BAB I PENDAHULUAN. 1.1 Latar Belakang
|
|
- Glenna Hadiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 baik dalam lingkup pribadi maupun negara dan dunia. Salah satu jenis pendidikan yang dapat diikuti adalah pendidikan formal, yaitu pendidikan yang memiliki karakteristik berlangsung secara teratur, bertingkat, mengikuti syarat-syarat tertentu secara ketat, dan berlangsung di sekolah [1]. Sebagian besar pendidikan formal masih menggunakan format kelas konvensional sebagai tempat berlangsungnya proses belajar mengajar dan penyampaian ilmu dari pendidik kepada peserta didik. Prestasi belajar merupakan hasil keluaran dari proses belajar mengajar. Prestasi atau hasil belajar (achievement) dapat diartikan sebagai kesempurnaan yang dicapai seseorang dalam berpikir, merasa, dan berbuat. Prestasi belajar dikatakan sempurna apabila memenuhi tiga aspek yakni: kognitif (pengetahuan), afektif (sikap), dan psikomotor (ketrampilan) [2]. Pendapat lain menyatakan prestasi belajar merupakan realisasi dari kecakapan-kecakapan potensial atau kapasitas yang dimiliki seseorang. Penguasaan hasil belajar dapat dilihat dari perilakunya, yaitu dalam bentuk penguasaan pengetahuan, ketrampilan berpikir maupun ketrampilan motorik. Di sekolah, hasil belajar atau prestasi belajar ini dapat dilihat dari penguasaan peserta didik akan mata pelajaran yang telah ditempuhnya [3]. Dalam suatu tingkat pendidikan formal, pengukuran prestasi belajar dilakukan untuk menentukan kondisi peserta didik dan kesiapannya menuju tingkat selanjutnya. Selain evaluasi prestasi belajar para peserta didik, institusi pendidikan yang profesional harus memasukkan kepuasan peserta didik sebagai keluaran proses pendidikan [4]. Kepuasan peserta didik merupakan suatu sikap positif terhadap pelayanan proses belajar mengajar yang dilaksanakan oleh pendidik 1
2 2 karena adanya kesesuaian antara apa yang diharapkan dan dibutuhkan (ekspektasi peserta didik) dengan kenyataan yang diterimanya. Dengan demikian, kepuasan dapat dirumuskan sebagai fungsi dari layanan yang diterima dengan ekpektasi terhadap kondisi, dan kepuasan berbanding lurus dengan ekspektasi dan layanan [5]. Kinerja pendidik adalah salah satu faktor yang mempengaruhi kepuasan peserta didik. Evaluasi kinerja pendidik merupakan salah satu langkah untuk meninjau sejauh mana peran pendidik bagi peserta didik dan mengetahui karakteristik pendidik yang mempengaruhi kepuasan peserta didik. Evaluasi kinerja pendidik dapat dilakukan dengan berbagai macam cara. Institusi pendidikan atau dinas berwenang menetapkan standar kinerja pendidik yang harus dipatuhi dan dilaksanakan oleh tiap pendidik. Evaluasi dapat pula berasal dari pihak yang terlibat langsung dengan pendidik, misalnya peserta didik. Peserta didik dapat dijadikan responden dalam menilai kinerja pendidik diantaranya karena peserta didik berhubungan langsung dengan sejumlah pendidik, menjadi pihak yang terkena dampak langsung dari pendidik, memiliki pandangan dan perasaan yang unik dalam menilai sekitarnya, serta cenderung jujur dalam memberikan informasi [6]. Informasi mengenai karakteristik spesifik pendidik yang dibutuhkan peserta didik diharapkan dapat meningkatkan kepuasan peserta didik terhadap mata kuliah yang bersangkutan dan pada akhirnya membantu meningkatkan prestasi belajarnya. Salah satu contoh dataset yang berisi poin-poin evaluasi kinerja dosen (pendidik di perguruan tinggi) oleh mahasiswa (peserta didik di perguran tinggi) adalah dataset evaluasi mata kuliah di Gazi University, Turki [7]. Permasalahan dalam dataset yang berasal dari jawaban kuesioner khususnya di dunia pendidikan biasanya berkisar pada besarnya dimensi dataset dan belum terkelompokannya poin-poin dalam dataset. Besarnya dimensi dataset terjadi pada dataset evaluasi mata kuliah oleh mahasiswa Gazi University. Dataset ini terdiri dari 5280 instance dengan 28 atribut. Atribut ini terpecah menjadi 2 bagian, yaitu 12 atribut yang menunjukkan tingkat kepuasan mahasiswa dalam mengikuti mata kuliah dan
3 3 16 atribut lainnya yang berisi jawaban mahasiswa mengenai poin-poin yang menunjukkan evaluasi kinerja dosen (pendidik di perguruan tinggi). Kedua bagian dalam dataset ini belum dapat terpetakan dengan baik. Selain itu, tingkat kepuasan mahasiswa dalam mengikuti mata kuliah masih berasal dari 12 atribut jawaban pertanyaan siswa dan belum terkelompokkan menjadi suatu kesatuan yang dapat dievaluasi lebih lanjut [8]. Data mining dapat digunakan untuk mengolah dan mengevaluasi dataset, meskipun penggunaannya dalam dunia pendidikan belum optimal. Dataset evaluasi mata kuliah yang terdiri dari evaluasi mengenai kondisi kepuasan mahasiswa dan evaluasi kinerja dosen oleh mahasiswa dapat diolah menggunakan metode data mining [8]. Pada penelitian ini, digunakan metode seleksi atribut, clustering, dan klasifikasi yang merupakan bagian dari data mining untuk melakukan pemetaan evaluasi kinerja dosen oleh mahasiswa terhadap tingkat kepuasan mahasiswa dalam mengikuti mata kuliah. Pendalaman mengenai kondisi ini diharapkan dapat menjadi saran bagi institusi pendidikan pada umumnya dan dosen yang bersangkutan pada khususnya untuk meningkatkan prestasi belajar mahasiswa. 1.2 Perumusan Masalah Masalah yang dapat dirumuskan berdasarkan penjelasan latar belakang adalah sebagai berikut. 1. Masih belum optimalnya evaluasi kinerja dosen oleh mahasiswa dengan memanfaatkan metode data mining sebagai salah satu cara untuk meningkatkan prestasi belajar mahasiswa. 2. Besarnya dimensi dataset evaluasi mata kuliah khususnya pada bagian jawaban evaluasi kinerja dosen oleh mahasiswa. 3. Belum terkelompokannya beberapa atribut yang menyatakan kondisi kepuasan mahasiswa terhadap mata kuliah ke dalam suatu class attribute tingkat kepuasan mahasiswa. 4. Masih belum terpetakannya hubungan antara atribut masukan evaluasi
4 4 kinerja dosen oleh mahasiswa dengan class attribute yang menunjukkan tingkat kepuasan mahasiswa dalam mengikuti mata kuliah. 1.3 Keaslian Penelitian Penggunaan data mining di dunia pendidikan sudah banyak dilakukan untuk berbagai keperluan, diantaranya untuk menentukan faktor yang mempengaruhi kesuksesan siswa. Berbagai penyesuaian dan pengembangan metode dilakukan untuk menghasilkan model dengan tingkat kesalahan yang minimal sehingga dapat merepresentasikan kondisi yang sebenarnya dan dapat menarik kesimpulan yang tepat. Penelitian untuk mengetahui pengaruh faktor internal seperti intelegensi, minat, bakat, dan motivasi siswa menggunakan neuro fuzzy sebagai metode klasifikasi. Hasil penelitian menunjukkan, faktor minat, bakat, dan motivasi berpengaruh signifikan untuk menentukan klasifikasi kemampuan dasar siswa [9]. Algoritme decision tree seperti C4.5, Iterative Dichotomiser 3 (ID3), dan Classification and Regression Trees (CART) digunakan untuk memprediksi hasil ujian siswa dan mengidentifikasi siswa yang diprediksi gagal. Atribut yang digunakan merupakan perpaduan faktor internal dan eksternal siswa, diantaranya jenis kelamin, nilai siswa pada tingkatan sekolah sebelumnya, dan berbagai aspek pendukung seperti kondisi kelas dan keluarga. Dalam penelitian ini, C4.5 keluar sebagai algoritme yang paling efektif untuk digunakan dalam proses klasifikasi siswa [10]. Perbandingan berbagai macam algoritme dilakukan untuk mendapatkan klasifikasi siswa yang dapat digunakan sebagai prediksi kesuksesan belajar siswa. Atribut yang digunakan adalah faktor internal dan faktor eksternal yang meliputi kondisi keluarga dan sosial. Seleksi atribut menempatkan tingkatan pendidikan, pekerjaan ibu, intensitas bepergian bersama teman, dan jumlah absen dalam mengikuti kelas sebagai faktor yang paling berpengaruh terhadap kesuksesan belajar siswa. Proses klasifikasi dilakukan dengan membandingkan berbagai metode, diantaranya Naive Bayes, neural network, random forest, Support Vector
5 5 Machine (SVM) dan decision tree, dengan Naive Bayes dan decision tree sebagai algoritme dengan tingkat akurasi terbaik [11]. Media e-learning selain digunakan sebagai sarana bagi pendidik untuk menyampaikan informasi dan memberikan serangkaian kuis dan tugas juga dapat digunakan sebagai dasar untuk melakukan klasifikasi siswa. Data yang diperoleh dari e-learning seperti jumlah kuis dan tugas yang berhasil diselesaikan siswa, waktu yang dibutuhkan untuk mengerjakan tugas dan kuis, waktu yang dihabiskan dalam memantau e-learning, jumlah pesan yang dibaca dan dikirim dalam forum dapat menjadi pedoman untuk memprediksi kesuksesan belajar siswa. Berbagai macam metode digunakan untuk mengolah data tersebut, diantaranya metode statistik klasik, decision tree (C4.5 dan CART), rule induction, aturan fuzzy dan neural network. Hasil pengolahan diantaranya menunjukkan bahwa metode decision tree seperti C4.5 dan CART adalah metode yang sederhana dan mudah diterapkan, serta menghasilkan akurasi yang cukup baik [12]. Penggunaan seleksi atribut dalam reduksi atribut untuk klasifikasi tingkah laku buruk siswa institut kejuruan dapat meningkatkan akurasi hasil klasifikasi. Algoritme klasifikasi C4.5 dengan CFS (Correlation-based Feature Selection) sebagai metode seleksi atribut menghasilkan nilai akurasi tertinggi, meskipun perhitungan nilai F-Measure lebih lanjut menempatkan Bayesian Network dengan Wrapper sebagai metode terbaik untuk melakukan klasifikasi dan seleksi atribut. Atribut yang berpengaruh besar terhadap klasifikasi siswa berdasarkan tingkah laku buruknya diantaranya jenis kelamin, waktu belajar, nilai pada tingkatan sekolah sebelumnya, kondisi kesehatan, provinsi asal, tanggal lahir, jumlah absen, jumlah izin sakit, dan nilai sejarah [13]. Seleksi atribut juga digunakan untuk memprediksi prestasi belajar siswa (gagal atau berhasil) di Tamil Nadu, India. Sebanyak 32 atribut meliputi kondisi demografis, keluarga, sosial ekonomi, lingkungan, dan prestasi di tingkatan sekolah sebelumnya digunakan dalam penelitian ini. Nilai Receiver Operating Characteristics (ROC) dan F-Measure digunakan untuk mengevaluasi performa model. Hasil penelitian menunjukkan, evaluasi dengan nilai ROC menghasilkan
6 6 subset atribut yang lebih sedikit dibandingkan dengan F-Measure. Dengan nilai yang sama, subset yang memiliki jumlah atribut lebih sedikit akan dipilih sebagai yang lebih baik. Nilai ROC menunjukkan Information Gain sebagai metode seleksi atribut terbaik, dengan Voted Perceptron dan OneR sebagai metode klasifikasi terbaik [14]. Penelitian dengan dataset evaluasi kinerja pendidik oleh 5820 mahasiswa Gazi University dilakukan dengan metode statistik, clustering, dan klasifikasi. Metode statistik digunakan untuk melihat hubungan antara tingkat kesungguhan mahasiswa terhadap mata kuliah dengan peran dosen yang direpresentasikan dalam jawaban-jawaban dalam kuesioner tentang evaluasi dosen. Proses clustering dilakukan untuk mengelompokkan siswa menjadi tiga kategori berdasarkan tingkat kepuasan, kemudian metode statistik dan klasifikasi dilakukan untuk mengetahui hubungan antara jawaban-jawaban yang diberikan dalam kuesioner dengan tingkat kedatangan, tingkat kesulitan mata kuliah, dan tingkat kepuasan mahasiswa terhadap mata kuliah. Metode statistik menempatkan empat pertanyaan sebagai atribut yang paling mempengaruhi tingkat kedatangan mahasiswa dan tingkat kesulitan mata kuliah, yaitu ekspektasi siswa terhadap mata kuliah, dosen datang mempersiapkan kelas, dosen menjelaskan mata kuliah dan dapat membantu mahasiswa, serta dosen memberikan tugas dan proyek yang relevan dan membantu mahasiswa. Proses klasifikasi dengan decision tree mengerucutkan atribut menjadi dua, yaitu ekspektasi siswa terhadap mata kuliah dan dosen menjelaskan mata kuliah dan dapat membantu mahasiswa [8]. Berdasarkan penelitian sebelumnya, penelitian ini mengolah hasil kuesioner yang diberikan kepada 5820 mahasiswa Gazi University [7]. Atribut masukan yang digunakan adalah 16 pertanyaan yang menggambarkan evaluasi kinerja dosen oleh mahasiswa. Atribut masukan ini dipetakan terhadap atribut keluaran yang terdiri dari 12 pertanyaan tentang tingkat kepuasan mahasiswa terhadap kuliah yang diikutinya. Proses clustering dengan metode Simple K- Means dan EM (Expectation Maximation) dilakukan untuk membagi mahasiswa menjadi 3 kategori tingkat kepuasan terhadap mata kuliah. Proses seleksi atribut
7 7 untuk mencari kombinasi atribut masukan terbaik yang dapat menunjukkan peran dosen terhadap tingkat kepuasan mahasiswa dalam mengikuti mata kuliah dilakukan menggunakan CFS, Wrapper, Gain Ratio, dan RELIEF. Algoritme C4.5 digunakan sebagai dasar klasifikasi untuk melihat pengaruh atribut masukan terhadap tingkat kepuasan mahasiswa dalam mengikuti mata kuliah. WEKA Data Mining Tools digunakan untuk pengolahan dataset tersebut. 1.4 Tujuan Penelitian Tujuan diadakan penelitian ini adalah sebagai berikut. 1. Mendapatkan kombinasi atribut masukan evaluasi kinerja dosen oleh mahasiswa yang berpengaruh signifikan terhadap kepuasan mahasiswa dalam mengikuti mata kuliah di Gazi University. 2. Menentukan metode clustering yang tepat untuk memetakan atribut kondisi kepuasan mahasiswa dalam mengikuti mata kuliah menjadi class attribute. 3. Menentukan metode seleksi atribut yang tepat untuk mereduksi atribut masukan yang berupa evaluasi kinerja dosen oleh mahasiswa. 4. Menentukan metode klasifikasi siswa yang tepat untuk memetakan hubungan antara atribut masukan evaluasi kinerja dosen oleh mahasiswa dengan class attribute berupa tingkat kepuasan mahasiswa dalam mengikuti mata kuliah. 1.5 Manfaat Penelitian Manfaat dari penelitian ini adalah agar institusi pendidikan mendapatkan informasi mengenai evaluasi mata kuliah, evaluasi kinerja dosen, dan tingkat kepuasan mahasiswa dalam mengikuti mata kuliah. Informasi mengenai hal ini dapat dijadikan bahan pertimbangan untuk pengambilan keputusan lebih lanjut baik terhadap dosen yang bersangkutan maupun keseluruhan dosen, juga terhadap mahasiswa secara umum.
BAB 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN Bab ini menguraikan penjelasan umum mengenai tugas akhir yang dikerjakan. Penjelasan tersebut meliputi latar belakang masalah, tujuan tugas akhir, lingkup tugas akhir, metodologi yang
Lebih terperinciBAB 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 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. manusia karena faktor ini mampu mengarahkan dan menunjukkan kualitas hidup
1 BAB I PENDAHULUAN 1.1. Latar Belakang Pendidikan merupakan salah satu faktor utama dalam hidup seorang manusia karena faktor ini mampu mengarahkan dan menunjukkan kualitas hidup setiap orang. Namun keberadaan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
1.1 Latar belakang BAB I PENDAHULUAN Paru-paru adalah organ penting yang merupakan salah satu organ vital bagi kehidupan manusia. Organ ini memiliki peranan pada sistem pernapasan, karena dapat memenuhi
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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Setiap siswa di dalam kelas memiliki karakteristik diri yang berbeda beda, seperti : jujur, empati, sopan, menghargai dan sebagainya. Karakteristik diri tersebut berperan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jantung adalah organ dalam tubuh manusia yang memiliki peran penting pada sistem peredaran darah. Jantung merupakan pompa paling efisien dan tahan lama yang dikenal
Lebih terperinciBAB II TINJAUAN PUSTAKA. mengenai penelitian terdahulu, tentang prediksi lama masa studi mahasiswa,
BAB II TINJAUAN PUSTAKA 2.1 Terdahulu Dalam penelitian ini, peneliti juga menyertakan beberapa uraian singkat mengenai penelitian terdahulu, tentang prediksi lama masa studi mahasiswa, klasifikasi, metode
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 terperinciData Mining II Estimasi
Data Mining II Estimasi Matakuliah Data warehouse Universitas Darma Persada Oleh: Adam AB Data Mining-2012-a@b 1 Tahapan proses datamining Input (Data) Metode (Algoritma Data Mining) Output (Pola/Model/
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 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 terperinciBABI PENDAHULUAN. 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Kanker payudara adalah jenis kanker yang dimulai pada sel-sel payudara sebagai sekelompok sel kanker, yang kemudian dapat menyerang jaringan di sekitarnya atau menyebar
Lebih terperinciTINJAUAN PUSTAKA. Definisi Data Mining
TINJAUAN PUSTAKA Definisi Data Mining Sistem Manajemen Basis Data tingkat lanjut dan teknologi data warehousing mampu untuk mengumpulkan banjir data dan untuk mentransformasikannya ke dalam basis data
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Data Mining 2.1.1 Pengertian Data Mining 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 Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam
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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1.1 Data Mining Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi
Lebih terperinciBAB 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 terperinciANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT SKRIPSI. Oleh :
ANALISIS PERBANDINGAN ALGORITMA DECISION TREE J48 DAN NAÏVE BAYES DALAM MENGKLASIFIKASIKAN POLA PENYAKIT SKRIPSI Oleh : Frista Yulianora 1401128832 Muchammad Hasbi Latif 1401136065 Rika Jubel Febriana
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 terperinciData Mining Outline BAB I Pendahuluan. Proses Data Mining. Recap
Data Mining Outline BAB I Pendahuluan BAB II Data BAB III Algoritma Klasifikasi BAB IV Algoritma Klastering BAB V Algoritma Asosiasi BAB VI Algoritma Estimasi BAB VII Deteksi Anomali Ricky Maulana Fajri
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
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 terperinciPenerapan Data Mining Untuk Menampilkan Informasi Pertumbuhan Berat Badan Ideal Balita dengan Menggunakan Metode Naive Bayes Classifier
Penerapan Data Mining Untuk Menampilkan Informasi Pertumbuhan Berat Badan Ideal Balita dengan Menggunakan Metode Naive Bayes Classifier Octia Nuraeni 55410244 Teknik Informatika Pembimbing : Dr. Riza Adrianti
Lebih terperinciABSTRAK. Keywords : Data Mining, Filter, Data Pre-Processing, Association, Classification, Deskriptif, Prediktif, Data Mahasiswa.
ABSTRAK Kemajuan teknologi membuat begitu mudahnya dalam pengolahan suatu informasi. Waktu tidak lagi menjadi hambatan dalam pengolahan data yang sangat banyak. Hal ini didukung pula dengan adanya perkembangan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI penelitian. Pada bab ini akan dibahas literatur dan landasan teori yang relevan dengan 2.1 Tinjauan Pustaka Kombinasi metode telah dilakukan oleh beberapa peneliti
Lebih 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 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 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 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 Education data mining merupakan penelitian didasarkan data di dunia pendidikan untuk menggali dan memperoleh informasi tersembunyi dari data yang ada. Pemanfaatan education
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pendidikan merupakan salah satu aspek penting di dalam kehidupan. Oleh karena itu, pendidikan mendapat perhatian besar dalam kehidupan masyarakat dan negara. Pendidikan
Lebih terperinciJurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017 50 APLIKASI KLASIFIKASI ALGORITMA C4.5 (STUDI KASUS MASA STUDI MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Selain sebagai media komunikasi, Twitter memberikan akses bagi pihak ketiga yang ingin mengembangkan aplikasi yang memanfaatkan layanannya melalui Twitter API. Salah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Data yang digunakan pada penelitian ini merupakan data sentimen dari pengguna aplikasi android yang memberikan komentarnya pada fasilitas user review
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Secara sederhana data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Data mining
Lebih terperinciBAB II TINJAUAN PUSTAKA 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 terperinciTabel 1.1 Pertumbuhan Panjang Jalan dan Jumlah Kendaraan
BAB I PENDAHULUAN Sebagai negara berkembang, perekonomian Indonesia didorong untuk tumbuh dengan pesat. Salah satu indikator pertumbuhan perekonomian yang baik adalah tingginya daya beli masyarakat. Tingginya
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 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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit Kanker merupakan suatu peyakit yang paling ditakuti oleh masyakat karena proses penyembuhannya yang sulit, efek yang ditimbulkan dan memerlukan biaya yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Di dalam landasan teori ini, akan dibahas tentang teori teori dan konsep dasar yang mendukung pembahasan dari sistem yang akan dibuat. 2.1 Basis Data (Database) Basis data diperlukan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
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
Lebih terperinciImplementasi dan Analisa Granular Support Vector Machine with Data Cleaning (GSVM-DC) untuk Spam Filtering
Implementasi dan Analisa Granular Support Vector Machine with Data Cleaning (GSVM-DC) untuk E-mail Spam Filtering Proposal Tugas Akhir KBK: Rekayasa Perangkat Lunak dan Data (RPLD) Moh. Mahsus 113060088
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 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 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 terperinciKonsep Data Mining. Klasifikasi : Pohon Keputusan. Bertalya Universitas Gunadarma 2009
Konsep Data Mining Klasifikasi : Pohon Keputusan Bertalya Universitas Gunadarma 2009 Definisi Klasifikasi Proses untuk menyatakan suatu objek ke salah satu kategori yg sudah didefinisikan sebelumnya. Proses
Lebih terperinciBAB I PENDAHULUAN. jurusan ditentukan berdasarkan standar kriteria tiap jurusan.
BAB I PENDAHULUAN 1.1 Latar Belakang Pratiwi (2014) berpendapat Sekolah Menengah Atas (SMA) merupakan suatu instansi pendidikan yang di dalamnya terdapat proses pengambilan keputusan jurusan siswa kelas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penambangan Data (Data Mining) Pengertian data mining, berdasarkan beberapa orang: 1. Data mining (penambangan data) adalah suatu proses untuk menemukan suatu pengetahuan atau
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5
PENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5 Annisak Izzaty Jamhur Universitas Putera Indonesia YPTK Padang e-mail: annisakizzaty@yahoo.com Abstract
Lebih terperinci2. Tahapan Penelitian pemahaman merupakan awal proses penelitian
Metodologi Penelitian Rudi Susanto rudist87@gmail.com 086547296211 2. Tahapan Penelitian pemahaman merupakan awal proses penelitian Course Outline 1. Pengantar Penelitian 2. Tahapan Penelitian 3. Masalah
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 terperinci1. Model Prediksi Ini Menggunakan Tools RapidMiner
1. Model Prediksi Ini Menggunakan Tools RapidMiner RapidMiner memiliki keunggulan tersendiri, RapidMiner merupakan aplikasi data mining berbasis sistem open-source dunia yang terkemuka dan ternama. Tersedia
Lebih terperinciBAB I 1 PENDAHULUAN. atas sekelompok vertebra, invertebrate discs, saraf, otot, medulla, dan sendi
BAB I 1 PENDAHULUAN 1.1 Latar Belakang Tulang punggung merupakan bagian dari tulang belakang yang tersusun atas sekelompok vertebra, invertebrate discs, saraf, otot, medulla, dan sendi (Berthonnaud et
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Saat ini pendidikan di Indonesia semakin berkembang. Banyaknya
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini pendidikan di Indonesia semakin berkembang. Banyaknya pembangunan gedung sekolah maupun perguruan tinggi menjadi tanda berkembangnya pendidikan. Jumlah pendaftar
Lebih terperinciBAB 2 TELAAH PUSTAKA
BAB 2 TELAAH PUSTAKA Pada bab ini akan dipaparkan mengenai deskripsi data mining secara umum dan landasan teori dari algoritma data mining yang digunakan pada FIKUI Mining. Selain itu, juga akan dijelaskan
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 terperinciPERBANDINGAN KINERJA ALGORITMA ID3 DAN C4.5 DALAM KLASIFIKASI SPAM-MAIL
PERBANDINGAN KINERJA ALGORITMA DAN DALAM KLASIFIKASI SPAM-MAIL Sofi Defiyanti Jurusan Sistem Informasi Universitas Gunadarma D. L. Crispina Pardede Sistem Komputer Universitas Gunadarma pardede@staff.gunadarma.ac.id
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 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. memberikan dampak yang luas dalam bagaimana manusia menjalani hidupnya.
BAB I PENDAHULUAN 1. 1.1. Latar Belakang Perkembangan infrastruktur dan penggunaan teknologi informasi memberikan dampak yang luas dalam bagaimana manusia menjalani hidupnya. Salah satunya adalah perolehan
Lebih terperinciBAB I PENDAHULUAN. dihindarkan dari kehidupan bermasyarakat di dunia tidak terkecuali di
BAB I PENDAHULUAN 1.1. Latar Belakang Salah satu faktor penyebab seorang siswa tidak bisa melanjutkan pendidikan di sekolah menengah atas adalah kemiskinan. Hal ini tidak bisa dihindarkan dari kehidupan
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 terperinciData Mining Pengklasifikasian: Konsep Dasar, Pohon Keputusan, and Evaluasi Model. Pengklasifikasian: Definisi. Catatan Kuliah untuk Bab 4
Data Mining Pengklasifikasian: Konsep Dasar, Pohon Keputusan, and Evaluasi Catatan Kuliah untuk Bab 4 Pengantar Data Mining oleh Tan, Steinbach, Kumar dialihbahasakan oleh Tim Pengajar Konsep Data Mining
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi khususnya di bidang komputer sudah sangat berkembang dengan sangat pesat dan memiliki manfaat yang sangat besar di dalam kehidupan manusia. Oleh karena
Lebih terperinciBAB II TINJAUAN PUSTAKA Indeks Prestasi Kumulatif dan Lama Studi. menggunakan dokumen/format resmi hasil penilaian studi mahasiswa yang sudah
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Indeks Prestasi Kumulatif dan Lama Studi Mahasiswa yang telah menyelesaikan keseluruhan beban program studi yang telah ditetapkan dapat dipertimbangkan
Lebih terperinciKecerdasan Buatan Materi 6. Iterative Dichotomizer Three (ID3)
Kecerdasan Buatan Materi 6 Iterative Dichotomizer Three (ID3) Pengertian ID3 Singkatan dari Iterative Dichotomiser Three. Atau Induction of Decision Tree. Diperkenalkan pertama kali oleh Ross Quinlan (1979)
Lebih terperinciPROSIDING ISSN:
PM-19 PREDIKSI PERFORMA AKADEMIK SISWA PADA PELAJARAN MATEMATIKA MENGGUNAKAN BAYESIAN NETWORKS DAN ALGORITMA KLASIFIKASI MACHINE LEARNING Betha Nurina Sari Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciPENENTUAN PENERIMAAN SISWA BARU MENGGUNAKAN DECISION TREE
PENENTUAN PENERIMAAN SISWA BARU MENGGUNAKAN DECISION TREE 1 Fitroh Rizky Muwardah, 2 Ricardus Anggi Pramunendar, M.Cs Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro,
Lebih terperinciData Mining. Pengenalan Sistem & Teknik, Serta Contoh Aplikasi. Avinanta Tarigan. 22 Nov Avinanta Tarigan Data Mining
Data Mining Pengenalan Sistem & Teknik, Serta Contoh Aplikasi Avinanta Tarigan 22 Nov 2008 1 Avinanta Tarigan Data Mining Outline 1 Pengertian Dasar 2 Classification Mining 3 Association Mining 4 Clustering
Lebih terperinciBAB I 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 terperinciSeleksi Atribut Menggunakan Information Gain Untuk Clustering Penduduk Miskin Dengan Validity Index Xie Beni
1 Seleksi Atribut Menggunakan Information Gain Untuk Clustering Penduduk Miskin Dengan Validity Index Xie Beni Femi Dwi Astuti Program Studi Teknik Informatika STMIK AKAKOM femi@akakom.ac.id Abstrak -
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Pada proses penelitian ini dilakukan beberapa tahapan mulai dari tahap awal yaitu tahap inisiasi, pengembangan model, dan tahap terakhir pengembangan prototipe. Dalam tahapan inisiasi
Lebih terperinciPERBANDINGAN AKURASI KLASIFIKASI DARI ALGORITMA NAIVE BAYES, C4.5, DAN ONER (1R)
Arifin, Perbandingan Akurasi Klasifikasi Dari Algoritma Naïve Bayes, C4.5, PERBANDINGAN AKURASI KLASIFIKASI DARI ALGORITMA NAIVE BAYES, C4.5, DAN ONER (1R) M Zainal Arifin Abstrak : Artikel ini menjabarkan
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER
RENCANA PEMBELAJARAN SEMESTER Mata Kuliah Big Data and Data Analytics Semester Tujuh Kode SMXXXXXX Prodi MBTI Dosen Andry Alamsyah SKS 4 Capaian Pembelajaran 1. Memahami fenomena, framework, peluang dan
Lebih terperinciANALISIS PERFORMA ALGORITME WEIGHTED NAIVE BAYES CLASSIFIER. Abstrak
ANALISIS PERFORMA ALGORITME WEIGHTED NAIVE BAYES CLASSIFIER Burhan Alfironi Muktamar Program Studi Teknik Informatika STMIK Jenderal Achmad Yani burhanalfironimuktamar@gmail.com Abstrak Naïve Bayes Classifier
Lebih terperinciKLASIFIKASI PADA TEXT MINING
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 KLASIFIKASI PADA TEXT MINING Budi Susanto Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami konsep dasar sistem klasifikasi Memahami beberapa
Lebih terperinciBAB I PENDAHULUAN. untuk bisa mengeluarkan pendapat dan ekspresi secara bebas. Itu artinya perusahaan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pesatnya perkembangan media sosial menawarkan pengguna kesempatan untuk bisa mengeluarkan pendapat dan ekspresi secara bebas. Itu artinya perusahaan tidak lagi memiliki
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 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 terperinciUKDW. BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penerimaan mahasiswa baru merupakan proses yang selalu dilakukan setiap tahunnya oleh Universitas Kristen Duta Wacana Yogyakarta (UKDW). Mahasiswa baru merupakan mahasiswa
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang pesat mempermudah akses terhadap informasi tekstual yang sangat besar jumlahnya, baik yang terdapat pada Internet maupun pada koleksi dokumen
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis sentimen merupakan proses dalam mengolah, memahami, dan mengekstrak data dalam bentuk teks terhadap suatu topik, kejadian ataupun individu untuk mendapatkan
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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Bencana kebakaran dapat terjadi dimana saja dan kapan saja, misalkan terjadi di area tempat tinggal, di tambang atau di hutan. Untuk kebakaran hutan, kerugian yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Saham 2.1.1 Pengenalan Saham Saham adalah surat berharga yang merupakan tanda kepemilikan seseorang atau badan usaha terhadap suatu perusahaan (Athanasius, 2012). 2.1.2 Pengenalan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peminatan siswa SMA Negeri 8 Bandung dilakukan di kelas X SMA setelah tahap daftar ulang. Hal tersebut berdasarkan aturan kurikulum 2013 [11]. Peminatan merupakan hal
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4A3 Pembelajaran Mesin Disusun oleh: Agung Toto Wibowo Said Al Faraby PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN
Lebih terperinci2. Tahapan Penelitian
1 Course Outline 1. Pengantar Penelitian 2. Tahapan Penelitian 3. Masalah Penelitian 4. Literature Review 5. Struktur Penulisan Tesis 6. Kesalahan Penulisan Tesis 7. Metode Eksperimen 8. Pengujian Tesis
Lebih terperinciANALISIS PERBANDINGAN IMPLEMENTASI KERNEL PADA LIBRARY LibSVM UNTUK KLASIFIKASI SENTIMEN MENGGUNAKAN WEKA
ANALISIS PERBANDINGAN IMPLEMENTASI KERNEL PADA LIBRARY LibSVM UNTUK KLASIFIKASI SENTIMEN MENGGUNAKAN WEKA Prawidya Destarianto 1, Wahyu Kurnia Dewanto 2, Hermawan Arief Putranto 3 1,2,3 Jurusan, Teknologi
Lebih terperinciPREDIKSI NILAI PROYEK AKHIR MAHASISWA MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING
Seminar Nasional Sistem Informasi Indonesia, 2-4 Nopember 2015 PREDIKSI NILAI PROYEK AKHIR MAHASISWA MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING Paramita Mayadewi 1), Ely Rosely 2) 1,2 D3 Manajemen Informatika,
Lebih terperinci2. Data & Proses Datamining
2. Data & Proses Datamining Data 1. Input (Dataset) 2. Pengolahan Data Awal 3. Metode Learning Tahapan Utama Proses Data Mining Input (Data) Metode (Algoritma Data Mining) Output (Pola/Model/ Knowledge)
Lebih terperinci