PERTEMUAN 13 ARSITEKTUR & MODEL DATA MINING
|
|
|
- Leony Kusnadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PERTEMUAN 13 ARSITEKTUR & MODEL DATA MINING
2 bagan
3 lanjut Keterangan : 1. Data cleaning (Pembersihan Data) : untuk membuang data yang tidak konsisten dan noise) 2. Data integration : penggabungan data dari beberapa sumber 3. Data Mining Engine : Mentranformasikan data menjadi bentuk yang sesuai untuk di mining 4. Pattern evaluation : untuk menemukan yang bernilai melalui knowledge base 5. Graphical User Interface (GUI) : untuk end user Semua tahap bersifat interaktif di mana user terlibat langsung atau dengan perantaraan knowledge base
4 Model Data Mining - Prediction Methods Menggunakan beberapa variabel untuk memprediksi sesuatu atau suatu nilai yang akan datang. - Description Methods Mendapatkan pola penafsiran (humaninterpretable patterns) untuk menjelaskan data.
5 Data Mining Prediktif Klasifikasi Decision tree Analisis Time series Regresi Prediksi Jaringan syaraf tiruan Data Mining Deskriptif Klastering Summarization Aturan Asosiasi (Assosiation Rule) Sequence Discovery
6 Klasifikasi Proses untuk menemukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data dengan tujuan untuk dapat memprediksi kelas dari suatu objek yang labelnya tidak diketahui Contoh : Mendeteksi Penipuan Tujuan : Memprediksi kasus kecurangan transaksi kartu kredit. Pendekatan : - Menggunakan transaksi kartu kredit dan informasi dilihat dari atribut account holder
7 lanjut - Kapan customer melakukan pembelian, Dengan cara apa customer membayar, sebarapa sering customer membayar secara tepat waktu, dll - Beri nama/tanda transaksi yang telah dilaksanakan sebagai transaksi yang curang atau yang baik. Ini sebagai atribut klass ( the class attribute.) - Pelajari model untuk class transaksi - Gunakan model ini untuk mendetekdi kecurangan dengan meneliti transaksi kartu kredit pada account.
8 Regression Digunakan untuk memetakan data dengan prediksi atribut bernilai real Contoh: Memprediksi jumlah penjualan produk baru pada advertising expenditure. Memprediksi kecepatan memutar (wind velocities) pada fungsi temperatur, tekanan udara, dll
9 Decision tree (Pohon keputusan) Salah satu model klasifikasi yang mudah di interpretasikan Contoh : identifikasi pembeli komputer ( dari decision tree di bawah ini ternyata salah satu kelompok yang potensial adalah orang yang berusia < 30 dan pelajar
10 lanjut Neural Network (Jaringan syaraf tiruan) - Jaringan syaraf buatan di mulai dengan layer input, dimana tiap simpul berkorespondensi dengan variabel prediktor. - Simpul- simpul input ini terhubung kebeberapa simpul dalam hidden layer. Dan simpul dalam hidden layer dapat terhubung ke simpul lain dalam hidden layer atau ke output layer. - Output layer terdiri dari satu atau beberapa variable respon
11 lanjut Telekomunikasi Data mining digunakan untuk melihat jutaan transaksi yang masuk dengan tujuan menambah layanan otomatis Keuangan Data mining digunakan untuk mendeteksi transaksitransaksi keuangan yang mencurigakan dimana akan susah dilakukan jika menggunakan analisis standar. Asuransi Australian Health Insurance Commision menggunakan data mining untuk mengidentifikasi layanan kesehatan dan berhasil menghemat satu juta dollar pertahun
12 lanjut Olah raga IBM Advanced Scout menggunakan data mining untuk menganalisis statistik permainan NBA dalam rangka competitive advantage untuk tim New York Knicks Astronomi Jet Propulsion Laboratory (JPL) di Pasadena dan Pulomar Observatory menemukan 22 quasar dengan bantuan data mining. Internet Web Surf-Aid IBM Surf-Aid menggunakan algoritma data mining untuk mendata akses halaman Web khususnya berkaitan dengan pemasaran melalui web.
13 lanjut Tools Data Mining Karateristik-karateristik penting dari tool data mining meliputi : Data preparation facilities Selection of data mining operation (algorithms) Product scalability and performance Facilities for visualization of result Data mining tool, meliputi : Integral Solution Ltd s Clementine DataMind Corp s Data Crusher IBM s Intelligent Miner Silicon Graphics Inc. s MineSet Informations Discovery Inc. s Data Mining Suite SAS Institute Inc. s SAS System and Right Information System Thought.
14 Evolusi Database Th 1960 Pengumpulan data, pembuatan data, IMS dan network DBMS Th 1970 Model data relasional, Implementasi DBMS relasional Th 1980 RDBMS, Model data lanjutan (extended-relational, OO, deductive) Th 1990 Data mining, data warehouse, database multimedia, dan Web database. Th 2000 Stream data managemen dan mining Data mining dengan berbagai variasi aplikasi Teknologi web dan sistem informasi global
15 Teknik teknik Database Searching Searching dilakukan untuk memeriksa serangkaian item yang memiliki sifatsifat yang diinginkan. Tindakan untuk menemukan suatu item tertentu baik yang diketahui keberadaannya maupun tidak. Memasukkan kata dalam suatu program komputer untuk membandingkan dengan informasi yang ada dalam database. Indexing Indexing adalah struktur-struktur akses yang digunakan untuk mempercepat respon dalam mendapatkan record-record pada kondisi-kondisi pencarian tertentu. Indexing field adalah suatu struktur akses index yang biasanya menjelaskan field tunggal dari suatu file. Indexing organization memberikan efisiensi akses ke record-record secara berurut atau random.
16 Data Reduction Data reduction adalah transformasi suatu masalah ke masalah lain dan dapat digunakan untuk mendefinisikan serangkaian masalah yang kompleks. Data reduction merupakan teknik yang digunakan untuk mentransformasi dari data mentah ke bentuk format data yang lebih berguna. Sebagai contoh groupping, summing dan averaging data. Data reduction dilakukan untuk mengatasi ukuran data yang terlalu besar. Ukuran data yang terlalu besar dapat menimbulkan ketidakefisienan proses dan peningkatan biaya pemrosesan. Data reduction dilakukan dalam tahap data preprocessing pada rangkaian proses Knowledge Discovery Databases (KDD) sebelum data mining dengan tujuan mengurangi ukuran data yang besar.
17 OLAP (On-line analytical processing) OLAP adalah suatu sistem atau teknologi yang dirancang untuk mendukung proses analisis kompleks dalam rangka mengungkapkan kecenderungan pasar dan faktor-faktor penting dalam bisnis OLAP ditandai dengan kemampuannya menaikkan atau menurunkan dimensi data sehingga kita dapat menggali data sampai pada level yang sangat detail dan memperoleh pandangan yang lebih luas mengenai objek yang sedang kita analisis. OLAP secara khusus memfokuskan pada pembuatan data agar dapat diakses pada saat pendefinisian kembali dimensi. OLAP dapat digunakan membuat rangkuman dari multidimensi data yang berbeda, rangkuman baru dan mendapatkan respon secara online, dan memberikan view dua dimensi pada data cube
18 OLAP( ONLINE ANALYTICAL PROCESSING) Aplikasi OLAP didominasi oleh ad hoc, query kompleks. Dalam istilah SQL, ini adalah query yang melibatkan kelompok-oleh dan operator agregasi.cara alami untuk berpikir tentang query OLAP adalah dalam hal model data multidimensi.kita mulai bagian ini dengan menyajikan model data multidimensi dan membandingkannya dengan representasi data relasional.
19 MODEL DATA MULTIDIMENSIONAL Dalam model data multidimensi, fokusnya adalah pada koleksi langkah-langkahnumerik.setiap ukuran tergantung pada set dimensi. Beberapa sistem OLAP, misalnya, Essbase dari Software Arbor, sebenarnya menyimpan data dalam array multidimensi. Sistem OLAP yang menggunakan array untuk menyimpan dataset multidimensi disebut OLAP multidimensi (MOLAP) sistem.
20 OLAP QUERY Operasi yang didukung oleh model ini sangat dipengaruhi oleh alat pengguna akhir seperti spreadsheet. Tujuannya adalah untuk memberikan pengguna akhir yang bukan ahli SQL antarmuka yang intuitif dan kuat untuk umum tugas analisis businessoriented. Pengguna diharapkan untuk menimbulkan ad hoc query secara langsung, tanpa bergantung pada programmer aplikasi database.
ARSITEKTUR & MODEL DATA MINING
PERTEMUAN 3 ARSITEKTUR & MODEL DATA MINING 28 September 2005 Arsitektur dan Model Data Mining 1 Arsitektur : Sistm Data Mining Graphical User Interface (GUI) Pattern evaluation Data Mining Engine Database
PERTEMUAN 1 & 2 PENDAHULUAN DAN PROSES KDD. 28 September 2005 Pendahuluan dan Proses KDD 1
PERTEMUAN 1 & 2 PENDAHULUAN DAN PROSES KDD 28 September 2005 Pendahuluan dan Proses KDD 1 Kebutuhan Bisnis Terdapat tiga kebutuhan bisnis : Penambahan maupun peningkatan kapasitas produk Pengurangan biaya
Universitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika. Knowledge Discovery in Databases (KDD)
Universitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika Knowledge Discovery in Databases (KDD) Knowledge Discovery in Databases (KDD) Definisi Knowledge Discovery
Data Mining. Pengenalan Sistem & Teknik, Serta Contoh Aplikasi. Avinanta Tarigan. 22 Nov Avinanta Tarigan Data Mining
Data Mining Pengenalan Sistem & Teknik, Serta Contoh Aplikasi Avinanta Tarigan 22 Nov 2008 1 Avinanta Tarigan Data Mining Outline 1 Pengertian Dasar 2 Classification Mining 3 Association Mining 4 Clustering
- PERTEMUAN 1 - KNOWLEGDE DISCOVERY
DATA WAREHOUSE - PERTEMUAN 1 - KNOWLEGDE DISCOVERY in DATABASE (KDD) Penemuan Pengetahuan di Database Tujuan : Mahasiswa Dapat memahami konsep KDD yang merupakan tujuan akhir dari Data Warehouse dan Data
Data Mining Doni Eransa Jurusan Sistem Informasi, Univesitas Indo Global Mandiri
Data Mining Doni Eransa Jurusan Sistem Informasi, Univesitas Indo Global Mandiri email : donieransa@yahoo.com Abstrak : Data mining merupakan penambangan atau penemuan informasi baru dengan mencari pola
SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Konsep Data Mining : IT012274 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pengenalan RDBMS 2 SQL Mahasiswa dapat mnegrti dan memahami
2.2 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
Data Mining & Data Warehouse
Data Mining & Data Warehouse 19.17 data mining No comments PENDAHULUAN Salah satu efek yang dihasilkan dari adanya suatu sistem informasi adalah munculnya banyak data. Data yang ada ini berasal dari sistem
Tahapan Proses KDD (Peter Cabena) Business Objective Determination (#1) Business Objective Determination (#2) Business Objective Determination (#4)
Knowledge Discovery in Databases (IS704) dan Data Mining (CS704) Kuliah #2 Gunawan Jurusan Teknik Informatika Sekolah Tinggi Teknik Surabaya Tahapan Proses KDD (Peter Cabena) Penentuan Sasaran Bisnis (
PERTEMUAN 14 DATA WAREHOUSE
PERTEMUAN 14 DATA WAREHOUSE Data Warehouse Definisi : Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis yang mendukung
BAB 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
FAST berarti sistem ditargetkan untuk memberikan response terhadap user dengan secepat mungkin, sesuai dengan analisis yang dilakukan.
OLAP OLAP (Online Analytical Processing), merupakan metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat. Pengertian OLAP itu sendiri dapat
PERSYARATAN PRODUK. 1.1 Pendahuluan Latar Belakang Tujuan
BAB 1 PERSYARATAN PRODUK Bab ini membahas mengenai hal umum dari produk yang dibuat, meliputi tujuan, ruang lingkup proyek, perspektif produk, fungsi produk dan hal umum yang lainnya. 1.1 Pendahuluan Hal
DATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP)
DATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP) Overview Data Warehouse dan OLAP merupakan elemen penting yang mendukung decision support. Terutama bagi perusahaan perusahaan besar dengan database
TUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP
TUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP OLEH: VIVIAN WIJAYA (15 62 003) JURUSAN SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP, OPERASI OLAP
Konsep Data Mining DATA MINING & KNOWLEDGE DISCOVERY IN DATABASES. Bertalya Universitas Gunadarma 2009
Konsep Data Mining DATA MINING & KNOWLEDGE DISCOVERY IN DATABASES Bertalya Universitas Gunadarma 2009 Data Mining (DM) DM merupakan suatu proses penjelajahan otomatis untuk mendapatkan informasi berguna
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. yang tepat. Sistem data mining mampu memberikan informasi yang tepat dan
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Sistem data mining akan lebih efektif dan efisiensi dengan komputerisasi yang tepat. Sistem data mining mampu memberikan informasi yang
Tahapan Proses KDD (Peter Cabena)
Knowledge Discovery in Databases (IS704) dan Data Mining (CS704) Kuliah #2 Gunawan Jurusan Teknik Informatika Sekolah Tinggi Teknik Surabaya Tahapan Proses KDD (Peter Cabena) Penentuan Sasaran Bisnis (Business
2. Tinjauan Pustaka. Gambar 2-1 : Knowledge discovery in database
2. Tinjauan Pustaka 2.1 Data Mining Data mining merupakan ilmu yang mempelajari tentang proses ekstraksi informasi yang tersembunyi dari sekumpulan data yang berukuran sangat besar dengan menggunakan algoritma
BAB II LANDASAN TEORI. Teori teori yang digunakan sebagai landasan dalam desain dan. implementasi dari sistem ini adalah sebagai berikut :
BAB II LANDASAN TEORI Teori teori yang digunakan sebagai landasan dalam desain dan implementasi dari sistem ini adalah sebagai berikut : 2.1. Sistem Informasi Manajemen Sistem Informasi Manajemen adalah
Organizing Data and Information
Organizing Data and Information Chapter 5 Heru Lestiawan, M.Kom 1 Principles and Learning Objectives Pendekatan Database untuk manajemen data memberikan keuntungan yang signifikan atas pendekatan berbasis
PENERAPAN 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
PERKEMBANGAN BASIS DATA SAAT INI
PERKEMBANGAN BASIS DATA SAAT INI Sejak tahun 1960-an penggunaan basis data sudah digunakan untuk bidang komersial, dimana pemrosesan file-nya masih berbasis manajemen file tradisional. Perkembangan komputer
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penambangan Data (Data Mining) Pengertian data mining, berdasarkan beberapa orang: 1. Data mining (penambangan data) adalah suatu proses untuk menemukan suatu pengetahuan atau
Adapun karakteristik umum yang dimiliki datawarehouse adalah :
1 Data Warehouse Data Warehouse adalah database yang didesain khusus untuk mengerjakan proses query, membuat laporan dan analisa. Data yang di simpan adalah data business history dari sebuah organisasi
BAB 1 KONSEP DATA MINING 2 Gambar 1.1 Perkembangan Database Permasalahannya kemudian adalah apa yang harus dilakukan dengan data-data itu. Sudah diket
Bab1 Konsep Data Mining POKOK BAHASAN: Konsep dasar dan pengertian Data Mining Tahapan dalam Data Mining Model Data Mining Fungsi Data Mining TUJUAN BELAJAR: Setelah mempelajari materi dalam bab ini, mahasiswa
Data Warehouse, Data Mart, OLAP, dan Data Mining. arifin, sistem informasi - udinus 1
Data Warehouse, Data Mart, OLAP, dan Data Mining arifin, sistem informasi - udinus 1 Data Warehouse Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai
Konsep dan Teknik Data Mining
Konsep dan Teknik Data Mining Pengantar Data Mining (DM) Motivasi Mengapa? Apa? Aplikasi Proses KDD Tinjauan DM Isu Utama Motivasi: : Kebutuhan akan Pengetahuan yang ada pada Data Problem ledakan data
Konsep Data Mining. Pendahuluan. Bertalya. Universitas Gunadarma 2009
Konsep Data Mining Pendahuluan Bertalya Universitas Gunadarma 2009 Latar Belakang Data yg dikumpulkan semakin bertambah banyak Data web, e-commerce Data pembelian di toko2 / supermarket Transaksi Bank/Kartu
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Secara sederhana data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Data mining
Tugas. Data Warehouse. OLAP, Operasi OLAP, dan Jenis Rolap
Tugas Data Warehouse OLAP, Operasi OLAP, dan Jenis Rolap Renhard Soemargono 1562001 PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP (On-Line Analytical
BAB 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
ANALISIS PENERAPAN TEKNIK DATAMINING DALAM PENGIMPLEMENTASIAN DAN PENGEMBANGAN MODEL ACTIVE LEARNING DENGAN METODE KELOMPOK
ANALISIS PENERAPAN TEKNIK DATAMINING DALAM PENGIMPLEMENTASIAN DAN PENGEMBANGAN MODEL ACTIVE LEARNING DENGAN METODE KELOMPOK Dody Herdiana, S.T., M. Kom. Dosen PNS DPK pada Program Studi Teknik Informatika
Data Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6
1 Data Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6 Data Warehouse 2 Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional
jumlah keluarga, dan jumlah rumah. Data diambil dari hasil sensus potensi desa yang dilakukan BPS tahun 1996, 1999, 2003, dan 2006.
1 Latar Belakang PENDAHULUAN Kemajuan teknologi komputer semakin memudahkan proses penyimpanan dan pengolahan data berukuran besar. Namun demikian, seringkali data yang sudah tersimpan belum dimanfaatkan
Data Warehousing dan Decision Support
Bab 9 Data Warehousing dan Decision Support POKOK BAHASAN: Hubungan antara Data Warehouse dan Decision Support Model Data Multidimensi Online Analytical Processing (OLAP) Arsitektur Data Warehouse Implementasi
SUMBER DAYA-SUMBER DAYA SISTEM INFORMASI (BAGIAN 1) PSI Materi III Sesi 6
SUMBER DAYA-SUMBER DAYA SISTEM INFORMASI (BAGIAN 1) PSI Materi III Sesi 6 Sumber Daya-sumber Daya Sistem Informasi Sumber Daya Manusia Sumber Daya Data Sumber Daya Hardware Sumber Daya Software Sumber
Kisi2 UTS Konsep Data Mining 2010
Kisi2 UTS Konsep Data Mining 2010 Note : w gak tau ya nih jawaban bener pa gak.. Yang penting w udah usaha n cari jawabannya. W jg gak tau soal KDM bentuknya essay or GP, tp pak avinantanya hanya kasih
6/26/2011. Kebutuhan perusahaan untuk mengimplementasikan BI cukup besar. BI dengan data analysis toolnya merupakan
Aplikasi e business yang berfungsi untuk mengubah data data dalam perusahaan (data operasional, transaksional, dll) ke dalam bentuk pengetahuan Analisis terhadap transaksi transaksi di masa lampau dan
http://www.brigidaarie.com proses menganalisa data untuk mencari polapola tersembunyi dengan menggunakan metodologi otomatis Istilah lain : Machine Learning Knowledge Discovery in Database (KDD) Predictive
BAB III METODOLOGI 3.1. Prosedur Penelitian Identifikasi Masalah
BAB III METODOLOGI Dalam penelitian ini metodologi memegang peranan penting guna mendapatkan data yang obyektik, valid dan selanjutnya digunakan untuk memecahkan permasalahan yang telah dirumuskan. Maka
3.1 Metode Pengumpulan Data
BAB 3 METODE PENELITIAN 3.1 Metode Pengumpulan Data Sebuah penelitian memerlukan pengumpulan data dan metode pengumpulan data karena sangat berpengaruh terhadap akurasi dan kualitas data yang digunakan
Database dan DBMS DBMS adalah perangkat lunak sistem yang memungkinkan para pemakai membuat, memelihara, mengontrol, dan mengakses basis data dengan
Database dan DBMS Database adalah : suatu pengorganisasian sekumpulan data yang saling terkait sehingga memudahkan aktifitas untuk memperoleh informasi. semua data yang disimpan pada sumberdaya berbasis
Abidah Elcholiqi, Beta Noranita, Indra Waspada
Abidah Elcholiqi, Beta Noranita, Indra Waspada PENENTUAN BESAR PINJAMAN DI KOPERASI SIMPAN PINJAM DENGAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus di Koperasi Simpan Pinjam BMT Bina Insani Pringapus) Abidah
BAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
BAB 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
BAB 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
DATA WAREHOUSE KONSEP Konsep dasar data warehouse adalah perbedaan antara data dan informasi. Data terdiri dari fakta-fakta yang dapat diamati dan
DATA WAREHOUSE KONSEP Konsep dasar data warehouse adalah perbedaan antara data dan informasi. Data terdiri dari fakta-fakta yang dapat diamati dan direkam yang sering ditemukan dalam sistem operasional
BAB 2 TELAAH PUSTAKA
BAB 2 TELAAH PUSTAKA Pada bab ini akan dipaparkan mengenai deskripsi data mining secara umum dan landasan teori dari algoritma data mining yang digunakan pada FIKUI Mining. Selain itu, juga akan dijelaskan
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : 56601 / Data Warehouse dan Data Mng Revisi 1 Satuan Kredit Semester : 3 sks Tgl revisi : 1 September 2014 Jml Jam kuliah
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : D22.5411 / Healthcare Datamng Revisi 1 Satuan Kredit Semester : 2 sks Tgl revisi : 1 Agustus 2014 Jml Jam kuliah dalam seminggu
Anggota Kelompok 3 :
Anggota Kelompok 3 : Customer relationship management (CRM) Adalah manajemen hubungan antara perusahaan dengan pelanggan sehingga baik perusahaan maupun pelanggannya akan menerima nilai maksimum dari hubungan
IMPLEMENTASI KNOWLEDGE DISCOVERY IN DATABASE (KDD) DALAM SERVICE LEVEL AGREEMENT (SLA) KLAIM PADA ASURANSI KESEHATAN
IMPLEMENTASI KNOWLEDGE DISCOVERY IN DATABASE (KDD) DALAM SERVICE LEVEL AGREEMENT (SLA) KLAIM PADA ASURANSI KESEHATAN Fahrul Nurzaman Teknik Informatika, Fakultas Teknik Universitas Persada Indonesia Y.A.I
Sistem Informasi
Penggalian data (pencarian pengetahuan tersembunyi dari data) untuk prediksi masa datang Mengekstrak secara otomatis pola atau pengetahuan yang menarik (tidak sederhana, tersembunyi, tidak diketahui sebelumnya,
BAB I PENDAHULUAN. M. Fairuzabadi 1
BAB I PENDAHULUAN Komptensi yang diharapkan: Peserta pembelajaran memahami konsep-konsep, manfaat, tujuan, prosesproses serta aplikasi data mining secara umum. A. Pengertian Data mining adalah serangkaian
BAB II LANDASAN TEORI
II-8 BAB II LANDASAN TEORI 2.1. Perencanaan Produksi Pengertian perencanaan produksi, menurut Martin K.Starr (1997) adalah sebagai berikut production planning is an old venerable term used by engineers,
Edward Purba Pengantar DM 1/52
Konsep dan Teknik Data Mining Edward Purba Pengantar DM 1/52 Pengantar Data Mining (DM) Motivasi Mengapa? Apa? Aplikasi Proses KDD Tinjauan DM Isu Utama Edward Purba Pengantar DM 2/52 Motivasi: Kebutuhan
RENCANA PEMBELAJARAN SEMESTER
RENCANA PEMBELAJARAN SEMESTER Mata Kuliah Big Data and Data Analytics Semester Tujuh Kode SMXXXXXX Prodi MBTI Dosen Andry Alamsyah SKS 4 Capaian Pembelajaran 1. Memahami fenomena, framework, peluang dan
Aktivitas Pembelajaran. Kegiatan Dosen
Standar Kompetensi: memahami dasar dan peranan database. melakukan proses pembentukan struktur database. memahami keamanan dan administrasi database. 1 Agar mahasiswa memahami 1. Apa yang dimaksud dengan
BASIS DATA MODEL BASIS DATA
BASIS DATA MODEL BASIS DATA APA ITU MODEL BASIS DATA? Model database menunjukkan struktur logis dari suatu basis data, termasuk hubungan dan batasan yang menentukan bagaimana data dapat disimpan dan diakses.
BAB 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
Perancangan Basis Data
Modul ke: Perancangan Basis Data Fakultas FASILKOM DATA WAREHOUSE Program Studi Sistem Informasi www.mercubuana.ac.id Anita Ratnasari, S.Kom, M.Kom DATA WAREHOUSE Definisi Data Warehouse Salah satu efek
SIE/nts/TIUAJMks 9/26/2013
N. Tri Suswanto Saptadi 1 Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber eksternal) yang menjadi
BAB 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
OLAP - PERTEMUAN 8 OLAP
OLAP - PERTEMUAN 8 OLAP OLTP & OLAP (1) OLTP adalah singkatan dari On Line Transaction Processing. OLTP sering kita jumpai di sekitar kita seperti toko atau swalayan contohnya database pada sistem informasi
PENERAPAN 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
Pen e g n a g n a t n a t r a r D at a a t a M ini n ng n oleh: Entin Martiana
Pengantar Data Mining oleh: Entin Martiana Pengantar Mengapa data mining? Apa data mining? Data Mining: data apa saja? Fungsi data mining Model dalam data mining Fungsi dalam data mining Permasalahan dalam
BAB 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN Bab ini menguraikan penjelasan umum mengenai tugas akhir yang dikerjakan. Penjelasan tersebut meliputi latar belakang masalah, tujuan tugas akhir, lingkup tugas akhir, metodologi yang
Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 39 Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi Irwan
IN086 - Temu Pengetahuan
IN086 - Temu Pengetahuan 1. Pengenalan Temu Pengetahuan 1 Materi Perkuliahan Review Basis Data Data Warehouse Data Mining 2 1 Apa itu Data Warehouse? Didefinisikan dalam berbagai bentuk, namun belum ada
BAB 1 PENGERTIAN DATA MINING DAN FUNGSI-FUNGSI DATA MINING
BAB 1 PENGERTIAN DATA MINING DAN FUNGSI-FUNGSI DATA MINING Pendahuluan Perkembangan yang cepat dalam teknologi pengumpulan dan penyimpanan data telah memudahkan organisasi untuk mengumpulkan sejumlah data
BAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1. Data Mining Data mining adalah proses menganalisa data dari perspektif yang berbeda dan menyimpulkannya menjadi informasi-informasi penting yang dapat dipakai untuk meningkatkan
Contoh Distributed Database
Hermawan Distributed Database Basis data terdistribusi adalah kumpulan database yang disimpan di banyak komputer pada lokasi yang berbeda-beda dan menampilkan ke user sebagai single database berisi kumpulan
APLIKASI 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
Data Warehouse & Mining. Pengantar Ver dok: 0.8/ Sept 2014
Data Warehouse & Mining Pengantar yudi@upi.edu / @yudiwbs Ver dok: 0.8/ Sept 2014 Kutipan The most valuable commodity I know of is information. Gordon Gekko Data is the new oil! Clive Humby If we have
BAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Pada proses penelitian ini dilakukan beberapa tahapan mulai dari tahap awal yaitu tahap inisiasi, pengembangan model, dan tahap terakhir pengembangan prototipe. Dalam tahapan inisiasi
Manajemen Sumber Data
Manajemen Sumber Data Sebuah aktivitas manajerial yang mengaplikasikan teknologi sistem informasi dalam tugas untuk mengelola sumber daya data organisasi Tujuannya agar dapat memenuhi kebutuhan informasi
BAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Pada bab ini akan dijelaskan tahap-tahap yang dilakukan dalam melakukan penelitian. Tahapan penelitian berguna agar pelaksanaan penelitian dapat berjalan dengan baik dan sistematis
5. Data mining, merupakan proses yang esensial dimana metode digunakan untuk mengekstrak pola data yang tersembunyi
inside: Data Mining Apa itu Data MiningPendahuluan Perkembangan data mining(dm) yang pesat tidak dapat lepas dari perkembangan teknologi informasi yang memungkinkan data dalam jumlah besar terakumulasi.
Materi 1 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya
Materi 1 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya nizar.radliya@yahoo.com Nama Mahasiswa NIM Kelas 1. Memahami cakupan materi dan sistem perkuliahan Data Mining.
Manajemen Data. Dosen : Dr. Yan Rianto Rini Wijayanti, M.Kom Nama : Yoga Prihastomo NIM :
Manajemen Data Dosen : Dr. Yan Rianto Rini Wijayanti, M.Kom Nama : Yoga Prihastomo NIM : 1011601026 MAGISTER ILMU KOMPUTER UNIVERSITAS BUDI LUHUR 2011 DIT TI / DJHKI SKPL-DJHKI-01.04.2011.xx Halaman 0
BAB 1 PENDAHULUAN. A. Latar Belakang
BAB 1 PENDAHULUAN A. Latar Belakang Selama dua decade terakhir telah terjadi peningkatan yang dramatis terhadap jumlah informasi atau data yang disimpan secar a elektronis. Telah diperkirakan sebelumnya
BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pertukaran informasi di zaman modern ini telah sampai pada era digital. Hal ini ditandai dengan semakin dibutuhkannya teknologi berupa komputer dan jaringan internet
DATAMINING Anief Rufiyanto.ST (Universitas Pandanaran)
DATAMINING Anief Rufiyanto.ST (Universitas Pandanaran) ABSTRAK Data mining adalah salah satu solusi pelayanan proses pengolahan informasi dalam suatu basis data yang berskala besar. Saat sebuah organisasi
PENGANTAR SOLUSI DATA MINING
PENGANTAR SOLUSI DATA MINING Kusnawi STMIK AMIKOM Yogyakarta e-mail : Khusnawi@amikom.ac.id ABSTRAK Data mining adalah salah satu solusi untuk menjelaskan proses pengalian informasi dalam suatu basis data
DESAIN APLIKASI UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA. Oleh : Rita Prima Bendriyanti ABSTRAK
DESAIN APLIKASI UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA Oleh : Rita Prima Bendriyanti ABSTRAK Penelitian ini menggunakan metode observasi, dengan melihat atau mengamati secara langsung
BAB II TINJAUAN PUSTAKA. yang akan dibuat adalah sebagai berikut : Sistem Monitoring Pertumbuhan Balita Berbasis Web. Wahyuningsih
BAB II TINJAUAN PUSTAKA A. Telaah Penelitian Penelitian sebelumnya yang berhubungan dengan sistem informasi yang akan dibuat adalah sebagai berikut : Wahyuningsih (2011) telah melakukan penelitian yang
ABSTRAK. Keywords : Data Mining, Filter, Data Pre-Processing, Association, Classification, Deskriptif, Prediktif, Data Mahasiswa.
ABSTRAK Kemajuan teknologi membuat begitu mudahnya dalam pengolahan suatu informasi. Waktu tidak lagi menjadi hambatan dalam pengolahan data yang sangat banyak. Hal ini didukung pula dengan adanya perkembangan
Data Warehouse dan Decision Support System. Arif Basofi
Data Warehouse dan Decision Support System Arif Basofi Referensi Data Warehouse, STMIK Global Informatika MDP. M. Syukri Mustafa,S.Si., MMSI, Sistem Basis Data II (Data Warehouse), 2008. Hanim MA, Data
Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
6/26/2011. Menurut W.H. Inmon dan Richard D.H. Menurut Vidette Poe
Menurut W.H. Inmon dan Richard D.H. koleksi data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pendahuluan Didalam bab ini menceritakan semua teori-teori yang digunakan didalam proses algoritma decision tree, algoritma Random tree dan Random Florest serta teoriteori dan
Sistem Penunjang Keputusan, Pertemuan Ke-9 KECERDASAN BISNIS Data Warehouse, Data Mart, OLAP, dan Data Mining
KECERDASAN BISNIS Warehouse, Mart, OLAP, dan Mining Warehouse warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain
Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree
Scientific Journal of Informatics Vol. 3, No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan
Data Warehouse dan Data Minig. by: Ahmad Syauqi Ahsan
16 Data Warehouse dan Data Minig by: Ahmad Syauqi Ahsan Data Warehouse 2 Data warehouse merupakan gudang (atau arsip) dari informasi yang diperoleh dari banyak sumber, disimpan dalam skema basis data yang
http://www.brigidaarie.com Apa itu database? tempat penyimpanan data yang saling berhubungan secara logika Untuk apa database itu?? untuk mendapatkan suatu informasi yang diperlukan oleh suatu organisasi
BAB IV HASIL DAN PEMBAHASAN. dan fakor-faktor penyebab masalah tersebut bisa terjadi diantaranya. dimanfaatkan dan dikelola dengan baik.
BAB IV HASIL DAN PEMBAHASAN 4.1. Identifikasi Masalah Dalam menentukan status calon dosen dan dosen tetap terdapat masalahmasalah dan fakor-faktor penyebab masalah tersebut bisa terjadi diantaranya sebagai