6 SISTEM EVALUASI 6.1 Data Responden Evaluasi Elemen Desain Kursi Rotan 6.2 Pengembangan Sistem Evaluasi Elemen Desain Kursi Rotan
|
|
- Ratna Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 6 SISTEM EVALUASI Sistem evaluasi bertujuan untuk memperoleh pengetahuan antara kata Kansei dengan elemen desain yang menunjukkan kata tersebut. Pengetahuan tersebut diperoleh dari responden dengan menggunakan kuesioner. Kuisioner terdiri dari dua bagian, yaitu bagian data pribadi yang berisikan nama, alamat, jenis kelamin, pendidikan dan pekerjaan, dan bagian pemilihan dan penilaian terhadap elemen desain kursi rotan. Contoh kuesioner terdapat pada Lampiran Data Responden Evaluasi Elemen Desain Kursi Rotan Responden berjumlah 45 orang yang terdiri dari konsumen toko rotan, dan pemilik produk furnitur rotan rotan. Berdasarkan jenis kelamin, terdapat 26 orang perempuan dan 19 orang laki laki, dengan umur bervariasi antara tahun. Pekerjaan responden bervariasi yaitu ibu rumah tangga, pegawai swasta, pegawai negeri, dan pengusaha. Pendidikan responden bervariasi dari tamat SMA hingga jenjang magister. Menurut Wang dan Holden (2000), dalam penilaian terhadap produk kerajinan yang dibuat oleh manusia, jenis kelamin, umur dan pendidikan bukan merupakan faktor yang mempengaruhi secara nyata terhadap penilaian. Dalam penelitian ini, penilaian lebih ditekankan kepada perasaan atau Kansei dari responden terhadap elemen desain yang diperlihatkan dalam kuesioner. 6.2 Pengembangan Sistem Evaluasi Elemen Desain Kursi Rotan Pada tahap evaluasi elemen desain kursi rotan ini, data yang digunakan adalah data penilaian responden. Responden diminta untuk memilih elemen desain kursi rotan yang disukai dan kata Kansei yang sesuai dengan elemen kursi rotan tersebut. Sebagian hasil pilihan konsumen terhadap kata Kansei dan elemen desain disajikan pada Tabel 12. Association rules merupakan salah satu teknik di dalam data mining untuk menentukan hubungan antar item suatu data set (sekumpulan data) yang telah ditentukan. Melalui penggunaan association rule mining maka dapat ditemukan hubungan asosiasi yang menarik atau korelasi antara item dari item data.
2 74 Pengolahan menggunakan association rules menghasilkan rule dalam bentuk if then atau yang dinotasikan sebagai A B. Hubungan antara A dan B adalah hubungan implikasi dimana A sebagai antecendent dan B sebagai consequent. Tabel 12 Beberapa pilihan kata Kansei dan elemen desain kursi rotan dari responden Responden Kata Kansei yang dipilih Elemen yang dipilih 1 F1, F2, F4, F5, F6, F7, F8 V12, V21, V33, V42, V51 2 F1, F2, F3, F4, F5, F7 V14, V23, V32, V42, V43, V51, V52, V53 3 F3, F4, F5, F6, F7 V14, V22, V31, V42, V56 4 F1, F2, F3, F5, F7, F8 V12, V22, V31, V42, V51, V52 5 F5, F6 V12, V23, V31, V43, V52 6 F1, F2, F3, F5, F6, F7 V12, V22, V31, V43, V56 41 F4, F7 V13, V23, V31, V41, V55 42 F1, F5, F6, F7, F8 V11, V22, V31, V41, V54 43 F5, F6 V14, V21, V31, V41, V51 44 F1, F2, F3, F4, F5, F6, F7 V11, V21, V31, V42, V53 45 F1, F4, F5, F6, F7, F8 V11, V22, V31, V41, V53 Keterangan: F1 = Cantik, F2 = Unik F3 = Inovatif F4 = Alami F5 = Sederhana F6 = Kokoh F7 = Nyaman F8 = Modern V = elemen desain (lihat Tabel 6) Pada Tabel 12, dapat dilihat bahwa responden 1 memilih kata cantik, unik, alami, sederhana, kokoh, nyaman dan modern untuk elemen desain sandaran punggung berbentuk kotak, desain dudukan berbentuk persegi empat, desain tanpa sandaran tangan, desain kaki kursi yang tertutup dan anyaman rapat satu-satu. Pilihan tersebut dianggap sebagai item set dari responden 1. Demikian seterusnya hingga responden 45 yang memilih kata cantik, alami, sederhana, kokoh, nyaman dan modern untuk desain sandaran punggung rendah tinggi setengah lingkaran, desain dudukan setengah lingkaran, desain sandaran tangan melengkung, desain kaki kursi dengan penopang yang silang, dan desain anyaman antik. Selanjutnya pemilihan tersebut dijadikan sebagai masukan dalam pencarian rules yang dilakukan dengan menggunakan bantuan software Magnum Opus ( Rules tersebut digunakan untuk memetakan hubungan antara kata Kansei dan elemen desain. Data yang diperoleh dari responden
3 75 digunakan sebagai input untuk sistem Magnum Opus. Terdapat lima rule mining yang disediakan oleh sistem, yaitu coverage, support, strength, lift dan leverage. Untuk memperoleh semua rules dari data yang ada, maka hanya nilai support dan confidence yang dijadikan sebagai batasan rule yang dianggap sesuai dengan pemilihan konsumen Dalam menggunakan teknik ini, terdapat dua kriteria ukuran yang umumnya digunakan, sebagai berikut: Support: ukuran yang menunjukkan tingkat dominasi item set dari keseluruhan transaksi yang ada, seberapa besar kemungkinan item A dan item B dipilih secara bersaman. support = P(A B) = jumlah penilaian yang mengandung A dan B jumlah penilaian total Confidence: ukuran yang menyatakan hubungan antara dua item secara conditional (misalkan seberapa sering item B dipilih, jika konsumen memilih item A). Confidence= P(A B) = jumlah penilaian yang mengandung A dan B jumlah penilaian yang mengandung A Pada penelitian ini, hanya support dan strength (confidence) yang digunakan untuk penerapan algoritma Apriori, yang membutuhkan nilai support dan confidence untuk memperoleh rules yang tepat (strong rules). Untuk memastikan semua rules yang dapat diperoleh, maka maksimal jumlah rules ditetapkan sebesar 1000 sehingga diperoleh kemungkinan rules yang memenuhi tingkat support dan confidence yang ditetapkan. Hasil keluaran magnum opus menghasilkan 148 rules yang memenuhi minimum support 0,2 (20%) dan minimum strength (confidence) 0,5 (50%). Sebagian rules yang dihasilkan disajikan pada Tabel 13. Rules secara lengkap disajikan pada Lampiran 4. Berdasarkan association rules yang dilakukan diperoleh beberapa rules, antara lain rules no 1; If alami, kokoh dan inovatif, then desain yang terpilih adalah desain V31. Rule ini mempunyai nilai support sebesar 20% dan confidence 100%, hal ini menunjukkan bahwa rules tersebut mempunyai probabilitas dipilih sebesar
4 76 20%, dan apabila alami, kokoh dan inovatif tersebut terpillih, maka kata-kata tersebut menunjukkan desain V31. Tabel 13 Beberapa rules yang dihasilkan dari pengolahan magnum opus No Rules Support Confidence 1 Alami & kokoh & inovatif V31 0,200 1,000 2 Alami & kokoh & nyaman V42 0,289 0,565 3 Alami & kokoh V31 0,422 0,731 4 Alami & nyaman V42 0,311 0,519 5 Alami & sederhana & kokoh & nyaman V42 0,267 0,545 6 Alami & sederhana & kokoh V42 0,289 0,565 7 Alami & sederhana & nyaman V31 0,378 0,68 8 Alami V31 0,489 0,71 9 Cantik & alami & kokoh & nyaman V31 0,289 0, Cantik & alami & sederhana & nyaman V42 0,222 0, Cantik & inovatif V31 0,311 0, Cantik & kokoh & inovatif V31 0,222 0, Cantik & sederhana & kokoh V31 0,356 0, Cantik & sederhana V31 0,422 0, Cantik & unik & alami & sederhana V42 0,2 0,75 16 Cantik & unik & kokoh V31 0,222 0, Cantik & unik V31 0,311 0, Inovatif V22 0,289 0, Modern V22 0,267 0,75 20 Nyaman & inovatif V22 0,244 0, Nyaman & modern V22 0,267 0,75 22 Nyaman V31 0,644 0, Sederhana & kokoh V31 0,489 0,71 24 Sederhana & nyaman & inovatif V31 0,289 0, Sederhana V31 0,578 0, Unik & alami & nyaman V23 0,2 0, Unik & alami V23 0,2 0,6 28 Unik & inovatif V31 0,244 0, Unik & nyaman V31 0,311 0, Unik & sederhana & nyaman & inovatif V31 0,2 0,818 Rules no. 9; If cantik & alami & kokoh & nyaman then terpilih adalah desain V31.
5 77 Rule ini didukung sebesar 28,9% dengan tingkat confidence 81,3%. Hal ini menunjukkan bahwa bila cantik, alami, kokoh dan nyaman merupakan kata Kansei yang diucapkan oleh konsumen, maka 81,3% elemen desain yang terpilih adalah V31. Rules No. 12; If cantik & kokoh & inovatif then desain V31 Rule ini didukung sebesar 22,2% dengan tingkat confidence 90,9%. Hal ini menunjukkan bahwa bila cantik, kokoh, dan inovatif dipilih maka 90,9 % responden memilih V31. Rules no 28. If unik & inovatif then V31 Rule ini didukung sebesar 24,4% dengan tingkat confidence 84,6%. Hal ini menunjukkan bahwa bila unik dan inovatif dipilih maka 84,6% responden memilih V31. Rules no 30; If unik & sederhana & nyaman & inovatif then desain terpilih V31 Rule ini didukung sebesar 20% dengan tingkat confidence 81,8%. Hal ini menunjukkan bahwa bila unik, sederhana, nyaman dan inovatif dipilih maka 81,8% responden memilih V31. Berdasarkan hasil yang diperoleh terlihat bahwa beberapa kombinasi mempunyai nilai confidence yang tinggi (>80%). bahkan ada yang mencapai 100%. Pada rule no 1, no 9, no 12, no 28 dan no 30, tingkat confidence yang diperoleh diatas 80%, hal ini mengindikasikan bahwa desain yang terpilih mempunyai tingkat kepercayaan yang sangat baik. Di lain pihak, rule yang mempunyai nilai confidence antara 50% hingga 80% tetap digunakan sebagai basis aturan untuk penilaian desain kursi makan rotan. Menurut Schmidhuber (2007) penggunaan pengolahan data menggunakan unsupervised training seperti association rules hanya untuk menganalisa, tidak
6 78 untuk memilih. Oleh karena itu perlu dilakukan pemetaan pengetahuan rules yang diperoleh sehingga dapat diketahui prioritas elemen desain.
7.1. Pembentukan House of Quality Elemen Desain Kursi Rotan
7 INTEGRASI DESAIN Tahapan integrasi desain merupakan tahap pengintegrasian dari metodemetode yang digunakan sebelumnya. Pada tahapan ini, baik bobot yang diperoleh menggunakan analytical hierarchi process
Lebih terperinciPENGEMBANGAN SISTEM EVALUASI DESAIN PRODUK BERBASIS ROTAN DENGAN PENDEKATAN REKAYASA KANSEI DAN ASSOCIATION RULES SYSTEM
AGROINTEK Volume 6, No.2 Agustus 2012 97 PENGEMBANGAN SISTEM EVALUASI DESAIN PRODUK BERBASIS ROTAN DENGAN PENDEKATAN REKAYASA KANSEI DAN ASSOCIATION RULES SYSTEM Vonny Setiaries Johan 1), Sapta Rahardja
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran Penelitian
37 3 METODE PENELITIAN 3.1 Kerangka Pemikiran Penelitian Pengembangan produk merupakan hal yang sangat penting bagi setiap perusahaan. Tahapan awal dari pengembangan produk adalah mengidentifikasi keinginan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan dan persaingan dalam dunia bisnis perdagangan serta kemajuan teknologi informasi merupakan suatu hal yang saling terkait, dalam ketatnya persaingan pasar
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini, perkembangan teknologi telah memberikan pengaruh yang sangat besar di dalam kehidupan manusia. Salah satu pengaruh tersebut di bidang informasi yaitu dalam
Lebih terperinciAssocation Rule. Data Mining
Assocation Rule Data Mining Association Rule Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan assosiatif antara suatu kombinasi item. Aturan yang menyatakan
Lebih terperinciBAB I PENDAHULUAN. frekuensi tinggi antar himpunan itemset yang disebut fungsi Association
1 BAB I PENDAHULUAN 1.1 Latar Belakang Belakangan ini data mining telah diimplementasikan keberbagai bidang, diantaranya dalam bidang bisnis atau perdangangan, dan telekomunikasi. Data Mining diartikan
Lebih terperinciPENERAPAN ASSOCIATION RULE MINING PADA DATA NOMOR UNIK PENDIDIK DAN TENAGA KEPENDIDIKAN
PENERAPAN ASSOCIATION RULE MINING PADA DATA NOMOR UNIK PENDIDIK DAN TENAGA KEPENDIDIKAN A M I UNTUK R U D D PENETAPAN I N POLA SERTFIKASI GURU Program Pascasarjana rusan Teknik Elektro Program Studi Telematika
Lebih terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Untuk dapat meningkatkan penjualan, pengambil keputusan / manajer toko harus dapat memperhatikan faktor-faktor yang mempengaruhi secara langsung. Salah satu
Lebih terperinciBAB I PENDAHULUAN. Keberadaan minimarket di kota-kota besar sangat dibutuhkan bagi. masyarakat khususnya di daerah perumahan. Bagi sebagian besar
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Keberadaan minimarket di kota-kota besar sangat dibutuhkan bagi masyarakat khususnya di daerah perumahan. Bagi sebagian besar masyarakat kota, mereka lebih cenderung
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 I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam periode enam tahun terakhir (tahun 2007 2012), jumlah gerai ritel modern di Indonesia mengalami pertumbuhan rata-rata 17,57% per tahun. Pada tahun 2007, jumlah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perusahaan ritel yang menyediakan berbagai kebutuhan berkembang pesat bukan hanya di kota besar saja tetapi juga di kota-kota kecil. Untuk memperoleh keuntungan yang
Lebih terperinciPENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA
PENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA Margi Cahyanti 1), Maulana Mujahidin 2), Ericks Rachmat Swedia 3) 1) Sistem Informasi Universitas Gunadarma
Lebih 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 terperinciGambar Tahap-Tahap Penelitian
BAB III METODELOGI PENELITIAN Dalam menyelesaikan penelitian ini dibuat beberapa tahapan. Tahap-tahap kegiatan dijelaskan dalam Gambar 3.1 Studi Literatur Pengumpulan Data Retrieve Data Pre-Processing
Lebih terperinciBAB II TINJAUAN PUSTAKA. Turban mendefinisikan Decision Support System sebagai sekumpulan
BAB II TINJAUAN PUSTAKA 2.1 Decision Support System Turban mendefinisikan Decision Support System sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para pengambilan
Lebih terperinciBAB I PENDAHULUAN. yang cepat dan besar di Asia (Kartiwi, 2006). Pertumbuhan e-commerce yang
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia adalah salah satu negara dengan pertumbuhan pasar e-commerce yang cepat dan besar di Asia (Kartiwi, 2006). Pertumbuhan e-commerce yang besar tersebut membuat
Lebih terperinciBAB II LANDASAN TEORI. Anindita Dwi Respita,2015. a. Penelitian ini menjelaskan tentang tujuan : menggunakan metode market basket analysis.
BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Penelitian Terkait 1) Penelitian terdahulu dengan judul Online Shop kecantikan dan kosmetik dengan pemberian saran pembelian produk menggunakan Market Basket
Lebih terperinciCynthia Banowaty Pembimbing : Lely Prananingrum, S.Kom., MMSi
DATA MINING UNTUK PERANCANGAN PENGAMBILAN KEPUTUSAN PRODUK KERAJINAN MENGGUNAKAN ALGORITMA APRIORI BERBASIS WEBSITE Cynthia Banowaty 11111695 Pembimbing : Lely Prananingrum, S.Kom., MMSi Latar Belakang
Lebih terperinciAPLIKASI MONITORING KETERSEDIAAN STOK BARANG MINIMARKET DENGAN METODE MARKET BASKET ANALYSIS (MBA)
Seminar Nasional Teknologi Informasi dan Multimedia 2016 APLIKASI MONITORING KETERSEDIAAN STOK BARANG MINIMARKET DENGAN METODE MARKET BASKET ANALYSIS (MBA) Sugiyatno 1), Adhika Pramita Widyasari 2) 1),
Lebih terperinciLAPORAN TUGAS AKHIR PENGEMBANGAN DESAIN FASILITAS KAMAR KOS MAHASISWA MENGGUNAKAN METODE KANSEI ENGINEERING DAN ASSOCIATION RULE SYSTEM
LAPORAN TUGAS AKHIR PENGEMBANGAN DESAIN FASILITAS KAMAR KOS MAHASISWA MENGGUNAKAN METODE KANSEI ENGINEERING DAN ASSOCIATION RULE SYSTEM Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah Identifikasi Masalah Masalah Umum
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.1.1 Identifikasi Masalah 1.1.1.1. Masalah Umum Situasi kondisi perekonomian yang ada pada saat ini menunjukkan adanya perkembangan dunia usaha semakin pesat
Lebih terperinciAturan assosiatif biasanya dinyatakan dalam bentuk : {roti, mentega} {susu} (support = 40%, confidence = 50%)
ASSOCIATION RULE (ALGORITMA A PRIORI) Algoritma A Priori termasuk jenis aturan asosiasi pada data mining. Selain a priori, yang termasuk pada golongan ini adalah metode generalized rule induction dan algoritma
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 I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Banyaknya persaingan dalam dunia bisnis khususnya dalam industri penjualan, menuntut para pengembang untuk menemukan suatu strategi yang dapat meningkatkan
Lebih terperinciBAB I PENDAHULUAN. Data mining memungkinkan penemuan pola-pola yang menarik, informasi yang
1 BAB I PENDAHULUAN Bab pendahuluan ini membahas tentang latar belakang masalah yaitu fenomena perkembangan data yang terus bertambah tetapi informasi yang dihasilkan monoton, sehingga diperlukan data
Lebih terperinci1 BAB I 2 PENDAHULUAN
1 BAB I 2 PENDAHULUAN 1.1 Latar Belakang Data mining merupakan salah satu bidang ilmu yang berupaya untuk menemukan kaidah, pola, model, maupun informasi yang bersifat menarik dari sekumpulan data. Salah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan dunia perdagangan di Indonesia, khususnya pada industri grosir dan retail semakin ramai dan menuntut adanya inovasi tinggi. Ritel merupakan mata rantai
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Pengantar Komputer
BAB 1 PENDAHULUAN 1.1 Pengantar Komputer Saat ini komputer dan piranti pendukungnya telah masuk dalam setiap aspek kehidupan dan pekerjaan. Komputer dimanfaatkan dalam segala bidang dikarenakan komputer
Lebih terperinciBAB I PENDAHULUAN. dalam suatu sistem basis data melalui aplikasi sistem informasi manajemen. Dari
BAB I PENDAHULUAN I.1. Latar Belakang Persaingan yang semakin ketat dalam penjualan menuntut para pebisnis untuk menemukan suatu strategi yang dapat meningkatkan penjualan dan pemasaran produk yang dijual,
Lebih terperinciASSOCIATION RULES PADA TEXT MINING
Budi Susanto ASSOCIATION RULES PADA TEXT MINING SUSANTO 1 Tujuan Memahami algoritma Apriori dan FP- Growth Memahami penerapannya pada penambangan dokumen Memamahmi algoritma GSP Memahami penerapannya pada
Lebih terperinciPENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI
PENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI Fitri Nurchalifatun Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Jl.
Lebih terperinciANALISA POLA DATA HASIL PEMBANGUNAN KABUPATEN MALANG MENGGUNAKAN METODE ASSOCIATION RULE
ANALISA POLA DATA HASIL PEMBANGUNAN KABUPATEN MALANG MENGGUNAKAN METODE ASSOCIATION RULE Dewi Sibagariang 1), Karina Auliasari 2) 1.2) Jurusan Teknik Informatika, Institut Teknologi Nasional Malang Jalan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Islam adalah agama yang memiliki dua pegangan yang sangat terpercaya, yaitu Al-Qur an dan Hadis. Hadis merupakan sumber ajaran dan hukum Islam kedua setelah dan
Lebih terperinciAbstrak. Data Mining, Algoritma Apriori, Algoritma FP-Growth, Mata Pelajaran, Pemrograman, Web Programming, Matematika, Bahasa Inggris.
Penerapan Algoritma Apriori dan Algoritma FP-Growth Dalam Menemukan Hubungan Data Nilai Ijazah Matematika dan Bahasa Inggris Dengan Nilai Mata Pelajaran Pemrograman dan Web Programming (Studi Kasus SMK
Lebih terperinciIMPLEMENTASI DATA MINING MARKET BASKET ANALYSIS MENGGUNAKAN ALGORITMA APRIORI UNTUK AKUISISI DATA DARI TWITTER
IMPLEMENTASI DATA MINING MARKET BASKET ANALYSIS MENGGUNAKAN ALGORITMA APRIORI UNTUK AKUISISI DATA DARI TWITTER Nama NPM Fakultas Jurusan Pembimbing :Victorio Sudarmadi Puika : 5A411208 : Teknologi Industri
Lebih terperinciPENERAPAN ALGORITMA APRIORI UNTUK MENENTUKAN FREKUENSI ITEM SET SEBAGAI STRATEGI PENJUALAN DI TOKO PUTRA MANIS SURAKARTA SKRIPSI
PENERAPAN ALGORITMA APRIORI UNTUK MENENTUKAN FREKUENSI ITEM SET SEBAGAI STRATEGI PENJUALAN DI TOKO PUTRA MANIS SURAKARTA SKRIPSI Disusun sebagai salah satu syarat menyelesaikan Jenjang Strata I pada Jurusan
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 terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA 2.1 Sistem Informasi Manajemen Mcleod R dan Schell G, (2004) membagi sumber daya menjadi dua bagian yaitu sumberdaya fisikal dan sumberdaya konseptual. Sumber daya fisikal terdiri
Lebih terperinciImplementasi Algoritme Modified-Apriori Untuk Menentukan Pola Penjualan Sebagai Strategi Penempatan Barang Dan Promo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 3829-3834 http://j-ptiik.ub.ac.id Implementasi Algoritme Modified-Apriori Untuk Menentukan
Lebih terperinciBAB I PENDAHULUAN. yakni teknik mesin, teknik elektro dan teknik informatika. Namun bagi para calon
BAB I PENDAHULUAN I.1. Latar Belakang Sekolah Tinggi Teknologi Sinar Husni (STT. Sinar Husni) memiliki mahasiswa yang mayoritasnya adalah para pekerja, oleh karena itu banyak para pekerja yang melanjutkan
Lebih terperinciANALISA DAN PERANCANGAN APLIKASI ALGORITMA APRIORI UNTUK KORELASI PENJUALAN PRODUK (STUDI KASUS : APOTIK DIORY FARMA)
ANALISA DAN PERANCANGAN APLIKASI ALGORITMA APRIORI UNTUK KORELASI PENJUALAN PRODUK (STUDI KASUS : APOTIK DIORY FARMA) Harvei Desmon Hutahaean 1, Bosker Sinaga 2, Anastasya Aritonang Rajagukguk 2 1 Program
Lebih terperinciBAB I PENDAHULUAN. Toko central menjual berbagai macam aksesoris hp untuk masyarakat yang
BAB I PENDAHULUAN I.1. Latar Belakang Toko central menjual berbagai macam aksesoris hp untuk masyarakat yang akan membeli. Toko central menyediakan aksesoris hp sesuai dengan banyaknya permintaan dari
Lebih terperinciASSOCIATION RULES PADA TEXT MINING
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 ASSOCIATION RULES PADA TEXT MINING Budi Susanto versi 1.2 Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami algoritma Apriori dan FP-Growth
Lebih terperinciPENERAPAN ALGORITMA APRIORI UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTEK AZKA
PENERAPAN ALGORITMA APRIORI UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTEK AZKA Winda Aprianti 1), Jaka Permadi 2), Oktaviyani 3) 1)2)3) Teknik Informatika, Politeknik Negeri Tanah Laut Jl. A. Yani Km. 06
Lebih terperinciBAB I PENDAHULUAN. Kemajuan teknologi saat ini membuat samartphone hadir dengan berbagai
BAB I PENDAHULUAN I. 1. Latar Belakang Kemajuan teknologi saat ini membuat samartphone hadir dengan berbagai macam model dan fitur, sehingga masyarakat banyak membeli smartphone yang sesuai dengan keinginan
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 terperinciAPLIKASI DATA MINING MARKET BASKET ANALYSIS PENJUALAN SUKU CADANG SEPEDA MOTOR MENGGUNAKAN METODE ASSOCIATION RULES PADA PT. SEJAHTERA MOTOR GEMILANG
APLIKASI DATA MINING MARKET BASKET ANALYSIS PENJUALAN SUKU CADANG SEPEDA MOTOR MENGGUNAKAN METODE ASSOCIATION RULES PADA PT. SEJAHTERA MOTOR GEMILANG EKA FITRIA WULANSARI Program Studi Teknik Informatika,
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 terperinciIMPLEMENTASI DATA MINING DENGAN ALGORITMA APRIORI PADA TOKO BANGUNAN UD. RUFI SENTOSA JAYA SAMBIREJO - PARE
IMPLEMENTASI DATA MINING DENGAN ALGORITMA APRIORI PADA TOKO BANGUNAN UD. RUFI SENTOSA JAYA SAMBIREJO - PARE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.)
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu (Sensuse dan Gunadi, 2012). Pola-pola
Lebih terperinciPENGEMBANGAN APLIKASI PENENTUAN TINGKAT KEUNTUNGAN PADA E- COMMERCE DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN APRIORI
PENGEMBANGAN APLIKASI PENENTUAN TINGKAT KEUNTUNGAN PADA E- COMMERCE DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN APRIORI Gunawan 1, Fandi Halim 2, Tony Saputra Debataraja 3, Julianus Efrata Peranginangin 4
Lebih terperinciLink Analysis (Superset) 3 Kategori Link Analysis (#1) 3 Kategori Link Analysis (#2) Association Rule Mining. 3 Kategori Link Analysis (#3)
Knowledge Discovery in Databases (IS704) dan Data Mining (CS704) Kuliah #7: Association Rules Mining (Bagian 1) Gunawan Jurusan Teknik Informatika Link Analysis (Superset) Tujuan: Mencari hubungan antara
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
Lebih terperinciPengembangan Aplikasi Market Basket Analysis Menggunakan Algoritma Generalized Sequential Pattern pada Supermarket
Pengembangan Aplikasi Market Basket Analysis Menggunakan Algoritma Generalized Sequential Pattern pada Supermarket Gunawan 1), Alex Xandra Albert Sim 2), Fandi Halim 3), M. Hawari Simanullang 4), M. Firkhan
Lebih terperinciPENGGUNAAN ALGORITMA APRIORI UNTUK MENENTUKAN REKOMENDASI STRATEGI PENJUALAN PADA TOSERBA DIVA SKRIPSI
PENGGUNAAN ALGORITMA APRIORI UNTUK MENENTUKAN REKOMENDASI STRATEGI PENJUALAN PADA TOSERBA DIVA SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program
Lebih terperinciE-Journal Teknik Informatika Vol.8, No.1, April 2016
Analisa Pola Belanja Swalayan Daily Mart Untuk Menentukan Tata Letak Barang Menggunakan Algoritma FP-Growth Kezia Sumangkut (1), Arie Lumenta (2), Virginia Tulenan (3) Teknik Informatika, Universitas Sam
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI HASIL PENJUALAN BARANG PADA TOKO SINAR BARU DENGAN MENGGUNAKAN ALGORITMA APRIORI
JURNAL IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI HASIL PENJUALAN BARANG PADA TOKO SINAR BARU DENGAN MENGGUNAKAN ALGORITMA APRIORI IMPLEMENTATION OF DATA MINING TO PREDICT RESULTS OF SALES GOODS IN THE
Lebih 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 I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi komputasi dan media penyimpanan telah memungkinkan manusia untuk mengumpulkan dan menyimpan data dari berbagai sumber dengan jumlah yang
Lebih terperinciPenerapan Data Mining Untuk Analisis Pola Pembelian Produk Pada Clapper Movie Café Menggunakan Metode Association Rule
Penerapan Data Mining Untuk Analisis Pola Pembelian Produk Pada Clapper Movie Café Menggunakan Metode Association Rule Alffeus Gantari Ganeffo Program Studi Teknik Informatika, Universitas Dian Nuswantoro
Lebih terperinciA Decision Support Tool For Association Analysis
A Decision Support Tool For Association Analysis Rina Sibuea 1, Frans Juanda Simanjuntak 2, Sulastry Napitupulu 3, Daniel Elison Daya 4 Program Studi Manajemen Informatika, Politeknik Informatika Del Jl.Sisingamangaraja,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metode penelitian merupakan cara ilmiah untuk mengumpulkan data dengan tujuan dan kegunaan tertentu secara rasional, empiris dan sistematis. Adapun metodologi penelitian yang
Lebih terperinciANALISIS PERILAKU PEMBELIAN DENGAN MENGGUNAKAN MARKET BASKET ANALYSIS PADA USAHA RITEL (Studi Kasus Karima Swalayan, Bogor)
ANALISIS PERILAKU PEMBELIAN DENGAN MENGGUNAKAN MARKET BASKET ANALYSIS PADA USAHA RITEL (Studi Kasus Karima Swalayan, Bogor) Oleh WINDA MIRANTI H 24076133 PROGRAM SARJANA MANAJEMEN PENYELENGGARAAN KHUSUS
Lebih terperinciKLASIFIKASI KECENDERUNGAN PENYAKIT MATA DI JAWA BARAT DENGAN ASSOCIATION RULE DAN NAÏVE BAYES CLASSIFIER
KLASIFIKASI KECENDERUNGAN PENYAKIT MATA DI JAWA BARAT DENGAN ASSOCIATION RULE DAN NAÏVE BAYES CLASSIFIER Zillan Taufiq Budiman 1), Wina Witanti 2), Dian Nursantika 3) 1), 2), 3) Informatika Universitas
Lebih terperinciANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM)
ANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM) Nurani 1, Hamdan Gani 2 1 nurani_nanni@yahoo.com, 2 hamdan.gani.inbox@gmail.com
Lebih 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 terperinciCross-Selling: Perangkat Utama Customer Relationship Managem. Meningkatkan Loyalitas Pelanggan
Cross-Selling: Perangkat Utama Customer Relationship Management (CRM) Untuk Meningkatkan Loyalitas Pelanggan Seminar Kenaikan Jabatan at Department of Information Systems, Faculty of Computer Science,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Gambar 2. 1 Metode Penelitian
BAB III METODOLOGI PENELITIAN Metode penelitian mengenai sistem rekomendasi kuliner untuk mahasiswa Universitas Sebelas Maret Surakarta menggunakan metode Apriori Positif Negatif dan Binary Hamming Distance
Lebih terperinciData Mining - Asosiasi. Market basket analysis Tool untuk menemukan pengetahuan. Istilah-istilah
Data Mining III Market Basket Case Analysis Data Mining - Asosiasi Market basket analysis Tool untuk menemukan pengetahuan berdasarkan hubungan asosiasi dua set data Data Mining - Asosiasi Bila diberi
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 TINJAUAN PUSTAKA
6 BAB II TINJAUAN PUSTAKA Pada kajian literatur ini berisi studi pustaka terhadap buku, jurnal ilmiah, penelitian sebelumnya yang berkaitan dengan topik penelitian. Uraian tinjauan pustaka diarahkan untuk
Lebih terperinciJurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika V1.i1(52-62)
Analisa Pola Peminjaman Buku Perpustakaan Menggun Algoritma Apriori Azwar Anas Program Studi Pendidikan Informatika, STKIP PGRI Sumbar aans_07@yahoo.co.id http://dx.doi.org/10.22202/jei.2014.v1i1.1439
Lebih terperinciBAB III METODE PENELITIAN. A. Tempat dan Waktu. 1. Tempat Penelitian. a. Assalam hypermarket merupakan salah satu pusat perbelanjaan di
BAB III METODE PENELITIAN A. Tempat dan Waktu 1. Tempat Penelitian Tempat penelitian merupakan suatu sumber untuk mendapatkan data yang dibutuhkan mengenai masalah yang akan diteliti. Data untuk penelitian
Lebih terperinciLili Tanti. STMIK Potensi Utama, Jl. K.L. Yos Sudarso Km. 6,5 No. 3A Tj. Mulia Medan ABSTRACT
Lili, Penerapan Data Mining Untuk 35 PENERAPAN DATA MINING UNTUK MENENTUKAN JUMLAH MAHASISWA PADA SATU DAERAH DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI Lili Tanti Email : lili@potensi-utama.ac.id STMIK
Lebih terperinciBAB I PENDAHULUAN. sisanya 21 persen berada di pulau lain (Djumenda, 2016).
BAB I PENDAHULUAN 1.1 Latar Belakang Jumlah toko di Indonesia merupakan yang terbesar kedua di dunia. Jumlah toko tradisional dan modern di Indonesia mencapai 2,5 juta toko. Untuk penyebaran toko, mayoritas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) merupakan lembaga pemerintahan yang bertugas dalam mengontrol laju pertambahan populasi di Indonesia dengan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1 Analisis Permasalahan Keputusan selama ini yang dilakukan oleh Toko Buku Sembilan Wali Medan untuk menentukan buku apa saja yang paling potensial dijual berdasarkan
Lebih terperinciJUMLAH KECELAKAAN BERDASARKAN USIA
BAB V HASIL DAN PEMBAHASAN 5.1. Analisis Deskriptif JUMLAH KECELAKAAN BERDASARKAN USIA 500 450 400 350 300 250 200 150 100 50 0 Dewasa Usia lanjut Muda Remaja Gambar 5.1 Jumlah Kecelakaan Berdasarkan Usia
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Pelaku bisnis saat ini dituntut selalu inovatif untuk dapat bersaing dengan kompetitor. Bisnis retail seperti Apotek merupakan bisnis dengan persaingan yang sangat
Lebih terperinciPenerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy
Penerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy (Studi Kasus di PT. Telkom Cabang Wonogiri ) Moch. Yusuf
Lebih terperinciPENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-TREE DAN FP-GROWTH PADA DATA TRANSAKSI PENJUALAN OBAT
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-TREE DAN FP-GROWTH PADA DATA TRANSAKSI PENJUALAN OBAT Yuyun Dwi Lestari Program Studi Teknik Informatika, Sekolah Tinggi Teknik Harapan Jl. H. M. Jhoni No.
Lebih terperinciPenelitian ini melakukan pencarian
7 Penelitian ini melakukan pencarian () berdasarkan urutan proses dalam bagan alir minimal non-redundant association rules mining yang ditampilkan pada Gambar 3. Penelitian ini menggunakan hasil praproses
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 terperinciANALISIS ASSOCIATION RULES ALGORITMA APRIORI PENJUALAN KAOS TRAVELLING
ANALISIS ASSOCIATION RULES ALGORITMA APRIORI PENJUALAN KAOS TRAVELLING Kanthi Wulandari Mahasiswa Program Studi Statistika Universitas Islam Indonesia kanthiwuland@gmail.com Asriyanti Ali Mahasiswa Program
Lebih terperinciPENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN
PENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN SKRIPSI Diajukan untuk memenuhi salah satu syarat guna memperoleh gelar Sarjana Komputer (S.Kom)
Lebih terperinciPENGGALIAN KAIDAH MULTILEVEL ASSOCIATION RULE DARI DATA MART SWALAYAN ASGAP
PENGGALIAN KAIDAH MULTILEVEL ASSOCIATION RULE DARI DATA MART SWALAYAN ASGAP Teguh Pradana 1) 1) Program Studi/Prodi Teknik Informatika, STMIK Yadika, email: INTI_PERSADA_SOFTWARE@yahoo.co.id Abstrak: Perkembangan
Lebih terperinciIMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI Ristianingrum 1, Sulastri 2 1,2 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank e-mail: 1 ristiia.rum@gmail.com,
Lebih terperinciData Mining III Asosiasi
Data Mining III Asosiasi Mata Kuliah Data Warehouse Universitas Darma Persada Oleh Adam Arif B 2011 Data Mining-Aturan Asosiasi-AAB 1 Data Mining - Asosiasi Market basket analysis Tool untuk menemukan
Lebih terperinciImplementasi Data Mining Algoritme Apriori Pada Sistem Penjualan Kusuma Shop
Implementasi Data Mining Algoritme Apriori Pada Sistem Penjualan Kusuma Shop Lutfi Mukaromah 1, Kusumaningtyas 2, Apriliani Galih Saputri 3, Harleni Vionita 4, Rendi Susilo 5,Tri Astuti 6, Lusi Dwi Oktaviana
Lebih terperinciBAB I PENDAHULUAN. Perguruan tinggi yang baik dipengaruhi oleh kualitas. mahasiswa di dalamnya. Mahasiswa merupakan objek
1 BAB I PENDAHULUAN 1.1. Latar Belakang Perguruan tinggi yang baik dipengaruhi oleh kualitas mahasiswa di dalamnya. Mahasiswa merupakan objek pembelajaran bagi perguruan tinggi sehingga jika prestasi mahasiswa
Lebih terperinciPENENTUAN LOKASI BARANG PADA A Swalayan MENGGUNAKAN ASSOCIATION RULE DENGAN ALGORITMA FP-GROWTH
PENENTUAN LOKASI BARANG PADA A Swalayan MENGGUNAKAN ASSOCIATION RULE DENGAN ALGORITMA FP-GROWTH DETERMINING LOCATION OF GOODS IN A Swalayan USING ASSOCIATION RULE BY FP-GROWTH ALGORITHM Ardi Wijaksono
Lebih terperinciIMPLEMENTASI ALGORITMA APRIORI UNTUK MENEMUKAN FREQUENT ITEMSET DALAM KERANJANG BELANJA
Teknologi Elektro, Vol. 15, No.2, Juli - Desember 2016 27 IMPLEMENTASI ALGORITMA APRIORI UNTUK MENEMUKAN FREQUENT ITEMSET DALAM KERANJANG BELANJA Adie Wahyudi Oktavia Gama 1, I Ketut Gede Darma Putra 2,
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN Data Karakteristik Rumah Tangga Responden
BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1.Hasil Analisisis Deskriptif 4.1.1. Data Karakteristik Rumah Tangga Responden Dari hasil penyebaran kuisioner didapat data
Lebih terperinciPola Kompetensi Mahasiswa Program Studi Informatika Menggunakan FP-Growth
Pola Kompetensi Mahasiswa Program Studi Informatika Menggunakan FP-Growth Fitrah Rumaisa, S.T., M.Kom Prodi Teknik Informatika, Fakultas Teknik, Universitas Widyatama E-Mail: fitrah.rumaisa@widyatama.ac.id
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
36 BAB III ANALISA DAN DESAIN SISTEM Tahapan ini merupakan tahapan utama dalam penelitian, dalam tahapan pengembangan sistem metode yang akan dipakai adalah Rapid Application Development dan tahapan Data
Lebih terperinci2.4. Association Rule BAB III METODELOGI PENELITIAN Studi Literatur Pengumpulan Data Retrieve Data...
DAFTAR ISI LEMBAR PERNYATAAN KEASLIAN... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... vii ABTRAK... ix DAFTAR ISI... x DAFTAR TABEL... xiii DAFTAR GAMBAR... xiv BAB I... 1 PENDAHULUAN... 1 1.1. Latar
Lebih terperinciImplementasi data mining menggunakan metode apriori (studi kasus transaksi penjualan barang)
Implementasi data mining menggunakan metode apriori (studi kasus transaksi penjualan barang) Maya Suhayati,M.Kom. Jurusan Teknik Informatika, STMIK Sumedang mayasuh@stmik-sumedang.ac.id ABSTRAK Dalam suatu
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 terperinci