Pengolahan Data. Algoritma C4.5 Menghitung entropi : Data Training (75%) = 220 data Data Testing (25%) = 73 data
|
|
- Farida Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Algoritma C4.5 Menghitung entropi : engolahan Data Data Training (75%) = 220 data Data Testing (25%) = 73 data Entropi (y) = -p 1 log 2 p 1 p 2 log 2 p 2... p n log 2 p n Entropi IK -28/220*OG 2 (28/220)-156/220*OG 2 (156/220)-36/220*OG 2 (36/220) = Menghitung Information Gain : gain (y,a) = entropi (y) - Information Gain : (101/220)* (119/220)* = Node Awal
2 engolahan Data MDK MDK 3 Data S1 Kerjasama 6 Data S1 Kerjasama Timur variabel gain jenis kelamin Gaji Timur kelamin Gaji Bidik Misi 10 Data Bidik Misi Timur variabel Gain jenis kelamin Gaji Timur Gaji
3 62 Data KM Mandiri KM Kemitraan KM Kemitraan 37 Data KM Mandiri rendah Gaji Sedang Tinggi Timur uar Timur rendah Gaji Sedang uar tinggi kurang variabel gain jenis kelamin Gaji daerah Timur DKI & JABAR uar jenis kelamin gaji variabel gain jenis kelamin Gaji daerah Timur DKI & JABAR uar jenis kelamin gaji
4 SBMTN SBMTN 102 Data variabel gain Timur uar jenis kelamin Gaji Tengah Gaji Rendah Sedang Tinggi Timur Tengah DKI & JABAR uar jenis kelamin gaji
5 erhitungan Akurasi : Software Matlab Data Training (75%) = 220 data Data Testing (25%) = 73 data Tingkat error rata-rata = 42,01%
6 Analisis & Interpretasi Variabel yang paling berpengaruh adalah jalur masuk Semakin tinggi jumlah data & beragam data, tree semakin kompleks. enentuan data training & data testing sangat berpengaruh terhadap error Tingginya error disebabkan data memiliki penyebaran yang tinggi
7 Kesimpulan : 1. Kelompok mahasiswa berdasarkan IK terdiri dari 3 kelas yaitu kurang, cukup, dan baik. Variabel yang dipertimbangkan dalam perhitungan yaitu jenis kelamin, jalur masuk,asal daerah, dan gaji orang tua. 2. Variabel yang paling berpengaruh terhadap nilai IK mahasiswa Teknik Industri ITS adalah jalur masuk, kedua yaitu asal daerah. Kemudian untuk jenis kelamin dan gaji orang tua sama besar pengaruhnya. 3. erhitungan decision tree algoritma c4.5 mampu mengelompokkan data ke dalam kategori yang telah ditentukan. 4. Decision rule yang dihasilkan memiliki tingkat error rata-rata sebesar Saran : 1. erlu dilakukan perbandingan beberapa metode klasifikasi di samping untuk mengetahui tingkat akurasi dari metode klasifikasi tersebut. 2. Data mining memiliki cakupan dalam berbagai bidang, sehingga perlu dilakukan penelitian dengan metode data mining untuk bidang yang lain
8 Daftar ustaka Han, J., & Kamber, M. (2006). Data Mining: Concepts and Techniques. San Fransisco: Morgan Kaufman ublisher Kumar, B., & al, S. (2011). Data mining: A prediction for performance improving using classification. IJCSIS, vol 9 Ridwan, M., Suyono, H., & M.Sarosa. (2013). enerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Jurnal EECCIS, vol 7 Santosa, B. (2007). Data Mining: Teknik emanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu Sembiring, S., M.Zarlis, H, D., S, R., & Wani, E. (2011). rediction of student academic performance by an application of data mining technique. IEDR, vol 6 Sumathi, D. S., & S.N.Sivanandan, D. (2006). Introduction to Data Mining and its applications. Verlag Berlin Heidelberg: Springer Sunjana. (2010). Aplikasi Mining Data Mahasiswa Dengan Metode Klasifikasi Decision tree. ISSN: T.arose, D. (2005). DISCOVERY KNOWEDGE IN DATA : An Introduction to Data Mining. New Jersey: John Wiley & Sons, Inc Alfina, T. (2012). Analisa erbandingan Metode Hierarchical Clustering, K-Means dan Gabungan Keduanya Dalam Membentuk Cluster Data. : Institut Teknologi Sepuluh Nopember.
JURNAL TEKNIK, (2014) APLIKASI DATA MINING UNTUK MEMPREDIKSI PERFORMANSI MAHASISWA DENGAN METODE KLASIFIKASI DECISION TREE
JURNA TEKNIK, (2014) 1-6 1 AIKASI DATA MINING UNTUK MEMREDIKSI ERFORMANSI MAHASISWA DENGAN METODE KASIFIKASI DECISION TREE Irfan Fahmi, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri,
Lebih terperinciPERANCANGAN SISTEM PAKAR UNTUK MENENTUKAN ALAT KONTRASEPSI MENGGUNAKAN ALGORITMA C4.5
PERANCANGAN SISTEM PAKAR UNTUK MENENTUKAN ALAT KONTRASEPSI MENGGUNAKAN ALGORITMA C4.5 NI WAYAN PARWATI SEPTIANI wayan.parwati@gmail.com Program Studi Teknik Informatika Fakultas Teknik, Matematika dan
Lebih terperinciPemanfaatan Educational Data Mining (EDM)...
PEMANFAATAN EDUCATIONAL DATA MINING (EDM) UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS: TI-S1 UDINUS) Defri Kurniawan 1*, Wibowo Wicaksono 1 dan Yani Parti Astuti 1 1
Lebih terperinciKLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING
KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING Moh Ahsan Universitas Kanjuruhan Malang ahsan@unikama.ac.id ABSTRAK. Universitas Kanjuruhan Malang
Lebih 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 terperinciPENERAPAN DATA MINING SEBAGAI MODEL SELEKSI PENERIMA BEASISWA PENUH (STUDI KASUS: STIE PERBANAS SURABAYA)
ISSN 1858-4667 JURNAL LINK VOL. 27/No. 1/Februari 2018 PENERAPAN DATA MINING SEBAGAI MODEL SELEKSI PENERIMA BEASISWA PENUH (STUDI KASUS: STIE PERBANAS SURABAYA) Hariadi Yutanto 1, Nurcholis Setiawan 2
Lebih terperinciKAJIAN PERANCANGAN RULE KENAIKAN JABATAN PADA PT. ABC
KAJIAN PERANCANGAN RULE KENAIKAN JABATAN PADA PT. ABC Harry Dhika Fakultas Teknik, Matematika dan IPA Universitas Indraprasta PGRI Email: dhikatr@yahoo.com ABSTRAK Penelitian ini membahas tentang cara
Lebih terperinciJurnal KomTekInfo Fakultas Ilmu Komputer, Volume 1, No. 2, Desember 2014 ISSN :
ALGORITMA C4.5 DALAM MENGANALISA KELAYAKAN KREDIT(STUDI KASUS DI KOPERASI PEGAWAI REPUBLIK INDONESIA (KP-RI) LENGAYANG PESISIR SELATAN, PAINAN, SUMATERA BARAT) Shary Armonitha Lusinia, S.Kom, M.Kom, Fakultas
Lebih terperinciTriuli Novianti 1) Abdul Aziz 2) Program Studi D3 Teknik Komputer UMSurabaya, Surabaya ),
Jurnal Ilmiah NERO Vol. 1 No. 15 APLIKASI DATA MINING MENGGUNAKAN METODE DECISION TREE UNTUK MENAMPILKAN LAPORAN HASIL NILAI AKHIR MAHASISWA (STUDI KASUS DI FAKULTAS TEKNIK UMSURABAYA) Triuli Novianti
Lebih terperinciPenggunaan Pohon Keputusan untuk Klasifikasi Tingkat Kualitas Mahasiwa Berdasarkan Jalur Masuk Kuliah
Penggunaan Pohon Keputusan untuk Klasifikasi Tingkat Kualitas Mahasiwa Berdasarkan Jalur Masuk Kuliah Selly Artaty Zega Program Studi Teknik Multimedia dan Jaringan, Jurusan Teknik Informatika, Politeknik
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENEMPATAN JURUSAN MAHASISWA BARU MENGGUNAKAN METODE K-NEAREST NEIGHBOR
Cogito Smart Journal/VOL. 1/NO. 1/DESEMBER 2015IJCCS ISSN: 1 97 55 SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN JURUSAN MAHASISWA BARU MENGGUNAKAN METODE K-NEAREST NEIGHBOR Ratih Kumalasari Niswatin 1) Teknik
Lebih terperinciPENENTUAN PENERIMA BEASISWA PENINGKATAN PRESTASI AKADEMIK DENGAN ALGORITME C5.0
PENENTUAN PENERIMA BEASISWA PENINGKATAN PRESTASI AKADEMIK DENGAN ALGORITME C.0 Rachma Fauzia Azhary, Isnandar Slamet, Supriyadi Wibowo Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan
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 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 terperinciData Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata
Data Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata Cakra Ramadhana 1, Yohana Dewi Lulu W 2, Kartina Diah K. W. 3 1,2 Program Studi Sistem Informasi, Politeknik
Lebih terperinciSNIPTEK 2014 ISBN:
KOMPARASI MENGGUNAKAN ALGORITMA C4.5, NEURAL NETWORK DAN NAÏVE BAYES DALAM PREDIKSI UJIAN KOMPENTENSI SMK MAHADHIKA 4 JAKARTA Aswan Supriyadi Sunge STMIK Nusa Mandiri mardian82@gmail.com Kaman Nainggolan
Lebih terperinciPENGEMBANGAN PERANGKAT LUNAK DIAGNOSA PENYAKIT DIABETES MELLITUS TIPE II BERBASIS TEKNIK KLASIFIKASI DATA ABSTRACT
PENGEMBANGAN PERANGKAT LUNAK DIAGNOSA PENYAKIT DIABETES MELLITUS TIPE II BERBASIS TEKNIK KLASIFIKASI DATA Rodiyatul FS 1, Bayu Adhi Tama 2, Megah Mulya 3 1,2,3 Fakultas Ilmu Komputer, Universitas Sriwijaya
Lebih terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (2017) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-116 (Online) Artikel Perancangan Aplikasi Prediksi Kelulusan Mahasiswa Tepat Waktu Pada
Lebih terperinciDATA MINING POTENSI AKADEMIK SISWA BERBASIS ONLINE
Didik Setiyadi, Ali Nurdin DATA MINING POTENSI AKADEMIK SISWA BERBASIS ONLINE 1 DIDIK SETIYADI, 2 ALI NURDIN 1,2 Sekolah Tinggi Manajemen Informatika dan Komputer Eresha Program Studi : Teknik Informatika
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 terperinciPERBANDINGAN ANALISIS KLASIFIKASI ANTARA DECISION TREE DAN SUPPORT VECTOR MACHINE MULTICLASS UNTUK PENENTUAN JURUSAN PADA SISWA SMA
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 1007-1016 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ANALISIS KLASIFIKASI ANTARA DECISION TREE DAN
Lebih terperinciPERBANDINGAN DECISION TREE
84 2015 Jurnal Krea-TIF Vol: 03 No: 02 PERBANDINGAN DECISION TREE PADA ALGORITMA C 4.5 DAN ID3 DALAM PENGKLASIFIKASIAN INDEKS PRESTASI MAHASISWA (Studi Kasus: Fasilkom Universitas Singaperbangsa Karawang)
Lebih terperinciBAB 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 terperinciPENERAPAN DECISION TREE UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA BARU
Technologia Vol 7, No.1, Januari Maret 2016 8 PENERAPAN DECISION TREE UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA BARU Andie, S.Kom., M.Kom (andina777@gmail.com) ABSTRAK Siswa adalah
Lebih terperinciSISTEM REKOMENDASI PROSES KELULUSAN MAHASISWA BERBASIS ALGORITMA KLASIFIKASI C4.5
SISTEM REKOMENDASI PROSES KELULUSAN MAHASISWA BERBASIS ALGORITMA KLASIFIKASI C4.5 Mujib Ridwan 1) 1 Program Studi Sistem Informasi, Universitas Islam Negeri (UIN) Sunan Ampel Surabaya email: mujibrw@uinsby.ac.id
Lebih terperinciPERANCANGAN APLIKASI PEMILIHAN MITRA KERJA
PERANCANGAN APLIKASI PEMILIHAN MITRA KERJA Harry Dhika 1), Tri Yani Akhirina 2), Surajiyo 3) 1), 2),3) Teknik Informatika Universitas Indraprasta PGRI Jl Nangka No. 58B, Jakarta, DKI Jakarta 12530 Email
Lebih terperinciIMPLEMENTASI ALGORITMA ID3 UNTUK KLASIFIKASI PERFORMANSI MAHASISWA (STUDI KASUS ST3 TELKOM PURWOKERTO)
IMPLEMENTASI ALGORITMA ID3 UNTUK KLASIFIKASI PERFORMANSI MAHASISWA (STUDI KASUS ST3 TELKOM PURWOKERTO) Andika Elok Amalia 1), Muhammad Zidny Naf an 2) 1), 2) Program Studi Informatika ST3 Telkom Jl D.I.
Lebih terperinciPENERAPAN ALGORITMA KLASIFIKASI DATA MINING C4.5 PADA DATASET CUACA WILAYAH BEKASI
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 368~372 368 PENERAPAN ALGORITMA KLASIFIKASI DATA MINING C4.5 PADA DATASET CUACA WILAYAH BEKASI Adhika Novandya AMIK BSI Bekasi e-mail:
Lebih terperinciImplementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa
Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa David Hartanto Kamagi, Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang,
Lebih terperinciLEARNING. Program Studi Ilmu Komputer FPMIPA UPI RNI IK460(Kecerdasan Buatan)
LEARNING Jiawei Han and Micheline Kamber. 2006. Data Mining Concepts and Techniques. San Fransisco : Elsevier M.Tim Jones. Artificial Intelligence A System Approach. Slide Kuliah Data Mining - Klasifikasi,
Lebih terperinciPENERAPAN DECISION TREE UNTUK PENENTUAN POLA DATA PENERIMAAN MAHASISWA BARU
PENERAPAN DECISION TREE UNTUK PENENTUAN POLA DATA PENERIMAAN MAHASISWA BARU Aradea, Satriyo A., Ariyan Z., Yuliana A. Teknik Informatika Universitas Siliwangi Tasikmalaya Ilmu Komputer Universitas Diponegoro
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 terperinciImplementasi Sistem HASIL DAN PEMBAHASAN Data Penelitian
Implementasi Sistem Clustering FCM diimplementasikan pada program yang dikembangkan dengan perangkat lunak Matlab v.7.7. Tahap implementasi sistem mengikuti langkahlangkah melakukan clustering dengan FCM,
Lebih terperinciPROGRAM BANTU PENEMPATAN PERSEDIAAN BARANG SANITER PADA DUA TOKO DENGAN METODE NAÏVE BAYES
PROGRAM BANTU PENEMPATAN PERSEDIAAN BARANG SANITER PADA DUA TOKO DENGAN METODE NAÏVE BAYES Umi Proboyekti, Djoni Dwiyana Abstrak Barang saniter merupakan salah satu macam barang yang dijual di toko bahan
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 terperinciPENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR
PENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Konsep Data Mining : IT012274 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pengenalan RDBMS 2 SQL Mahasiswa dapat mnegrti dan memahami
Lebih terperinciREKOMENDASI PENENTUAN PENERIMA BANTUAN IURAN (PBI) MENGGUNAKAN KLASIFIKASI ALGORITMA NAIVE BAYES
REKOMENDASI PENENTUAN PENERIMA BANTUAN IURAN (PBI) MENGGUNAKAN KLASIFIKASI ALGORITMA NAIVE BAYES SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer ( S.Kom. ) Pada Jurusan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 1.1 Latar Belakang BAB I PENDAHULUAN Dalam Peraturan Menteri Agama Republik Indonesia Nomor 30 Tahun 2014 tentang Biaya Kuliah Tunggal dan Uang Kuliah Tunggal pada Perguruan Tinggi Keagamaan Negeri di
Lebih terperinciSKRIPSI TI S1 FIK UDINUS 1
SKRIPSI TI S FIK UDINUS PENERAPAN ASSOCIATION RULE DENGAN ALGORITMA APRIORI UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA TEKNIK INFORMATIKA S FAKULTAS ILMU KOMPUTER UNIVERSITAS DIAN NUSWANTORO
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 terperinciISSN : e-proceeding of Management : Vol.4, No.2 Agustus 2017 Page 1472
ISSN : 2355-9357 e-proceeding of Management : Vol.4, No.2 Agustus 2017 Page 1472 ANALISIS MODEL PREDIKSI BISNIS PROPERTI PADA DATA E-COMMERCE DENGAN METODE KLASIFIKASI ANALYSIS PREDICTION MODEL OF PROPERTY
Lebih terperinciPRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Data Mining Kode/SKS: SS / (2/1/0) Dosen : SWP, KF Semester : VII
RPS1SK08 Kurikulum 2014, Edisi : September2014 No.Revisi : 00 Hal: 1 dari 6 A. : 1. CP 3.2 : Melakukan analisis data dengan menggunakan program statistik 2. CP 10.3 : Mampu menganalisis big data dengan
Lebih terperinciIMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA Irwan Budiman 1, Dodon Turianto Nugrahadi 2, Radityo Adi Nugroho 3 Universitas Lambung Mangkurat 1,2,3 irwan.budiman@unlam.ac.id
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA C4.5 DAN NAIVE BAYES UNTUK KETEPATAN PEMILIHAN KONSENTRASI MAHASISWA. Abstrak
PERBANDINGAN KINERJA ALGORITMA C4.5 DAN NAIVE BAYES UNTUK KETEPATAN PEMILIHAN KONSENTRASI MAHASISWA Wiwit Supriyanti 1), Kusrini 2), Armadyah Amborowati 3) STMIK AMIKOM Yogyakarta 1),2),3) Email : wiwitsupriyanti13@gmail.com
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 terperinciEducational Data Mining untuk Mengetahui Pola Minat Kerja Mahasiswa
Educational Data Mining untuk Mengetahui Pola Minat Kerja Mahasiswa Daniel Swanjaya 1, Abidatul Izzah 2 1,2 Universitas Nusantara PGRI Kediri Kontak Person: Daniel Swanjaya 1, Abidatul Izzah 2 1,2 Kampus
Lebih terperinciDIAGNOSA PREDIKSI PENYAKIT JANTUNG DENGAN MODEL ALGORITMA NAÏVE BAYES DAN ALGORITMA C4.5
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 7~12 7 DIAGNOSA PREDIKSI PENYAKIT JANTUNG DENGAN MODEL ALGORITMA NAÏVE BAYES DAN ALGORITMA C4.5 Tri Retnasari 1, Eva Rahmawati 2 1 STMIK
Lebih terperinciLillyan Hadjaratie Jurusan Teknik Informatika Universitas Negeri Gorontalo
PREDIKSI DAN PEMETAAN DATA MAHASISWA FAKULTAS TEKNIK UNIVERSITAS NEGERI GORONTALO MENGGUNAKAN PENDEKATAN DATA MINING PREDICTION AND DATA MAPPING of STUDENTS OF ENGINEERING FACULTY, UNIVERSITAS NEGERI GORONTALO
Lebih terperinciDATA MINING UNTUK REKOMENDASI KERJA BAGI ALUMI DENGAN ALGORITMA GARC(GAIN BASED ASSOCIATION RULE CLASSIFICTION)
DATA MINING UNTUK REKOMENDASI KERJA BAGI ALUMI DENGAN ALGORITMA GARC(GAIN BASED ASSOCIATION RULE CLASSIFICTION) Steffi Budi Fauziah¹, Shaufiah², Mahmud Dwi Suliiyo³ ¹Teknik Informatika,, Universitas Telkom
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 terperinciCLUSTERING UNTUK DATA KOMPETENSI WIDYAISWARA MENGGUNAKAN ALGORITMA KMEANS
CLUSTERING UNTUK DATA KOMPETENSI WIDYAISWARA MENGGUNAKAN ALGORITMA KMEANS Diana Triastuty, I Ketut Eddy Purnama, dan Surya Sumpeno Jurusan Teknik Elektro FTI, ITS, Surabaya Kampus ITS Keputih, Sukolilo,
Lebih terperinciPENERAPAN DATA MINING UNTUK RENCANA SUKSESI SUMBER DAYA MANUSIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR DI PT POS INDONESIA
PENERAPAN DATA MINING UNTUK RENCANA SUKSESI SUMBER DAYA MANUSIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR DI PT POS INDONESIA 1 Muhammad Hafiz Ardiansyah, 2 Wahyu Nurjaya WK 1 Program Studi Teknik Informatika,
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA KLASIFIKASI NAÏVE BAYESIAN, LAZY-IBK, ZERO-R, DAN DECISION TREE- J48
PERBANDINGAN KINERJA ALGORITMA KLASIFIKASI NAÏVE BAYESIAN, LAZY-IBK, ZERO-R, DAN DECISION TREE- J48 Sulidar Fitri Teknik Informatika STMIK AMIKOM Yogyakarta email : inboxfitri@gmail.com Abstraksi Penelitian
Lebih terperinciKLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING
KLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING Ari Kurniawan, Mochamad Hariadi S2 Teknik Elektro (Telematika), Institut Teknologi Sepuluh
Lebih terperinciPrediksi Kenaikan Rata-Rata Volume Perikanan Tangkap Dengan Teknik Data Mining
117 Prediksi Kenaikan Rata-Rata Volume Perikanan Tangkap Dengan Teknik Data Mining Anik Andriani AMIK BSI Yogyakarta E-Mail: anik.aai@bsi.ac.id Abstrak Peningkatan jumlah permintaan terhadap kebutuhan
Lebih terperinciKLASIFIKASI KARAKTERISTIK MAHASISWA UNIVERSITAS COKROAMINOTO PALOPO MENGGUNAKAN METODE NAÏVE BAYES DAN DECISION TREE. Yuli Hastuti
Jurnal Dinamika, September 2016, halaman 34-41 P-ISSN: 2087 7889 E-ISSN: 2503 4863 Vol. 07. No.2 KLASIFIKASI KARAKTERISTIK MAHASISWA UNIVERSITAS COKROAMINOTO PALOPO MENGGUNAKAN METODE NAÏVE BAYES DAN DECISION
Lebih terperinciPenerapan Metode KMeans dan Cobweb Terhadap Analisis Prestasi Akademik Mahasiswa yang Mengikuti Kegiatan Kemahasiswaan
Penerapan Metode KMeans dan Cobweb Terhadap Analisis Prestasi Akademik yang Mengikuti Kegiatan Kemahasiswaan Neil Casaandra Sudharmono 1, Mewati Ayub 2 Teknologi Informasi, Universitas Kristen Maranatha
Lebih terperinciIMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI DATA ULANG PENSIUN
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI DATA ULANG PENSIUN Wendi Wirasta, Novia Ervianti 2 Dosen Sistem Informasi, STMIK LPKIA Bandung 2 Program Studi Sistem Informasi, STMIK LPKIA Bandung
Lebih terperinciDATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA
DATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA Aseptian Nugraha, Acep Irham Gufroni, Rohmat Gunawan Teknik Informatika Fakultas
Lebih terperinciIMPLEMENTASI TEKNIK SELEKSI FITUR INFORMATION GAIN PADA ALGORITMA KLASIFIKASI MACHINE LEARNING UNTUK PREDIKSI PERFORMA AKADEMIK SISWA
IMPLEMENTASI TEKNIK SELEKSI FITUR INFORMATION GAIN PADA ALGORITMA KLASIFIKASI MACHINE LEARNING UNTUK PREDIKSI PERFORMA AKADEMIK SISWA Betha Nurina Sari 1) 1) Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciEvaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes (Studi Kasus: Fasilkom Unilak)
n 1 Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes (Studi Kasus: Fasilkom Unilak) Nurliana Nasution 1, Khairani Djahara 2, Ahmad Zamsuri 3 1,2,3 Program Studi Teknik Informatika
Lebih terperinciPenerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta)
Penerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta) Universitas Islam Negeri Syarif Hidayatullah Jakarta email: nurhayati@uinjkt.ac.id
Lebih terperinciPENGEMBANGAN SISTEM REKOMENDASI CALON PENERIMA BEASISWA DENGAN METODE NAIVE BAYES
JURNAL PENGEMBANGAN SISTEM REKOMENDASI CALON PENERIMA BEASISWA DENGAN METODE NAIVE BAYES Development of Recommendations of prospective scholarship recipients with Naive Bayes method Oleh: YOHAN ADITYA
Lebih terperinciKLASIFIKASI TINGKAT PENGETAHUAN IBU DALAM PEMBERIAN ASI EKSLUSIF DENGAN METODE DECISION TREE
KLASIFIKASI TINGKAT PENGETAHUAN IBU DALAM PEMBERIAN ASI EKSLUSIF DENGAN METODE DECISION TREE Finki Dona Marlenny 1) 1), Sistem Informasi STMIK Indonesia Banjarmasin Jl Pangeran Hidayatullah, Banjarmasin
Lebih terperinciDATA MINING UNTUK MENGANALISA PREDIKSI MAHASISWA BERPOTENSI NON-AKTIF MENGGUNAKAN METODE DECISION TREE C4.5
DATA MINING UNTUK MENGANALISA PREDIKSI MAHASISWA BERPOTENSI NON-AKTIF MENGGUNAKAN METODE DECISION TREE C4.5 Dwi Untari A11.2010.05410 Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas
Lebih terperinciStudent Clustering Based on Academic Using K-Means Algoritms
Student Clustering Based on Academic Using K-Means Algoritms Hironimus Leong, Shinta Estri Wahyuningrum Faculty of Computer Science, Faculty of Computer Science Unika Soegijapranata marlon.leong@gmail.com
Lebih terperinciCLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS
CLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS Muhammad Toha, 1), I Ketut Edy Purnama 2) dan Surya Sumpeno 3) 1) Bidang Keahlian Telematika (Konsentrasi CIO) Jurusan Teknik Elektro
Lebih terperinciPerbandingan 5 Algoritma Data Mining untuk Klasifikasi Data Peserta Didik
Perbandingan 5 Algoritma Data Mining untuk Klasifikasi Data Peserta Didik Imam Sutoyo AMIK BSI JAKARTA e-mail: imam.ity@bsi.ac.id Abstrak - Klasifikasi peserta didik merupakan kegiatan yang sangat penting
Lebih terperinciLEARNING ARTIFICIAL INTELLIGENT. Dr. Muljono, S.Si, M. Kom
LEARNING ARTIFICIAL INTELLIGENT Dr. Muljono, S.Si, M. Kom Outline Decision tree learning Jaringan Syaraf Tiruan K-Nearest Neighborhood Naïve Bayes Decision Tree Learning : Klasifikasi untuk penerimaan
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 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 terperinciKlasifikasi Penerima Bantuan Kredit Koperasi Dengan Metode ID3
JURNAL SISTEM DAN INFORMATIKA 67 Klasifikasi Penerima Bantuan Kredit Koperasi Dengan Metode ID3 Ida Bagus Suradarma, I Komang Dharmendra STMIK STIKOM BALI Jln. Raya Puputan Renon No. 86 Telp. (0361) 244445
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 651-659 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI TINGKAT KELANCARAN NASABAH DALAM MEMBAYAR PREMI
Lebih terperinciPREDIKSI KETEPATAN KELULUSAN MAHASISWA MENGGUNAKAN METODE DECISION TREE BERBASIS PARTICLE SWARM OPTIMATION (PSO)
PREDIKSI KETEPATAN KELULUSAN MAHASISWA MENGGUNAKAN METODE DECISION TREE BERBASIS PARTICLE SWARM OPTIMATION (PSO) Arif Rakhman Email : arif@limamedia.net D III Teknik Komputer Politeknik Harapan Bersama
Lebih terperinciJurnal Komputer Terapan Vol. 3, No. 2, November 2017, Jurnal Politeknik Caltex Riau
Jurnal Komputer Terapan Vol. 3, No. 2, November 2017, 233-240 233 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Prediksi Ketepatan Waktu Lulus Mahasiswa dengan k- Nearest Neighbor dan Naïve Bayes
Lebih terperinciCLUSTERING MOTIVASI BELAJAR SISWA ELEARNING BERBASIS ALGORITMA K-MEANS
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 379~383 379 CLUSTERING MOTIVASI BELAJAR SISWA ELEARNING BERBASIS ALGORITMA K-MEANS Sismadi AMIK BSI JAKARTA e-mail: sismadi.ssm@bsi.ac.id
Lebih terperinciBAB I PENDAHULUAN. terjadi kesalahan dalam proses tersebut, karena tidak didasari oleh suatu acuan tertulis
1 BAB I PENDAHULUAN 1.1 Latar Belakang Dalam bisnis Leasing, pemilihan keputusan penyetujuan suatu aplikasi merupakan hal mutlak dan bersifat sangat sensitif. Pada Umumnya, memang penyetujuan pengajuan
Lebih terperinciPENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI
PENGGUNAAN PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI Entin Martiana S.Kom,M.Kom, Nur Rosyid Mubtada i S. Kom, Edi Purnomo Jurusan Teknik Informatika
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 terperinciPERBANDINGAN ANALISIS KLASIFIKASI ANTARA DECISION TREE DAN SUPPORT VECTOR MACHINE MULTICLASS UNTUK PENENTUAN JURUSAN PADA SISWA SMA
PERBANDINGAN ANALISIS KLASIFIKASI ANTARA DECISION TREE DAN SUPPORT VECTOR MACHINE MULTICLASS UNTUK PENENTUAN JURUSAN PADA SISWA SMA (Studi Kasus Nilai Mata Pelajaran Pokok di SMA Negeri 1 Jepara) SKRIPSI
Lebih terperinciWEIGHT K-SUPPORT VECTOR NEAREST NEIGHBOR
WEIGHT K-SUPPORT VECTOR NEAREST NEIGHBOR Eko Prasetyo 1), Rifki Fahrial Zainal 2), Harunur Rosyid 3) 1), 2) Teknik Informatika Universitas Bhayangkara Surabaya Jl. A. Yani 114, Surabaya, 60231 3) Teknik
Lebih terperinciKLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION
KLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION Betrisandi betris.sin@gmail.com Universitas Ichsan Gorontalo Abstrak Pendapatan untuk perusahaan asuransi
Lebih terperinciPEMBENTUKAN MODEL KLASIFIKASI DATA LAMA STUDI MAHASISWA STMIK INDONESIA MENGGUNAKAN DECISION TREE DENGAN ALGORITMA NBTREE
PEMBENTUKAN MODEL KLASIFIKASI DATA LAMA STUDI MAHASISWA STMIK INDONESIA MENGGUNAKAN DECISION TREE DENGAN ALGORITMA NBTREE Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Program Studi Sistem Informasi, STMIK
Lebih terperinciProsiding SENTIA 2015 Politeknik Negeri Malang Volume 7 ISSN:
KLASIFIKASI TUGAS AKHIR UNTUK MENENTUKAN DOSEN PEMBIMBING MENGGUNAKAN NAÏVE BAYES CLASSIFIER (NBC) Putri Elfa Mas`udia 1 Politeknik Negeri Malang E-mail : putri.elfa@polinema.ac.id Abstrak Pemilihan dosen
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Fakultas
Lebih terperinciIMPLEMENTASI TEKNIK DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA PADA UNIVERSITAS BINA DARMA PALEMBANG
IMPLEMENTASI TEKNIK DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA PADA UNIVERSITAS BINA DARMA PALEMBANG Andri 1), Yesi Novaria Kunang 2), Sri Murniati 3) 1,2,3) Jurusan Sistem Informasi Universitas
Lebih terperinciBAB I PENDAHULUAN. sekarang, yang dipilah menjadi Jurusan Ilmu Pengetahuan Alam (IPA), Ilmu
BAB I PENDAHULUAN A. Latar Belakang Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal tahun 1945 sampai sekarang, yang dipilah menjadi
Lebih terperinciPENERAPAN METODE DECISION TREE ALGORITMA C4.5 UNTUK SELEKSI CALON PENERIMA BEASISWA TINGKAT UNIVERSITAS
9 PENERAPAN METODE DECISION TREE ALGORITMA C4.5 UNTUK SELEKSI CALON PENERIMA BEASISWA TINGKAT UNIVERSITAS Nadiya Hijriana 1) dan Muhammad Rasyidan 2) 1,2 Program Studi Teknik Informatika Universitas Islam
Lebih terperinciKajian Penerapan Radial Base Function (RBF) Dalam Mendeteksi Penyakit Tuberculosis (Tb)
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 303~307 303 Kajian Penerapan Radial Base Function (RBF) Dalam Mendeteksi Penyakit Tuberculosis (Tb) Derry Wiliandani AMIK BSI Karawang
Lebih terperinciKlasifikasi Berbasis Algoritma C4.5 untuk Deteksi Kenaikan Case Fatality Rate Demam Berdarah
Klasifikasi Berbasis Algoritma C4.5 untuk Deteksi Kenaikan Case Fatality Rate Demam Berdarah Anik Andriani Manajemen Informatika, AMIK BSI, Yogyakarta, Indonesia anik.aai@bsi.ac.id Abstract Extraordinary
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 terperinciProses Data Mining dalam Sistem Pembelajaran Berbantuan Komputer
Proses Data Mining dalam Sistem Pembelajaran Berbantuan Komputer Mewati Ayub Jurusan Teknik Informatika, Fakultas Teknologi Informasi Universitas Kristen Maranatha, Bandung Email : mewati.ayub@eng.maranatha.edu
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 terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : D22.5411 / Healthcare Datamng Revisi 1 Satuan Kredit Semester : 2 sks Tgl revisi : 1 Agustus 2014 Jml Jam kuliah dalam seminggu
Lebih terperinciBAB I PENDAHULUAN. Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) adalah salah
BAB I PENDAHULUAN 1.1 Latar Belakang Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) adalah salah satu bentuk ujian yang diselenggarakan oleh pemerintah. Dilaksanakan serentak dan terpadu di seluruh
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 terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : 56601 / Data Warehouse dan Data Mng Revisi 1 Satuan Kredit Semester : 3 sks Tgl revisi : 1 September 2014 Jml Jam kuliah
Lebih terperinciPERBANDINGAN 3 METODE DALAM DATA MINING UNTUK PREDIKSI PENERIMA BEASISWA BERDASARKAN PRESTASI DI SMA NEGERI 6 SURAKARTA
PERBANDINGAN 3 METODE DALAM DATA MINING UNTUK PREDIKSI PENERIMA BEASISWA BERDASARKAN PRESTASI DI SMA NEGERI 6 SURAKARTA Naskah Publikasi Program Studi Informatika Fakultas Komunikasi dan Informatika Oleh
Lebih terperinciANALISIS DAN PENERAPAN ALGORITMA C4.5 DALAM DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA BERDASARKAN DATA NILAI AKADEMIK
ANALISIS DAN PENERAPAN ALGORITMA C4.5 DALAM DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA BERDASARKAN DATA NILAI AKADEMIK Selvia Lorena Br Ginting 1, Wendi Zarman 2, Ida Hamidah 3 1,2,3 Jurusan Teknik
Lebih terperinci