LANDASAN TEORI Data Mining
|
|
- Sudirman Yohanes Kusnadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 dalam penyimpanan dengan menggunakan teknik pengenalan pola seperti teknik statistic dan matematika (Larose, 2006). Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual (Pramudiono, 2006). Data mining merupakan proses semi otomatik yang menggunakan teknik statistic, matematika, keceradan buatan dan machine learning untuk mengekstraksi dan mengidentifikasi informasi pengetahuan yang potensial dan bermanfaat yang tersimpan di dalam database (Turban et al, 2005). Defenisi lain dari data mining adalah data mining merupakan bagian dari proses KDD (Knowledge Discovery in Database) yang terdiri dari beberapa tahapan seperti pemilihan data, pra-pengolahan, transformasi, data mining dan interpretasi hasil (Sitompul, 2008). Menurut Han et.al pada tahun 2006, data mining adalah kegiatan menemukan pola yang menarik dari data dalam jumlah besar, data dapat disimpan dalam database, data warehouse atau penyimpanan informasi lainnya. Data mining berkaitan dengan bidang ilmu-ilmu lain, seperti database system, data warehousing, statistik, machine learning, information retrieval dan komputasi tingkat tinggi. Selain itu data mining didukung oleh ilmu lain seperti neural network, pengenalan pola, spatial data analysis, image database dan signal processing Tahap-tahap data mining
2 8 Gambar 2.1 Tahap-tahap penambangan data (Han, et al.2006) 1. Data Cleaning Data Cleaning (pembersihan data) merupakan proses yang bertujuan untuk menghilangkan atau membersihkan data dari hal-hal yang tidak perlu seperti, noise, record-record yang keliru atau atribut yang tidak memiliki keterkaitan satu sama lain. Proses ini berguna untuk memudahkan dalam proses data mining dimana data yang tidak perlu akan dibuang dan menghasilkan data yang hanya diperlukan saja sehingga efektif dalam proses data mining. 2. Data Integrasi Data yang digunakan dalam proses penggalian data tidak hanya berasal dari satu sumber data saja, melainkan dari beberapa sumber data atau database. Proses ini bertujuan untuk melakukan penggabungan sejumlah sumber data yang disatukan dalam sebuah data warehouse. 3. Data Transformation
3 9 Proses ini bertujuan untuk mengubah data menjadi informasi dengan standard yang sesuai dengan kebutuhan data. 4. Data Mining Merupakan proses penambangan/penggalian data dengan teknik dan metode yang dibutuhkan. Dalam kasus ini digunakan algoritma C5.0 dengan metode decision tree (pohon keputusan). 5. Knowledge Learn Proses ini adalah proses akhir dimana hasil yang diperoleh dari penggalian data diidentifikasi dan dievaluasi pola-pola yang ada untuk menilai apakah target yang dicapai telah tercapai. Jika hasil yang diperoleh tidak sesuai, maka dapat diambil aksi yang lain seperti decision support (pendukung keputusan) untuk memperbaiki proses mining atau mencoba metode lain dari data mining yang lebih sesuai. Proses ini akan memformulasikan penggunaannya pada data lain yang lebih sesuai. Atau jika tidak sesuai dapat digunakan sebagai hasil yang salah yang bermanfaat sebagai bahan pembelajaran dimasa depan Pengelompokan Data Mining Berdasarkan tugas yang dapat dilakukan, data mining dibagi menjadi beberapa kelompok, yaitu (Larose, 2006) 1. Deskripsi Terkadang peneliti dan analisis secara sederhana ingin mencoba mencari cara untuk menggambarkan pola dan kecenderungan yang terdapat dalam data. sebagai contoh, petugas pengumpulan suara mungkin tidak dapat menemukan keterangan keterangan atau fakta bahwa siapa yang tidak cukup professional akan sedikit didukung dalam pemilihan presiden. Deksripsi dari pola dan kecenderungan sering memberikan kemungkinan penjelasan untuk suatu pola atau kecenderungan. 2. Estimasi
4 10 Model dibangun menggunakan record lengkap yang menyediakan nilai dari variabel target sebagai nilai prediksi, kemudian etimasi nilai dari variabel target dibuat berdasarkan nilai variabel prediksi. Perbedaan estimasi dengan klasifikasi adalah variabel target estimasi lebih ke arah numeric dari pada kategori 3. Klasifikasi Klasifikasi adalah fungsi pembelajaran yang memetakan (mengklasifikasi) sebuah unsur (item) data ke dalam salah satu dari beberapa kelas yang sudah didefinisikan. Dalam klasifikasi terdapat target variabel kategori. Sebagai contoh penerapan klasifikasi dalam menentukan layak tidaknya kredit sepeda motor, klasifikasi data konsumen telemarketing untuk deposito pada bank. 4. Prediksi Prediksi adalah proses memperkirakan sesuatu berdasarkan data atau informasi di masa lalu dan masa sekarang yang mungkin terjadi dimasa yang akan datang dengan menggunakan pemodelan klasifikasi agar kesalahannya dapat diperkecil. Prediksi tidak harus benar, melainkan berusaha mencari jawaban sedekat mungkin yang akan terjadi. Sehingga dapat disimpulkan nilai dari hasil prediksi akan ada di masa yang akan datang. 5. Asosiasi Asosiasi berugas untuk menemukan atribut yang muncul dalam suatu waktu. Sebagai contoh untuk menemukan barang dalam supermarket yang dibeli secara bersamaan dan barang yang tidak pernah dibeli bersamaan. 6. Pengklusteran Kluster adalah kumpulan record yang memiliki kemiripan satu sama lain dan memiliki ketidakmiripan dengan record dalam kluster lain. Pengklusteran tidak memiliki variabel target, melainkan melakukan pembagian terhadap keseluruhan data menjadi kelompok-kelompok yang memiliki kemiripan (homogen) yang bernilai minimal. Dalam penelitian ini penulis menggunakan pengelompokan data mining prediksi dengan algoritma C5.0 decision tree.
5 Decision Tree (Pohon Keputusan) Decision tree adalah struktur flowchart yang menyerupai tree (pohon), dimana setiap simpul internal menandakan suatu tes pada atribut, dimana setiap cabang merepresentasikan hasil tes, dan simpul daun merepresentasikan kelas distribusi kelas. Alur pada decision tree ditelusuri dari simpul akar ke simpul daun yang memegang prediksi kelas (Kusnawi, 2007). Pohon keputusan terdiri dari node yang membentuk pohon yang berakar, semua node memiliki satu masukan. Node yang keluar disebut node tes. Node yang lain disebut node keputusan atau sering disebut node daun. Setiap simpul internal membagi dua atau lebih sub-ruang sesuai dengan kategori atribut dan akan dipartisi sesuai dengan nilai kategori kasus. Kasus-kasus tersebut membentuk pohon keputusan, yang menghasilkan problem solving (Kusrini, 2007). Decision tree adalah teknik model prediksi yang digunakan pada klasifikasi, clustering dan prediksi tugas. Decision tree menggunakan teknik membagi dan menaklukkan untuk membagi ruang pencarian masalah menjadi himpunan masalah (Dunham, 2003). Decision Tree (Pohon Keputusan) merupakan salah satu metode klasifikasi yang tujuannya untuk menciptakan sebuah model yang memprediksi nilai variabel target dengan aturan-aturan keputusan yang disimpulkan dari sejumlah data. Dalam menerapkan metode ini dilakukan dua tahapan yaitu, membangun pohon keputusan dan membangun aturan-aturan keputusan (rule) Konsep Decision Tree Konsep data dalam decision tree adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan (rule). Data dinyatakan dalam bentuk tabel yaitu dengan atribut dan record. Atribut menyatakan suatu parameter yang dibuat sebagai kriteria dalam pembentukan tree. Atribut memiliki nilai yang menjadi target atribut yang disebut instance. Konsep decision tree dapat dilihat pada Gambar 2.2 Data Decision Tree Gambar 2.2 Konsep Decision Tree Rule
6 Manfaat Decision Tree Decision Tree (Pohon Keputusan) merupakan metode klasifikasi yang paling populer karena mudah untuk diinterpretasi oleh manusia, yang kemudian membentuk model prediksi menggunakan struktur pohon keputusan. Manfaat utama dari penggunaan decision tree adalah mampu mem-break down proses pengambilan keputusan yang kompleks menjadi lebih simpel sehingga akan lebih mudah menginterpretasikan solusi dari permasalahan. Manfaat lainnya adalah untuk mengeksplorasi data dan pemodelan, sehingga sangat baik digunakan untuk langkah awal dalam proses pemodelan Kelebihan Decision Tree Kelebihan decision tree (Simarmata, 2005) : a. Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simple dan spesifik. b. Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sample diuji hanya berdasarkan kriteria atau kelas tertentu. c. Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional. d. Dalam analisis multivariate, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan kriteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.
7 Kekurangan Decision Tree a. Terjadi overlap terutama ketika kelas-kelas dan kriteria yang digunakan jumlahnyasangant banyak. Hal tersebut juga dapat menyebankan meningkatnya waktu pengambilan keputusan dan jumlah memory yang diperlukan. b. Pengakumulasian jumlah error dari setiap level dalam sebuah pohon keputusan yang besar. c. Kesulitan dalam mendesain decision tree yang optimal. Hasil kualitas keputusan yang didapatkan dari metode decision tree sangat tergantung pada bagaimana pohon tersebut didesain. 2.3 Algoritma C5.0 Algoritma C5.0 merupakan algoritma berbasis decision tree yang merupakan penyempurnaan dari algoritma ID3 dan C4.5 yang dibentuk oleh Ross Quinlan pada tahun Algortima C5.0 dapat menangani atribut kontinyu dan diskrit. Pemilihan atribut dalam algoritma ini akan diproses menggunakan information gain. Atribut dengan nilai Gain tertinggi akan dipilih sebagai akar bagi node selanjutnya. Proses decision tree adalah mengubah bentuk data (tabel) menjadi model pohon, mengubah model pohon menjadi rule dan menyederhanakan rule (Basuki et al., 2003). Dalam membentuk pohon keputusan dengan algoritma C5.0 digunakan entropy dan information gain untuk menentukan akar node. Gain dengan nilai tertinggi akan menjadi node akar dari entropy terkecil tiap atribut. Berikut persamaan untuk menghitung gain atribut : Gain(S, A) = Entropy(S) - *Entropy (Si).. (1) Dengan: S A n Si S : Himpunan kasus : Atribut : Jumlah partisi atribut A : Jumlah kasus pada partisi ke i : Jumlah kasus dalam S
8 14 Sementara itu untuk menghitung nilai entropy dapat dilihat pada persamaan berikut : Entropy(S) =... (2) Dengan : S n pi : Himpunan kasus : Jumlah partisi S : Proporsi dari S i terhadap S 2.4 Bank Bank adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit dan/atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak (UU No.7 tahun 1992). Bank memberikan pelayanan terbaik kepada nasabah melalui beberapa fasilitas seperti, unit usaha konvensional, unit usaha syariah dan sentra usaha mikro kecil (UMK). Unit usaha konvensional memiliki beberapa pelayanan seperti tabungan, giro, deposito, kredit, kredit pemilikan rumah (KPR), anjungan tunai mandiri (ATM), SMS banking dan real-time gross settlement (RTGS). Pada penelitian ini penulis mengangkat judul yang berkaitan dengan KPR. Bank memiliki peranan penting bagi masyarakat khususnya masyarakat kalangan menengah ke atas. Tidak lagi hanya sebatas menabung, bank juga memiliki manfaat yang besar bagi masyarakat/nasabah. Berbagai kepentingan hidup di masa sekarang membutuhkan bank sebagai alat untuk memenuhi kebutuhan. Untuk membayar tagihan listrik, belanja hingga membangun rumah, semuanya dapat dilakukan melalui bank. Kemudahan inilah yang membuat bank memiliki perananan penting bagi masyarakat di masa sekarang Menurut OP. Simorangkir dan H. Budi Untung, kredit adalah pemberian prestasi (misalnya uang dan barang) dengan balas prestasi (kontraprestasi) yang akan terjadi pada waktu yang akan datang. Kehidupan ekonomi modern adalah prestasi uang, yang
9 15 dengan demikian transaksi kredit menyangkut uang sebagai alat kredit. berfungsi kooperatif antara si pemberi kredit dan si penerima kredit atau antara kredit dengan debitur. Mereka menarik keuntungan dan saling menanggung risiko. Singkatnya, kredit dalam arti luas didasarkan atas komponen kepercayaan, risiko dan pertukaran ekonomi di masa-masa mendatang. merupakan salah satu system yang diberlakukan pihak bank dalam memberikan kemudahan kepada nasabah. Namun pengertian kredit bank yang berprinsip konvensional tidak hanya membayar secara tradisional, tetapi juga meliputi perjanjian kredit, jaminan, pengambilan tagihan dan bunga. Sedangkan untuk bank yang beroperasi dengan prinsip syariah, bentuk penyediaan atau penerimaan dana kepada nasabahnya dengan prinsip bagi hasil yang sesuai dengan prinsip syariah. Menurut Munir Fuadi, kredit berarti kepecayaan. Kata kredit berasal dari bahasa Latin yaitu creditus yang berarti to trust. Dengan kata lain kredit mengandung unsur kepercayaan, walaupun tidak hanya sekedar kepercayaan. Kolektibilitas adalah keadaan pembayaran pokok atau angsuran pokok dan bunga kredit oleh nasabah serta tingkat kemungkinan diterimanya kembali dana yang ditanamkan dalm surat-surat berharga atau penanaman lainnya. Pada dasarnya dalam menentukan status kredit nasabah, Bank Indonesia memiliki kolektibilitas (penggolongan) kredit yang dikelompokkan terhadap 5 kelompok yaitu, kredit lancar, kredit perhatian khusus (special mention), kredit kurang lancar, kredit diragukan dan kredit macet. Penjelasan kolektibilitas dapat dilihat pada tabel 2.1
10 16 Tabel 2.1 Kolektibilitas (Ketentuan Bank Indonesia) Keterangan Konsekuensi Kolektibilitas Kolektibilitas Keterangan Kolektibilitas 1 Lancar Pembayaran tepat 1) Kartu dalam waktu, pembayaran status aktif rekening baik dan 2) Kartu tidak tidak ada terblokir, kartu tunggakan serta masih dapat sesuai dengan digunakan persyaratan kredit. 1)Dikenakan biaya keterlambatan (jika ada) 2) Kartu akan terblokir sementara untuk Apabila terdapat tunggakan keterlambatan pembayaran 2 pembayaran pokok sampai dengan 59 Dalam Perhatian dan atau bunga hari. Di atas 60 Khusus sampai dengan 90 hari, kartu akan (Sembilan puluh) hari. terblokir permanen, kartu tidak dapat digunakan. 3)Kegiatan penagihan melalui telepon dan kunjungandimulai.
11 17 Tabel 2.1 Kolektibilitas (Ketentuan Bank Indonesia) (lanjutan) Keterangan Konsekuensi Kolektibilitas Kolektibilitas Keterangan Kolektibilitas 3 Kurang Lancar 4 Diragukan Apabila terdapat tunggakan pembayaran pokok dan atau bunga yang telah melampaui 90 (Sembilan puluh) hari sampai dengan 120 (seratus dua puluh) hari. Apabila terdapat tunggakan pembayaran pokok dan atau bunga yang telah melampaui 120 (seratus dua puluh) hari sampai dengan 180 (seratus delapan puluh) hari. 1)Kegiatan penagihan melalui telepon dan kunjungan dilanjutkan 2) Kartu terblokir secara permanen, kartu tidak dapat digunakan. 1)Kegiatan penagihan melalui telepon dan kunjungan dilanjutkan 2) Kartu terblokir secara permanen, kartu tidak dapat digunakan.
12 18 Tabel 2.1 Kolektibilitas (Ketentuan Bank Indonesia) (lanjutan) Keterangan Konsekuensi Kolektibilitas Kolektibilitas Keterangan Kolektibilitas 1)Kegiatan penagihan melalui telepon dan Apabila terdapat kunjungan tunggakan dilanjutkan pembayaran pokok 2) Kartu terblokir dan atau bunga 5 Macet secara permanen, yang telah kartu tidak dapat melampaui 180 digunakan. (seratus delapan 3) Pengalihdayaan puluh) hari. kegiatan penagihan ke pihak ketiga Analisa Analisa kredit adalah penilaian terhadap calon kreditur dan usahanya, dan sebagai alternatif dalam pertimbangan keputusan kredit. Tujuan dilakukannya analisis adalah untuk melihat kondisi dan potensi calon kreditur apakah layak/ tidaknya diberikan kredit atau dibantu pembiayaan kredit. Menurut Siswanto (2004) analisis kredit pada dasarnya menggunakan prinsip 5C, yaitu : 1. Character, menilai tingkah laku debitur, apakah mempunyai sifat yang baik dan dapat dipercaya, sehingga pihak bank yakin debitur akan mampu mengembalikan
13 19 kredit tepat waktu dan tidak termasuk dalam daftar black list atau daftar kredit macet. 2. Capacity, mempelajari dan memastikan bahwa debitur mampu membayar kreditnya dilihat dari pengalaman pengalaman usahanya, pendidikannya, selama berhubungan dengan bank. 3. Capital, untuk memastikan bahwa debitur mempunyai modal yang cukup guna menutupi apabila terjadi kerugian. 4. Collateral, memastikan apakah agunan/jaminan yang diserahkan cukup dan suratsuratnya lengkap sesuai dengan ketentuan, untuk menutup resiko kredit apabila tidak dapat dapat dilunaskan. 5. Condition of Economy, mempelajari dan memastikan apakah keadaan pereonomian bersifat menunjang atau menghambat usaha debitur, yang dapat berpengaruh atas kelancaran kredit yang diberikan dan hendaknya juga dinilai kondisi ekonomi sekarang dan untuk masa yang akan datang sesuai sektor masiing-masing. Dalam penelitian ini penulis mengklasifikasikan nasabah yang telah memiliki track record dalam kredit KPR Pemilikan Rumah (KPR) KPR merupakan bagian dari unit usaha konvensional yang banyak dipilih nasabah dalam memenuhi kepentingan tempat tinggal. KPR memudahkan nasabah dalam membangun atau membeli rumah. KPR adalah kredit yang diberikan pihak bank kepada nasabah untuk mendirikan rumah/ruko/bangunan diatas sebuah lahan dengan jaminan sertifikat kepemilikan atas rumah dan lahan itu sendiri. 2.5 Penelitian Terdahulu Adapun beberapa penelitian terdahulu yang berkaitan dengan prediksi kolektibilitas KPR antara lain : 1. Model prediksi status kredit nasabah koperasi simpan pinjam mitra usaha syariah (Septiana et al, 2013)
14 20 2. System pendukung keputusan kredit sepeda motor dengan metode decision tree. System ini bertujuan sebagai pendukung keputusan dalam menentukan layak atau tidak layaknya pemberian kredit sepeda motor kepada calon pembeli (Agustina Manurung, 2011). 3. Analisis dan implementasi decision tree untuk klasifikasi data konsumen telemarketing untuk deposito pada bank menggunakan algoritma C4.5. System ini menampilkan konsumen yang akan mendepositokan uang dengan mengolah data untuk dicari pola agar bisa bermanfaat (Gelar Nurcahya, 2013). 4. Metode C5.0 untuk mengklasifikasi prestasi akademik mahasiswa program studi matematika fakultas matematika dan ilmu pengetahuan alam dengan bahasa pemrograman Delphi 7.0 sehingga memperoleh hasil klasifikasi yang lebih akurat dan maksimal (Muhammad Musyafa, 2012) 5. Penerapan algoritma C5.0 dalam pengklasifikasian data mahasiswa Universitas Negeri Gorontalo. Penelitian ini bertujuan untuk mengklasifikasikan data historis mahasiswa dengan menggunakan algoritma C5.0. Hasil pengujian dengan menggunakan teknik k-fold cross validation diperoleh akurasi tertinggi dari prediksi IPK sebesar 79,3% dan 86,7% untuk lama studi. (Irene et al, 2014) 6. Aplikasi data mining menggunakan metode decision tree untuk evaluasi kinerja motor servo dengan algoritma C4.5. Penelitian ini difokuskan untuk mengevaluasi kinerja motor servo dengan melakukan percobaan pada beban dan tegangan input yang berbeda dalam dua keadaan loop serta diklasifikasikan dalam kategori perputaran motor yang termasuk cepat, cukup cepat dan lambat. Hasil penelitian yang diperoleh adalah sama dengan hasil kategori data sebenarnya. (Aryansyah, 2014)
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
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Kredit macet merupakan salah satu masalah yang sering dialami oleh perbankan hingga saat ini. Banyaknya calon debitur yang melakukan kredit membuat pihak bank harus
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 terperinciUniversitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika. Classification Decision Tree
Universitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika Classification Decision Tree Classification Decision Tree Pengertian Pohon Keputusan Pohon keputusan adalah
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) adalah sistem komputer yang saling berhubungan dan menjadi alat bantu bagi seorang
Lebih 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 terperinciManfaat Pohon Keputusan
DECISION TREE (POHON KEPUTUSAN) Latar Belakang Pohon Keputusan Di dalam kehidupan manusia sehari-hari, manusia selalu dihadapkan oleh berbagai macam masalah dari berbagai macam bidang. Masalah-masalah
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1.1 Data Mining Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penelitian terkait Penelitian ini sebelumnya dilakukan studi kepustakaan dari penelitian terdahulu sebagai dasar atau acuan untuk menyelesaikan tugas akhir. Dari studi kepustakaan
Lebih 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu pelayanan dalam dunia perbankan adalah pemberian pinjaman kredit kepada nasabah yang memenuhi syarat perbankan. kredit merupakan sumber utama penghasilan
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 terperinciALGORITMA C4.5 UNTUK SIMULASI PREDIKSI KEMENANGAN DALAM PERTANDINGAN SEPAKBOLA
53 ALGORITMA C4.5 UNTUK SIMULASI PREDIKSI KEMENANGAN DALAM PERTANDINGAN SEPAKBOLA Marwana*) Abstract : Abstract-This study is a simulation for memperiksi victory in a football game using the C4.5 data
Lebih terperinciPOHON KEPUTUSAN DENGAN ALGORITMA C4.5
POHON KEPUTUSAN DENGAN ALGORITMA C4.5 1. Pengantar Algoritma C4.5 Klasifikasi merupakan salah satu proses pada data mining yang bertujuan untuk menemukan pola yang berharga dari data yang berukuran relatif
Lebih terperinciBAB I PENDAHULUAN. kegiatan simpan pinjam layaknya bank, dimana ijin operasionalnya di bawah
BAB I PENDAHULUAN A. Latar Belakang Koperasi adalah suatu lembaga keuangan bukan bank yang bergerak dalam kegiatan simpan pinjam layaknya bank, dimana ijin operasionalnya di bawah Kementrian Koperasi dan
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 terperinciJURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA
JURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA IMPLEMENTATION OF DATA MINING WITH C4.5 ALGORITHM TO PREDICT STUDENT ACHIEVEMENT Oleh: SITI MUHIMATUL KHOIROH NPM
Lebih terperinciBAB 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 terperinciBAB 3 ALGORITMA C4.5. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan.
BAB 3 ALGORITMA C4.5 Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. A. Pohon Keputusan Pohon keputusan merupakan metode klasifikasi dan prediksi yang sangat kuat dan
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 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 terperinciBAB 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
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
6 BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Systems (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott
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 terperinciAPLIKASI KLASIFIKASI PEMENUHAN GIZI PADA LANSIA MENGGUNAKAN METODE DECISION TREE ID3
APLIKASI KLASIFIKASI PEMENUHAN GIZI PADA LANSIA MENGGUNAKAN METODE DECISION TREE ID3 SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Sistem
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 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 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 II TINJAUAN PUSTAKA. pengetahuan di dalam database. Data mining adalah proses yang menggunakan
6 BAB II TINJAUAN PUSTAKA 2.1 Pengertian Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan
Lebih terperinciPENERAPAN 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 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 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 terperinciPenerapan Data Mining dalam Memprediksi Pembelian cat
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Penerapan Data Mining dalam Memprediksi Pembelian cat Fitriana Harahap STMIK POTENSI UTAMA Jl. KL. Yos Sudarso KM 6,5
Lebih 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 III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Dasar Penelitian Penelitian ini dilakukan berdasarkan rumusan masalah yang telah dijabarkan pada bab sebelumnya yaitu untuk mengklasifikasikan kelayakan kredit calon debitur
Lebih terperinciBAB II KAJIAN PUSTAKA DAN KERANGKA PEMIKIRAN
BAB II KAJIAN PUSTAKA DAN KERANGKA PEMIKIRAN 2.1 Kajian Pustaka 2.1.1 Kredit 2.1.1.1 Pengertian Kredit Kegiatan bank yang kedua setelah menghimpun dana dari masyarakat luas dalam bentuk simpanan giro,
Lebih terperinciPenerapan Algoritma C4.5 Untuk Menentukan Kesesuaian Lensa Kontak dengan Mata Pasien
1 Penerapan Algoritma C4.5 Untuk Menentukan Kesesuaian Lensa Kontak dengan Mata Pasien Ketut Wisnu Antara 1, Gede Thadeo Angga Kusuma 2 Jurusan Pendidikan Teknik Informatika Universitas Pendidikan Ganesha
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Beredarnya iklan penawaran kepemilikan kendaraan sepeda motor yang cukup menarik dengan menawarkan berbagai syarat kemudahan pembayaran membuat bagi sebagian orang
Lebih terperinciPENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER
PENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER I. PENDAHULUAN Mahasiswa merupakan salah satu aspek penting dalam evaluasi keberhasilan penyelenggaraan
Lebih terperinciTUGAS KONSEP DASAR DATA MINING
TUGAS KONSEP DASAR DATA MINING Di susun Oleh: Nurkholifah Npm : 2014210052 FAKULTAS ILMU KOMPUTER JURUSAN SISTEM INFORMASI UNIVERSITAS INDO GLOBAL MANDIRI TAHUN 2016 BAB I PENDAHULUAN 1.1 Latar Belakang
Lebih terperinciANALISIS PENERAPAN TEKNIK DATAMINING DALAM PENGIMPLEMENTASIAN DAN PENGEMBANGAN MODEL ACTIVE LEARNING DENGAN METODE KELOMPOK
ANALISIS PENERAPAN TEKNIK DATAMINING DALAM PENGIMPLEMENTASIAN DAN PENGEMBANGAN MODEL ACTIVE LEARNING DENGAN METODE KELOMPOK Dody Herdiana, S.T., M. Kom. Dosen PNS DPK pada Program Studi Teknik Informatika
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Data Mining Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik
Lebih terperinciMetode Iterative Dichotomizer 3 ( ID3 ) Untuk Penyeleksian Penerimaan Mahasiswa Baru
Metode Iterative Dichotomizer 3 ( ID3 ) Untuk Penyeleksian Penerimaan Mahasiswa Baru Wahyudin Program Pendidikan Ilmu Komputer, Universitas Pendidikan Indonesia Abstrak Konsep pohon merupakan salah satu
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 II KAJIAN PUSTAKA. (Mulyadi, 2010:5). Prosedur adalah suatu urutan pekerjaan klerikal
BAB II KAJIAN PUSTAKA 2.1. Landasan Teori 2.1.1 Pengertian Prosedur pengertian prosedur adalah suatu urutan kegiatan klerikal, biasanya melibatkan beberapa orang dalam satu departemen atau lebih, yang
Lebih terperinciBAB I PENDAHULUAN. waktu mendatang. Perkembangan teknologi informasi membuat pencarian. data data sangat mudah bahkan cenderung berlebihan.
BAB I PENDAHULUAN A. Latar Belakang Dengan kemajuan teknologi informasi dewasa ini kebutuhan akan informasi yang akurat sangat dibutuhkan, dikarenakan informasi akan menjadi suatu elemen penting dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pengunduran Diri Mahasiswa Hampir tidak ada perguruan tinggi baik negeri maupun swasta (PTN/PTS) yang tidak pernah mahasiswanya mengundurkan diri sebagai mahasiswa di PTN/PTS
Lebih terperinciAbidah Elcholiqi, Beta Noranita, Indra Waspada
Abidah Elcholiqi, Beta Noranita, Indra Waspada PENENTUAN BESAR PINJAMAN DI KOPERASI SIMPAN PINJAM DENGAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus di Koperasi Simpan Pinjam BMT Bina Insani Pringapus) Abidah
Lebih terperinciPENERAPAN 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 terperinciSISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE DESCISION TREE C4.5 Pada SMAK YOS SUDARSO BATU
SISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE DESCISION TREE C4.5 Pada SMAK YOS SUDARSO BATU Jonathan Rinaldy 1) 1) Program Studi Teknik Informatika, Sekolah Tinggi Informatika & Komputer
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Kredit Usaha Mikro Pasal 1 angka (1) Undang-Undang No. 20 Tahun 2008 tentang Usaha Mikro, Kecil dan Menengah menyebutkan: Usaha Mikro adalah usaha produktif milik orang perorangan
Lebih terperinciPENERAPAN DECISION TREEALGORITMA C4.5 DALAM PENGAMBILAN KEPUTUSAN HUNIAN TEMPAT TINGGAL
PENERAPAN DECISION TREEALGORITMA C4.5 DALAM PENGAMBILAN KEPUTUSAN HUNIAN TEMPAT TINGGAL Besse Helmi Mustawinar Teknik Informatika FTKOM Universitas Cokroaminoto Palopo Jl Latamacelling Nomor 19 Palopo,
Lebih terperinciPROGRAM BANTU SELEKSI AWAL DOSEN BERPRESTASI MENGGUNAKAN METODE ITERATIVE DICHOTOMISER 3
32 PROGRAM BANTU SELEKSI AWAL DOSEN BERPRESTASI MENGGUNAKAN METODE ITERATIVE DICHOTOMISER 3 Yo el Pieter Sumihar* 1, Idris Efendi 2 1,2,3 Jurusan Komputer, Teknik Informatika, Fakultas Sains dan Komputer,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam
Lebih terperinciIMPLEMENTASI ALGORITMA C4.5 UNTUK KLASIFIKASI BIDANG KERJA ALUMNI DI STMIK LPKIA BANDUNG
IMPLEMENTASI ALGORITMA C4.5 UNTUK KLASIFIKASI BIDANG KERJA ALUMNI DI STMIK LPKIA BANDUNG 1 Ati Suci Dian Martha, 2 Afryanto Redy 1 Program Studi Sistem Informasi STMIK LPKIA 1 Program Studi Sistem Informasi
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Tinjauan pustaka atau disebut juga kajian pustaka (literature review) merupakan sebuah aktivitas untuk meninjau atau mengkaji kembali berbagai
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 I PENDAHULUAN 1-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi dan komputer akhir-akhir ini mengalami perkembangan yang sangat pesat tidak terkecuali pada aplikasi-aplikasi database. Di
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 terperinciBAB II DASAR TEORI. untuk memenuhi berbagai kebutuhan. Kumpulan file/table/arsip yang saling berhubungan yang disimpan dalam
BAB II DASAR TEORI 2.1. Database Database (basis data) dapat didefinisikan dalam sejumlah sudut pandang seperti (Fathansyah, 1999): Himpunan kelompok data (arsip) yang saling berhubungan yang diorganisasi
Lebih terperinciBAB II LANDASAN TEORI. 10 November 1998 tentang perbankan, menyatakan bahwa yang dimaksud
6 BAB II LANDASAN TEORI 2.1 Pengertian Bank Undang-undang Negara Republik Indonesia Nomor 10 Tahun 1998 Tanggal 10 November 1998 tentang perbankan, menyatakan bahwa yang dimaksud dengan bank adalah badan
Lebih terperinciTINJAUAN PUSTAKA. Definisi Data Mining
TINJAUAN PUSTAKA Definisi Data Mining Sistem Manajemen Basis Data tingkat lanjut dan teknologi data warehousing mampu untuk mengumpulkan banjir data dan untuk mentransformasikannya ke dalam basis data
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Data Mining 2.1.1 Pengertian Data Mining Beberapa definisi dari data mining antara lain: 1. Data Mining adalah proses menemukan korelasi baru yang memiliki makna, pola, dan
Lebih terperinciIMPLEMENTASI ALGORITMA FUZZY SEBAGAI PENGGALIAN INFORMASI KETERLAMBATAN KELULUSAN TUGAS AKHIR MAHASISWA DENGAN METODE DECISION TREE
IMPLEMENTASI ALGORITMA FUZZY SEBAGAI PENGGALIAN INFORMASI KETERLAMBATAN KELULUSAN TUGAS AKHIR MAHASISWA DENGAN METODE DECISION TREE Yusni Amaliah 1), Ummi Syafiqoh 2), Eviana Tjatur Putri (3) 1,2) Sistem
Lebih 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Studi Beberapa penilitian yang terkait dalam penelitian ini adalah sebagai berikut: 1. Penerapan Data Mining Untuk Memprediksi Kriteria Nasabah Kredit [7] Penelitian
Lebih terperinciBAB II TINJAUAN PUSTAKA. Turban mendefinisikan Decision Support System sebagai sekumpulan
BAB II TINJAUAN PUSTAKA 2.1 Decision Support System Turban mendefinisikan Decision Support System sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para pengambilan
Lebih terperinciAPLIKASI DATA MINING UNTUK POLA PERMINTAAN DARAH DI UDD ( UNIT DONOR DARAH ) PMI KOTA SURABAYA MENGGUNAKAN METODE APRIORI
APLIKASI DATA MINING UNTUK POLA PERMINTAAN DARAH DI UDD ( UNIT DONOR DARAH ) PMI KOTA SURABAYA MENGGUNAKAN METODE APRIORI Budanis Dwi Meilani, dan Dermawan Cahyo Utomo Jurusan Teknik Informatika, Fakultas
Lebih terperinciData Mining : 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 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 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 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 terperinciBABI PENDAHULUAN. 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Setiap perusahaan dituntut untuk siap menghadapi persaingan yang semakin ketat dengan perusahaan lain. Makin intensifnya persaingan yang dihadapi, telah menyebabkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Data Mining Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik
Lebih terperinciLEMBARAN NEGARA REPUBLIK INDONESIA
No.34, 2016 LEMBARAN NEGARA REPUBLIK INDONESIA KEUANGAN OJK. Modal. BPR. Jaringan Kantor. Kegiatan Usaha. (Penjelasan Dalam Tambahan Lembaran Negara Republik Indonesia Nomor 5849) PERATURAN OTORITAS JASA
Lebih terperinciPENERAPAN ALGORITMA C4.5 DALAM PEMILIHAN BIDANG PEMINATAN PROGRAM STUDI SISTEM INFORMASI DI STMIK POTENSI UTAMA MEDAN
PENERAPAN ALGORITMA C4.5 DALAM PEMILIHAN BIDANG PEMINATAN PROGRAM STUDI SISTEM INFORMASI DI STMIK POTENSI UTAMA MEDAN Fina Nasari 1 1 Sistem Informasi, STMIK Potensi Utama 3 Jalan K.L. Yos Sudarso KM.
Lebih 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 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 Penelitian
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Seiring berkembangnya kebutuhan masyarakat dalam mencapai suatu kebutuhan, maka terjadi peningkatan kebutuhan dari segi finansial. Untuk mendapatkan kebutuhan
Lebih terperinciBAB I PENDAHULUAN. Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan
BAB I PENDAHULUAN I.1. Latar Belakang Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang sangat akurat sangat dibutuhkan dalam kehidupan sehari hari, sehingga informasi akan
Lebih terperinciBAB II TINJAUAN PUSTAKA. sekumpulan besar data yang tersimspan dalam penyimpanan dengan
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Data Mining A. Pengertian Data Mining Menurut Gartner Group data mining adalah suatu proses menemukan hubungan yang berarti, pola, dan kecenderungan dengan
Lebih terperinciKerusakan Barang Jadi
Penerapan Algoritma C4.5 pada Analisis Kerusakan Barang Jadi (Studi Kasus: PT Kayu Lapis Asli Murni) Ivan Oktana, Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang,
Lebih terperinciMateri 2 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya
Materi 2 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya nizar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Memahami definisi, proses serta teknik data mining. Pengenalan
Lebih terperinciBAB I PENDAHULUAN. semakin menyatu dengan ekonomi regional dan internasional yang dapat
9 BAB I PENDAHULUAN A. Latar Belakang Perkembangan ekonomi nasional dewasa ini menunjukkan arah yang semakin menyatu dengan ekonomi regional dan internasional yang dapat menunjang sekaligus dapat berdampak
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Kredit
BAB 2 LANDASAN TEORI 2.1 Kredit 2.1.1 Pengertian Kredit Pengertian kredit secara umum, kredit adalah sesuatu yang mempunyai nilai ekonomis pada saat sekarang ini atas dasar kepercayaan sebagai pengganti
Lebih terperinciBAB II KAJIAN PUSTAKA. Menurut Mulyadi (2012:5), prosedur adalah urutan kegiatan klerikal yang
BAB II KAJIAN PUSTAKA 2.1 Landasan Teori 2.1.1 Pengertian Prosedur Menurut Mulyadi (2012:5), prosedur adalah urutan kegiatan klerikal yang melibatkan beberapa orang dalam suatu departemen atau lebih, yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kredit merupakan produk utama dari koperasi simpan pinjam dalam upaya meningkatkan profitabilitasnya. Namun akan terjadi masalah apabila manajemen sembarangan dalam
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 terperinciSTIE DEWANTARA Manajemen Bank
Manajemen Bank Manajemen Lembaga Keuangan, Sesi 4 Pengertian Bank adalah badan usaha yang menghimpun dana dari masyarakat alam bentuk simpanan dan menyalurkannya dalam bentuk kredit dan/atau bentuk2 lainnya
Lebih terperinciBAB I PENDAHULUAN. bank sedangkan memberikan jasa bank lainnya hanya kegiatan pendukung. Kegiatan
BAB I PENDAHULUAN 1.1 Latar Belakang Pengertian bank menurut UU Perbankan No. 10 Tahun 1998 Tentang Perbankan adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkan
Lebih terperinciKecerdasan Buatan Materi 6. Iterative Dichotomizer Three (ID3)
Kecerdasan Buatan Materi 6 Iterative Dichotomizer Three (ID3) Pengertian ID3 Singkatan dari Iterative Dichotomiser Three. Atau Induction of Decision Tree. Diperkenalkan pertama kali oleh Ross Quinlan (1979)
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Pengertian Sistem Perusahaan memerlukan sistem untuk menunjang kegiatan perusahaan dengan kata lain sistem merupakan rangkaian dari prosedur yang saling berkaitan dan secara
Lebih terperinciBAB II KAJIAN PUSTAKA. Prosedur adalah rangkaian atau langkah-langkah yang dilakukan untuk
BAB II KAJIAN PUSTAKA 1.1 Landasan Teori 2.1.1 Pengertian Prosedur Prosedur adalah rangkaian atau langkah-langkah yang dilakukan untuk menyelesaikan kegitan atau aktivitas, sehingga dapat tercapainya tujuan
Lebih terperinciBAB II TINJAUAN PUSTAKA, KERANGKA PEMIKIRAN DAN HIPOTESIS PENELITIAN
BAB II TINJAUAN PUSTAKA, KERANGKA PEMIKIRAN DAN HIPOTESIS PENELITIAN 2.1 Tinjauan Pustaka 2.1.1 Tinjauan Mengenai Bank 2.1.1.1 Pengertian Bank Menurut Undang-undang No. 10 Tahun 1998 tentang Perubahan
Lebih terperinciSALINAN SURAT EDARAN OTORITAS JASA KEUANGAN NOMOR /SEOJK.05/2017 TENTANG PENYELENGGARAAN LAYANAN PINJAM MEMINJAM UANG BERBASIS TEKNOLOGI INFORMASI
-1- SALINAN SURAT EDARAN OTORITAS JASA KEUANGAN NOMOR /SEOJK.05/2017 TENTANG PENYELENGGARAAN LAYANAN PINJAM MEMINJAM UANG BERBASIS TEKNOLOGI INFORMASI Sehubungan dengan amanat Pasal 51 Peraturan Otoritas
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 terperinciBAB II KAJIAN PUSTAKA. seragam transaksi perusahaan yang terjadi berulang-ulang (Mulyadi, 2010:5). Prosedur adalah
BAB II KAJIAN PUSTAKA 2.1. Landasan Teori 2.1.1 Pengertian Prosedur pengertian prosedur adalah suatu urutan kegiatan klerikal, biasanya melibatkan beberapa orang dalam satu departemen atau lebih, yang
Lebih terperinciBAB II Kajian Pustaka. mampu diserap dari masyarakat dan disalurkan kembali kepada masyarakat yang
BAB II Kajian Pustaka 2.1 Landasan Teori 2.1.1 Pengertian Bank Dunia keuangan khususnya perbankan dari tahun ketahun telah mengalami peningkatan yang signifikan. Peningkatan ini ditunjukkan dari jumlah
Lebih terperinciAlgoritma Data Mining (2) Tugas Klasifikasi
Algoritma Data Mining (2) Tugas Klasifikasi Anief Fauzan Rozi, S. Kom., M. Eng. 1 Kompentensi Mahasiswa mengetahui algoritma data mining pada tugas klasifikasi 2 Pokok Bahasan Algoritma C4.5 3 Supervised
Lebih terperinci