Jurnal Penelitian Pos dan Informatika 771/AU1/P2MI-LIPI/08/ a/E/KPT/2017
|
|
- Ratna Lesmono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JPPI Vl 7 N 2 (2017) Jurnal Penelitian Ps dan Infrmatika 771/AU1/P2MI-LIPI/08/ a/E/KPT/2017 e-issn p-issn: DOI: /jppi PENERAPAN ALGORITMA APRIORI TID SEBAGAI METODE OPTIMASI PENCARIAN DATA PADA APLIKASI MOBILE SIDOARJO n HANDS (SH) SEARCHING OPTIMIZATION IN SIDOARJO n HANDS (SOH) MOBILE APPLICATION USING APRIORI TID ALGORITHM Rani Purbaningtyas 1, Arif Arizal 2, Tri Wardy 3 1,2 Prdi Infrmatika Fakultas Teknik (Universitas Bhayangkara Surabaya) 3 Prdi Teknik Sipil Fakultas Teknik (Universitas Bhayangkara Surabaya) 1,2,3 Jl. Ahmad Yani n. 114 Surabaya Telp , Fax raniubhara@gmail.cm Naskah Diterima: 15 Agustus 2017; Direvisi : 12 September 2017; Disetujui : 12 September 2017 Abstrak SH merupakan aplikasi mbile berbasis andrid yang dapat memudahkan masyarakat untuk mendapatkan infrmasi tentang ptensi daerah yang dimiliki Kabupaten Sidarj. SH dikembangkan dengan tujuan agar dapat mendukung prmsi ptensi daerah Kabupaten Sidarj. Pencarian data pada prttype aplikasi SH versi 1.0 menggunakan metde jin matching query. Sistem sudah mampu menampilkan hasil pencarian ptensi Kabupaten Sidarj dengan baik namun dirasa kurang ptimal. Agar pencarian data leh sistem dapat lebih ptimal maka digunakan algritma Apriri TID. Algritma TID digunakan untuk retrieve data pada riwayat penggunaan aplikasi SH yang tersimpan dalam sistem. Prses retrieve data akan menghasilkan rekmendasi pencarian data ptensi daerah Kabupaten Sidarj. Hasil rekmendasi ini akan digunakan leh sistem untuk melakukan pencarian data pada server data ptensi Kabupaten Sidarj. Dengan menerapkan algritma Apriri TID pada saat pencarian data ptensi Kabupaten Sidarj, hasil pencarian dapat lebih ptimal. Hal ini disebabkan karena pencarian data leh engine system dilakukan dengan menggabungkan 2 pihak secara bersamaan, yaitu server data ptensi Kabupaten Sidarj dan server data riwayat penggunaan aplikasi SH leh pengguna SH itu sendiri. Kata kunci: Apriri TID, pencarian data, Sidarj Abstract SH is andrid based mbile applicatin. SH ease peple t get infrmatin abut the lcal ptential f Sidarj. SH is aimed t supprt prmtin f the lcal ptential f Sidarj. Data searching in the prttype f SH versin 1.0 implements jin matching query methd. System can shw apprpriate searching result f the lcal ptential f Sidarj but it seems less ptimum. T increase efficiency f data searching, we implement Apriri TID algrithm. Apriri TID algrithm is used t retrieve data frm histry f SH usage. This prcess prduces recmmendatin f the lcal ptential f Sidarj. By implementing Apriri TID algrithm the result f data searching becme mre ptimum. It is pssible because data searching which was dne by engine system cmbine server f Sidarj ptential and server f histry f SH usage itself. Keywrds: Apriri TID, data searching, Sidarj 87
2 Jurnal Penelitian Ps dan Infrmatika, Vl.07 N 02 Desember 2017: hal PENDAHULUAN Aplikasi mbile Sidarj n Hands (SH) merupakan aplikasi mbile berbasis andrid yang dapat memudahkan masyarakat untuk mendapatkan infrmasi tentang ptensi daerah yang dimiliki Kabupaten Sidarj. SH dikembangkan dengan tujuan agar dapat mendukung prmsi ptensi daerah Kabupaten Sidarj. Semua infrmasi mengenai ptensi daerah yang dimiliki leh Kabupaten Sidarj meliputi ptensi industri, ptensi pertanian, ptensi perikanan, ptensi kerajinan, ptensi wisata hingga ptensi kuliner dapat dengan mudah diketahui leh masyarakat melalui aplikasi ini. Sehingga masyarakat lkal maupun masyarakat luar yang ingin mengenal lebih dekat tentang Kabupaten Sidarj dapat memperleh infrmasi yang dibutuhkan melalui SH. Pada pengembangan prttype SH versi 1.0 sebelumnya (Purbaningtyas dkk, 2017) prses pencarian data leh pengguna SH dilakukan dengan menerapkan metde jin matching query. Jin matching query merupakan metde yang menggabungkan pencarian data teks pada server data ptensi daerah Sidarj dengan data peta pada server data spasial. Sebenarnya, dengan menerapkan metde jin matching query ini, pengguna SH sudah bisa mendapatkan infrmasi tentang ptensi daerah Kabupaten Sidarj yang dicari. Namun, metde jin matching query dirasa kurang ptimal dari sisi kesesuaian infrmasi yang ditampilkan terhadap kebutuhan pengguna SH. Hasil pencarian yang ditampilkan tidak jarang kurang bisa memenuhi kebutuhan pengguna SH versi sebelumnya. Berdasarkan hasil evaluasi pada tahap analisis dan pengembangan sistem sebelumnya, akan dirasa lebih bermanfaat jika aplikasi SH tidak hanya mampu memberikan infrmasi sesuai dengan yang dicari leh pengguna saja. Diharapkan, aplikasi SH dapat memberikan rekmendasi hasil pencarian infrmasi ptensi Kabupaten Sidarj yang disesuaikan dengan riwayat penggunaan aplikasi SH leh pengguna tersebut. Dengan banyaknya data yang terdapat pada riwayat penggunaan SH leh pengguna, pencarian pada data riwayat ini dirasa perlu diptimalkan. Tujuannya untuk mendapatkan hasil yang ptimal pada saat melakukan query (Ermatita, 2009). Salah satu metde yang dirasa mampu menyelesaikan permasalahan ini yaitu algritma Apriri (Astuti, dkk 2016), khususnya Apriri TID. Algritma Apriri TID merupakan salah satu algritma assciatin rules. Assciatin rules bertujuan untuk mencari sekelmpk item (itemsets) yang memiliki nilai supprt yang lebih besar daripada minimum supprt yang ditentukan dan menggunakan sekelmpk besar itemsets untuk membangkitkan aturan yang memiliki nilai cnfidence lebih besar daripada nilai minimum cnfidence yang ditetapkan. Tujuannya adalah menentukan rasi dari nilai supprt item yang dicari terhadap nilai item lainnya pada saat tidak saling tergantung satu sama lain (R Agrawal.,et,al, 1994) Dengan menerapkan algritma Apriri TID pada saat pencarian data, rekmendasi keluaran SH yang dihasilkan akan melihat hubungan antara ptensi yang dicari saat ini terhadap riwayat pencarian ptensi daerah Kabupaten Sidraj pada saat penggunaan aplikasi SH peride sebelumnya. Berdasarkan penjelasan diatas, maka artikel penelitian ini membahas bagaimana penerapan 88
3 Penerapan Algritma Apriri TID Sebagai Metde Optimasi Pencarian Data... (Rani Purbaningtyas dkk) algritma Apriri TID untuk mengptimalkan prses pencarian infrmasi tentang ptensi Kabupaten Sidarj yang terdapat pada aplikasi SH. METODE Metde penelitian yang diterapkan dalam mengembangkan SH sendiri menggunakan mdel waterfall yang terdiri dari tahapan definisi dan analisis kebutuhan sistem, perancangan desain sistem, pengembangan, pengujian dan implementasi sistem. Definisi dan analisis kebutuhan sistem dilakukan melalui pengambilan data primer dan sekunder. Data primer didapat dari para pelaku industri secara langsung. Data sekunder didapat dari dinas dan instansi yang terkait dengan masing-masing kelmpk ptensi yang ada. Ptensi daerah yang dimiliki Kabupaten Sidarj terbagi menjadi 6 kelmpk ptensi utama yaitu : ptensi industri, ptensi pertanian, ptensi perikanan, ptensi kerajinan, ptensi wisata hingga ptensi kuliner. Perancangan desain sistem menggunakan pendekatan analisis dan desain sistem terstruktur. Analisis data khususnya yang digunakan untuk pencarian infrmasi ptensi Kabupaten Sidarj menerapkan algritma Apriri TID. Algritma Apriri TID akan membaca pla pencarian infrmasi yang dibutuhkan pengguna berdasarkan riwayat penggunaan aplikasi SH yang dilakukan leh pengguna itu sendiri. Algritma Apriri TID merupakan salah satu bagian dari assciatin rule mining. Assciatin rule mining merupakan salah satu teknik yang ada dalam penambangan data yang bertujuan untuk mendapatkan aturan assiasi atau relasi antara sekumpulan item. Aturan assiasi dapat diperleh dari berbagai sumber data, di antaranya berasal dari basis data transaksinal, gudang data, maupun dari tempat penyimpanan infrmasi yang lainnya. Pada umumnya data yang dilah bersifat hmgen. Studi pertama tentang pencarian aturan assiasi diperleh dari itemset yang sering muncul secara bersamasama (R Agrawal.,et,al, 1993). Salah satu algritma yang sering digunakan untuk pencarian aturan assiasi adalah Apriri (Gunawan, dkk, 2016). Penting tidaknya sebuah aturan assiasi dapat diketahui dengan dua parameter, yaitu supprt (nilai penunjang), yaitu persentase kejadian kmbinasi item atau supprt cunt jumlah itemset yang muncul dalam sekumpulkan transaksi, dan cnfidence (nilai kepastian), yaitu kuatnya hubungan antar item dalam aturan assiasi (J. Han., et,al, 2012) Analisis assiasi didefinisikan suatu prses untuk menemukan semua aturan asssiatif yang memenuhi syarat minimum untuk supprt (minimum supprt), dan syarat minimum untuk cnfidence (minimum cnfidence). Secara umum, aturan assiasi (Arizal, 2012) diperleh dengan cara sebagai berikut: Misalnya terdapat I={i 1, i 2, i 3,...i n } yang merupakan sekumpulan item, sementara D adalah sekumpulan transaksi, di mana setiap transaksi T memiliki sekumpulan item di mana. Setiap transaksi akan memiliki TID (Transactin IDentifier) yang unik. Setiap transaksi dikatakan mengandung X, kumpulan item dalam I, jika. Sebuah aturan assiasi difrmulasi dengan bentuk, dimana ; ; dan. Aturan memiliki supprt s dalam transaksi D jika s% atau jumlah s dari transaksi dalam D mengandung. Atau dengan kata lain, supprt dari suatu aturan adalah 89
4 Jurnal Penelitian Ps dan Infrmatika, Vl.07 N 02 Desember 2017: hal prbabilitas kejadian X dan Y secara bersama-sama atau jumlah kejadian X dan Y secara bersama. Aturan memiliki nilai cnfidence c jika c% dari transaksi D mengandung X juga mengandung Y. Atau dengan kata lain, cnfidence dari sebuah aturan adalah prbabilitas kndisinal dengan knsekuen Y adalah benar, jika X merupakan antisedennya. Supprt adalah prbabilitas dari item atau sekumpulan item dalam sebuah basis data transaksinal seperti pada (1). (1) dimana n adalah jumlah ttal transaksi dalam basis data, sedangkan n (X) adalah jumlah transaksi yang mengandung itemset X, atau supprt cunt yaitu jumlah item yang terdapat dalam transaksi. Cnfidence adalah prbabilitas kndisinal, untuk aturan assiasi didefinisikan seperti pada (2). Y) = (2) Untuk mengukur tingkat akurasi dari sebuah aturan yang diperleh, digunakan rumusan Lift Rati. Lift Rati dari aturan didefinisikan seperti pada (3). (3) di mana Expected Cnfidence didefinisikan seperti pada (4). (4) Jika nilai lift rati > 1, aturan muncul lebih sering dari yang diharapkan, maka X dan Y tidak saling bergantung (independent). Jika lift rati = 1, maka aturan muncul sesuai dengan yang diharapkan. Tetapi jika lift rati < 1, maka aturan muncul lebih jarang dari yang diharapkan dan X, Y saling bergantung (dependent). Langkah-langkah penyelesaian yang diambil untuk menerapkan algritma Apriri TID pada tahapan pencarian infrmasi ptensi daerah Kabupaten Sidarj pada aplikasi SH tercantum pada gambar 1 sebagai berikut : Mulai User menggunakan aplikasi SH Membaca data UUID dan menyimpan riwayat pencarian data user Riwayat pencarian user penggunaan pertama kali? TIDAK Melakukan retrieve data riwayat pencarian user Ptensi Kabupaten Sidarj YA Mencari data ptensi dengan metde jin matching query Rekmendasi ptensi Kabupaten Sidarj berdasarkan hasil retrieve data riwayat user Menampilkan hasil pencarian data ptensi Kabupaten Sidarj Selesai Gambar 1. Alur pencarian data ptensi Kabupaten Sidarj pada aplikasi SH 90
5 Penerapan Algritma Apriri TID Sebagai Metde Optimasi Pencarian Data... (Rani Purbaningtyas dkk) 1. Setiap kali pengguna SH memanfaatkan aplikasi SH, maka sistem akan membaca data UUID dari pengguna SH tersebut dan menyimpan riwayat pencarian data yang dilakukan leh pengguna tersebut. Nantinya, sistem akan melakukan pencarian data kedalam server SH dengan menggunakan UUID dari pengguna SH tersebut sebagai kunci pencarian data. 2. Jika pengguna tersebut baru pertama kali menggunakan aplikasi SH, maka pencarian data ptensi Kabupaten Sidarj akan dilakukan dengan menggunakan metde jin matching query. 3. Jika pengguna tersebut sudah beberapa kali menggunakan aplikasi SH, maka sistem akan melakukan prses retrieve data menggunakan algritma Apriri TID untuk membaca riwayat penggunaan aplikasi SH. Berdasarakan riwayat penggunaan aplikasi SH tersebut, maka sistem akan memberikan rekmendasi data ptensi Kabupaten Sidarj sesuai riwayat pengguna. 4. Hasil rekmendasi data tersebut akan digunakan leh sistem untuk melakukan pencarian data ptensi Kabupaten Sidarj dalam server SH. 5. Sistem akan menampilkan infrmasi ptensi Kabupaten Sidarj yang dibutuhkan leh pengguna SH. Pada aplikasi SH versi 1.0 pencarian data menggabungkan antara pencarian data teks pada server data ptensi daerah Sidarj dengan data peta pada server data spasial. Dengan diterapkannya algritma Apriri TID pada SH versi 2.0, rancangan basis data pada SH versi 1.0 perlu diperbaiki. Hal ini disebabkan karena belum adanya tabel yang bisa digunakan untuk menyimpan riwayat penggunaan SH leh pengguna. Sementara algritma Apriri TID membutuhkan data tersebut sebagai dasar menghasilkan rekmendasi ptensi daerah yang dimiliki Kabupaten Sidarj. Berikut adalah rancangan basis data pada SH versi 2.0 yang telah diperbarui seperti tampak pada gambar 2 berikut ini : id_kecamatan nama_kecamatan data_kecamatan tbkecamatan Variable characters (30) memiliki id_kelurahan nama_kelurahan data_kelurahan tbkelurahan Variable characters (30) id_ptensi nama_ptensi tbptensi id_nte nama_nde lkasi_nde data_nde memiliki tbnde Variable characters (15) memiliki id_sub_ptensi nama_sub_ptensi terdiri tbsubptensi memiliki id_prfil data_prfil tbprfil Variable characters (255) terdapat UUID tgl_akses tbriwayat Variable characters (40) Date Gambar 2. Rancangan basis data pada SH versi
6 Jurnal Penelitian Ps dan Infrmatika, Vl.07 N 02 Desember 2017: hal Fungsi dari dari masing-masing tabel diatas adalah sebagai berikut : 1. Tabel kecamatan, digunakan untuk menyimpan data-data 18 kecamatan yang ada di Kabupaten Sidarj. 18 kecamatan tersebut yaitu : Balngbend, Buduran, Candi, Gedangan, Jabn, Krembung, Krian, Prng, Prambn, Sedati, Sidarj, Sukdn, Taman, Tanggulangin, Tarik, Tulangan, Waru dan Wnayu (Pemkab Sidarj, 2015). 2. Tabel kelurahan, digunakan untuk menyimpan data-data kelurahan yang ada di setiap kecamatan. Ttal jumlah kelurahan di Sidarj yaitu 322 desa (BPS Kabupaten Sidarj, 2015). 3. Tabel ptensi, digunakan untuk menyimpan data klasifikasi ptensi daerah yang dimiliki Kabupaten Sidarj. Kelmpk ptensi utama tersebut yaitu industri, pertanian, perikanan, kerajinan, pariwisata dan kuliner (BPS Kabupaten Sidarj, 2015) 4. Tabel sub ptensi, digunakan untuk menyimpan data klasifikasi sub ptensi daerah dari tiap kelmpk ptensi utama. Untuk kategri ptensi industri terbagi menjadi 3 sub kategri yaitu indutri peralatan rumah tangga, industri knalpt dan industri pande besi. Untuk kategri ptensi kerajinan terbagi menjadi 6 sub kategri ptensi yaitu tas dan kper, brder, batik, knveksi, tpi dan sandal. Kategri ptensi pariwisata terbagi menjadi sub kategri ptensi pariwisata alam dan sub kategri ptensi pariwisata buatan. Sedangkan untuk kategri ptensi kuliner terbagi menjadi 7 sub kategri ptensi kuliner yaitu kerupuk, tahu, tempe, telur asin, petis, nugget, ssis. 5. Tabel nde, digunakan menyimpan titik lkasi daerah yang memiliki ptensi daerah tertentu. 6. Tabel prfil, digunakan untuk menyimpan data pendukung dari setiap titik lkasi yang memiliki ptensi daerah tertentu. Prfil setiap ptensi yang akan ditampilkan nantinya meliputi nama perusahaan, alamat usaha, cntact persn dari perusahaan tersebut, deskripsi tentang usaha yang dijalankan serta kelebihan dari setiap ptensi tersebut. 7. Tabel riwayat, digunakan untuk menyimpan data-data penggunaan SH leh setiap pengguna. HASIL DAN PEMBAHASAN Sebagai cnth, pada saat menggunakan aplikasi SH saat ini, pengguna mencari ptensi Brdir di kawasan Tanggulangin. Pada saat pencarian data, sistem akan membaca riwayat penggunaan SH pengguna tersebut. Sebagai cnth, riwayat penggunaan SH pengguna adalah sebagai berikut: dimana : 1 = Batik Wahyu 2 = CV. Kurnia 3 = UD. Barkah 4 = Batik Kharisma 5 = Batik Suryn Tabel 1. Riwayat penggunaan SH TID Items P P P P Items disini merupakan daftar byek ptensi yang ada di Kabupaten Sidarj yang pernah dicari leh pengguna pada masa pencarian sebelumnya. Kemudian ditentukan nilai minimum supprt. Nilai supprt disini adalah nilai dukungan dari unit ptensi yang ada terhadap keseluruhan data riwayat pencarian ptensi yang pernah dilakukan leh pengguna. 92
7 Penerapan Algritma Apriri TID Sebagai Metde Optimasi Pencarian Data... (Rani Purbaningtyas dkk) Nilai minimum supprt yang digunakan adalah 50%. Kemudian dihitung nilai supprt untuk masing-masing itemset terhadap keseluruhan data riwayat pengguna dengan hasil sebagai berikut : Tabel 2. Hasil perhitungan nilai supprt untuk satu itemsets Itemset Supprt {1} 2 {2} 3 {3} 3 {5} 3 Dari setiap kelmpk itemset pertama pada tabel 2, akan dihitung nilai supprt dan cnfidence. Cnfidence disini berarti mencari tingkat kedekatan atau keterkaitan antara suatu item terhadap item lainnya. Sehingga terbentuk itemset kedua seperti terlihat tabel 3. Tabel 3. Pembentukan itemset kedua TID Items P001 {1 3} P002 {2 3} {2 5} {3 5} P003 {1 2} {1 3} {1 5} {2 3} {2 5} {3 5} P004 {2 5} Untuk setiap kelmpk itemset kedua akan dihitung kembali nilai supprt sehingga didapatkan hasil sebagai berikut : Untuk setiap kelmpk itemset ketiga akan dihitung kembali nilai supprt sehingga didapatkan hasil sebagai berikut : Tabel 6. Hasil perhitungan nilai supprt untuk tiga itemsets Itemset Supprt {2 3 5}* 2 Berdasarkan hasil perhitungan pada tabel 6 diatas, maka rekmendasi yang dihasilkan leh sistem pada saat pencarian Brdir di kawasan Tanggulangin adalah : CV. Kurnia, UD. Barkah, dan Batik Suryn. Berikut perbandingan keluaran dari SH sebelum dan sesudah implementasi algritma Apriri TID. Dengan asumsi bahwa pengguna tersebut telah beberapa kali menggunakan SH. Sebagai cnth, ada seserang yang ingin melakukan pencarian data tentang ptensi kerajinan brdir yang terdapat di Kabupaten Sidarj. Jika sistem hanya melakukan prses pencarian data menggunakan metde jin matching query saja, maka hasil pencarian sistem adalah sebagai berikut: Tabel 4. Hasil perhitungan nilai supprt untuk dua itemsets Itemset Supprt {1 2} 1 {1 3}* 2 {1 5} 1 {2 3}* 2 {2 5}* 3 {3 5}* 2 Dari setiap kelmpk itemset pertama pada tabel 4, akan dihitung nilai supprt dan cnfidence. Sehingga terbentuk itemset ketiga seperti terlihat tabel 5. Tabel 5. Pembentukan itemset ketiga TID Items P002 {2 3 5} P003 {2 3 5} Gambar 4. Hasil pencarian data ptensi menggunakan metde jin matching query Pada gambar 4 diatas dapat dilihat bahwa SH menampilkan keseluruhan ptensi kerajinan brdir 93
8 Jurnal Penelitian Ps dan Infrmatika, Vl.07 N 02 Desember 2017: hal di kawasan Tanggulangin, Kabupaten Sidarj sesuai dengan yang dicari leh pengguna yaitu Brdir di kawasan Tanggulangin. Pada gambar 5, dengan menerapkan algritma Apriri TID pada saat pencarian data leh sistem, maka SH menampilkan hasil pencarian sistem sebagai berikut: Gambar 5. Hasil pencarian data ptensi dengan menerapkan algritma Apriri TID Pada gambar 5 di atas dapat dilihat bahwa SH tidak hanya menampilkan ptensi kerajinan brdir di kawasan Tanggulangin Kabupaten Sidarj sesuai dengan yang dicari leh pengguna yaitu Brdir di kawasan Tanggulangin. Akan tetapi juga menganalisis riwayat penggunaan aplikasi SH leh pengguna. Sehingga diharapkan infrmasi yang ditampilkan lebih sesuai dengan kebutuhan pengguna karena disesuaikan dengan kebiasaan pencarian ptensi daerah Kabupaten Sidarj yang dilakukan leh pengguna. Kebiasaan pencarian ini tampak dari riwayat penggunaan aplikasi SH yang dilakukan leh pengguna. Dari kedua hasil pencarian leh sistem tersebut dapat dilihat bahwa pencarian sistem dengan menerapkan algritma Apriri TID lebih ptimal. Hal ini disebabkan karena prses pencarian data tidak hanya menggunakan data yang tersimpan dalan server ptensi Kabupaten Sidarj saja tetapi digabungkan dengan analisis data riwayat penggunaan aplikasi SH leh pengguna SH. PENUTUP Hasil pencarian data pada prttype aplikasi SH versi 1.0 yang menggunakan metde jin matching query sudah mampu menampilkan hasil pencarian ptensi Kabupaten Sidarj dengan baik. Namun hasil pencarian data tersebut dirasa kurang ptimal karena tidak jarang kurang memenuhi kebutuhan pengguna SH. Agar pencarian data leh sistem dapat lebih ptimal maka digunakan algritma Apriri TID. Algritma TID digunakan untuk retrieve data pada riwayat penggunaan aplikasi SH yang tersimpan dalam sistem. Dengan menerapkan algritma Apriri TID pada saat pencarian data ptensi Kabupaten Sidarj, hasil pencarian dapat lebih ptimal. Hal ini disebabkan karena pencarian data leh engine system dilakukan dengan menggabungkan 2 pihak secara bersamaan, yaitu server data ptensi Kabupaten Sidarj dan server data riwayat penggunaan aplikasi SH leh pengguna SH itu sendiri. UCAPAN TERIMA KASIH Terima kasih disampaikan kepada para pelaku industri dan UMKM di lingkungan Kabupaten Sidarj, Dinas Pemuda Olahraga dan Pariwisata Kabupaten Sidarj, Dinas Perindustrian dan Perdagangan Kabupaten Sidarj, Dinas Kperasi dan Usaha Mikr Kabupaten Sidarj serta DRPM Dirjen Kemenristek Dikti yang telah memberikan dukungan dana sehingga terlaksananya penelitian Aplikasi Mbile Sidarj n Hands (SH) Sebagai Media Penunjang Prmsi Daerah Kabupaten Sidarj melalui skema Penelitian Prduk Terapan Tahun
9 Penerapan Algritma Apriri TID Sebagai Metde Optimasi Pencarian Data... (Rani Purbaningtyas dkk) DAFTAR PUSTAKA Agrawal, R., & Srikant, R. (1994). Fast Algrithms fr Mining Assciatin Rules. In Prceeding f the 20th Int l Cnference n Very Large Databases vl 1215 (pp ). San Francisc, USA: Mrgan Kaufmann Publisher Inc. Arizal, A. (2012). Penggunaan Data Mining Untuk Mencari Aturan Assiatif Dari Database Pengbatan Pada Klinik Amanah Kabupaten Sleman Prpinsi DIY Dengan Metde Quantitative Assciatin Rules. Universitas Gajah Mada, Ygyakarta. Astuti, Femi Dwi, W. A. (2016). Optimasi Pemrgraman Query Untuk Algritma Apriri Berbasis Assiasi Data Mining. Jurnal Riset Sistem Infrmasi & Teknik Infrmatika (JURASIK), STIKOM Tunas Bangsa, Vl 1(N 1). Ermatita. (2009). Analisis Optimasi Query Pada Data Mining. Jurnal Sistem Infrmasi (JSI), Universitas Sriwijaya, Palembang, Vl 1(N 1). Gunawan, Ridwati, & Khabib, M. (2016). N Title. Jurnal Nasinal Teknik Elektr Dan Teknlgi Infrmasi (JNTETI), Universitas Gadjah Mada, Jgjakarta, Vl 5(N 3 Agustus). Han, J., M. Kamber, & Pei, J. (2012). Data Mining: Cncepts and Techniques (Third edit). USA: Waltham, MA: Mrgan Kaufmann. Pemkab Sidarj. (2015). Bagian Telekmunikasi dan Infrmatika Kabupaten Sidarj, Retrieved frm Purbaningtyas, R., Arizal, A., & Wardy, T. (2017). Analisis dan Perancangan Sistem Sidarj n Hands (SH) Untuk Mendukung Prmsi Ptensi Daerah Kabupaten Sidarj. In Prsiding Seminar Nasinal Teknlgi dan Infrmatika (SNATIF) Kudus: Fakultas Teknik Universitas Muria. R Agrawal, Imieliński, T., & Swami, A. (1993). Mining Assciatin Rules Between Sets f Items in Large Databases. ACM SIGMOD Rec, Vl 22(N 2), Sidarj, B. K. (2015). Sidarj Dalam Angka
10 Jurnal Penelitian Ps dan Infrmatika, Vl.07 N 02 Desember 2017: hal
ANALISIS DAN PERANCANGAN SISTEM SIDOARJO on HANDS (SOH) UNTUK MENDUKUNG PROMOSI POTENSI DAERAH KABUPATEN SIDOARJO
Prsiding SNATIF Ke -4 Tahun 2017 ISBN: 978-602-1180-50-1 ANALISIS DAN PERANCANGAN SISTEM SIDOARJO n HANDS (SOH) UNTUK MENDUKUNG PROMOSI POTENSI DAERAH KABUPATEN SIDOARJO Rani Purbaningtyas 1*, Arif Arizal
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu (Sensuse dan Gunadi, 2012). Pola-pola
Lebih terperinciBAB I PENDAHULUAN 1.1. LATAR BELAKANG
BAB I PENDAHULUAN 1.1. LATAR BELAKANG Sebagai negara agraris, Indnesia memiliki kekayaan alam dan hayati yang sangat beragam yang jika dikella dengan tepat, kekayaan tersebut mampu diandalkan menjadi andalan
Lebih terperinciModifikasi Motif Kain Tradisional Menggunakan Cellular Automata
Mdifikasi Mtif Kain Tradisinal Menggunakan Cellular Autmata Purba Daru Kusuma Prgram Studi Sistem Kmputer Universitas Telkm Bandung, Indnesia purbdaru@gmail.cm Abstrak Metde cellular autmata telah diimplementasikan
Lebih terperinciOleh Peserta PKL beranggotakan : Mokhammad Ali Imron Jamaal Wira Prasaja Candra Mukti Wijaya Ilham Mashudi. Dosen Pembimbing : Anita, S.
SISTEM INFORMASI GEOGRAFIS FASILITAS KEBERSIHAN DI KOTA MALANG DENGAN MEMANFAATKAN FITUR PEMETAAN LEAFLET (Studi Kasus Pada Dinas Kebersihan dan Pertamanan Kta Malang) Oleh Peserta PKL beranggtakan : Mkhammad
Lebih terperinciANALISIS DAN IMPLEMENTASI DATA MINING DENGAN CONTINUOUS ASSOCIATION RULE MINING ALGORITHM (CARMA) UNTUK REKOMENDASI MATA KULIAH PADA PERWALIAN
ANALISIS DAN IMPLEMENTASI DATA MINING DENGAN CONTINUOUS ASSOCIATION RULE MINING ALGORITHM (CARMA) UNTUK REKOMENDASI MATA KULIAH PADA PERWALIAN Dwiaji Nuraryudha 1, Shaufiah 2, Hetti Hidayati 3 1,2,3 Fakultas
Lebih terperinciBAB 1 PENDAHULUAN PENDAHULUAN. dampak bermunculannya banyak developer game di negara-negara tersebut.
BAB 1 PENDAHULUAN PENDAHULUAN 1.1 Latar Belakang Saat ini industri game telah menjadi salah satu sumber pemasukan terbesar bagi negara-negara maju di luar sana, yang dimana sebagian besar didminasi leh
Lebih terperinciSeminar Nasional Matematika dan Aplikasinya, 21 Oktober 2017 Surabaya, Universitas Airlangga. Evy Dwi Cahyati 1), Dyah Herawatie 2), Eto Wuryanto 3)
Seminar Nasinal Matematika dan Aplikasinya, 21 Oktber 2017 IMPLEMENTASI K-MEANS CLUSTERING UNTUK PEMETAAN DESA DAN KELURAHAN DI KABUPATEN BANGKALAN BERDASARKAN CONTRACEPTIVE PREVALENCE RATE DAN TINGKAT
Lebih terperinciBAB IV PERANCANGAN SISTEM. praktek ini, baik di dalam memperoleh data, menyelesaikan, dan memecahkan
BAB IV PERANCANGAN SISTEM 4.1. Prsedur Kerja Praktek Cara pengumpulan data yang akan digunakan untuk menyelesaikan kerja praktek ini, baik di dalam memperleh data, menyelesaikan, dan memecahkan permasalahan
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 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 terperinciANALISIS DAN PERANCANGAN WEB SEBAGAI MEDIA INFORMASI DAN PROMOSI PADA IKAPEMTA BATIK. Naskah Publikasi. diajukan oleh. Jeprianto
ANALISIS DAN PERANCANGAN WEB SEBAGAI MEDIA INFORMASI DAN PROMOSI PADA IKAPEMTA BATIK Naskah Publikasi diajukan leh Jepriant 07.12.2552 kepada JURUSAN SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN INFORMATIKA
Lebih terperinciRANCANG BANGUN MODUL PENGKATEGORIAN DAN PENGELOMPOKKAN TOPIK OTOMATIS PADA APLIKASI FORUM phpbb
JURNAL TEKNIK POMITS Vl. 2, N. 1, (2013) ISSN: 2337-3539 (2301-9271 Pr) 1 RANCANG BANGUN MODUL PENGKATEGORIAN DAN PENGELOMPOKKAN TOPIK OTOMATIS PADA APLIKASI FORUM phpbb Arthur Hlng P.N, Daniel O.S., S.Km,
Lebih terperinciJURNAL SISTEM PENGAMBILAN KEPUTUSAN PEMILIHAN SEPATU DENGAN METODE PROMETHEE DI TOKO SEPATU STARS
JURNAL SISTEM PENGAMBILAN KEPUTUSAN PEMILIHAN SEPATU DENGAN METODE PROMETHEE DI TOKO SEPATU STARS DECISION SUPPORT SYSTEM OF SHOES SELECTION WITH PROMETHEE METHOD OF STARS SHOES STORE Oleh: PRASETYO AJI
Lebih terperinciSISTEM INFORMASI PENGOLAHAN BANK SAMPAH MALANG
SISTEM INFORMASI PENGOLAHAN BANK SAMPAH MALANG Haryati Wattimena Danang Aditya Nugraha 1 Manajemen Infrmatika,Universitas Kanjuruhan Malang, haryati.watimena@gmail.cm 2 Teknik Infrmatika, Universitas Kanjuruhan
Lebih terperinciDATA & INFORMASI DALAM SISTEM INFORMASI BISNIS ASIH ROHMANI,M.KOM
DATA & INFORMASI DALAM SISTEM INFORMASI BISNIS ASIH ROHMANI,M.KOM PENGERTIAN DATA Data adalah kenyataan yang menggambarkan suatu kejadian-kejadian dan kesatuan nyata. PENGERTIAN DATA Data adalah deskripsi
Lebih terperinciJournal of Informatics and Telecommunication Engineering. Analisa Algoritma Data Mining Eclat Dan Hui Miner
JITE, Vol. 1(1) Juli (2017) p-issn : 2549-6247 e-issn : 2549-6255 Journal of Informatics and Telecommunication Engineering Available online http://ojs.uma.ac.id/index.php/jite Analisa Algoritma Data Mining
Lebih terperinciKalkulasi Bantuan Korban Bencana Alam Menggunakan Sistem Pakar (Help Victims Of Natural Disasters Calculation Using Expert System)
Kalkulasi Bantuan Krban Bencana Alam Menggunakan Sistem Pakar (Help Victims Of Natural Disasters Calculatin Using Expert System) Khtimul Anwar 1), Hindayati Mustafidah 2) 12 Prgram Studi Teknik Infrmatika
Lebih terperinciAplikasi Data Mining dengan Menggunakan Teknik ARM untuk Pengolahan Informasi Rendemen Obat
Aplikasi Data Mining dengan Menggunakan Teknik ARM untuk Pengolahan Informasi Rendemen Obat Wiwin Suwarningsih Pusat Penelitian Informatika, LIPI wiwin@informatika.lipi.go.id Abstrak Rendemen obat merupakan
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 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 terperinciANALISA PENCARIAN FREQUENT ITEMSETS MENGGUNAKAN ALGORITMA FP-MAX
ANALISA PENCARIAN FREQUENT ITEMSETS MENGGUNAKAN ALGORITMA FP-MAX Suhatati Tjandra Dosen Teknik Informatika Sekolah Tinggi Teknik Surabaya e-mail : tati@stts.edu ABSTRAK Association rule mining merupakan
Lebih terperinciBAB IV DESKRIPSI PEKERJAAN. Kerja praktik yang kami laksanakan di PT. Indoberka Investama pada
BAB IV DESKRIPSI PEKERJAAN Kerja praktik yang kami laksanakan di PT. Indberka Investama pada tanggal 11 Juli 2016 s.d 11 Agustus 2016. PT. Indberka Investama merupakan perusahaan nasinal yang bergerak
Lebih terperinciAnalisis Sensitivitas pada Pertumbuhan Penduduk Nanggroe Aceh Darussalam dengan Metode Life Table
Vl. 6, N.1, 1-14, Juli 29 Analisis Sensitivitas pada Pertumbuhan Penduduk Nanggre Aceh Darussalam dengan Metde ife Table Miftahuddin Abstrak Penelitian ini dilakukan untuk mengetahui pertumbuhan penduduk
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 terperinciBUPATI SIDOARJO PERATURAN BUPATI SIDOARJO NOMOR 37 TAHUN 2012 TENTANG RINCIAN TUGAS, FUNGSI DAN TATA KERJA INSPEKTORAT KABUPATEN SIDOARJO
BUPATI SIDOARJO PERATURAN BUPATI SIDOARJO NOMOR 37 TAHUN 2012 TENTANG RINCIAN TUGAS, FUNGSI DAN TATA KERJA INSPEKTORAT KABUPATEN SIDOARJO DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI SIDOARJO, Menimbang :
Lebih terperinciBAB 1 PENDAHULUAN. Setiap usaha yang didirikan dengan orientasi laba (keuntungan) mempunyai
BAB 1 PENDAHULUAN 1.1 Latar Belakang. Setiap usaha yang didirikan dengan rientasi laba (keuntungan) mempunyai tujuan untuk mencapai laba (keuntungan) yang ptimal, sehingga kelangsungan hidup badan usaha
Lebih terperinciBUPATI SIDOARJO PROVINSI JAWA TIMUR PERATURAN BUPATI SIDOARJO NOMOR 67 TAHUN 2016 TENTANG
BUPATI SIDOARJO PROVINSI JAWA TIMUR PERATURAN BUPATI SIDOARJO NOMOR 67 TAHUN 2016 TENTANG KEDUDUKAN, SUSUNAN ORGANISASI, TUGAS DAN FUNGSI SERTA TATA KERJA INSPEKTORAT DAERAH KABUPATEN SIDOARJO DENGAN RAHMAT
Lebih terperinciBAB I PENDAHULUAN. PLN, di ganti menjadi kwh meter digital yang dapat memberikan nilai lebih
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknlgi selalu berkembang setiap saat, ada saja yang dilakukan manusia untuk memberikan kemudahan pada kehidupan sehari-hari. Salah satu cnth kemudahan
Lebih terperinciBAB IV DESKRIPSI KERJA PRAKTEK. Berdasarkan hasil wawancara dengan pihak CV. Bintang Anggara Jaya
BAB IV DESKRIPSI KERJA PRAKTEK 4.1 Identifikasi Masalah Berdasarkan hasil wawancara dengan pihak CV. Bintang Anggara Jaya pada saat kerja praktek, maka dapat diketahui aplikasi pendukung yang dapat mengatasi
Lebih terperinciProjek Akhir Mahasiswa Program Studi Teknik Informatika - Universitas Nasional Pasim Penelitian dan Penulisan SKRIPSI
Prjek Akhir Mahasiswa Prgram Studi Teknik Infrmatika - Universitas Nasinal Pasim Penelitian dan Penulisan SKRIPSI Iim Abdurrhim, S.Km., M.T Senin, 08 Agustus 2016 Agenda Waktu/ Jadwal Penyusunan SKRIPSI
Lebih terperinciBAB I PENDAHULUAN. Sidoarjo adalah kabupaten sekaligus kota yang terletak di Propinsi Jawa
BAB I PENDAHULUAN 1.1 Latar Belakang 1.1.1 Latar Belakang Pemilihan Objek Sidoarjo adalah kabupaten sekaligus kota yang terletak di Propinsi Jawa Timur. Secara geografis, berbatasan dengan kota Surabaya,
Lebih terperinciBAB 4. ANALISIS dan PEMBAHASAN
BAB 4 ANALISIS dan PEMBAHASAN 4.1 Prfil Perusahaan PT. Megah Lestar Packind adalah perusahaan yang bergerak di bidang Percetakan kardus yang mulai berdiri sejak 9 Maret 1988 dengan lkasi yang bertempat
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI MONITORING BANDWIDTH INTRANET DI PUSPIPTEK-BPPT
PERANCANGAN DAN IMPLEMENTASI MONITORING BANDWIDTH INTRANET DI PUSPIPTEK-BPPT Susant Raya Stx.raya@gmail.cm Suma Handi Winata handi.winata@yah.cm William william.tjhaw@gmail.cm Taslim Rchmadi ABSTRAK Tujuan
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 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 terperinciBUPATI SIDOARJO PROVINSI JAWA TIMUR PERATURAN DAERAH KABUPATEN SIDOARJO NOMOR 11 TAHUN 2016 TENTANG
BUPATI SIDOARJO PROVINSI JAWA TIMUR PERATURAN DAERAH KABUPATEN SIDOARJO NOMOR 11 TAHUN 2016 TENTANG PEMBENTUKAN DAN SUSUNAN PERANGKAT DAERAH KABUPATEN SIDOARJO DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI
Lebih terperinci2. Android Google Maps Android API v2 3. Proses Bisnis Dinas Peternakan dan Kesehatan hewan kabupaten Malang
PEMBUATAN APLIKASI SISTEM INFORMASI GEOGRAFIS BERBASIS MOBILE ANDROID UNTUK PEMETAAN PERSEBARAN PENYAKIT SAPI(STUDI KASUS: DINAS PETERNAKAN DAN KESEHATAN HEWAN KABUPATEN MALANG) Mchammad Adji Firmansyah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Pelaku bisnis saat ini dituntut selalu inovatif untuk dapat bersaing dengan kompetitor. Bisnis retail seperti Apotek merupakan bisnis dengan persaingan yang sangat
Lebih terperinciPENERAPAN 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 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 terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Untuk dapat meningkatkan penjualan, pengambil keputusan / manajer toko harus dapat memperhatikan faktor-faktor yang mempengaruhi secara langsung. Salah satu
Lebih terperinciDESAIN ALGORITMA DAN SIMULASI ROUTING UNTUK GATEWAY AD HOC WIRELESS NETWORKS
DESAIN ALGORITMA DAN SIMULASI ROUTING UNTUK GATEWAY AD HOC WIRELESS NETWORKS Staff Pengajar Jurusan Pendidikan Teknlgi dan Kejuruan Fakultas Keguruan dan Ilmu Pendidikan Universitas Nusa Cendana, Kupang
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 terperinciRANGKUMAN APLIKASI PENGOLAHAN DATABASE (Menggunakan Microsoft Access 2007)
RANGKUMAN APLIKASI PENGOLAHAN DATABASE (Menggunakan Micrsft Access 2007) A. PENGERTIAN DATABASE Kata Database berasal dari bahasa inggris, dalam bahasa Indnesia database diartikan dengan Pangkalan Data
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 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. 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 terperinciPENGGUNAAN METODE QUANTITATIVE ASSOCIATION RULES UNTUK MENCARI ATURAN ASOSIATIF DARI DATABASE PENGOBATAN
PENGGUNAAN METODE QUANTITATIVE ASSOCIATION RULES UNTUK MENCARI ATURAN ASOSIATIF DARI DATABASE PENGOBATAN Arif Arizal 1 1 Teknik Informatika, Universitas Bhayangkara, Surabaya e-mail: 1 qariff@gmail.com
Lebih terperinciKonsep Sistem Informasi Manajemen
Knsep Sistem Infrmasi Manajemen Sistem Infrmasi Sistem Infrmasi telah menjadi pndasi bagi mdel dan prses bisnis Sistem Infrmasi memungkinkan distribusi pengetahuan: suatu sistem kmunikasi antara manusia
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Berdasarkan System Development Life Cycle (SDLC) metode waterfall yang
BAB III ANALISIS DAN PERANCANGAN SISTEM Berdasarkan System Develpment Life Cycle (SDLC) metde waterfall yang digunakan dalam pembuatan aplikasi penentuan harga jual, terdapat beberapa tahapan yang terdiri
Lebih terperinciSistem Pendukung Keputusan untuk Investasi Perumahan Area Malang Menggunakan Algoritma Bayesian
13 Sistem Pendukung Keputusan untuk Investasi Perumahan Area Malang Menggunakan Algritma Bayesian Mhammad Taufan AZ, Sunary dan Wijn Abstrak Faktr yang menjadi pertimbangan dalam menentukan keputusan untuk
Lebih terperinciANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE
ANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE Diki Arisandi 1, Nofriandi 2 Jurusan Teknik Informatika, FakultTeknik,Universitas Abdurrab
Lebih terperinciPEMBUATAN APLIKASI PEMINDAI UANG KERTAS DENGAN ALGORITMA VIOLA-JONES
Seminar Nasinal Teknlgi Infrmasi dan Multimedia 2016 PEMBUATAN APLIKASI PEMINDAI UANG KERTAS DENGAN ALGORITMA VIOLA-JONES Sidik Hadi Kurniadi1), Akhmad Adi Edvant2) 1), 2) Teknik Infrmatika STMIK AMIKOM
Lebih terperinciPEMBANGKITAN KAIDAH ASOSIASI DARI TOP-K FREQUENT CLOSED ITEMSET YANG DIDASARKAN PADA STRUKTUR DATA BERBASIS LATTICE
PEMBANGKITAN KAIDAH ASOSIASI DARI TOP-K FREQUENT CLOSED ITEMSET YANG DIDASARKAN PADA STRUKTUR DATA BERBASIS LATTICE Dian Puspita Hapsari dan Arif Djunaidy Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciTEKNOSI, Vol. 02, No. 03, Desember Pekerjaan Online. Jl. Siwalankerto , Surabaya 60236, Indonesia
TEKNOSI, Vl. 02, N. 03, Desember 2016 149 Penerapan Web Services untuk Layanan Infrmasi Pekerjaan Online Adi Wibw 1, Kartika Gunadi 2, Benny Hartn Sants 3 1,2,3 Teknik Infrmatika, Fakultas Teknlgi Industri,
Lebih terperinciPEMETAAN KONDISI FISIK JALAN DAN DRAINASE ZONA-2 KOTA MAKASSAR BERBASIS GIS OPEN SOURCE KOTA MAKASSAR, PROVINSI SULAWESI SELATAN
PEMETAAN KONDISI FISIK JALAN DAN DRAINASE ZONA-2 KOTA MAKASSAR BERBASIS GIS OPEN SOURCE KOTA MAKASSAR, PROVINSI SULAWESI SELATAN Syafruddin Rauf Jurusan Teknik Sipil, Fakultas Teknik Universitas Hasanuddin
Lebih terperinciPENGGALIAN TOP-K CLOSED FREQUENT ITEMSETS BERBASIS ALGORITMA PEMETAAN TRANSAKSI
Program Studi MMT-ITS, Surabaya 2 Agustus 28 PENGGALIAN TOP-K CLOSED FREQUENT ITEMSETS BERBASIS ALGORITMA PEMETAAN TRANSAKSI Ngurah Agus Sanjaya ER dan Arif Djunaidy Program Magister Bidang Keahlian Teknik
Lebih terperinciFREQUENT ITEMSET MINING MENGGUNAKAN ALGORITMA PIE
FREQUENT ITEMSET MINING MENGGUNAKAN ALGORITMA PIE Suhatati Tjandra Dosen Teknik Informatika Sekolah Tinggi Teknik Surabaya e-mail: tati@stts.edu ABSTRAK Frequent itemset mining adalah algoritma yang digunakan
Lebih terperinciANALISIS FAKTOR-FAKTOR DOMINAN UNTUK MENARIK MINAT PEMAIN FUTSAL KE LAPANGAN FUTSAL X BANDUNG
INDEPT, Vl, N., Oktber 0 ISSN 087-90 ANALISIS FAKTOR-FAKTOR DOMINAN UNTUK MENARIK MINAT PEMAIN FUTSAL KE LAPANGAN FUTSAL X BANDUNG Erlian Supriyant.,ST Dsen Tetap Teknik Industri Universitas Nurtani Bandung
Lebih terperinciBAB 1 PENDAHULUAN. memarkirkan mobilnya di tempat-tempat perparkiran yang cukup sibuk seperti
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dengan semakin banyaknya pemilik mbil di kta besar seperti Jakarta, Bandung dan Surabaya akan menimbulkan masalah bagi pemilik mbil untuk memarkirkan mbilnya di tempat-tempat
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 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 terperinciJURNAL IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PENJUALAN ROTI DI DIFA RIEN S BAKERY
JURNAL IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PENJUALAN ROTI DI DIFA RIEN S BAKERY Oleh: SITI TRI WAHYUNI 12.1.03.03.0033 Dibimbing oleh : 1. HERMIN ISTIASIH, ST.,MM.,MT 2. ARIE NUGROHO,
Lebih terperinciBAB 1 PENDAHULUAN. perusahaan harus dapat meningkatkan kinerja dan perfomansinya agar dapat unggul
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknlgi yang semakin maju dan semakin pesat membuat perusahaan harus dapat meningkatkan kinerja dan perfmansinya agar dapat unggul dalam persaingan sekarang
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Masalah Apotek Rumah Sakit Islam Malahayati merupakan suatu organisasi bisnis yang berkembang di Indonesia. Apotek Rumah Sakit Islam Malahayati bergerak
Lebih terperinciDecision Support on Supply Chain Management System Using Apriori Data Mining Algorithm
Decision Support on Supply Chain Management System Using Apriori Data Mining Algorithm Eka Widya Sari, Ahmad Rianto, Siska Diatinari Andarawarih College Of Informatics And Computer Engineering Indonesia
Lebih terperinciSILABUS. Sifat: Pendukung
SILABUS Prgram Studi : Sistem Infrmasi Kde Mata Kuliah : Nama Mata Kuliah : Pryek Sistem Infrmasi (MPSI) Kelmpk Mata Kuliah : Kde / SKS : RIS1/3 Nama Dsen : Ir. Riswan, MMSI Jam/Minggu 2 Jam Kde MataKuliah
Lebih terperinciRANCANG BANGUN SISTEM INFORMASI PENJUALAN BUKU MENGGUNAKAN PHP & MYSQL (STUDI KASUS CV PUTRA MANDIRI JAYA)
RANCANG BANGUN SISTEM INFORMASI PENJUALAN BUKU MENGGUNAKAN PHP & MYSQL (STUDI KASUS CV PUTRA MANDIRI JAYA) M. Hafidh Zunaidi 1, Made Kamisutara 2, Tubagus Purw R. 3. 1,2,3 Prgram Studi Sistem Infrmasi,
Lebih terperinciREKOMENDASI SOLUSI PADA COMPUTER MAINTENANCE MANAGEMENT SYSTEM MENGGUNAKAN ASSOCIATION RULE, KOEFISEN KORELASI PHI DAN CHI-SQUARE
REKOMENDASI SOLUSI PADA COMPUTER MAINTENANCE MANAGEMENT SYSTEM MENGGUNAKAN ASSOCIATION RULE, KOEFISEN KORELASI PHI DAN CHI-SQUARE Farid Sukmana 1) dan Joko Lianto Buliali 2) 1) Management of Information
Lebih terperinciBAB IV DESKRIPSI PEKERJAAN. 4 Berdasarkan hasil wawancara dengan Supervisor TI PT Kimia Farma
BAB IV DESKRIPSI PEKERJAAN 4 Berdasarkan hasil wawancara dengan Supervisr TI PT Kimia Farma Aptek Surabaya dapat diketahui slusi aplikasi yang dibutuhkan untuk mengatasi permasalahan yang ada. Analisis
Lebih terperinciAPLIKASI PEMBENTUKAN KELAS DENGAN K-MEANS CLUSTERING SEBAGAI ALAT BANTU PEMILIHAN SISWA KELAS UNGGULAN DI MAN 3 KEDIRI SKRIPSI
APLIKASI PEMBENTUKAN KELAS DENGAN K-MEANS CLUSTERING SEBAGAI ALAT BANTU PEMILIHAN SISWA KELAS UNGGULAN DI MAN 3 KEDIRI SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Syarat guna Memperleh Gelar
Lebih terperinciPENDAHULUAN. Data dan Informasi. Sistem Informasi. Komponen sistem informasi. Basis data
UNIVERSITAS UNIVERSAL BATAM 2016 PENDAHULUAN Data dan Infrmasi Data merupakan nilai (value) yang turut merepresentasikan deskripsi dari suatu bjek atau kejadian (event) Infrmasi merupakan hasil dari penglahan
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM. Identifikasi permasalahan merupakan langkah awal yang harus dilakukan
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1 Identifikasi Permasalahan Identifikasi permasalahan merupakan langkah awal yang harus dilakukan dalam membuat suatu sistem yang baru. Langkah awal yang dilakukan
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 III METODE PENELITIAN. Metode penelitian merupakan suatu prosedur beserta tahapan-tahapan yang
BAB III METODE PENELITIAN Metode penelitian merupakan suatu prosedur beserta tahapan-tahapan yang tersusun secara jelas dan sistematis guna menyelesaikan suatu permasalahan yang sedang diteliti dengan
Lebih terperinci1 BAB I 2 PENDAHULUAN
1 BAB I 2 PENDAHULUAN 1.1 Latar Belakang Data mining merupakan salah satu bidang ilmu yang berupaya untuk menemukan kaidah, pola, model, maupun informasi yang bersifat menarik dari sekumpulan data. Salah
Lebih terperinciBAB IV DESKRIPSI KERJA PRAKTIK. tersebut, diperlukan langkah-langkah sebagai berikut. di harapkan akan dapat menyelesaikan permasalahan yang ada.
BAB IV DESKRIPSI KERJA PRAKTIK 4.1 Prsedur Kerja Berdasarkan hasil pengamatan dan survey yang dilakukan pada saat kerja praktik di PT. Karana Line, terdapat permasalahan tentang prses penggajian yang menggunakan
Lebih terperinciBAB IV DESKRIPSI KERJA PRAKTEK. agar pekerjaan jauh lebih efisien serta meminimalisir terjadinya human eror. Untuk
BAB IV DESKRIPSI KERJA PRAKTEK Berdasarkan hasil analisis sistem yang sedang berjalan pada CV. Sinergi Design, prses perhitungan gaji masih menggunakan rumus sendiri sehingga dalam prses pembuatan lapran
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 terperinciBAB 2 LANDASAN TEORI. Pada bab ini akan dibahas tentang konsep dasar dan teori-teori pendukung yang berhubungan dengan sistem yang akan dibangun.
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas tentang konsep dasar dan teori-teori pendukung yang berhubungan dengan sistem yang akan dibangun. 2.1. Data Mining Data mining adalah suatu istilah yang digunakan
Lebih terperinciBAB 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 terperinciJSIKA Vol. 5, No. 10, Tahun 2016 ISSN X
JSIKA Vl. 5, N. 10, Tahun 2016 ISSN 2338-137X Rancang Bangun Aplikasi Berdasarkan Sasaran Kerja Negeri Sipil Pada Kantr Pertanahan Kabupaten Lamngan Fransiscus Xaverius Yudha G. C. H 1) Henry Bambang Setyawan
Lebih terperinciAPLIKASI BERBELANJA PADA SUPERMARKET (PELENGKAP TROLI) BERBASIS ANDROID MENGGUNAKAN JARINGAN WIRELESS LAN
APLIKASI BERBELANJA PADA SUPERMARKET (PELENGKAP TROLI) BERBASIS ANDROID MENGGUNAKAN JARINGAN WIRELESS LAN Abstract Waiting time during transactin at the cashier ften make a very lng queue at every supermarket.
Lebih terperinciTingkat Pelayanan Fasilitas Pendidikan Sekolah Menengah Tingkat Atas di Kabupaten Sidoarjo
JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3539 (2301-9271 Print) C-197 Tingkat Pelayanan Fasilitas Pendidikan Sekolah Menengah Tingkat Atas di Kabupaten Sidoarjo Sisca Henlita, Ketut Dewi Martha
Lebih terperinciBAB III METODE PENELITIAN. tepatnya di Desa Suban Kecamatan Tungkal Ulu di kabupaten Tanjung Jabung Barat,
BAB III METODE PENELITIAN 3.1 Lkasi Penelitian Lkasi analisis ketersediaan air yang ditijau adalah di Daerah irigasi Suban, tepatnya di Desa Suban Kecamatan Tungkal Ulu di kabupaten Tanjung Jabung Barat,
Lebih terperinciBAB 1 PENDAHULUAN. ini akan semakin tinggi.apalagi pada tahun ini terjadi kenaikan harga bahan bakar
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Persaingan dalam dunia usaha akan selalu terjadi bahkan peningkatan persaingan ini akan semakin tinggi.apalagi pada tahun ini terjadi kenaikan harga bahan bakar
Lebih terperinciPENERAPAN SISTEM INFORMASI UNTUK MANAJEMEN DATA MINERAL
PENERAPAN SISTEM UNTUK MANAJEMEN DATA MINERAL Teguh Prayg Peneliti Pusat Teknlgi Sumber Daya Mineral BPPT yg@webmail.bppt.g.id Abstract Mineral rmatin System (SIM) is an added value and integrated base
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 III ANALISIS DAN PERANCANGAN SISTEM. menggunakan model waterfall. Pada model waterfall terdapat tahapan analisis
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Pada tahapan ini dilakukan beberapa prses yang berhubungan dengan tahapan awal metde penelitian. Pada metde penelitian yang diambil menggunakan
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. Pengelolaan Kas Fakultas Teknik Universitas 45 Surabaya memiliki
BAB V HASIL DAN PEMBAHASAN Pengellaan Kas Fakultas Teknik Universitas 45 Surabaya memiliki prsedur sistem yang sedikit berbeda dengan beberapa Fakultas. Hal ini diakibatkan karena sistem yang dijalankan
Lebih terperinciPENGGUNAAN ALGORITMA GREEDY PADA PERMAINAN CAPSA SUSUN
PENGGUNAAN ALGORITMA GREEDY PADA PERMAINAN CAPSA SUSUN Calvin Irwan 13507010 Prgram Studi Teknik Infrmatika Seklah Teknik Elektr dan Infrmatika Institut Teknlgi Bandung, Jl. Ganesha 10 Bandung 40132, Indnesia
Lebih terperincipermintaan. Sedangkan untuk faktor - faktor lain dianggap tetap (tidak diteliti). Penelitian
BAB III METODOLOGI PENELITIAN 3.1 Materi Penelitian Pada penelitian ini akan membahas bagaimana menentukan atau memperkirakan vlume prduksi berdasarkan variabel bahan baku, jam kerja, biaya prduksi dan
Lebih terperinciPERATURAN & TATA TERTIB PRAKTIKUM ANALISIS DAN PERANCANGAN PERUSAHAAN
PERATURAN & TATA TERTIB PRAKTIKUM ANALISIS DAN PERANCANGAN PERUSAHAAN a. Penilaian Praktikum: 1. Penilaian praktikum terdiri dari 2 kelmpk nilai: tugas kelmpk dinilai leh pembimbing asistensi yang bersangkutan
Lebih terperinciJournal of Informatics and Telecommunication Engineering. Implementation of Apriori Algorithm on Data of Kosarak and Mushrooms Benchmark
JITE, Vol. 1(1) Juli (2017) p-issn : 2549-6247 e-issn : 2549-6255 Journal of Informatics and Telecommunication Engineering Available online http://ojs.uma.ac.id/index.php/jite Implementasi Algoritma Apriori
Lebih terperinciBAB IV DESKRIPSI PEKERJAAN
BAB IV DESKRIPSI PEKERJAAN Semua rganisasi membutuhkan aliran infrmasi yang membantu manajer untuk mengambil bermacam keputusan yang dibutuhkan. Aliran infrmasi ini diatur dan diarahkan dalam suatu sistem
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 terperinciRENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI D3 KOMPUTERISASI AKUNTANSI FAKULTAS ILMU TERAPAN TELKOM UNIVERSITY
RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI D3 KOMPUTERISASI AKUNTANSI FAKULTAS ILMU TERAPAN TELKOM UNIVERSITY MATA KULIAH KODE RUMPUN MK BOBOT (SKS) SEMESTER DIREVISI P = 1 Analisis dan Perancangan Sistem
Lebih terperinci