BAB I PENDAHULUAN Latar Belakang
|
|
- Ridwan Hartanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN Latar Belakang Kredit merupakan salah satu usaha sekunder yang dapat dilakukan untuk pemenuhan kebutuhan sehari-hari. Pada umumnya, proses kredit dapat dilayani melalui lembaga keuangan seperti bank atau lembaga keuangan lainnya. Keputusan dalam memberikan kredit merupakan salah satu hal yang krusial yang harus dihadapi oleh setiap bank atau lembaga keuangan lain. Apabila kredit tersebut dialokasikan kepada debitur (orang yang melakukan kredit) yang benar, maka bank atau lembaga keuangan itu akan memperoleh keuntungan. Di sisi lain, pemberian kredit bukan tanpa risiko, apabila kredit yang diberikan tergolong dalam jumlah besar dan ternyata debitur mengalami proses gagal bayar, maka hal ini dapat berakibat fatal pada eksistensi bank tersebut. Oleh karena itu, bank yang menyediakan jasa kredit bagi nasabah perlu melakukan sistem manajemen risiko untuk menghindari dampak terburuk dari kejadian gagal bayar yang dilakukan debitur. Salah satu cara untuk mengelola risiko kredit dengan melakukan credit scoring. Credit scoring merupakan teknik yang paling umum digunakan untuk mengevaluasi tingkat kelayakan kredit dengan mempertimbangkan beberapa jenis atribut. Metode ini secara objektif untuk membagi pemohon kredit menjadi dua kategori berdasarkan kemungkinan perilaku pembayaran, yaitu debitur yang baik, tipe debitur ini memiliki kemungkinan akan membayar hutangnya tepat waktu dan selanjutnya menerima kredit. Dan kategori kedua adalah debitur yang buruk, tipe debitur yang permohonan kreditnya ditolak karena memiliki kemungkinan gagal bayar tinggi. Credit scoring bisa dikerjakan dengan menggunakan metode prediksi statistik, menggunakan teknik pemodelan berdasarkan data kredit pada masa lalu (history data). Pemodelan untuk credit scoring ada dua yaitu unsupervised learning dan supervised learning. Beberapa metode scoring model dengan unsupervised 1
2 2 learning, yaitu analisis klaster, k-nearest neighbour, learning vector quantization, dll. Unsupervised learning tidak membutuhkan acuan awal untuk memperoleh nilai sehingga sistem ini memberikan hasil sepenuhnya pada setiap komputasi. Model lain dari credit scoring adalah supervised learning. Supervised learning sedikit berbeda dengan unsupervised learning karena pada metode supervised learning dibutuhkan acuan awal untuk memperoleh nilai atau biasa disebut predefined class. Banyak sekali metode yang masuk ke dalam supervised learning, yaitu Support Vector Machine, CHAID, C4.5, C5.0, ID3, CART, QUEST, dll. Clustering adalah bagian dari unsupervised learning yang digunakan untuk mengelompokkan data berdasarkan kemiripan atribut-atribut dari data tersebut sebelum diolah dalam data mining. Dalam dunia perbankan, segmentasi nasabah memungkinkan tidak hanya dalam mengurangi risiko kredit, namun juga menyesuaikan layanan atau produk yang akan diberikan kepada nasabah sesuai dengan kebutuhan dan ketertarikan mereka. Menurut Luo, dkk. (2003) salah satu kelebihan dari analisis klaster adalah tidak membutuhkan asumsi distribusi tertentu dalam data, sehingga metode ini sesuai untuk credit risk analysis. Dalam perkembangannya, terdapat dua metode analisis klaster yang populer yaitu metode hierarchical dan metode partitional. Metode hierarchical secara umum mendiskripsikan analisis klaster dari kedekatan-kedekatan objek, meliputi didalamnya adalah jarak antar objek. Sehingga secara garis besar akan membentuk sebuah diagram pohon yang biasanya disebut dengan dendogram. Dari dendogram tersebut bisa dijelaskan bahwa proses klaster didasarkan pada kedekatan-kedekatan antar objek. Objek yang memiliki kedekatan yang cukup tinggi akan membentuk satu klaster, begitu seterusnya hingga terbentuk cluster yang diinginkan. Metode selanjutnya adalah metode partitional, dimana data yang dipartisi dilihat dari seberapa dekat jarak objek-objek tersebut. Pada metode ini, jumlah klaster harus dideskripsikan terlebih dahulu sebelum proses dimulai. Salah satu metode yang partitional clustering yang populer adalah k-means clustering. Seperti yang kita tahu bahwa metode k-means hanya dapat digunakan secara efisien dalam melakukan segmentasi terhadap data numerik. Berbagai macam cara digunakan dalam melakukan segmentasi terhadap data campuran yang terdiri dari
3 3 numerik dan kategorik, salah satunya dengan melakukan numerisasi data kategorik. Namun, cara ini tidak dibenarkan karena akan mengubah nilai dari data tersebut. Salah satu metode yang tepat untuk melakukan segmentasi terhadap data campuran yang terdiri dari numerik dan kategorik adalah menggunakan algoritma k- prototypes. Penggunaan metode analisis klaster k-prototypes merupakan pilihan yang tepat untuk mengatasi sifat keheterogenan dalam data debitur. Hal ini dikarenakan algoritma analisis klaster k-prototypes tepat untuk mengatasi data dengan tipe campuran yang terdiri dari numerik dan kategorik. Selain menggunakan metode k- prototypes, penulis juga akan membandingkan bagaimana performa metode k- prototypes dengan metode modified k-prototypes, dimana keduanya berbeda dalam menentukan jarak antar objek. Decision tree merupakan salah satu metode dalam supervised learning yang digunakan untuk mengklasifikasi dan menyusun pohon keputusan. Kelebihan decision tree ini adalah mudah diinterpretasikan, dapat menggunakan data yang kontinu, dan mudah diintegrasikan dengan sistem basis data. Kekurangan dari decision tree ini adalah hubungan yang dibentuk pada decision tree mungkin saja tidak nyata dan metode dalam decision tree tidak mampu menangani data outlier. Beberapa algoritma yang dapat digunakan dalam pembentukan pohon keputusan, antara lain ID3, CART, C4.5, CHAID, dan C5.0. Perbedaan dari metode-metode tersebut adalah pada algoritma yang digunakan dan prunning (pemangkasan pohon keputusan) yang digunakan. Algoritma C5.0 merupakan penyempurnaan dari algoritma C4.5, dimana algortima ini lebih efisien dalam membentuk pohon keputusan dan lebih cepat dalam prosesnya. Kedua metode tersebut, unsupervised learning dan supervised learning, dapat digabungkan menjadi satu untuk pemodelan credit scoring yang disebut metode hybrid. Metode hybrid memiliki kelebihan yaitu memiliki ketepatan prediksi yang lebih baik dalam memutuskan pemberian kredit kepada nasabah dibandingkan metode yang menggunakan teknik terpisah karena pada metode hybrid dapat saling melengkapi kekurangan dan kelebihan yang terdapat pada unsupervised maupun supervised learning.
4 4 Batasan Masalah Batasan masalah merupakan salah satu hal yang penting dilakukan dalam suatu penulisan. Hal ini dilakukan agar tidak terjadi penyimpangan dari tujuan awal yang ingin dicapai. Tugas akhir ini difokuskan pada pembentukan pohon keputusan dan aturan klasifikasi debitur baik dan debitur buruk dengan menggunakan algortima C5.0 untuk setiap klaster yang dihasilkan oleh analisis klaster dengan metode modified k-prototypes. Dalam pemilihan jumlah cluster yang optimal digunakan silhouette width disetiap akhir proses analisis klaster. Untuk evaluasi dan validasi performa analisis klaster digunakan beberapa metode yaitu silhouette width, dunn index, dan connectivity. Variabel yang digunakan dalam tugas akhir ini difokuskan pada data dengan atribut campuran dari numerik dan kategorik. Tujuan Penelitian Penyusunan tugas akhir ini dimaksudkan sebagai salah satu syarat untuk mencapai derajat S1 pada program Studi Statistika FMIPA UGM. Berikut adalah tujuan penulisan dari tugas akhir ini: 1. Mengetahui prosedur metode hybrid dengan kombinasi dari modified k- prototypes dan pohon keputusan dengan algoritma C5.0 dalam penerapannya pada kasus credit scoring, 2. Mengaplikasikan metode analisis klaster k-prototypes dan modified k- prototypes dalam melakukan segmentasi terhadap data kredit nasabah Bank Perkreditan Rakyat (BPR) Bhumipala Yogyakarta dan menentukan jumlah klaster yang optimal menggunakan silhouette width, 3. Membandingkan performa metode k-prototypes dan modified k- pototypes menggunakan metode internal validation, 4. Mengaplikasikan algoritma C5.0 dalam membentuk pohon keputusan dan aturan klasifikasi debitur baik dan debitur buruk dari Bank Perkreditan Rakyat (BPR) Bhumipala Yogyakarta. Metode Penulisan Metode penulisan yang dilakukan oleh penulis dalam penyusunan tugas akhir ini berupa studi literatur dengan sumber yang diperoleh dari perpustakaan,
5 5 jurnal-jurnal ilmiah, dan sumber-sumber lain yang diperoleh dari internet. Penulis menyelesaikan studi kasus pada tugas ini dengan menggunakan bantuan software Microsoft Excel 2013 dan RStudio. Data yang diperoleh penulis adalah data sekunder dari Bank Perkreditan Rakyat (BPR) Bhumipala Yogyakarta yang berupa data kredit nasabah. Tinjauan Pustaka Analisis klaster telah diselidiki secara luas dalam berbagai literatur. Dardac dan Boitan (2009), melakukan penelitian menggunakan agglomerative hierarchical clustering untuk profilisasi risiko bank yang dilakukan terhadap 16 institusi perkreditan di Romania. Hasilnya bahwa analisis klaster sebagai teknik analisis data eksplorasi terbukti berguna tidak hanya untuk menilai kelompok homogen perbankan dalam hal profilisasi risiko dan profitabilitas, tetapi juga dapat mengidentifikasi kelompok perbankan dengan karakteristik serupa dalam aktivitas intermediasi keuangan, kelompok perbankan besar dan kompleks, atau tingkat integrasi keuangan di industri perbankan kawasan Eropa. Zakrzewska dan Murlewski (2005), melakukan penelitian dengan membandingan performa dari berbagai algoritma analisis klaster untuk segmentasi nasabah bank, hasilnya algoritma k-means adalah metode yang paling efisien dalam melakukan segmentasi untuk data set multidimensi. Dari kedua kasus tersebut, metode analisis klaster dapat digunakan dalam segmentasi pada dunia perbankan, namun kelemahan kedua penelitian tersebut adalah keduanya melakukan numerisasi terhadap data kategorik untuk melakukan segmentasi dengan metode k-means dan agglomerative hierarchical clustering. Algoritma analisis klaster k-prototypes (Huang, 1997) merupakan salah satu algoritma analisis klaster untuk data dengan atribut campuran dari numerik dan kategorik dengan berukuran besar yang pertama diperkenalkan. Algoritma ini merupakan perluasan dari algoritma analisis klaster k-means untuk mengelompokkan data campuran. Algoritma analisis klaster k-means sederhana tidak dapat diaplikasikan untuk data campuran dari numerik dan kategorik,
6 6 sehingga Huang menggunakan kombinasi dari ukuran jarak pada k-means dan k- modes untuk melakukan analisis klaster pada data dengan atribut campuran. Berawal dari algoritma k-prototypes, Ahmad dan Dey (2007) mengenalkan fungsi jarak ketidaksamaan untuk data campuran yang merupakan pengembangan dari fungsi jarak yang digunakan pada k-prototypes. Diketahui bahwa pada k- prototypes pembobotan pada atribut numerik sama yaitu 1, sedangkan pada atribut kategorik pembobotan didefinisikan oleh peneliti, sehingga pembobotan yang tidak sesuai akan menghasilkan segmentasi yang tidak akurat. Pada fungsi jarak ketidaksamaan yang dikemukakan oleh Ahmad dan Dey dilakukan pengembangan sehingga pembobotan tersebut berdasarkan distribusi dari data, bukan definisi dari peneliti. Untuk selanjutnya metode analisis klaster yang dikemukakan oleh Ahmad dan Dey disebut dengan modified k-prototypes. Rousseuw (1986) menemukan metode silhouette width yang digunakan untuk mengevaluasi hubungan antara objek dan klaster. Metode ini menerangkan apakah suatu objek sudah layak dikelompokkan dalam suatu klaster tertentu. Selanjutnya, Kaufman dan Rousseuw (1990) menjelaskan lebih lanjut interpretasi dari skala nilai silhouette width. Brock (2008) menyatakan ada tiga metode yang digunakan untuk melakukan internal validation dari suatu klaster. Ketiga metode tersebut adalah silhouette width, dunn index, dan connectivity. Setiap metode tersebut menginterpretasikan nilai yang berbeda dari model yang terbentuk oleh suatu metode analisis klaster. Zakarewska (2007) mengintegrasikan metode unsepervised learning dan supervised learning dalam mengevaluasi risiko kredit. K-means diambil sebagai metode unsupervised learning dan C4.5 diambil sebagai metode supervised learning. Hasilnya adalah, integrasi dari kedua metode tersebut menghasilkan pohon keputusan yang lebih sederhana dan akurasi yang lebih tinggi daripada tanpa dilakukan analisis klaster terlebih dahulu. Pang dan Gong (2009) membandingkan algoritma C4.5 dan C5.0 terhadap data kredit bank Jerman pada UCI Machine Learning Repository. Berdasarkan penelitian tersebut, diketahui bahwa algoritma C5.0 memiliki tingkat akurasi yang
7 7 baik dibandingkan algoritma C4.5. Selain itu, algoritma C5.0 tersebut memiliki nilai risiko yang kecil. Fadilla (2012) membahas credit scoring menggunakan metode hybrid kombinasi k-means cluster dan algoritma C4.5. Penelitian ini menggunakan data sekunder German Credit Dataset yang diperoleh dari UCI Machine Learning Repository. Dari hasil analisis yang dilakukan didapatkan bahwa metode hybrid dapat menyempurnakan metode yang telah digunakan untuk menganalisis credit scoring. Credit scoring dalam data mining biasanya hanya menggunakan satu jenis alat, supervised learning atau unsupervised learning. Namun, dengan adanya eksperimen ini telah membuktikan keduanya bisa digabungkan. Fatikha (2016) melakukan analisis terjadinya data kecelakaan menggunakan k-modes dan aturan asosiasi. Penelitian ini disusun untuk mencari tahu hubungan antar variabel pada saat terjadinya kecelakaan. Analisis klaster digunakan untuk mengelompokkan objek kedalam klaster yang lebih homogen, karena keheterogenan dalam data membuat aturan asosiasi tidak bekerja dengan baik. Anugrah (2015) melakukan perbandingan performansi dari algoritma C5.0 dan CHAID. Kedua algoritma tersebut digunakan untuk mengklasifikasi pendapatan penduduk. Hasilnya, algoritma C5.0 lebih akurat dalam melakukan klasifikasi daripada algoritma CHAID. Rani dan Xavler (2015) melakukan penelitian dengan mengkombinasikan dua metode supervised learning. Kedua metode tersebut adalah algoritma C5.0 dan one-class SVM. Hasilnya adalah kombinasi dari kedua metode tersebut meningkatkan akurasi dan mengurangi gangguan pada klasifikasi data, jika dibandingka kedua metode dilakukan secara terpisah. Sistematika Penulisan Sistematika penulisan dalam tugas akhir ini terdiri dari 5 bagian, berikut penjelasan untuk masing-masing bagian: BAB I PENDAHULUAN Bab ini berisi latar belakang dan permasalahan, batasan masalah, tujuan penelitian, metode penelitian, tinjauan pustaka, dan
8 8 sistematika penulisan yang memberikan arah terhadap penulisan tugas akhir ini. BAB II LANDASAN TEORI Bab ini berisi tentang teori dasar yang menunjang pembahasan mengenai analisis klaster dan pohon keputusan. BAB III METODE HYBRID KOMBINASI DARI MODIFIED K- PROTOTYPES DAN C5.0 UNTUK CREDIT SCORING Bab ini membahas mengenai topik tugas akhir yakni analisis teoritis dari metode clustering k-prototypes, modified k-prototypes, dan pohon keputusan C5.0. BAB IV STUDI KASUS Bab ini berisi tentang contoh kasus dari teknik yang digunakan dengan memberikan pembahasan sejauh mana hasil tersebut dapat dijadikan sebagai bahan kesimpulan. BAB V KESIMPULAN DAN SARAN Bab ini berisi tentang kesimpulan-kesimpulan yang diperoleh dari pemecahan masalah dan saran sebagai akibat dari kekurangan dan kelebihan dari hasil tugas akhir yang dilakukan.
BAB 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 terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pesatnya pertumbuhan pasar pada sektor telekomunikasi seluler semakin terlihat dengan banyaknya jumlah pelanggan yang ada pada setiap para penyedia jasa telepon seluler.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dewasa ini kebutuhan masyarakat akan kredit merupakan hal yang tidak asing. Menyadari bahwa kegiatan kredit pada masyarakat umum semakin meningkat, maka perlu
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kredit merupakan salah satu bentuk usaha sekunder yang dapat dilakukan untuk pemenuhan kebutuhan sehari-hari. Pada umumya, proses kredit dapat dilayani melalui lembaga
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Mobilitas adalah hal yang tidak dapat dipisahkan dalam gaya hidup masyarakat sekarang ini. Serangkaian aktifitas menuntut seseorang untuk berada di suatu tempat bahkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring berjalannya waktu, manusia mulai menyadari betapa pentingnya data. Data dapat dikumpulkan melalui sensus, survei, ataupun data administrasi. Data dapat dimanfaatkan
Lebih terperinciBAB I PENDAHULUAN 1.1.Latar Belakang Masalah
BAB I PENDAHULUAN 1.1.Latar Belakang Masalah Mengingat kondisi perekonomian saat ini sedang tumbuh dan berkembang secara signifikan, di negara khususnya Indonesia, memiliki peningkatan permintaan produk
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data menjadi sesuatu yang sangat berharga saat ini. Tidak hanya badan pemerintah saja, perusahaan-perusahaan saat ini pun sangat membutuhkan informasi dari data yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kesejahteraan umum merupakan salah satu tujuan dari pembangunan nasional Negara Indonesia. Hal ini disebutkan dengan jelas pada Pembukaan Undang-Undang dasar 1945 di
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu usaha pemerintah dalam meningkatkan taraf hidup masyarakat adalah memberdayakan peranan jasa perbankan. Bank memiliki peranan yang sangat penting dalam menunjang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Berdasarkan Peraturan Pemerintah Nomor 37 tahun 2009, dosen merupakan pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan,
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 terperinciIMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING
IMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING Yoga Bhagawad Gita 1, Ahmad Saikhu 2 1,2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pertukaran informasi di zaman modern ini telah sampai pada era digital. Hal ini ditandai dengan semakin dibutuhkannya teknologi berupa komputer dan jaringan internet
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Algorima Learning Vector Quantization yang dikembangkan oleh Kohonen merupakan metode pembelajaran terawasi (supervised learning) dan dikhususkan untuk klasifikasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penentuan dosen pembimbing tugas akhir masih dilakukan secara manual di Jurusan Teknik Informatika UMM yang hanya mengandalkan pengetahuan personal tentang spesialisasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pendidikan adalah salah satu hal penting bagi kehidupan seseorang. Semua orang sadar begitu penting pendidikan di perlukan. Pendidikan juga dapat di katakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan teknologi informasi yang semakin pesat berdampak pada terjadinya penurunan substansial dalam biaya penyimpanan data, peningkatan pesat
Lebih terperinciAlgoritma Dasar. 4.1 Naive Bayes
4 Algoritma Dasar It is a capital mistake to theorize before one has data. Arthur Conan Doyle Sebelum masuk ke algoritma machine learning yang cukup modern/ matematis, kami akan memberi contoh algoritma
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem jaringan komputer memiliki peran yang sangat penting dalam masyarakat modern karena memungkinkan informasi dapat diakses, disimpan dan dimanipulasi secara online.
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 I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Berdasarkan data dari Kementerian Komunikasi dan Informasi Indonesia yang diperoleh dari Lembaga Riset Pasar E-Marketer, populasi pengguna internet tanah air pada tahun
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 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 I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu tanggung jawab sosial PT. Telkom dalam program kemitraan dengan masyarakat sekitarnya adalah memberikan kredit lunak bagi pelaku Usaha Kecil Menengah (UKM).
Lebih terperinciMoch. Ali Machmudi 1) 1) Stmik Bina Patria
UJI PENGARUH KARAKTERISTIK DATASET PADA PERFORMA ALGORITMA KLASIFIKASI Moch. Ali Machmudi 1) 1) Stmik Bina Patria 1) Jurusan Manjemen Informatika-D3 Email : 1 aliadhinata@gmail.com 1) Abstrak Tujuan utama
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 terperinciBAB I PENDAHULUAN. atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri.
BAB I PENDAHULUAN 1.1 Latar Belakang Klasifikasi merupakan pengelompokan secara sistematis pada suatu objek atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri. Masalah klasifikasi
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 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 terperinciPEMBENTUKAN POHON KLASIFIKASI BINER DENGAN ALGORITMA CART ( CLASSIFICATION AND REGRESSION TREES ) ( STUDI KASUS PENYAKIT DIABETES SUKU PIMA INDIAN )
PEMBENTUKAN POHON KLASIFIKASI BINER DENGAN ALGORITMA CART ( CLASSIFICATION AND REGRESSION TREES ) ( STUDI KASUS PENYAKIT DIABETES SUKU PIMA INDIAN ) PT Jasa Marga ro) C abang Semarang SKRIPSI Disusun Oleh
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pendidikan adalah salah satu aspek terpenting bagi kehidupan manusia, yang dapat mempengaruhi manusia itu sendiri, juga menjadi faktor pendukung dalam setiap sektor
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining Data Mining adalah proses pencarian pengetahuan dari suatu data berukuran besar melalui metode statistik, machine learning, dan artificial algorithm. Hal yang paling
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Saat ini adalah era dimana perkembangan teknologi semakin pesat dan cepat. Seiring dengan perkembangan teknologi yang ada, maka ukuran data yang diolah juga akan semakin
Lebih terperinciCLUSTERING DATA KATEGORIK MENGGUNAKAN K-MODES DENGAN WEIGHTED DISSIMILARITY MEASURE
CLUSTERING DATA KATEGORIK MENGGUNAKAN K-MODES DENGAN WEIGHTED DISSIMILARITY MEASURE Lutfi Hidayat Ramdhani¹, Hetti Hidayati², Mahmud Dwi Suliiyo³ ¹Teknik Informatika,, Universitas Telkom Abstrak K-Modes
Lebih terperincihttp://www.brigidaarie.com proses menganalisa data untuk mencari polapola tersembunyi dengan menggunakan metodologi otomatis Istilah lain : Machine Learning Knowledge Discovery in Database (KDD) Predictive
Lebih terperinciBAB 1. PENDAHULUAN 1.1. Latar Belakang Pelanggan merupakan salah satu posisi penting dalam pengembangan strategi bisnis, pelanggan juga merupakan salah satu sumber keuntungan dalam perusahaan. Untuk itu
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 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 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Analisis cluster merupakan salah satu alat yang penting dalam pengolahan data statistik untuk melakukan analisis data. Analisis cluster merupakan seperangkat metodologi
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 III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) Odds Ratio
21 BAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) 3.1 Regresi Logistik Biner Regresi logistik berguna untuk meramalkan ada atau tidaknya karakteristik berdasarkan prediksi
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Bab ini membahas tentang hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, tujuan, batasan masalah, manfaat, metodologi penelitian serta sistematika penulisan
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 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 I Pendahuluan. 1.1 Latar Belakang
Bab I Pendahuluan 1.1 Latar Belakang Klasifikasi merupakan task dari data mining yang bertujuan untuk memberikan label kelas terhadap suatu data. Pemberian label kelas ini dilakukan oleh classifier. Suatu
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perguruan tinggi merupakan strata terakhir sebelum mahasiswa dapat bersaing didalam dunia kerja. Agar mampu bersaing didalam dunia kerja, mahasiswa dituntut
Lebih terperinciAPLIKASI ALGORITMA CLASSIFY-BY-SEQUENCE UNTUK PENILAIAN KREDIT PADA BANK Y. Mohammad Iqbal 1. Abstrak
APLIKASI ALGORITMA CLASSIFY-BY-SEQUENCE UNTUK PENILAIAN KREDIT PADA BANK Y Mohammad Iqbal Jurusan Matematika, FMIPA-Institut Teknologi Sepuluh Nopember iqbalmohammad.math@gmail.com Abstrak Dalam penilaian,
Lebih terperinciBAB I PENDAHULUAN. efektivitas dan efisiensi kerja tercapai. STIKOM Surabaya merupakan salah
BAB I PENDAHULUAN 1.1 Latar belakang masalah Solusi pemanfaatan teknologi komputer sebagai alat bantu dalam mendukung kegiatan operasional suatu bidang usaha memudahkan manusia dalam mendapatkan data atau
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Information age atau computer age adalah suatu era dimana kebutuhan seseorang akan informasi menjadi suatu hal yang sangat penting. Pada saat era informasi ini seseorang
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang 1 BAB I PENDAHULUAN Pengambilan keputusan pada perusahaan berskala nasional seperti perusahaan otomotif merupakan hal yang sangat penting. Dimana keputusan yang salah bisa mengakibatkan
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 I PENDAHULUAN. secara manual dari suatu kumpulan data. Defenisi lain data mining adalah sebagai
BAB I PENDAHULUAN I.1. Latar Belakang Data mining merupakan serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual dari
Lebih terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 ANALISIS CLUSTER PADA DOKUMEN TEKS Budi Susanto (versi 1.3) Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami konsep analisis clustering Memahami
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Era teknologi informasi saat ini tidak dapat dipisahkan dari multimedia. Data atau informasi yang terdapat pada multimedia tidak hanya disajikan dalam bentuk teks,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang antara lain bidang teknologi informasi, arkeologi, astronomi, biomedis,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Konsumsi susu sapi segar di Indonesia sejak beberapa tahun terakhir mengalami peningkatan, hingga tahun 2011 tercatat 11 liter per tahun per kapita. Namun peningkatan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Proses belajar mengajar merupakan serangkaian aktivitas yang terdiri dari persiapan, pelaksanaan, dan evaluasi pembelajaran. Ketiga hal tersebut merupakan rangkaian
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 terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Budi Susanto ANALISIS CLUSTER PADA DOKUMEN TEKS Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 Tujuan Memahami konsep analisis clustering Memahami tipe-tipe data dalam clustering Memahami beberapa algoritma
Lebih terperinciMODEL KLASIFIKASI KELAYAKAN KREDIT KOPERASI KARYAWAN DENGAN ALGORITMA DECISION TREE
MODEL KLASIFIKASI KELAYAKAN KREDIT KOPERASI KARYAWAN DENGAN ALGORITMA DECISION TREE Putri Kurnia Handayani Program Studi Sistem Informasi, Fakultas Teknik, Universitas Muria Kudus Gondangmanis, PO Box
Lebih terperinciBAB I PENDAHULUAN. Dalam dunia perbankan, bank bertindak sebagai kreditur, di mana bank memberikan
1 BAB I PENDAHULUAN A. Latar Belakang Dalam dunia perbankan, bank bertindak sebagai kreditur, di mana bank memberikan bantuan kepada nasabah yang membutuhkan pinjaman dengan memberikan kredit pinjaman.
Lebih terperinciMODEL KLASIFIKASI KELAYAKAN KREDIT KOPERASI KARYAWAN BERBASIS DECISION TREE
MODEL KLASIFIKASI KELAYAKAN KREDIT KOPERASI KARYAWAN BERBASIS DECISION TREE Rina Fiati 1, Putri Kurnia Handayani 2 1 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muria Kudus Gondangmanis,
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 I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pembelajaran adalah proses interaksi peserta didik dengan pendidik dan sumber belajar pada suatu lingkungan belajar yang meliputi guru dan siswa yang saling
Lebih terperinciTAKARIR. : Mengelompokkan suatu objek yang memiliki kesamaan. : Kelompok atau kelas
TAKARIR Data Mining Clustering Cluster Iteratif Random Centroid : Penggalian data : Mengelompokkan suatu objek yang memiliki kesamaan. : Kelompok atau kelas : Berulang : Acak : Pusat area KDD (Knowledge
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Dalam era yang semakin berkembang ini, penggunaan data mining semakin banyak dalam berbagai bidang dan menjadi bagian dari perkembangan teknologi informasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Internet saat ini merupakan kebutuhan pokok yang tidak bisa dipisahkan dari segenap sendi kehidupan. Berbagai pekerjaan ataupun kebutuhan dapat dilakukan melalui media
Lebih terperinciBAB I PENDAHULUAN I - 1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Rumah merupakan suatu kebutuhan primer yang berfungsi sebagai tempat manusia tinggal dan melangsungkan kehidupannya. Semula rumah untuk tempat tinggal dibangun
Lebih terperinciTipe Clustering. Partitional Clustering. Hirerarchical Clustering
Analisis Cluster Analisis Cluster Analisis cluster adalah pengorganisasian kumpulan pola ke dalam cluster (kelompok-kelompok) berdasar atas kesamaannya. Pola-pola dalam suatu cluster akan memiliki kesamaan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Deposito merupakan salah satu tabungan berjangkaayangamodel pengambilannya berdasarkan pada kesepakatan dari pihak bank dengan nasabah deposito [1].Suku bunga
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang dan Perumusan Masalah Dunia semakin berkembang dengan pesat. Perkembangan itu terjadi di berbagai bidang, baik di bidang perindustrian, perbankan maupun di bidang kesehatan.
Lebih terperinciBAB I PENDAHULUAN. informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga
BAB I PENDAHULUAN I.1. Latar Belakang Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga informasi akan menjadi
Lebih terperinciBAB I PENDAHULUAN. mahasiswa dan faktor-faktor penyebabnya merupakan topik yang menarik untuk
BAB I PENDAHULUAN I.1. Latar Belakang Tingginya tingkat keberhasilan mahasiswa dan rendahnya tingkat kegagalan mahasiswa merupakan cermin kualitas dari suatu perguruan tinggi. Kegagalan mahasiswa dan faktor-faktor
Lebih terperinciPerbandingan Performansi Algoritma Decision Tree CART dan CHAID
Perbandingan Performansi Algoritma Decision Tree CART dan CHAID Mohamad Abdul Kadir / 13507134 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kredit adalah suatu kapabilitas yang memungkinkan seseorang untuk memperoleh uang atau melakukan suatu pinjaman uang dengan syarat adanya perjanjian untuk membayar
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring berkembangnya teknologi informasi, kebutuhan akan informasi yang digunakan untuk mendukung business intelligent suatu perusahaan juga meningkat. Informasi penting
Lebih terperinciBAB I PENDAHULUAN. basis data dan mengubahnya menjadi informasi yang berguna. Metode data
BAB I PENDAHULUAN 1.1 Latar Belakang Data-data pinjaman yang tersimpan pada Koperasi XYZ yang selama ini hanya dijadikan arsip koperasi sebenarnya dapat dimanfaatkan menjadi sesuatu yang lebih berguna.
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciBAB I PENDAHULUAN. terdapat hubungan langsung antara musik dan emosi (Samira Pouyanfar, dkk,
BAB I PENDAHULUAN 1.1 Latar Belakang Musik merupakan sarana yang ampuh dan memiliki banyak kebaikan bagi tubuh dan jiwa manusia, musik dapat menenangkan bahkan membangkitkan semangat seseorang yang mendengarkan
Lebih terperinciPENGELOMPOKAN NASABAH BANK MENGGUNAKAN ALGORITMA K- MEANS UNTUK MEMBERIKAN PENAWARAN YANG TEPAT
PENGELOMPOKAN NASABAH BANK MENGGUNAKAN ALGORITMA K- MEANS UNTUK MEMBERIKAN PENAWARAN YANG TEPAT Ismail Setiawan 1) 1) Magister Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperinciBAB III METODE PENELITIAN
25 BAB III METODE PENELITIAN 3.1 Desain Penelitian Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 1. Pengumpulan Data Pengumpulan data merupakan langkah
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan teknologi informasi terutama di Indonesia semakin berkembang. Dengan adanya teknologi informasi dan komunikasi dapat memudahkan untuk mendapatkan informasi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan yang cepat dalam teknologi pengumpulan dan penyimpanan data telah memudahkan organisasi untuk mengumpulkan sejumlah data berukuran besar sehingga
Lebih terperinciPERBANDINGAN ANALISIS KLASIFIKASI NASABAH MENGGUNAKAN REGRESI LOGISTIK BINER DAN (CLASSIFICATION AND REGRESSION TREES)
PERBANDINGAN ANALISIS KLASIFIKASI NASABAH KREDIT MENGGUNAKAN REGRESI LOGISTIK BINER DAN CART (CLASSIFICATION AND REGRESSION TREES) SKRIPSI Oleh : AGUNG WALUYO 24010210141020 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciBAB 1 KONSEP DATA MINING 2 Gambar 1.1 Perkembangan Database Permasalahannya kemudian adalah apa yang harus dilakukan dengan data-data itu. Sudah diket
Bab1 Konsep Data Mining POKOK BAHASAN: Konsep dasar dan pengertian Data Mining Tahapan dalam Data Mining Model Data Mining Fungsi Data Mining TUJUAN BELAJAR: Setelah mempelajari materi dalam bab ini, mahasiswa
Lebih terperinciPENDAHULUAN. 1.1 Latar Belakang
DAFTAR TABEL Tabel 3-1 Dokumen Term 1... 17 Tabel 3-2 Representasi... 18 Tabel 3-3 Centroid pada pengulangan ke-0... 19 Tabel 3-4 Hasil Perhitungan Jarak... 19 Tabel 3-5 Hasil Perhitungan Jarak dan Pengelompokkan
Lebih terperinciCLUSTERING MENGGUNAKAN K-MEANS ALGORITHM (K-MEANS ALGORITHM CLUSTERING)
CLUSTERING MENGGUNAKAN K-MEANS ALGORITHM (K-MEANS ALGORITHM CLUSTERING) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang Abstract Classification is the process of organizing
Lebih terperinciTugas Ujian Tengah Semester (UTS) Data Mining Lanjut ABSTRAK
PERBANDINGAN KLASIFIKASI KNN DAN NAIVE BAYESIAN SERTA PERBANDINGAN CLUSTERING SIMPLE K-MEANS YANG MENGGUNAKAN DISTANCE FUNCTION MANHATTAN DISTANCE DAN EUCLIDIAN DISTANCE PADA DATASET Dresses_Attribute_Sales
Lebih terperinciANALISIS KLASIFIKASI PADA NASABAH KREDIT KOPERASI X MENGGUNAKAN DECISION TREE C4.5 DAN NAÏVE BAYES SKRIPSI
ANALISIS KLASIFIKASI PADA NASABAH KREDIT KOPERASI X MENGGUNAKAN DECISION TREE C4.5 DAN NAÏVE BAYES SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta Sebagai
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 I PENDAHULUAN 1.1. Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Chi-square Automatic Interaction Detection (CHAID) adalah merupakan suatu kasus khusus dari algoritma pendeteksian interaksi otomatis yang biasa disebut
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 terperinciBAB I PENDAHULUAN. sistem peredaran darah orang lain. Sebelum ditransfusikan, periksa kembali sifat
BAB I PENDAHULUAN 1.1 Latar Belakang Donor darah adalah proses pengambilan darah dari seseorang secara sukarela untuk disimpan di bank darah untuk kemudian dipakai pada transfusi darah [1]. Seleksi donor
Lebih terperinciBAB I PENDAHULUAN. komponen penting dalam hal memajukan kualitas PT tersebut. Apabila sistem
BAB I PENDAHULUAN A. Latar Belakang Dalam memajukan kualitas pendidikan, baik dalam konteks sumber daya mahasiswa atau sistem pembelajaran, setiap Perguruan Tinggi (PT) memiliki cara pengelolaan tersendiri.
Lebih terperinciBAB III METODOLOGI 3.1. Prosedur Penelitian Identifikasi Masalah
BAB III METODOLOGI Dalam penelitian ini metodologi memegang peranan penting guna mendapatkan data yang obyektik, valid dan selanjutnya digunakan untuk memecahkan permasalahan yang telah dirumuskan. Maka
Lebih terperinciBAB II TINJAUAN PUSTAKA
2.1 Tinjauan Empiris BAB II TINJAUAN PUSTAKA Pada penelitian ini, peneliti menggunakan beberapa penelitian yang pernah dilakukan sebelumnya sebagai tinjauan studi. Berikut ialah tinjauan empiris yang digunakan:
Lebih terperinciPERSYARATAN PRODUK. 1.1 Pendahuluan Latar Belakang Tujuan
BAB 1 PERSYARATAN PRODUK Bab ini membahas mengenai hal umum dari produk yang dibuat, meliputi tujuan, ruang lingkup proyek, perspektif produk, fungsi produk dan hal umum yang lainnya. 1.1 Pendahuluan Hal
Lebih terperinci