KKPT Web Nama Mata kuliah SKS Teknik Komputasi 3 Pemrograman Berbasis 3 Penggunaan Algorithma Apriori (Sarjon Defit) 41
12 M A B KM P D T O P T T S KKPT4301 KKPT4300 KKPT4300 KKPT6302 KKPT2201 KKPT2200 Teknologi Multimedia 3 Organisasi dan Arsitektur 2 Pemrograman Berorientasi 3 Teknologi Komunikasi 4 Mode Teknologi Pembelajaran 3 Struktur Data 3 Tabel 34 Format Tabular Data Transaksi No TK PBW TM OA PBO TKM TP SD Jumlah Penggunaan Algorithma Apriori (Sarjon Defit) 42
ANALISA PENERAPAN DATAMINING PADA PENJUALAN PRODUK OLI MESIN SEPEDA MOTOR DENGAN ALGORITMA APRIORI
ANALISA PENERAPAN DATAMINING PADA PENJUALAN PRODUK OLI MESIN SEPEDA MOTOR DENGAN ALGORITMA APRIORI Siti Sundari Program Studi Teknik Informatika, Sekolah Tinggi Teknik Harapan Medan Jalan Hm. Joni No 70
Lebih terperinciAPLIKASI DATA MINING UNTUK POLA PERMINTAAN DARAH DI UDD ( UNIT DONOR DARAH ) PMI KOTA SURABAYA MENGGUNAKAN METODE APRIORI
APLIKASI DATA MINING UNTUK POLA PERMINTAAN DARAH DI UDD ( UNIT DONOR DARAH ) PMI KOTA SURABAYA MENGGUNAKAN METODE APRIORI Budanis Dwi Meilani, dan Dermawan Cahyo Utomo Jurusan Teknik Informatika, Fakultas
Lebih 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 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 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 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 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 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 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 terperinciPERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK PEREKOMENDASI PADA TRANSAKSI PEMINJAMAN BUKU DI PERPUSTAKAAN UNIVERSITAS DIAN NUSWANTORO
PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK PEREKOMENDASI PADA TRANSAKSI PEMINJAMAN BUKU DI PERPUSTAKAAN UNIVERSITAS DIAN NUSWANTORO Rizky Mei Anggraeni Program Studi Teknik Informatika,
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 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 terperinciBAB II TINJAUAN PUSTAKA. Turban mendefinisikan Decision Support System sebagai sekumpulan
BAB II TINJAUAN PUSTAKA 2.1 Decision Support System Turban mendefinisikan Decision Support System sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para pengambilan
Lebih 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 terperinciPENGGUNAAN ALGORITMA APRIORI UNTUK MENENTUKAN REKOMENDASI STRATEGI PENJUALAN PADA TOSERBA DIVA SKRIPSI
PENGGUNAAN ALGORITMA APRIORI UNTUK MENENTUKAN REKOMENDASI STRATEGI PENJUALAN PADA TOSERBA DIVA SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program
Lebih 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 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 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 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 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 terperinciANALISIS ALGORITMA APRIORI UNTUK REKOMENDASI PENEMPATAN BUKU PADA PERPUSTAKAAN
1 ANALISIS ALGORITMA APRIORI UNTUK REKOMENDASI PENEMPATAN BUKU PADA PERPUSTAKAAN 1 Uma Mazida, 2 Ricardus Anggi Pramunendar, M.Cs Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas
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 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 terperinciPEMODELAN POLA HUBUNGAN KEMAMPUAN LULUSAN UNIVERSITAS LANCANG KUNING DENGAN KEBUTUHAN DUNIA USAHA DAN INDUSTRI
PEMODELAN POLA HUBUNGAN KEMAMPUAN LULUSAN UNIVERSITAS LANCANG KUNING DENGAN KEBUTUHAN DUNIA USAHA DAN INDUSTRI Fana Wiza Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Lancang Kuning
Lebih terperinciDATA MINING UNTUK ANALISA PENJUALAN KERIPIK UD MARTOP PRATAMA MENGGUNAKAN ALGORITMA APRIORI
DATA MINING UNTUK ANALISA PENJUALAN KERIPIK UD MARTOP PRATAMA MENGGUNAKAN ALGORITMA APRIORI SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi
Lebih terperinciPENERAPAN ASSOCIATION RULE DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN DI MINIMARKET SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna
PENERAPAN ASSOCIATION RULE DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN DI MINIMARKET SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi
Lebih 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 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 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 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 terperinciPEMANFAATAN DATA MINING UNTUK MENGETAHUI POLA PEMBELIAN MASYARAKAT PADA SALAH SATU MINIMARKET DI KOTA MAKASSAR
PEMANFAATAN DATA MINING UNTUK MENGETAHUI POLA PEMBELIAN MASYARAKAT PADA SALAH SATU MINIMARKET DI KOTA MAKASSAR Sadly Syamsuddin, Nasaruddin Program StudiSistemInformasi, STMIK Dipanegara, Makassar e-mail:
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 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 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 terperinciIMPLEMENTASI METODE ASSOSIATION RULES UNTUK MENEMUKAN POLA HUBUNGAN ANTARA DATA AKADEMIK DAN NON-AKADEMIK TUGAS AKHIR
IMPLEMENTASI METODE ASSOSIATION RULES UNTUK MENEMUKAN POLA HUBUNGAN ANTARA DATA AKADEMIK DAN NON-AKADEMIK TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN Pada bab ini berisi tentang latar belakang pembuatan dari aplikasi penentuan rekomendasi pencarian buku perpustakaan menggunakan algoritma fp-growth, rumusan masalah, tujuan, batasan
Lebih 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 terperinciIMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA PENJUALAN SPAREPART MOTOR DI AHAS PUTRA MOTOR
IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA PENJUALAN SPAREPART MOTOR DI AHAS PUTRA MOTOR SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
Lebih terperinciANALISA POLA DATA HASIL PEMBANGUNAN KABUPATEN MALANG MENGGUNAKAN METODE ASSOCIATION RULE
ANALISA POLA DATA HASIL PEMBANGUNAN KABUPATEN MALANG MENGGUNAKAN METODE ASSOCIATION RULE Dewi Sibagariang 1), Karina Auliasari 2) 1.2) Jurusan Teknik Informatika, Institut Teknologi Nasional Malang Jalan
Lebih terperinciPenerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy
Penerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy (Studi Kasus di PT. Telkom Cabang Wonogiri ) Moch. Yusuf
Lebih terperinciPengembangan Aplikasi Market Basket Analysis Menggunakan Algoritma Generalized Sequential Pattern pada Supermarket
Pengembangan Aplikasi Market Basket Analysis Menggunakan Algoritma Generalized Sequential Pattern pada Supermarket Gunawan 1), Alex Xandra Albert Sim 2), Fandi Halim 3), M. Hawari Simanullang 4), M. Firkhan
Lebih 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 terperinciPENERAPAN DATA MINING UNTUK MENDISKRIPSIKAN TINGKAT KREDIT BERMASALAH PADA BANK
PENERAPAN DATA MINING UNTUK MENDISKRIPSIKAN TINGKAT KREDIT BERMASALAH PADA BANK Rizky Fajar Nugraha Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Semarang ABSTRAK Pertumbuhan yang pesat dari akumulasi
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 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 terperinciSISTEM REKOMENDASI PAKET MAKANAN DENGAN ALGORITMA FP-GROWTH PADA RESTORAN SEAFOOD XYZ
SISTEM REKOMENDASI PAKET MAKANAN DENGAN ALGORITMA FP-GROWTH PADA RESTORAN SEAFOOD XYZ Pahridila Lintang 1),Muhammad Iqbal 2), Ade Pujianto 3) 1), 2, 3) Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring
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 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 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 terperinciImplementasi Algoritme Modified-Apriori Untuk Menentukan Pola Penjualan Sebagai Strategi Penempatan Barang Dan Promo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 3829-3834 http://j-ptiik.ub.ac.id Implementasi Algoritme Modified-Apriori Untuk Menentukan
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 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 terperinciANALISIS KETERHUBUNGAN HASIL STUDI TAHUN PERTAMA TERHADAP PRESTASI BELAJAR MAHASISWA UNIVERSITAS MARITIM RAJA ALI HAJI
ANALISIS KETERHUBUNGAN HASIL STUDI TAHUN PERTAMA TERHADAP PRESTASI BELAJAR MAHASISWA UNIVERSITAS MARITIM RAJA ALI HAJI DENGAN ALGORITMA APRIORI DAN PERHITUNGAN UJI KORELASI PEARSON Widya Kusumawati Mahasiswa
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Apriori merupakan salah satu algoritma yang terkenal dalam mencari frequent pattern dari database transaksi[8]. Prinsip dari algortima Apriori ini adalah jika sebuah
Lebih terperinciPENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN
PENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN SKRIPSI Diajukan untuk memenuhi salah satu syarat guna memperoleh gelar Sarjana Komputer (S.Kom)
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 terperinciImplementasi Data Mining dengan Metode Algoritma Apriori dalam Menentukan Pola Pembelian Obat
102 ISSN: 2354-5771 Implementasi Data Mining dengan Metode Algoritma Apriori dalam Menentukan Pola Pembelian Obat Robi Yanto* 1, Riri Khoiriah 2 1,2 Sistem Informasi STMIK Bina Nusantara Jaya Lubuklingau
Lebih terperinciPENERAPAN ALGORITMA APRIORI DALAM PERANGKAT LUNAK DATA BASE Amroni, S.Kom, M.Kom
PENERAPAN ALGORITMA APRIORI DALAM PERANGKAT LUNAK DATA BASE Amroni, S.Kom, M.Kom amroni69@yahoo.com Abstrak Banyak teori dan pendekatan yang dikembangkan untuk memperoleh hasil penemuan kaidah asosiasi
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGANALISIS PENJUALAN BARANG DENGAN MENGGUNAKAN METODE APRIORI PADA SUPERMARKET SEJAHTERA LHOKSEUMAWE
PENERAPAN DATA MINING UNTUK MENGANALISIS PENJUALAN BARANG DENGAN MENGGUNAKAN METODE APRIORI PADA SUPERMARKET SEJAHTERA LHOKSEUMAWE Nurdin, Dewi Astika Program Studi Teknik Informatika Universitas Malikussaleh
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA II.1 Tinjauan Perusahaan CV. Aldo Putra berlokasi di Jalan Pasar Induk Gedebage No. 89/104 Bandung, bergerak dibidang grosir pakaian jadi impor. Barang yang dijual di CV. Aldo Putra
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 terperinciANALISIS MARKET BASKET DENGAN ALGORITMA APRIORI (STUDY KASUS TOKO ALIEF)
ANALISIS MARKET BASKET DENGAN ALGORITMA APRIORI (STUDY KASUS TOKO ALIEF) Hernawati STMIK Nusa Mandiri Jl. Kramat Raya No. 18 Rt. 01/Rw. 07 Kwitang, Senen, Jakarta Pusat watiherna27@gmail.com ABSTRAK Dalam
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 terperinciALGORITMA APRIORI UNTUK REKOMENDASI PENAWARAN PRODUK DI BATIK PUTRA GHOFUR PEKALONGAN
ALGORITMA APRIORI UNTUK REKOMENDASI PENAWARAN PRODUK DI BATIK PUTRA GHOFUR PEKALONGAN Arief Soma Darmawan Program Studi Sistem Informasi,STMIK WidyaPratama Jl. Patriot 25 Pekalongan, Telp (0285)427816
Lebih terperinciBAB II TINJAUAN PUSTAKA 2.1 DASAR TEORI Business Analytic
digilib.uns.ac.id BAB II TINJAUAN PUSTAKA 2.1 DASAR TEORI 2.1.1 Business Analytic 2.1.1.1 Pengertian Business Analytic (BA) Business Analytic adalah aplikasi dan teknik untuk mengumpulkan, menyimpan, menganalisis
Lebih terperinciRANCANG BANGUN SISTEM PENGAMBILAN KEPUTUSAN UNTUK PREDIKSI PEMBELIAN BARANG PADA DISTRIBUTOR LUKCY JAYA MOTOR BERBASIS WEB MENGGUNAKAN METODE APRIORI
RANCANG BANGUN SISTEM PENGAMBILAN KEPUTUSAN UNTUK PREDIKSI PEMBELIAN BARANG PADA DISTRIBUTOR LUKCY JAYA MOTOR BERBASIS WEB MENGGUNAKAN METODE APRIORI Candra Irawan Amak Yunus 1 Sistem Informasi, Universitas
Lebih 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 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 terperinciAnalisa Data Mining Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Restoran Joglo Kampoeng Doeloe Semarang
Analisa Data Mining Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Restoran Joglo Kampoeng Doeloe Semarang Tia Arifatul Maulida Fakultas Ilmu Komputer, Universitas Dian Nuswantoro,
Lebih terperinciBAB I PENDAHULUAN. mahasiswa yang seringkali meminjam buku harus mencari sendiri dirak rak
BAB I PENDAHULUAN I.1 Latar Belakang Perpustakaan merupakan salah satu fasilitas penyedia informasi,sumber ilmu pengetahuan,dan sarana penunjang proses kegiatan belajar bagi pengguna untuk mendapatkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Data mining bertujuan untuk menemukan pola-pola yang valid, baru, mempunyai nilai guna, dan mudah dipahami dari data yang ada. Jenis pola yang dihasilkan ditentukan
Lebih terperinciIII. METODOLOGI PENELITIAN
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
Lebih terperinciANALISIS DATA POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN SUPERMARKET PAMELLA YOGYAKARTA 1.
ANALISIS DATA POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN SUPERMARKET PAMELLA YOGYAKARTA M. Didik R. Wahyudi 1) Fusna Failasufa 2) 1) 2) Teknik Informatika FST UIN Sunan Kalijaga
Lebih terperinciIMPLEMENTASI ALGORITMA APRIORI UNTUK MENEMUKAN FREQUENT ITEMSET DALAM KERANJANG BELANJA
Teknologi Elektro, Vol. 15, No.2, Juli - Desember 2016 27 IMPLEMENTASI ALGORITMA APRIORI UNTUK MENEMUKAN FREQUENT ITEMSET DALAM KERANJANG BELANJA Adie Wahyudi Oktavia Gama 1, I Ketut Gede Darma Putra 2,
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING PADA PENJUALAN SEPATU DENGAN MENGGUNAKAN ALGORITMA APRIORI
JURNAL IMPLEMENTASI DATA MINING PADA PENJUALAN SEPATU DENGAN MENGGUNAKAN ALGORITMA APRIORI IMPLEMENTATION OF DATA MINING ON THE SALE OF SHOES WITH ALGORITHMS USING APRIORI Oleh : VERNANDA NOVRINI BUDIYASARI
Lebih terperinciPENERAPAN ALGORITMA APRIORI 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 terperinci2.1 Penelitian Terkait
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terkait Penelitian yang dilakukan oleh Dinda Setiawati Devi dengan menggunakan metode Apriori untuk analisa keranjang pasar untuk 100 data transaksi dan 55 jenis
Lebih terperinciSISTEM SISTEM REKOMENDASI BIDANG MINAT MAHASISWA MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA APRIORI
SISTEM SISTEM REKOMENDASI BIDANG MINAT MAHASISWA MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA APRIORI Nama Mahasiswa : NUCIFERA DIAHPANGASTUTI NRP : 505 00 070 Jurusan : Teknik Informatika FTIF-ITS
Lebih terperinciBAB II TINJAUAN STUDI DAN LANDASAN TEORI
BAB II TINJAUAN STUDI DAN LANDASAN TEORI 2.1 Tinjauan Studi Penelitian mengenai penerapan metode market basket analysis bukan merupakan hal asing, sebab telah banyak dilakukan oleh peneliti sebelumnya.
Lebih terperinciImplementasi Data Mining Algoritme Apriori Pada Sistem Penjualan Kusuma Shop
Implementasi Data Mining Algoritme Apriori Pada Sistem Penjualan Kusuma Shop Lutfi Mukaromah 1, Kusumaningtyas 2, Apriliani Galih Saputri 3, Harleni Vionita 4, Rendi Susilo 5,Tri Astuti 6, Lusi Dwi Oktaviana
Lebih terperinciPenerapan Data Mining Untuk Menggali Informasi Tersembunyi Dalam Big Data Nilai Mata Kuliah
Elvira, Penerapan Data Mining Untuk menggali Informasi tersembunyi dalam Big Data nilai mata kuliah 129 Penerapan Data Mining Untuk Menggali Informasi Tersembunyi Dalam Big Data Nilai Mata Kuliah Elvira
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 terperinciData Mining Dengan Algoritma Apriori untuk Penentuan Aturan Asosiasi Pola Pembelian Pupuk
Data Mining Dengan Algoritma Apriori untuk Penentuan Aturan Asosiasi Pola Pembelian Pupuk Amrin Program Studi Teknik Komputer AMIK Bina Sarana Informatika Jakarta Jl. R.S Fatmawati no. 24 Pondok Labu,
Lebih terperinciPENERAPAN ALGORITMA APRIORI UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTEK AZKA
PENERAPAN ALGORITMA APRIORI UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTEK AZKA Winda Aprianti 1), Jaka Permadi 2), Oktaviyani 3) 1)2)3) Teknik Informatika, Politeknik Negeri Tanah Laut Jl. A. Yani Km. 06
Lebih 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 terperinciJURNAL IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI HASIL PENJUALAN BARANG PADA TOKO SINAR BARU DENGAN MENGGUNAKAN ALGORITMA APRIORI
JURNAL IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI HASIL PENJUALAN BARANG PADA TOKO SINAR BARU DENGAN MENGGUNAKAN ALGORITMA APRIORI IMPLEMENTATION OF DATA MINING TO PREDICT RESULTS OF SALES GOODS IN THE
Lebih terperinciPENERAPAN ALGORITMA APRIORI DALAM POLA PEMINJAMAN BUKU (STUDI KASUS : PERPUSTAKAAN STIKES PRIMA JAMBI)
) PENERAPAN ALGORITMA APRIORI DALAM POLA PEMINJAMAN BUKU (STUDI KASUS : PERPUSTAKAAN ) APRIORI ALGORITHM APPLICATION IN LENDING BOOK PATTERN (CASE STUDY: LIBRARY ) Rico, Brestina Gultom STIKes Prima Jambi
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 terperinciIMPLEMENTASI ALGORITMA APRIORI UNTUK MENGANALISA POLA PEMBELIAN PRODUK PADA DATA TRANSAKSI PENJUALAN
IMPLEMENTASI ALGORITMA APRIORI UNTUK MENGANALISA POLA PEMBELIAN PRODUK PADA DATA TRANSAKSI PENJUALAN 1 Wendi Wirasta, 2 Zaki Prasasti 1 Program Studi Teknik Informatika, STMIK LPKIA Bandung 2 Program Studi
Lebih terperinciBAB III METODE PENELITIAN. A. Tempat dan Waktu. 1. Tempat Penelitian. a. Assalam hypermarket merupakan salah satu pusat perbelanjaan di
BAB III METODE PENELITIAN A. Tempat dan Waktu 1. Tempat Penelitian Tempat penelitian merupakan suatu sumber untuk mendapatkan data yang dibutuhkan mengenai masalah yang akan diteliti. Data untuk penelitian
Lebih terperinciPENERAPAN METODE ASSOCIATION RULE MENGGUNAKAN ALGORITMA APRIORI PADA SIMULASI PREDIKSI HUJAN WILAYAH KOTA BANDUNG
PENERAPAN METODE ASSOCIATION RULE MENGGUNAKAN ALGORITMA APRIORI PADA SIMULASI PREDIKSI HUJAN WILAYAH KOTA BANDUNG Mohamad Fauzy 1, Kemas Rahmat Saleh W 2, Ibnu Asror 3 123 Fakultas Informatika Telkom University
Lebih terperinciPREDIKSI KEBUTUHAN PENOMORAN PADA JARINGAN TELEKOMUNIKASI MENGGUNAKAN METODE APRIORI
Prediksi Kebutuhan Penomoran Pada Jaringan Telekomunikasi. (Muztafid Khilmi) PREDIKSI KEBUTUHAN PENOMORAN PADA JARINGAN TELEKOMUNIKASI MENGGUNAKAN METODE APRIORI Mustafid Khilmi 1) Achmad Affandi 2) 1)
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 terperinciPembentukan Temporal Association Rules Menggunakan Algoritma Apriori (Studi Kasus:Toko Batik Diyan Solo)
IJCCS, Vol.10, No.1, January 2016, pp.71~80 ISSN: 1978-1520 71 Pembentukan Temporal Association Rules Menggunakan Algoritma Apriori (Studi Kasus:Toko Batik Diyan Solo) Annisa Mauliani * 1, Sri Hartati
Lebih terperinciAplikasi Data Mining untuk Mengukur Tingkat Kelulusan Mahasiswa dengan Metode Apriori
Aplikasi Data Mining untuk Mengukur Tingkat Kelulusan Mahasiswa dengan Metode Apriori dan k-mean Clustering (Studi Kasus: Jurusan Teknik Informatika Universitas Trunojoyo Madura) Mohammad Syarief Prodi
Lebih terperinciPENERAPAN METODE ASOSIASI MENGGUNAKAN ALGORITMA APRIORI PADA APLIKASI ANALISA POLA BELANJA KONSUMEN (Studi Kasus Toko Buku Gramedia Bintaro)
JURNAL TEKNIK INFORMATIKA VOL 9 NO. 2, OKTOBER 2016 120 PENERAPAN METODE ASOSIASI MENGGUNAKAN ALGORITMA APRIORI PADA APLIKASI ANALISA POLA BELANJA KONSUMEN (Studi Kasus Toko Buku Gramedia Bintaro) Dewi
Lebih terperinciPENERAPAN ASSOCIATION RULE PADA DATA PERSEDIAAN BAHAN BAKU DI PRO AB CHICKEN JAMBI
PENERAPAN ASSOCIATION RULE PADA DATA PERSEDIAAN BAHAN BAKU DI PRO AB CHICKEN JAMBI Reny Wahyuning Astuti M.Kom 1),Lucy Simorangkir M.Kom 2), Hendra Wijaya 3) 1), 2)&3) Teknik Informatika, STMIK Nurdin
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari kebutuhan akan informasi yang akurat sangat dibutuhkan dalam perkembangan masyarakat saat ini dan waktu mendatang. Namun kebutuhan informasi
Lebih terperinciMETODE ASSOCIATION RULE DALAM MENGANALISA POLA BELANJA KONSUMEN PADA DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA FP-GROWTH
METODE ASSOCIATION RULE DALAM MENGANALISA POLA BELANJA KONSUMEN PADA DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA FP-GROWTH Dessy Chaerunnissa 1, Edy Mulyanto, S.Si, M.Kom 2 Teknik Informatika, Fakultas
Lebih terperinci