Angelina Prima Kurniati¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
|
|
- Ratna Sucianty Tanuwidjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Powered by TCPDF ( Tugas Akhir ANALISIS DAN IMPLEMENTASI ALGORITMA PUBLIC SEBAGAI SEBUAH CLASSIFIER POHON KEPUTUSAN YANG SCALABLE DALAM DATA MINING ANALYSIS AND IMPLEMENTATION OF PUBLIC ALGORITHM AS A SCALABLE DECISION TREE CLASSIFIER IN DATA MINING Angelina Prima Kurniati¹, -² ¹Teknik Informatika,, Universitas Telkom Abstrak Data Mining merupakan salah satu bidang ilmu yang berupaya untuk menemukan informasi yang menarik dan bersifat baru dari sekumpulan data. Salah satu task dalam data mining yang menarik dan menjadi pokok perhatian dalam Tugas Akhir ini adalah klasifikasi, khususnya yang menggunakan pohon keputusan. Pembentukan pohon keputusan dalam klasifikasi biasanya dilakukan dalam 2 fase yang terpisah, yaitu fase pertumbuhan yang dilanjutkan dengan fase pemangkasan. Tugas Akhir ini menganalisis performansi PUBLIC sebagai sebuah algoritma klasifikasi yang menawarkan integrasi fase pemangkasan dengan fase pembangunan pohon terhadap parameter akurasi, kecepatan, kesederhanaan pohon keputusan dan skalabilitas, serta mengimplementasikannya untuk menyelesaikan persoalan klasifikasi dalam data mining. Hasilnya, integrasi fase pertumbuhan dan pemangkasan pohon dalam algoritma PUBLIC terbukti dapat meningkatkan kecepatan pembentukan pohon keputusan dengan mempertahankan akurasi dan skalabilitasnya. Kata Kunci : data mining, klasifikasi, pohon keputusan, PUBLIC (PrUning and BuiLding Integrated in Classification) Abstract Data mining is a scientific field which tries to find interesting and novel information from a large data set. One interesting task in data mining that would be the point of view in this Final Project is classification, especially those which uses decision tree. The making of decision trees are ussually held on two separate phases, which are building phase and pruning phas, respectively. This Final Project analyses the performance of PUBLIC as a classification algorithm which offers integration of pruning phase on data mining with its building phase of the tree within parameters of accuration, speed, decision tree s simplicity, and scalability, and implements it to solve classification problems in data mining. As the result, it had been proved that integration of tree building and pruning phases in PUBLIC algorithm can speed up the decision tree making and keep the accuration and scalability. Keywords : data mining, classification, decision tree, PUBLIC (PrUning and BuiLding Integrated in Classification)
2 Tugas Akhir BAB I PENDAHULUAN 1.1 Latar Belakang Data Mining merupakan salah satu bidang ilmu yang berupaya untuk menemukan kaidah, pola, model, maupun informasi dalam bentuk lain yang menarik dan bersifat baru dari sekumpulan data. Salah satu task dalam data mining yang menjadi pokok perhatian dalam Tugas Akhir ini adalah klasifikasi. Salah satu metode klasifikasi yang banyak digunakan karena kesederhanaannya adalah pohon keputusan. Fase pemangkasan pohon keputusan biasanya dilakukan setelah fase pertumbuhan pohon selesai dilakukan. Hal ini memerlukan waktu pemrosesan yang lama seiring dengan meningkatnya ukuran data yang dilatihkan. Bahkan penelitian menunjukkan bahwa fase pemangkasan akan memangkas sebagian besar dari pohon keputusan yang dibangun dalam fase pertumbuhan pohon. Algoritma PUBLIC menawarkan integrasi fase pertumbuhan dan pemangkasan pohon keputusan dalam data mining. Dalam PUBLIC, sebuah node tidak diperluas selama fase pertumbuhan jika ditemukan bahwa node tersebut akan dipangkas pada fase pemangkasan. Pada Tugas Akhir ini dilakukan studi analisis performansi algoritma PUBLIC terhadap parameter akurasi, kecepatan, kesederhanaan pohon yang dihasilkan dan skalabilitas. 1.2 Rumusan Masalah PUBLIC adalah sebuah algoritma klasifikasi dengan metode pohon keputusan yang mengintegrasikan fase pertumbuhan dan pemangkasan pohon. Fase pemangkasan pohon keputusan dalam PUBLIC dilakukan berdasarkan prinsip MDL (Minimum Description Length) karena prinsip ini
3 Tugas Akhir Bab I Pendahuluan I - 2 akurat, memungkinkan pemangkasan dilakukan dengan data pelatihan, serta menghasilkan pohon keputusan yang lebih ringkas. Permasalahan yang menjadi obyek penulisan Tugas Akhir ini adalah: 1. Bagaimana implementasi integrasi prinsip MDL untuk pemangkasan pohon dengan pembangunan pohon keputusan untuk masalah klasifikasi? 2. Bagaimana melakukan pengujian dan analisis hasil implementasi PUBLIC? 1.3 Maksud dan Tujuan Maksud penyusunan Tugas Akhir ini: 1. Mengimplementasikan algoritma PUBLIC dalam perangkat lunak. 2. Menganalisis akurasi, kecepatan, kesederhanaan pohon yang dihasilkan, dan skalabilitas algoritma PUBLIC dalam perangkat lunak. Tujuan penulisan Tugas Akhir ini: 1. Membangun perangkat lunak yang mengimplementasikan algoritma PUBLIC untuk menyelesaikan masalah klasifikasi dalam data mining. 2. Menganalisis pengaruh integrasi fase pertumbuhan dan pemangkasan pohon keputusan dalam algoritma PUBLIC. 1.4 Batasan Masalah Agar penulisan Tugas Akhir ini tidak terlalu luas dan menjadi lebih mudah dipahami, perlu dilakukan pembatasan masalah sebagai berikut : 1. Data yang digunakan adalah himpunan data yang ada dalam basis data dbpublic di SQL Server Data yang digunakan harus sudah melalui preproses dan siap digunakan. 3. Pengujian dilakukan dengan parameter akurasi, kecepatan, kesederhaan pohon yang dihasilkan, skalabilitas, dan kompleksitas algoritma. 4. Versi PUBLIC yang diimplementasikan dalam Tugas Akhir ini adalah PUBLIC(1) karena implementasinya lebih sederhana namun akurasi tidak kurang dari dua versi lainnya yaitu PUBLIC(S) dan PUBLIC(V). Sekolah Tinggi Teknologi Telkom
4 Tugas Akhir Bab I Pendahuluan I Metode Penyelesaian Masalah Metode penyelesaian masalah dalam penulisan tugas Akhir ini disusun dalam langkah-langkah sebagai berikut: 1. Studi literatur, yang dilakukan dengan membaca dan mempelajari beberapa sumber tertulis (makalah, buku dan jurnal) yang berkaitan dengan data mining, klasifikasi, pohon keputusan, fase pertumbuhan dan pemangkasan, prinsip MDL, induksi yang scalable, serta algoritma SLIQ dan J4.8 yang digunakan sebagai pembanding dalam pengujian. 2. Pengumpulan dan analisis data yang mendukung implementasi dan analisis algoritma PUBLIC dalam perangkat, yaitu data dari UCI maupun data sintetik yang diperoleh dari generator data. 3. Analisis kebutuhan dan perancangan perangkat lunak, untuk menentukan kebutuhan pembangan pembangunan perangkat lunak, serta perancangan struktur data dan aktivitas perangkat lunak yang dibangun, dengan metode berorientasi objek. 4. Implementasi, yang merupakan langkah penerapan rancangan yang telah dibuat ke dalam perangkat lunak yang dapat digunakan untuk menyelesaikan masalah klasifikasi dengan algoritma PUBLIC. 5. Pengujian dan analisis hasil, yaitu langkah yang diambil untuk menilai performansi algoritma PUBLIC dalam perangkat lunak dengan parameter yang disebutkan dalam batasan masalah, terhadap algoritma SLIQ sebagai sebuah classifier pohon keputusan dengan post-pruning dan J4.8 dalam WEKA sebagai classifier yang biasa digunakan dalam data mining. 1.6 Sistematika Penulisan Penulisan Tugas Akhir ini dibagi dalam enam bab, yang terdiri atas : Bab I Pendahuluan Bab ini berisi latar belakang, rumusan masalah, batasan masalah, maksud dan tujuan, metode pemecahan, serta sistematika penulisan yang digunakan dalam penyusunan Tugas Akhir ini. Sekolah Tinggi Teknologi Telkom
5 Powered by TCPDF ( Tugas Akhir Bab I Pendahuluan I - 4 Bab II Landasan Teori Berisi teori dan rumusan awal yang diperoleh dari berbagai sumber tentang data mining, klasifikasi, dan algoritma PUBLIC. Bab III Analisis dan Perancangan Sistem Bab ini berisi uraian tentang perancangan perangkat lunak, meliputi spesifikasi kebutuhan, perancangan struktur data dan proses dari perangkat lunak yang dibuat. Bab IV Implementasi Berisi penjelasan tentang pelaksanaan dan penerapan algoritma PUBLIC dalam suatu perangkat lunak yang dibangun. Bab V Pengujian dan Analisis Hasil Bab ini menguraikan analisis sistem dalam menyelesaikan proses klasifikasi pada himpunan data yang digunakan serta hasil pengujian terhadap perangkat lunak. Bab VI Kesimpulan dan Saran Berisi kesimpulan dari keseluruhan sistem yang dibuat serta saran untuk pengembangan perangkat lunak agar menjadi lebih baik. Sekolah Tinggi Teknologi Telkom
6 Tugas Akhir BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan 1. PUBLIC merupakan sebuah classifier pohon keputusan yang scalable. Terbukti pada pengujian pada dataset sintetik, PUBLIC tetap dapat bekerja pada dataset dengan jumlah baris data , sementara WEKA sebagai sebuah tools populer untuk data mining sudah tidak dapat menanganinya. 2. Rata-rata akurasi algoritma PUBLIC lebih baik 1.06 kali dibandingkan SLIQ dalam menangani data UCI namun lebih rendah 0.99 kali dari J4.8 pada WEKA dalam menangani data sintetik. Hal ini menunjukkan bahwa integrasi fase pertumbuhan dan pemangkasan pohon dalam PUBLIC tidak mengganggu akurasi namun masih kalah dari J PUBLIC adalah classifier yang relatif cepat dibandingkan dengan classifier pohon keputusan lainnya (misalnya SLIQ). Dari rata-rata hasil pengujian dengan data UCI, terbukti bahwa PUBLIC hanya memerlukan waktu 0.37 kali dari waktu yang diperlukan SLIQ untuk menyelesaikan masalah yang sama. Namun, menurut hasil pengujian, PUBLIC lebih lambat kali dibandingkan dengan J4.8 dalam WEKA. 4. PUBLIC menghasilkan pohon keputusan dengan rata-rata jumlah node 4.55 kali lebih banyak daripada SLIQ dan 0.77 kali lebih ringkas dibandingkan J4.8 dalam WEKA. 5. PUBLIC adalah classifier pohon keputusan yang tepat untuk menyelesaikan masalah klasifikasi pada dataset berukuran besar, terutama dengan jumlah baris data minimal 1000 baris. Pohon keputusan yang dihasilkannya relatif lebih ringkas dibandingkan dengan pohon keputusan yang dihasilkan J4.8 dalam WEKA. VI - 1
7 Powered by TCPDF ( Tugas Akhir Bab V Analisis dan Pengujian Sistem V Saran Implementasi PUBLIC dapat dikembangkan dengan implementasi versi PUBLIC(S) dan PUBLIC(V) yang diharapkan dapat meningkatkan performansi algoritma PUBLIC, terutama dalam memperingkas pohon keputusan yang dihasilkan tanpa mengganggu akurasinya. Sekolah Tinggi Teknologi Telkom
8 Powered by TCPDF ( Tugas Akhir DAFTAR PUSTAKA [1] Apte, Chidanand dan Sholom Weiss, Data Mining with Decision Trees and Decision Rules. IBM Research Division and Rutgers University. [2] Esposito, Floriana. Donato Malerba dan Giovanni Semeraro, A Comparative Analysis of Methods for Pruning Decision Trees. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 19 No. 5. [3] Fayyad, Usama. Gregory Piatetsky Shapiro dan Padhraic Smyth, The KDD Process for Extracting Useful Knowledge from Volumes of Data. Communication of ACM, Vol. 39 No. 11. [4] Gehrke, Johannes. Advances in Decision Tree Construction. Cornell University, Visconsin, Madison. [5] Han, Jiawei and M. Kamber, Data Mining: Concepts and Techniques. San Francisco, CA: Morgan Kaufmann, [6] Mehta, Manish. Jorma Rissanen dan Rakesh Agrawal MDL-based Decision Tree Pruning. IBM Almaden Research Center - San Jose, CA. [7] Mitchell, T, Lecture Slides for Textbook Machine Learning/Decision Trees.Mc Graw Hill. [8] Provost, Foster dan Venkateswarlu Kolluri, Scalling Up Inductive Algorithms: An Overview. American Association for Artificial Intelligence. [9] Rastogi, Rajeev dan Kyuseok Shim1998. PUBLIC: A Decision Tree Classifier that Integrates Building and Pruning. Bell Laboratories, Murray Hill, NJ. [10] Shaufiah, Klasifikasi dalam Data Mining Menggunakan Algoritma SLIQ. STT Telkom, Bandung. [11] UCI Machine Learning Repository [12] Whitten, Ian H., WEKA Machine Learning Algorithms in Java. Department of Computer Science University of Waikato. Hamilton, New Zealand.
DATA 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 terperinciPerbandingan Algoritme Pruning pada Decision Tree yang Dikembangkan dengan Algoritme CART
Jurnal Ilmiah Ilmu Komputer, Vol 15 No. 2, Desember 21 : 7-13 Perbandingan Algoritme Pruning pada Decision Tree yang Dikembangkan dengan Algoritme CART Martin Budi, Rindang Karyadin, Sony Hartono Wijaya
Lebih terperinciKLASIFIKASI PADA DATA MINING MENGGUNAKAN NAIVE BAYESIAN CLASSIFIER CLASSIFICATION FOR DATA MINING USING NAIVE BAYESIAN CLASSIFIER
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2005 KLASIFIKASI PADA DATA MINING MENGGUNAKAN NAIVE BAYESIAN CLASSIFIER CLASSIFICATION FOR DATA MINING USING NAIVE BAYESIAN CLASSIFIER Agustina Ratna Puspitasari¹,
Lebih terperinciDATA MINING DENGAN ALGORITMA APRIORI PADA RDBMS ORACLE
1 DATA MINING DENGAN ALGORITMA APRIORI PADA RDBMS ORACLE Dana Sulistiyo Kusumo 1, Moch. Arief Bijaksana 2, Dhinta Darmantoro Jurusan Teknik Informatika Sekolah Tinggi Teknologi Telkom 1 dana@stttelkom.ac.id,
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 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 terperinciANALISIS PEMANFAATAN SMALL DISJUNCT PADA DECISION TREE DENGAN ALGORITMA GENETIKA
ANALISIS PEMANFAATAN SMALL DISJUNCT PADA DECISION TREE DENGAN ALGORITMA GENETIKA Andhik Budi Cahyono 1 Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam Indonesia Jl. Kaliurang
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 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 terperinciHery Suwandy Ompusunggu¹, Dhinta Darmantoro², Moch Arif Bijaksana³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
IMPLEMENTASI SELEKSI VARIABEL MENGGUNAKAN METODE CORRELATION-BASED FEATURE SELECTION DALAM TASK CLASSIFICATION VARIABLE SELECTION IMPLEMENTATION USING CORRELATION-BASED FEATURE SELECTION METHOD ON TASK
Lebih terperinciANALISIS DAN IMPLEMENTASI FUZZY DECISION TREE(FDT) DENGAN ALGORITMA GENETIKA
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2012 ANALISIS DAN IMPLEMENTASI FUZZY DECISION TREE(FDT) DENGAN ALGORITMA GENETIKA Cindy Mayland N. S. Wiyono¹, Angelina Prima Kurniati², Intan Nurma Yulita³
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 terperinciSOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA
SOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA Ade Putra Fakultas Vokasi, Program Studi Komputerisasi Akuntansi Universitas Bina Darma
Lebih terperinciSTUDI ALGORITMA CART DENGAN INDUKSI FUZZY DALAM MENGKLASIFIKASIKAN DATA
STUDI ALGORITMA CART DENGAN INDUKSI FUZZY DALAM MENGKLASIFIKASIKAN DATA SKRIPSI OKTAVIYANI DASWATI 1308230003 PROGRAM STUDI S-1 EKSTENSI MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
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 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 terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN KOHONEN PADA DATA MINING OUTLIER DETECTION IMPLEMENTATION KOHONEN NEURAL NETWORK FOR DATA MINING OUTLIER DETECTION
IMPLEMENTASI JARINGAN SYARAF TIRUAN KOHONEN PADA DATA MINING OUTLIER DETECTION IMPLEMENTATION KOHONEN NEURAL NETWORK FOR DATA MINING OUTLIER DETECTION Rochmat Mustopa¹, Moch. Arif Bijaksana², M.tech.³
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini sering terjadi data explosion problem yaitu data data yang tersimpan dalam database berjumlah sangat besar namun dari data data tersebut belum banyak dimanfaatkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Data mining bertujuan untuk menemukan pola-pola yang valid, baru, mempunyai nilai guna, dan mudah dipahami dari data yang ada. Jenis pola yang dihasilkan ditentukan
Lebih terperinciANALISIS PEMANFAATAN SEQUENTIAL PATTERN UNTUK MENENTUKAN NODE ORDERING PADA ALGORITMA KONSTRUKSI STRUKTUR BAYESIAN NETWORK
ANALISIS PEMANFAATAN SEQUENTIAL PATTERN UNTUK MENENTUKAN NODE ORDERING PADA ALGORITMA KONSTRUKSI STRUKTUR BAYESIAN NETWORK TESIS Karya tulis sebagai salah satu syarat Untuk memperoleh gelar Magister dari
Lebih terperinciANALISIS DAN IMPLEMENTASI DATA MINING DENGAN CONTINUOUS ASSOCIATION RULE MINING ALGORITHM (CARMA) UNTUK REKOMENDASI MATA KULIAH PADA PERWALIAN
ANALISIS DAN IMPLEMENTASI DATA MINING DENGAN CONTINUOUS ASSOCIATION RULE MINING ALGORITHM (CARMA) UNTUK REKOMENDASI MATA KULIAH PADA PERWALIAN Dwiaji Nuraryudha 1, Shaufiah 2, Hetti Hidayati 3 1,2,3 Fakultas
Lebih terperinciAPLIKASI MANAJEMEN PRAKTIKUM LABORATORIUM INFORMATIKA IT- TELKOM
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2012 APLIKASI MANAJEMEN PRAKTIKUM LABORATORIUM INFORMATIKA IT- TELKOM Tia Wicaksono¹, Angelina Prima Kurniati², Mahmud Dwi Suliiyo³ ¹Teknik Informatika,,
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 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 terperinciRoyes Otpin S¹, Arie Ardiyanti Suryani², Warih Maharani³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
ANALISIS DAN IMPLEMENTASI ASSOCIATION RULE MINING PADA COLLABORATION RECOMMENDER SYSTEM MENGGUNAKAN ALGORITMA ASSOCIATION RULES FOR RECOMMENDER SYSTEM (AR-CRS) Royes Otpin S¹, Arie Ardiyanti Suryani²,
Lebih terperinciPENELITIAN MANDIRI PEMBANGUNAN DATA MINING UNIVERSITAS UNTUK PENGEMBANGAN SISTEM INFORMASI EKSEKUTIF AKADEMIK
Nama Rumpun Ilmu: Teknologi Informasi PENELITIAN MANDIRI PEMBANGUNAN DATA MINING UNIVERSITAS UNTUK PENGEMBANGAN SISTEM INFORMASI EKSEKUTIF AKADEMIK Asroni, S.T., M.Eng. (NIDN 0526047401) Eko Prasetyo,
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 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 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 terperinciPERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK PEREKOMENDASI PADA TRANSAKSI PEMINJAMAN BUKU DI PERPUSTAKAAN UNIVERSITAS DIAN NUSWANTORO
PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK PEREKOMENDASI PADA TRANSAKSI PEMINJAMAN BUKU DI PERPUSTAKAAN UNIVERSITAS DIAN NUSWANTORO Rizky Mei Anggraeni Program Studi Teknik Informatika,
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 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 terperinciPENGGUNAAN ALGORITMA KLASIFIKASI DALAM DATA MINING
PENGGUNAAN ALGORITMA KLASIFIKASI DALAM DATA MINING A ang Subiyakto Program Studi Sistem Informasi Fakultas Sains dan Teknologi UIN Jakarta Jl. Ir. H. Juanda No. 95 Ciputat Tangerang Banten 15412 E-mail:
Lebih terperinciANALISIS SERANGAN DARI LOG DATASET SISTEM DETEKSI INTRUSI DENGAN MENGGUNAKAN ALGORITMA DECISION TREE SKRIPSI RAHMAD FAHROZI
ANALISIS SERANGAN DARI LOG DATASET SISTEM DETEKSI INTRUSI DENGAN MENGGUNAKAN ALGORITMA DECISION TREE SKRIPSI RAHMAD FAHROZI 041401021 PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Apriori merupakan salah satu algoritma yang terkenal dalam mencari frequent pattern dari database transaksi[8]. Prinsip dari algortima Apriori ini adalah jika sebuah
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 terperinciDATA MINING ANALISA POLA PEMBELIAN PRODUK DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI
DATA MINING ANALISA POLA PEMBELIAN PRODUK DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI Heroe Santoso 1), I Putu Hariyadi 2), Prayitno 3) 1), 2),3) Teknik Informatika STMIK Bumigora Mataram Jl Ismail Marzuki
Lebih terperinci1 st Seminar on Application and Research in Industrial Technology, SMART Yogyakarta, 27 April 2006
Metode Market Basket Analysis menggunakan Algoritma Pincer Search untuk Sistem Pembantu Pengambilan Keputusan Gregorius S. Budhi, Leo W. Santoso, Edward Susanto Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciSISTEM REKOMENDASI PENENTUAN JUDUL SKRIPSI MENGGUNAKAN ALGORITMA DECISION TREE
SISTEM REKOMENDASI PENENTUAN JUDUL SKRIPSI MENGGUNAKAN ALGORITMA DECISION TREE A Sofalul Khazari 1), Fitri Marisa 2), Indra Dharma Wijaya 3) 1) Mahasiswa Fakultas Teknik, Universitas Widyagama Email: khazari.sofalul@gmail.com
Lebih terperinciPenerapan Algoritme C4.5 Pada Klasifikasi Produksi Ubi Jalar di Pulau Jawa
Penerapan Algoritme C4.5 Pada Klasifikasi Produksi Ubi Jalar di Pulau Jawa Seno Setiyawan 1, Yuliana Susanti 2,Tri Atmojo Kusmayadi 3 1,3 Program Studi Matematika FMIPA, Universitas Sebelas Maret 2 Program
Lebih terperinciANALISA PENCARIAN FREQUENT ITEMSETS MENGGUNAKAN ALGORITMA FP-MAX
ANALISA PENCARIAN FREQUENT ITEMSETS MENGGUNAKAN ALGORITMA FP-MAX Suhatati Tjandra Dosen Teknik Informatika Sekolah Tinggi Teknik Surabaya e-mail : tati@stts.edu ABSTRAK Association rule mining merupakan
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Indonesia. Implementasi algoritma clustering..., Adolf Pandapotan
BAB 1 PENDAHULUAN Saat ini, kebutuhan manusia akan informasi sangat besar. Informasi yang penting harus disimpan karena bisa saja digunakan untuk masa yang akan datang. Sebagai contoh informasi penjualan
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 terperinciIMPLEMENTASI DATA WAREHOUSE DAN DATA MINING: STUDI KASUS ANALISIS PEMINATAN STUDI SISWA
IMPLEMENTASI DATA WAREHOUSE DAN DATA MINING: STUDI KASUS ANALISIS PEMINATAN STUDI SISWA Eka Miranda Fakultas Ilmu Komputer, Jurusan Sistem Infromasi, Universitas Bina Nusantara Jln. KH Syahdan No.9, Palmerah,
Lebih terperinciPENGELOMPOKAN DAN ANALISIS PELANGGAN DENGAN MENGGUNAKAN FUZZY C-MEANS CLUSTERING
PENGELOMPOKAN DAN ANALISIS PELANGGAN DENGAN MENGGUNAKAN FUZZY C-MEANS CLUSTERING Benedictus Andrian Henry Threstanto¹, Dhinta Darmantoro², Kiki Maulana³ ¹Teknik Informatika,, Universitas Telkom Abstrak
Lebih terperinciPERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR Ragil Anggararingrum Perwira Nagara¹, Adiwijaya², Ratri Dwi Atmaja³ ¹Teknik
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 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 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 terperinciPENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-TREE DAN FP-GROWTH PADA DATA TRANSAKSI PENJUALAN OBAT
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-TREE DAN FP-GROWTH PADA DATA TRANSAKSI PENJUALAN OBAT Yuyun Dwi Lestari Program Studi Teknik Informatika, Sekolah Tinggi Teknik Harapan Jl. H. M. Jhoni No.
Lebih 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 terperinciKLASIFIKASI DATA MINING DENGAN METODE POHON KEPUTUSAN MENGGUNAKAN ID3
KLASIFIKASI DATA MINING DENGAN METODE POHON KEPUTUSAN MENGGUNAKAN ID3 Mary Dona Mailoa¹, Eko Darwiyanto², Iman Lukmanul Hakim³ ¹Teknik Informatika,, Universitas Telkom Abstrak Classification adalah salah
Lebih terperinciBAB I PENDAHULUAN. Seiring makin pesatnya perkembangan internet, dokumen-dokumen dari
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring makin pesatnya perkembangan internet, dokumen-dokumen dari internet ataupun milik pribadi juga semakin berkembang. Permasalahan utama adalah bagaimana memperoleh
Lebih terperinciDAFTAR REFERENSI. xiii. Computer Science Education, San Jose, United States, 1997.
DAFTAR REFERENSI [AGR95] [AHW03] [CAR06] [GKK01] [HAN01] [JAC97] [PEI01] [RSL95] Agrawal, Rakesh, Ramakrishnan Srikant. 1995. Mining Sequential Patterns. IBM Research Center. Agrawal, C, Han, Jiawei, Wang,
Lebih terperinciJURNAL 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 terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
Lebih 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 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 terperinciPENGENALAN POLA TRANSAKSI SIRKULASI BUKU PADA DATABASE PERPUSTAKAAN MENGGUNAKAN ALGORITMA GENERALIZED SEQUENTIAL PATTERN
PENGENALAN POLA TRANSAKSI SIRKULASI BUKU PADA DATABASE PERPUSTAKAAN MENGGUNAKAN ALGORITMA GENERALIZED SEQUENTIAL PATTERN Supardi 1, Dian Eka Ratnawati, Wayan Firdaus Mahmudy Universitas Brawijaya Malang
Lebih terperinciPENINGKATAN AKURASI PADA ALGORITMA C4.5 MENGGUNAKAN ADABOOST UNTUK MEMINIMALKAN RESIKO KREDIT
PENINGKATAN AKURASI PADA ALGORITMA C4.5 MENGGUNAKAN ADABOOST UNTUK MEMINIMALKAN RESIKO KREDIT Aldi Nurzahputra 1*, Much Aziz Muslim 2 1,2 Program Studi Teknik Informatika, Fakultas MIPA, Universitas Negeri
Lebih terperinciABSTRAK. Kata kunci : sistem pakar, penyakit gigi, konsultasi, algoritma ID3. vi Universitas Kristen Maranatha
ABSTRAK Aplikasi sistem pakar diagnosa penyakit gigi dengan pembelajaran mesin ini dibuat untuk membantu pasien dan juga pakar untuk melakukan diagnosa awal penyakit yang dialami pasien berdasarkan gejala-gejala
Lebih terperinciPENGEMBANGAN ALGORITMA CB UNTUK KONSTRUKSI STRUKTUR BAYESIAN NETWORK DARI DATA TIDAK LENGKAP
PENGEMBANGAN ALGORITMA CB UNTUK KONSTRUKSI STRUKTUR BAYESIAN NETWORK DARI DATA TIDAK LENGKAP Humasak Tommy Argo Simanjuntak 1) Manajemen Informatika, Politeknik Informatika Del Jl. Sisingamangaraja, Sitoluama,
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. 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 terperinciKata kunci: graph, graph database, GIndex, subgraph query, size-increasing support constraint, discriminative fragments, index, subgraph matching
Analisis dan Implementasi Graph Indexing Pada Graph Database Menggunakan Algoritma GIndex Analysis and Implementation of Graph Indexing for Graph Database Using GIndex Algorithm Hadyan Arif 1, Kemas Rahmat
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 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 1 PENDAHULUAN 1.1 LATAR BELAKANG
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Era komunikasi dengan menggunakan fasilitas internet memberikan banyak kemudahan dalam mendapatkan informasi yang dikehendaki. Dengan demikian semakin banyak orang,
Lebih terperinciAPLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus di Apotek Setya Sehat Semarang)
Hapsari Dita Anggraeni, Ragil Saputra, Beta Noranita APLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus di Apotek Setya Sehat Semarang) Hapsari Dita
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 terperinciPENGGALIAN TOP-K CLOSED FREQUENT ITEMSETS BERBASIS ALGORITMA PEMETAAN TRANSAKSI
Program Studi MMT-ITS, Surabaya 2 Agustus 28 PENGGALIAN TOP-K CLOSED FREQUENT ITEMSETS BERBASIS ALGORITMA PEMETAAN TRANSAKSI Ngurah Agus Sanjaya ER dan Arif Djunaidy Program Magister Bidang Keahlian Teknik
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 1 PENDAHULUAN. terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi informasi telah mampu mengubah persepsi manusia terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
Lebih terperinciEDUCATIONAL DATA MINING (KONSEP DAN PENERAPAN)
EDUCATIONAL DATA MINING (KONSEP DAN PENERAPAN) Fitri Marisa Program Studi Teknik Informatika Universitas Widyagama Malang Jl. Borobudur No. 35 Malang (0341)492282 e-mail: fitrimarisa@widyagama.ac.id ABSTRACT
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 terperinciPutu Agus Junaedi¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2006 ANALISIS DAN IMPLEMENTASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY ( ANALYSIS AND IMPLEMENTATION OF NOISE REDUCTION
Lebih terperinciPenerapan Data Mining dalam Memprediksi Pembelian cat
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Penerapan Data Mining dalam Memprediksi Pembelian cat Fitriana Harahap STMIK POTENSI UTAMA Jl. KL. Yos Sudarso KM 6,5
Lebih 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 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 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 terperinciJOIN Volume 2 No. 1 Juni 2017 ISSN
Analisa dan Penerapan Algoritma C4.5 Dalam Data Mining Untuk Mengidentifikasi Faktor-Faktor Penyebab Kecelakaan Kerja Kontruksi PT.Arupadhatu Adisesanti Erlin Elisa 1 1 Sistem Informasi, Universitas Putera
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 ALGORITME PRUNING PADA DECISION TREE YANG DIKEMBANGKAN DENGAN ALGORITME CART MARTIN BUDI
PERBANDINGAN ALGORITME PRUNING PADA DECISION TREE YANG DIKEMBANGKAN DENGAN ALGORITME CART MARTIN BUDI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciPENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA
PENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA Margi Cahyanti 1), Maulana Mujahidin 2), Ericks Rachmat Swedia 3) 1) Sistem Informasi Universitas Gunadarma
Lebih terperinciPenerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy
Penerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy (Studi Kasus di PT. Telkom Cabang Wonogiri ) Moch. Yusuf
Lebih terperinciPERNYATAAN. dikutip dalam naskah ini dan disebutkan dalam daftar pustaka.
PERNYATAAN Dengan ini saya menyatakan bahwa dalam skripsi ini tidak terdapat karya yang pernah diajukan untuk memperoleh gelar kesarjanaan di suatu Perguruan Tinggi dan sepanjang pengetahuan saya juga
Lebih terperinciINDUKSI DECISION TREE UNTUK PREDIKSI JUMLAH BURUH YANG BERHENTI BEKERJA ABSTRAK
INDUKSI DECISION TREE UNTUK PREDIKSI JUMLAH BURUH YANG BERHENTI BEKERJA Arya Tandy Hermawan*), F.X. Ferdinandus*), David Boy Tonara*), dan Hartarto Junaedi**) *) Program Pascasarjana Teknologi Informasi
Lebih terperinciKLASIFIKASI PENENTUAN TIM UTAMA OLAHRAGA HOCKEY MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS : HOCKEY KABUPATEN KENDAL)
KLASIFIKASI PENENTUAN TIM UTAMA OLAHRAGA HOCKEY MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS : HOCKEY KABUPATEN KENDAL) Budi Utami 1, Yuniarsi Rahayu, 2 1,2 Program Studi Teknik Informatika, Fakultas Ilmu Komputer,
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 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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Universitas Indonesia
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan dunia teknologi informasi bergerak sedemikian cepat. Dalam konteks global, teknologi informasi menjadi bagian yang tidak terpisahkan dari berbagai
Lebih terperinciKata kunci : metode pencarian, perpustakaan, Naïve Bayes Classifier.
PENGGUNAAN METODE NAÏVE BAYES CLASSIFIER PADA APLIKASI PERPUSTAKAAN Selvia Lorena Br Ginting,S.Si., MT 1, Reggy Pasya Trinanda 2 1,2 Jurusan Teknik Komputer Unikom, Bandung 1 selvialorena@yahoo.com, 2
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 terperinciSISTEM SISTEM REKOMENDASI BIDANG MINAT MAHASISWA MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA APRIORI
SISTEM SISTEM REKOMENDASI BIDANG MINAT MAHASISWA MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA APRIORI Nama Mahasiswa : NUCIFERA DIAHPANGASTUTI NRP : 505 00 070 Jurusan : Teknik Informatika FTIF-ITS
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 terperinciIna Ariani Firstaria¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2006 STUDI DAN IMPLEMENTASI ALGORITMA TWOFISH UNTUK FILE MP3 DENGAN PARTISI BLOK CIPHER STUDY AND IMPLEMENTATION TWOFISH ALGORITHM FOR MP3 FILE WITH PARTITION
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 terperinciPenerapan Metode Association Rule Menggunakan Algoritma Apriori pada Simulasi Prediksi Hujan Wilayah Kota Bandung
Penerapan Metode Association Rule Menggunakan Algoritma Apriori pada Simulasi Prediksi Hujan Wilayah Kota Bandung Mohamad Fauzy 1, Kemas Rahmat Saleh W 2, Ibnu Asror 3 123 Fakultas Informatika Telkom University,
Lebih terperinciClustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means
Clustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means Sri Redjeki Andreas 1), Andreas Pamungkas, Pamungkas Hastin 2), Hastin Al-fatah Al-fatah 3) 1)2)3) STMIK dzeky@akakom.ac.id
Lebih terperinci