ANALISIS PENERAPAN TEKNIK DATAMINING DALAM PENGIMPLEMENTASIAN DAN PENGEMBANGAN MODEL ACTIVE LEARNING DENGAN METODE KELOMPOK
|
|
- Inge Tedjo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 STMIK Sumedang Abstrak Pembelajaran yang aktif menggunakan metode kelompok memiliki tujuan untuk meningkatkan penguasaan atau pemahaman mahasiswa terhadap materi perkuliahan melalui keterlibatan aktif mahasiswa dalam proses pembelajaran. Datamining merupakan serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui. Penerapan teknik datamining pada pengelompokkan kelas perkuliahan dengan metode klasifikasi untuk mengetahui jumlah pembagian kelompok kelas perkuliahan mahasiswa, dapat dilakukan dengan prosedur sebagai berikut : (1) mengalisis dokumen, (2) menentukan kriteria, (3) menentukan hasil dari pembobotan kriteria, dan (4) dari hasil pembobotan kriteria dilakukan proses penerapan teknik datamining dengan metode klasifikasi. Penggunan datamining diharapkan dapat membantu para ketua program studi untuk mendapatkan informasi yang lebih akurat dan bermakna sebagai salah satu sarana untuk mengoptimalkan pengimplementasian dan pengembangan model active learning dengan metode kelompok. Kata kunci : Datamining, Active Learning, Pengelompokkan kelas. 1. Pendahuluan Model pembelajaran yang dapat meningkatkan kualitas proses perkuliahan strategi pembelajaran di Perguruan Tinggi dari segi keaktifan mahasiswa dalam proses interaksi pembelajaran adalah model pembelajaran active learning dengan metode kelompok. Suatu model pembelajaran yang didasarkan pada konsep dan prinsip-prinsip teori belajar berbasis kerja otak, teori belajar konstruktivistik, dan teori belajar kolaborasif/ kooperatif. Pembelajaran yang aktif menggunakan metode kelompok memiliki tujuan untuk meningkatkan penguasaan atau pemahaman mahasiswa terhadap materi perkuliahan melalui keterlibatan aktif mahasiswa dalam proses pembelajaran. Metode ini dapat diimplementasikan secara optimal dengan adanya sistem pendukung pembelajaran berupa sarana dan prasarana pembelajaran yang memadai. STMIK Sumedang merupakan salah satu Perguruan Tinggi yang turut serta mengimplementasikan dan mengembangkan model pembelajaran active learning dengan metode kelompok, telah berupaya Jurnal Infoman s > Jurnal Ilmu-ilmu Informatika dan Manajemen STMIK Sumedang 81
2 mendorong dan memfasilitasi upaya implementasi dan pengembangan model tersebut. Dalam mengoptimalkan implementasi model pembelajaran tersebut, dalam hal ini STMIK Sumedang, terus berupaya meningkatkan sistem pendukung pembelajaran. Khususnya, dalam hal pengalokasian waktu dan sarana pembelajaran yang menentukan pengalokasian total SKS yang boleh diambil oleh mahasiswa dalam satu semester. Hal ini, yang merupakan kendala yang sering dihadapi oleh STMIK Sumedang dalam mengimplementasikan active learning dengan metode kelompok. Faktor pengalokasian waktu dan sarana pembelajaran membutuhkan pengolahan data yang akurat. Hal ini disebabkan pertumbuhan yang pesat dari akumulasi data itu telah menciptakan kondisi yang sering disebut sebagai rich of data but poor of knowledge, karena data yang terkumpul itu hanya digunakan untuk kebutuhan operasional saja, bahkan tidak jarang kumpulan data itu dibiarkan begitu saja seakan-akan menjadi kuburan data (data tombs). Dalam pengelompokka kelas perkuliahan data utama yang digunakan sangat besar yaitu data mahasiswa, registrasi, dan Indeks Prestasi Komulatif (IPK) mahasiswa. Untuk melakukan analisa data dalam jumlah besar yang tersimpan pada database, biasanya digunakan teknik datamining. Penggunan datamining diharapkan dapat membantu para ketua program studi untuk mendapatkan informasi yang lebih akurat dan bermakna sebagai salah satu sarana untuk mengoptimalkan pengimplementasian dan pengembangan model active learning dengan metode kelompok. 2. Datamining Datamining merupakan serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basisdata. Informasi yang dihasillkan didapat dengan cara mengekstraksi dan mengenali pola yang penting atau menarik dari data yang terdapat dalam database. Datamining digunakan untuk mencari pengetahuan yang terdapat dalam basis data yang besar sehingga sering disebut Knowledge Discovery in Databases (KDD). Dalam penerapannya datamining memerlukan berbagai software analisis data untuk menemukan pola dan relasi data agar dapat digunakan untuk membuat prrediksi dengan akurat. Proses data mining yang terdiri dari beberapa tahap yang diilustrasikan di gambar 1: a. Pembersihan data (data cleaning), untuk membersihkan noise dan data yang tidak konsisten. Dalam kasus ini membersihkan data-data yang sudah dihapus dan identitas yang tidak lengkap); b. Integrasi data, penggabungan data dari berbagai sumber; c. Transformasi data, data diubah menjadi bentuk yang sesuai untuk dimining; d. Aplikasi teknik data mining, proses inti dimana teknik data mining diterapkan untuk mengekstrak pola-pola tertentu pada data; Jurnal Infoman s > Jurnal Ilmu-ilmu Informatika dan Manajemen STMIK Sumedang 82
3 e. Evaluasi pola yang ditemukan; f. Presentasi pengetahuan, menggunakan teknik visualisasi untuk menampilkan hasil data mining kepada pengguna (user). Gambar 1. Tahapan dalam proses datamining Menurut Larose dalam Kusrini dkk. (Algoritma Datamining:10:2009) Teknik teknik yang dapat digunakan dalam analisis data adalah sebagai berikut: a. Deskripsi Suatu cara dalam menganalisis suatu data untuk menemukan dan menggambarkan pola kecenderungan yang terdapat daam data. b. Estimasi Estimasi hampir sama dengan klasifikasi,perbedaannya yaitu variabel dalam estimasi berupa numerik bukan berupa kategori. Model dibangun dengan menggunakan record lengkap yang menyediakan nilai dari variabel target sebagai nilai prediksi. c. Prediksi Prediksi hampir sama dengan klasifikasi dan estimasi, pada prediksi nilai dari hasil aka nada di masa yang akan datang. d. Klasifikasi dan Regresi Menentukan sebuah record data baru ke salah satu dari beberapa kategori (atau klas) yang telah didefinisikan sebelumnya. sedangkan Regresi berkaitan dengan prediksi fields bernilai real. e. Pengklusteran Pengklasteran merupakan pengelompokka record, pengamatan, atau membentuk kelas objek-objek yang memiliki kemiripan. Kluster adalah kumpulan record yang memiliki kemiripan satu dengan yang lainnya dan memiliki ketidakmiripan dengan record-record dalam kluster lain. f. Kaidah assosiasi rule Menurut Menurut Budi santoso (Datamining teknik pemanfaatan data untuk keperluan bisnis : 226 : 2009) aturan assosiasi memberikan informasi dalam bentuk if-then atau jika-maka aturan ini dihitung dari data yang sifatnya probalistik, dan membentuk sejumlah kaidah dari kumpulan-kumpulan tersebut. g. Pencarian pola sekuensial (Sequence Mining) Pencarian pola sekuensial merupakan suatu cara teknik untuk mencari urutan sejumlah events yang secara umum terjadi bersamasama. Jurnal Infoman s > Jurnal Ilmu-ilmu Informatika dan Manajemen STMIK Sumedang 83
4 h. Pelacakan similaritas Untuk suatu database dari sejumlah objek dan sebuah query terhadap objek yang diberikan, dapatkan objek-objek yang berada dalam jarak yang ditentukan pengguna dari objek yang dilakukan query. i. Deteksi deviasi Suatu teknik dalam data mining untuk mendapatkan record(s) yang yang paling berbeda dari records lainnya; atau dengan kata lain dapatkan semua ouliers. Outliers ini dapat diabaikan sebagai data atau mungkin merupakan informasi yang menarik. Pada teknik-teknik pengelompokkan datamining terdapat metode lainnya yang bisa digunakan untuk menganalisis data sesuai dengan masalah yang akan diteliti. Metode tersebut yaitu sebagai berikut : a. Aturan dan pohon keputusan (Decision tree) Decisiom tree di gunakan untuk menganalisis masalah-masalah yang bernilai diskrit. b. Neural networks Neural networks atau Artificial neural network (ANN) atau jringan saraf tiruan, adalah suatu pendekatan konvensional yang biasanya kurang fleksibel terhadap perubahan struktur masalah. c. Genetic algorithms Genetic algorithms adalah algoritma yang memanfaatkan proses seleksi ilmiah yang dikenal dengan seleksi evolusi, dalam proses evolusi suatu individu secara terus menerus mengalami perubahan gen untuk menyesuaikan dengan lingkungan hidupnya atau beradaptasi. d. Bayesian networks Bayesian network merupakan sebuah directed acyclic graph dimana masing-masing node merepresentasikan sebuah variabel acak, dan masing-masing garis menggambarkan probabilitas ketergantungan dari node sebelumnya (node parent-nya). 3. Penerapan Teknik Datamining dengan Metode Klasifikasi 3.1. Pemilihan Data Dari beberapa dokumen yang tersedia di STMIK Sumedang hanya akan diambil beberapa tabel saja yang mendukung dalam proses datamining sesuai kebutuhan dan informasi yang ingin dihasilkan, maka data yang diambil adalah : Tabel 1 Tabel variabel data No Variabel Kriteria 1. Perwalian Sudah/belum perwalian 2. IPK >3.00/ 2.75/ 2.00/<2.00 Jurnal Infoman s > Jurnal Ilmu-ilmu Informatika dan Manajemen STMIK Sumedang 84
5 3.2. Pembersihan data dan integrasi data (cleaning and integration) Proses pembersihan data digunakan untuk membuang data yang tidak konsisten dan bersifat noise dari data yang terdapat di berbagai basisdata yang mungkin berbeda format maupun platform yang kemudian diintegrasikan dalam satu database datawarehouse. Format dalam tabel data penentuan kelompok kelas di STMIK Sumedang masih ada yang bersifat noise yang jika akan diproses dengan datamining belum konsisten, yaitu terdapat dua (2) tabel dengan format berbeda dengan objek yang sama yang digunakan, maka akan di buat tabel perobjek bisa dilihat pada tabel dibawah ini : Tabel 1 Data Normatif Penentuan Kelompok Kelas Mahasiswa Indikator/ Perwalian No Nim Nama Mahasiswa Kriteria Sudah Belum Kelas Tabel 2 Tabel perwalian No Nim Nama Mahasiswa Perwalian Sudah Belum Total SKS Jurnal Infoman s > Jurnal Ilmu-ilmu Informatika dan Manajemen STMIK Sumedang 85
6 Tabel 3 Tabel IPK Mahasiswa No Nim Nama Mahasiswa IPK Tabel 4 Indikator kriteria No Nim Nama Mahasiswa Indikator Kriteria Kelompok Kelas Tabel 5 Kelompok Kelas No Nim Nama Mahasiswa Kelompok Kelas Jurnal Infoman s > Jurnal Ilmu-ilmu Informatika dan Manajemen STMIK Sumedang 86
7 3.3. Seleksi dan transformasi data (selection and transformation) Format data yang dipakai dalam penelitian ini berupa data-data berupa daftar normatif mengenai data penentuan kelompokan kelas yang dapat dilihat pada tabel 1 yang merupakan output hasil dari penentuan kelompok kelas. Dari data penentuan kelompok kelas yang diambil keputusannya adalah pada kolom sudah perwalian, sedangkan kolom yang diambil sebagai penentu yaitu pada kolom : 1. NIM 2. Nama Mahasiswa 3. Indikator kriteria Tabel 6 Format data penentuan kelompok kelas berdasarkan variabel terpilih No Nim Nama Mahasiswa Indikator Kriteria Setelah data dalam format di atas pada tabel 6, dilajutkan dengan proses klasifikasi terhadap indikator kriteria. yang terpilih. Untuk indikator kriteria yang terpilih, didapat lima (5) indikator penentu dalam penentuan kelompok kelas. kriterianya sebagai berikut : 1. Sudah perwalian (1) 2. IPK > 3.00 (5) 3. IPK 2.75 (4) 4. IPK 2.00 (3) 5. IPK < 2.00 (2) 6. Belum melakukan perwalian (0). Tabel 7 Klasifikasi indikator kriteria Kriteria Klasifikasi 6 Kelas A 4-5 Kelas B 2-3 Kelas C < 2 Kelas D Jurnal Infoman s > Jurnal Ilmu-ilmu Informatika dan Manajemen STMIK Sumedang 87
8 Pengelompokan kriteria adalah proses pemasukan variabel yang mempengaruhi sebagai penentu variabel terpilihnya atau kriteria yang terpilih oleh setiap mahasiswa Informasi yang dihasilkan dengan metode klasifikasi Dari pengumpulan data yang dilakukan didapat data mahasiswa program studi Teknik Informatika yang dijadikan sampel berjumlah 667 mahasiswa. Tabel 8 Hasil informasi data Kelompok Kelas Tingk Kelompok Kelas at A B C D I II III IV Informasi yang ditampilkan dalam tabel di atas meliputi data mahasiswa per kelompok kelas pada setiap tingkat. Berdasarkan informasi pada tabel 8 dihasilkan informasi berupa alternatif pengalokasian total sks yang boleh diambil menurut status kriteria, informasinya pada tabel 9 berikut : Tabel 9 Kriteria dengan kategori total SKS Kelas Total SKS A B C D 16 Dari tabel 9 kriteria di atas, kriteria status total SKS menentukan dalam pemberian total SKS yang boleh diambil sesuai dengan kemampuan mahasiswa tersebut, total SKS didapat dari proses perhitungan IPK mahasiswa dengan menentukan terlebih dahulu kriteria mahasiswa. 4. Kesimpulan Berdasarkan pembahasan di atas, maka dapat disimpulkan sebagai berikut : a. Model pembelajaran yang dapat meningkatkan kualitas proses perkuliahan strategi pembelajaran di Perguruan Tinggi dari segi keaktifan mahasiswa dalam proses interaksi pembelajaran adalah model pembelajaran active learning dengan metode kelompok. Jurnal Infoman s > Jurnal Ilmu-ilmu Informatika dan Manajemen STMIK Sumedang 88
9 b. Penggunan datamining dapat membantu para ketua program studi untuk mendapatkan informasi yang lebih akurat dan bermakna sebagai salah satu sarana untuk mengoptimalkan pengimplementasian dan pengembangan model active learning dengan metode kelompok. c. Dengan datamining didapat alternatif informasi kelompok kelas dan total SKS yang boleh diambil sesuai dengan kemampuan mahasiswa tersebut, total SKS didapat dari proses perhitungan IPK mahasiswa dengan menentukan terlebih dahulu kriteria mahasiswa. Daftar Pustaka Kusrini, Luthfi. E.T., Algoritma Datamining, Yogyakarta : Andi Publiser. Santoso, Budi Datamining Teknik Pemanfaata Data untuk Keperluan Bisnis, Yogyakarta : Graha Ilmu. Friedman JH: Data Mining and Statistics: What's the Connection? Dept. of Statistics and Stanford Linear Accelerator Center, Stanford University, Stanford, CA, Dody Herdiana, S.T., M. Kom., adalah Dosen Dpk. Kopertis Wilayah IV Jawa Barat-Banten pada Program Studi Teknik Informatika STMIK Sumedang. Jurnal Infoman s > Jurnal Ilmu-ilmu Informatika dan Manajemen STMIK Sumedang 89
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
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Ketika disodori sejumlah data dari suatu obyek atau kejadian, apa yang bisa dilakukan terhadap data untuk menindaklanjutinya? Data perlu diolah untuk mendapatkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penambangan Data (Data Mining) Pengertian data mining, berdasarkan beberapa orang: 1. Data mining (penambangan data) adalah suatu proses untuk menemukan suatu pengetahuan atau
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Dropout Data mining
BAB 1 PENDAHULUAN Bab ini membahas mengenai latar belakang masalah, identifikasi masalah, ruang lingkup tugas akhir, maksud dan tujuan tugas akhir, metode penelitian tugas akhir, dan sistematika penulisan
Lebih terperinciBAB 1 PENDAHULUAN. teknologi informasi yang memungkinkan data dalam jumlah besar terakumulasi. Hampir
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan database yang pesat tidak dapat lepas dari perkembangan teknologi informasi yang memungkinkan data dalam jumlah besar terakumulasi. Hampir semua data tersebut
Lebih terperinciAbidah Elcholiqi, Beta Noranita, Indra Waspada
Abidah Elcholiqi, Beta Noranita, Indra Waspada PENENTUAN BESAR PINJAMAN DI KOPERASI SIMPAN PINJAM DENGAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus di Koperasi Simpan Pinjam BMT Bina Insani Pringapus) Abidah
Lebih terperinci- PERTEMUAN 1 - KNOWLEGDE DISCOVERY
DATA WAREHOUSE - PERTEMUAN 1 - KNOWLEGDE DISCOVERY in DATABASE (KDD) Penemuan Pengetahuan di Database Tujuan : Mahasiswa Dapat memahami konsep KDD yang merupakan tujuan akhir dari Data Warehouse dan Data
Lebih terperinciBAB II TINJAUAN PUSTAKA Indeks Prestasi Kumulatif dan Lama Studi. menggunakan dokumen/format resmi hasil penilaian studi mahasiswa yang sudah
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Indeks Prestasi Kumulatif dan Lama Studi Mahasiswa yang telah menyelesaikan keseluruhan beban program studi yang telah ditetapkan dapat dipertimbangkan
Lebih terperinciAkurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa
Akurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa dengan Metode NAÏVE BAYES M. Ridwan Effendi Fakultas Komputer Jurusan Sistem Informasi Universitas Mohammad Husni Thamrin Jakarta Email :
Lebih terperinciBAB II TINJAUAN PUSTAKA. pengetahuan di dalam database. Data mining adalah proses yang menggunakan
6 BAB II TINJAUAN PUSTAKA 2.1 Pengertian Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Data Mining Dengan perkembangan pesat teknologi informasi termasuk diantaranya teknologi pengelolaan data, penyimpanan data, pengambilan data disertai kebutuhan pengambilan
Lebih terperinciMODEL DATA MINING DALAM PENGKLASIFIKASIAN KETERTARIKAN BELAJAR MAHASISWA MENGGUNAKAN METODE CLUSTERING
MODEL DATA MINING DALAM PENGKLASIFIKASIAN KETERTARIKAN BELAJAR MAHASISWA MENGGUNAKAN METODE CLUSTERING Marlindawati1), Andri2) 1), 2) Sistem Informasi UNIVERSITAS BINA DARMA Palembang Jl, Jend. A.Yani
Lebih terperinciANALISIS DATA MINING UNTUK MENENTUKAN VARIABEL VARIABEL YANG MEMPENGARUHI KELAYAKAN KREDIT KEPEMILIKAN RUMAH MENGGUNAKAN TEKNIK KLASIFIKASI
ANALISIS DATA MINING UNTUK MENENTUKAN VARIABEL VARIABEL YANG MEMPENGARUHI KELAYAKAN KREDIT KEPEMILIKAN RUMAH MENGGUNAKAN TEKNIK KLASIFIKASI Aulia Fitrul Hadi Universitas Putra Indonesia YPTK Padang E-mail:
Lebih terperinciBAB 3 METODE PENELITIAN. Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder.
BAB 3 METODE PENELITIAN 3.1 Metode Pengumpulan Data 3.1.1 Sumber Data Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder. 1. Data primer Didapatkan peneliti secara langsung
Lebih terperinciCONTOH KASUS DATA MINING
CONTOH KASUS DATA MINING CONTOH KASUS DATA MINING Sebuah rumah sakit ingin ingin menekan biaya perawatan pasien tanpa mengurangi kualitas pelayanan. Salahsatu potensi yang dapat dimanfaatkan pada penerapan
Lebih terperinciMateri 1 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya
Materi 1 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya nizar.radliya@yahoo.com Nama Mahasiswa NIM Kelas 1. Memahami cakupan materi dan sistem perkuliahan Data Mining.
Lebih 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 terperinciPENGKLASIFIKASIAN MINAT BELAJAR MAHASISWA DENGAN MODEL DATA MINING MENGGUNANAKAN METODE CLUSTERING
PENGKLASIFIKASIAN MINAT BELAJAR MAHASISWA DENGAN MODEL DATA MINING MENGGUNANAKAN METODE CLUSTERING Marlindawati 1) Andri 2) 1) Manajemen Informatika Universitas Bina Darma Jl. Ahmad Yani No. 3, Palembang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Data Mining Data mining adalah bagian dari knowledge discovery di database yang menganalisa database berukuran besar untuk menemukan pola yang berguna pada data (Silberschatz,
Lebih terperinciPREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES
PREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES Selvy Megira 1), Kusrini 2), Emha Taufiq Luthfi 3) 1), 2), 3) Teknik Universitas AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori 2.1.1 Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah Proses yang menggunakan
Lebih terperinciBAB 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 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 LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciBAB 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 terperinciSATIN Sains dan Teknologi Informasi
SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Implementasi Algoritma C4.5 dalam Memprediksi Masa Studi Mahasiswa STMIK Dumai. Asparizal Jurusan Teknik Informatika,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. yang tepat. Sistem data mining mampu memberikan informasi yang tepat dan
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Sistem data mining akan lebih efektif dan efisiensi dengan komputerisasi yang tepat. Sistem data mining mampu memberikan informasi yang
Lebih 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 Rumah sakit merupakan suatu institusi atau organisasi kesehatan yang melalui tenaga medis profesional memberikan pelayanan kesehatan, asuhan keperawatan, diagnosis
Lebih terperinciBAB I PENDAHULUAN. ada tiga, yaitu association rules, classification dan clustering.
BAB I PENDAHULUAN 1.1. Latar Belakang Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data. Informasi yang
Lebih terperinciNeural Network dan Implementasinya Dalam Data Mining. Rudolf Rudi Hermanto. Institut Teknologi Bandung.
Neural Network dan Implementasinya Dalam Data Mining Rudolf Rudi Hermanto Institut Teknologi Bandung rudolf@students.itb.ac.id Abstrak Untuk mendapatkan informasi yang berharga dibutuhkan algoritma-algoritma
Lebih terperinciSOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA
SOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA Ade Putra Fakultas Vokasi, Program Studi Komputerisasi Akuntansi Universitas Bina Darma
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Data Mining 2.1.1 Pengertian Data Mining Dengan semakin besarnya jumlah data dan kebutuhan akan analisis data yang akurat maka dibutuhkan metode analisis yang tepat. Data mining
Lebih terperinciKLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING
KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING Moh Ahsan Universitas Kanjuruhan Malang ahsan@unikama.ac.id ABSTRAK. Universitas Kanjuruhan Malang
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA
JURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA IMPLEMENTATION OF DATA MINING WITH C4.5 ALGORITHM TO PREDICT STUDENT ACHIEVEMENT Oleh: SITI MUHIMATUL KHOIROH NPM
Lebih terperinciPenerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 39 Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi Irwan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Konsep Pemasaran Dalam merancang dan mengembangkan produk, baik yang berupa jasa maupun barang, tidak terlepas dari konsep pemasaran yang bertujuan memenuhi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Education data mining merupakan penelitian didasarkan data di dunia pendidikan untuk menggali dan memperoleh informasi tersembunyi dari data yang ada. Pemanfaatan education
Lebih 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 terperinci3.1 Metode Pengumpulan Data
BAB 3 METODE PENELITIAN 3.1 Metode Pengumpulan Data Sebuah penelitian memerlukan pengumpulan data dan metode pengumpulan data karena sangat berpengaruh terhadap akurasi dan kualitas data yang digunakan
Lebih terperinciStudent Clustering Based on Academic Using K-Means Algoritms
Student Clustering Based on Academic Using K-Means Algoritms Hironimus Leong, Shinta Estri Wahyuningrum Faculty of Computer Science, Faculty of Computer Science Unika Soegijapranata marlon.leong@gmail.com
Lebih terperinciPENERAPAN ALGORITMA 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 terperinciI.1 Latar Belakang Masalah Seiring berjalannya waktu dan perkembangan teknologi media penyimpanan elektronik, setiap organisasi dapat menyimpan
BAB. I. PENDAHULUAN I.1 Latar Belakang Masalah Seiring berjalannya waktu dan perkembangan teknologi media penyimpanan elektronik, setiap organisasi dapat menyimpan datanya secara elektronik dan bersifat
Lebih terperinciData Mining : Klasifikasi Menggunakan Algoritma C4.5
Data Mining : Klasifikasi Menggunakan Algoritma C4.5 Yuli Mardi Dosen Akademi Perekam dan Informasi Kesehatan (APIKES) Iris Padang Jl. Gajah Mada No. 23 Padang, Sumatera Barat adimardi@yahoo.com ABSTRAK
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 terperinciPENERAPAN DATA MINING SEBAGAI MODEL SELEKSI PENERIMA BEASISWA PENUH (STUDI KASUS: STIE PERBANAS SURABAYA)
ISSN 1858-4667 JURNAL LINK VOL. 27/No. 1/Februari 2018 PENERAPAN DATA MINING SEBAGAI MODEL SELEKSI PENERIMA BEASISWA PENUH (STUDI KASUS: STIE PERBANAS SURABAYA) Hariadi Yutanto 1, Nurcholis Setiawan 2
Lebih terperinciPERBANDINGAN 3 METODE DALAM DATA MINING UNTUK PREDIKSI PENERIMA BEASISWA BERDASARKAN PRESTASI DI SMA NEGERI 6 SURAKARTA
PERBANDINGAN 3 METODE DALAM DATA MINING UNTUK PREDIKSI PENERIMA BEASISWA BERDASARKAN PRESTASI DI SMA NEGERI 6 SURAKARTA Naskah Publikasi Program Studi Informatika Fakultas Komunikasi dan Informatika Oleh
Lebih terperinciPERTEMUAN 14 DATA WAREHOUSE
PERTEMUAN 14 DATA WAREHOUSE Data Warehouse Definisi : Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis yang mendukung
Lebih 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 terperinciPERBANDINGAN DECISION TREE
84 2015 Jurnal Krea-TIF Vol: 03 No: 02 PERBANDINGAN DECISION TREE PADA ALGORITMA C 4.5 DAN ID3 DALAM PENGKLASIFIKASIAN INDEKS PRESTASI MAHASISWA (Studi Kasus: Fasilkom Universitas Singaperbangsa Karawang)
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Tinjauan Studi Sebelum penelitian ini dilakukan, sudah terdapat beberapa penelitian yang menjadi dasar untuk menyelesaikan penelitian ini, penelitian tersebut diantaranya sebagai
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Secara sederhana data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Data mining
Lebih terperinciBAB 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN Dalam bab ini berisi penjelasan mengenai latar belakang masalah, identifikasi masalah, tujuan tugas akhir, lingkup tugas akhir, metode penelitian serta sistematika penulisan. 1.1 Latar
Lebih terperinciinformation karena data yang terkumpul itu tidak dapat digunakan untuk aplikasi
ABSTRAK Perkembangan data mining (DM) yang pesat tidak dapat lepas dari perkembangan teknologi informasi yang memungkinkan data dalam jumlah besar terakumulasi sejalan dengan pertumbuhan teknologi informasi.
Lebih terperinciLANDASAN TEORI Data Mining
7 LANDASAN TEORI 2.1. Data Mining Menurut Gartner Group data mining adalah suatu proses menemukan hubungan yang berarti, pola dan kecenderungan dengan memeriksa dalam sekumpulan besar data yang tersimpan
Lebih terperinciIMPLEMENTASI KNOWLEDGE DISCOVERY IN DATABASE (KDD) DALAM SERVICE LEVEL AGREEMENT (SLA) KLAIM PADA ASURANSI KESEHATAN
IMPLEMENTASI KNOWLEDGE DISCOVERY IN DATABASE (KDD) DALAM SERVICE LEVEL AGREEMENT (SLA) KLAIM PADA ASURANSI KESEHATAN Fahrul Nurzaman Teknik Informatika, Fakultas Teknik Universitas Persada Indonesia Y.A.I
Lebih 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 terperinciBAB 1 PENDAHULUAN. saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Cepatnya perubahan fluktuasi harga index saham membuat para pemegang saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung. Saham yang mempunyai
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI penelitian. Pada bab ini akan dibahas literatur dan landasan teori yang relevan dengan 2.1 Tinjauan Pustaka Kombinasi metode telah dilakukan oleh beberapa peneliti
Lebih terperinciTahapan 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 (
Lebih terperinciIMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA Irwan Budiman 1, Dodon Turianto Nugrahadi 2, Radityo Adi Nugroho 3 Universitas Lambung Mangkurat 1,2,3 irwan.budiman@unlam.ac.id
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5
PENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5 Annisak Izzaty Jamhur Universitas Putera Indonesia YPTK Padang e-mail: annisakizzaty@yahoo.com Abstract
Lebih terperinciJURNAL PREDIKSI PRESTASI SISWA SEKOLAH DASAR MENGGUNAKAN ALGORITMA CART PREDICTION ELEMENTARY SCHOOL STUDENT ACHIEVEMENT USING CART ALGORITHM
JURNAL PREDIKSI PRESTASI SISWA SEKOLAH DASAR MENGGUNAKAN ALGORITMA CART PREDICTION ELEMENTARY SCHOOL STUDENT ACHIEVEMENT USING CART ALGORITHM Oleh: BENI KURNIAWAN 12.1.03.02.0201 Dibimbing oleh : 1. Resty
Lebih terperinciTeam 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
Lebih terperinciTahapan 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
Lebih terperinciBAB 1 PENDAHULUAN. terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi informasi telah mampu mengubah persepsi manusia terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
Lebih terperinciBAB III PEMBAHASAN. Sumber data diperoleh dari Koperasi X yang terdiri dari 3 file excel
BAB III PEMBAHASAN A. Sumber Data Sumber data diperoleh dari Koperasi X yang terdiri dari 3 file excel peminjam dengan jaminan sertifikat tanah, tunjuk, dan Buku Pemilik Kendaraan Bermotor (BPKB) serta
Lebih terperinciPENERAPAN TEKNIK DATA MINING UNTUK MENENTUKAN HASIL SELEKSI MASUK SMAN 1 GIBEBER UNTUK SISWA BARU MENGGUNAKAN DECISION TREE
PENERAPAN TEKNIK DATA MINING UNTUK MENENTUKAN HASIL SELEKSI MASUK SMAN 1 GIBEBER UNTUK SISWA BARU MENGGUNAKAN DECISION TREE Castaka Agus Sugianto Program Studi Teknik lnformatika Politeknik TEDC Bandung
Lebih terperinci2. Tinjauan Pustaka. Gambar 2-1 : Knowledge discovery in database
2. Tinjauan Pustaka 2.1 Data Mining Data mining merupakan ilmu yang mempelajari tentang proses ekstraksi informasi yang tersembunyi dari sekumpulan data yang berukuran sangat besar dengan menggunakan algoritma
Lebih terperinciBAB I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik yang menggunakan
Lebih terperinci4 HASIL DA PEMBAHASA
4 HASIL DA PEMBAHASA 4.1 Pengumpulan Data Pada proses pengumpulan data, diperoleh data awal berjumlah 5883 mahasiswa non aktif Program Studi Matematika FMIPA-UT dengan 33 atribut kategori dan numerik.
Lebih 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 terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Perkembangan teknologi informasi yang sangat pesat yang terjadi dewasa ini menuntut manusia untuk mampu beradaptasi dengan perkembangan tersebut. Upaya adaptasi yang dilakukan
Lebih terperinciDESAIN APLIKASI UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA. Oleh : Rita Prima Bendriyanti ABSTRAK
DESAIN APLIKASI UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA Oleh : Rita Prima Bendriyanti ABSTRAK Penelitian ini menggunakan metode observasi, dengan melihat atau mengamati secara langsung
Lebih 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 terperinciPENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PREDIKAT KEBERHASILAN MAHASISWA DI AMIK TUNAS BANGSA. Abstrak
JURASIK (Jurn Riset Sistem Informasi & Teknik Informatika) ISSN 2527-5771 PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PREDIKAT KEBERHASILAN MAHASISWA DI AMIK TUNAS BANGSA Yuni Sara Luvia 1, Dedy Hartama
Lebih terperinciModel 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
Lebih terperinciDATA MINING. Pertemuan 2. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi
DATA MINING 3 SKS Semester 6 S1 Sistem Informasi Pertemuan 2 Nizar Rabbi Radliya nizar.radliya@yahoo.com Universitas Komputer Indonesia 2016 Mengapa Data Mining? Penumpukan data Minimnya pemanfaatan data
Lebih terperinciPENERAPAN ALGORITMA C5.0 DALAM PENGKLASIFIKASIAN DATA MAHASISWA UNIVERSITAS NEGERI GORONTALO
PENERAPAN ALGORITMA C5.0 DALAM PENGKLASIFIKASIAN DATA MAHASISWA UNIVERSITAS NEGERI GORONTALO Wandira Irene, Mukhlisulfatih Latief, Lillyan Hadjaratie Program Studi S1 Sistem Informasi / Teknik Informatika
Lebih terperinciBAB 2 TINJAUAN PUSTAKA Klasifikasi Data Mahasiswa Menggunakan Metode K-Means Untuk Menunjang Pemilihan Strategi Pemasaran
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Beberapa penelitian terdahulu telah banyak yang menerapkan data mining, yang bertujuan dalam menyelesaikan beberapa permasalahan seputar dunia pendidikan. Khususnya
Lebih terperinciBAB 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,
Lebih terperinciPENGEMBANGAN SISTEM PAKAR BERBASIS ATURAN UNTUK MENENTUKAN MATA KULIAH YANG AKAN DIAMBIL ULANG (REMEDIAL) DENGAN METODE FORWARD CHAINING
PENGEMBANGAN SISTEM PAKAR BERBASIS ATURAN UNTUK MENENTUKAN MATA KULIAH YANG AKAN DIAMBIL ULANG (REMEDIAL) DENGAN METODE FORWARD CHAINING HARIYADI Program Studi Teknik Elektro UMSB ABSTRAK Nilai IP (Indeks
Lebih terperinciJurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017 50 APLIKASI KLASIFIKASI ALGORITMA C4.5 (STUDI KASUS MASA STUDI MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Data mining adalah salah satu teknik dan proses untuk menemukan suatu pola dan pengetahuan dari data yang berjumlah besar (Han dkk., 2011). Proses yang dilakukan
Lebih terperinciAlfa Saleh. Teknik Informatika Universitas Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A, Tanjung Mulia, Medan
PENERAPAN DATA MINING DENGAN METODE KLASIFIKASI NAÏVE BAYES UNTUK MEMPREDIKSI KELULUSAN MAHASISWA DALAM MENGIKUTI ENGLISH PROFICIENCY TEST (Studi Kasus : Universitas Potensi Utama) Alfa Saleh Teknik Informatika
Lebih terperinciKlasifikasi Data Karyawan Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree
Klasifikasi Data Karyawan Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree Disusun oleh : Budanis Dwi Meilani Achmad dan Fauzi Slamat Jurusan Sistem Informasi Fakultas Teknologi Informasi.
Lebih terperinciBAB 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
Lebih terperinciPEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5
PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Jurusan Sistem Informasi, STMIK Indonesia 1 syam@stmik-indonesia.ac.id,
Lebih terperinciPENGANTAR 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
Lebih terperinciBAB 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
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Menurut Guterres, Mudjihartono & Ernawati (2012) semakin ketatnya persaingan dalam mendapatkan lapangan pekerjaan menuntut perguruan tinggi menghasilkan sarjana yang
Lebih terperinciData 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
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK 1.1 Pendahuluan Globalisasi dan teknologi yang semakin berkembang menuntun dunia perdagangan elektronik(electronic commerce) semakin kompetitif dan juga semakin ketat. Hal itu
Lebih terperinciClustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means
Clustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means Sri Redjeki Andreas 1), Andreas Pamungkas, Pamungkas Hastin 2), Hastin Al-fatah Al-fatah 3) 1)2)3) STMIK dzeky@akakom.ac.id
Lebih terperinciMajalah Ilmiah UPI YPTK, Volume 20, No. 1, Maret
Majalah Ilmiah UPI YPTK, Volume 20, No. 1, Maret 2013 12 PENERAPAN ALGORITMA C 4.5 DALAM MEMPEROLEH DECISION TREE UNTUK MEMPREDIKSI PENENTUAN RESIKO KREDIT PADA BANK BPR BUKITTANDANG MANDIRI PADANG MENGGUNAKAN
Lebih terperinciALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN
ALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN Devi Sugianti Program Studi Sistem Informasi,STMIK Widya Pratama Jl. Patriot 25 Pekalongan Telp (0285)427816 email
Lebih terperinciDECISION TREE BERBASIS ALGORITMA UNTUK PENGAMBILAN KEPUTUSAN
ISSN : 1978-6603 DECISION TREE BERBASIS ALGORITMA UNTUK PENGAMBILAN KEPUTUSAN Zulfian Azmi #1, Muhammad Dahria #2 #1 Program Studi Sistem Komputer, #2 Program Studi Sistem Informasi STMIK Triguna Dharma
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Sebelum melakukan penelitian adapun penulis mencari penelitian penelitian yang memungkinkan terkait dengan penelitian antara lain : 1. Analisis Kinerja Data
Lebih terperinci