Abstract:Abstract: Religious tourism especeeially for Hajj and Umroh is increasingly in demand by the public. Auliya Tour & Travel, which is engaged in the travel agency, has diverse pilgrimage data so that the data collection is…
used to find new knowledge as a marketing strategy using Data Mining techniques. Data Mining is one of the KDD processes that has the function for grouping. K-Means Clustering is a data mining technique that aims to group data into a data subset. The grouping of data on Umroh pilgrims is conducted to find out the interest groups of pilgrims based on age. This study categorizes pilgrim data into three clusters, which are very popular, in high demand and less desirable. Attributes used in processing data include gender, age, and congregation package. Before the data calculation process is carried out, the data transformation process is carried out before data calculation process. Based on data calculations that have been done through the RapidMiner software, the members of the group were very interested, ranging in age from 56 to 83 years, interested groups ranging in age from 29 to 55 years and the group was less interested with an age range 2 to 22 years from 170 records.
Keywords: Clustering, Data Mining, K-Means, RapidMiner, Umroh.
Abstrak: Perjalanan wisata religi khususnya untuk ibadah haji dan umroh semakin diminati masyarakat. Auliya Tour & Travel yang bergerak pada bidang biro perjalanan memiliki data jamaah yang beragam sehingga kumpulan data tersebut dimanfaatkan untuk menemukan pengetahuan yang baru sebagai strategi pemasaran dengan menggunakan teknik Data Mining. Data Mining merupakan salah satu proses dari KDD yang fungsi salah satunya untuk pengelompokan. K-Means Clustering merupakan salah satu teknik Data Mining yang bertujuan untuk mengelompokkan data ke dalam subset data. Pengelompokan data jamaah umroh dilakukan bertujuan untuk mengetahui kelompok minat jamaah berdasarkan usia. Penelitian ini mengelompokkan data jamaah menjadi tiga cluster yaitu sangat diminati, diminati dan kurang diminati. Atribut yang digunakan dalam pengolahan data meliputi jenis kelamin, usia, dan paket jamaah. Sebelum proses perhitungan data dilakukan terlebih dahulu dilakukan proses transformasi data. Berdasarkan perhitungan data yang telah dilakukan melalui software RapidMiner diperoleh anggota kelompok sangat diminati dari rentang usia mulai 56 sampai 83 tahun, kelompok diminati dengan rentang usia mulai 29 sampai 55 tahun dan kelompok kurang diminati mulai usia 2 sampai 22 tahun dari 170 record.
Kata Kunci: Clustering, Data Mining, K-Means, RapidMiner, Umroh
Abstract:Pengolahan data mahasiswa perlu dilakukan untuk mengetahui informasi penting berupa pengetahuan baru. Informasi mengenai pengelompokan data mahasiswa berdasarkan nilai ujian. Pengetahuan baru tersebut dapat membantu pihak…
k kampus dalam menentukan kelas baru bagi calon mahasiswa baru dengan tepat. Dalam pengelompokan kelas mahasiswa dengan metode clustering yang mengikuti ujian saringan masuk berdasarkan nilai yang dihasilkan setiap calon mahasiswa maka akan ditentukan kelas sesuai jurusan yang mereka ambil tanpa ada manipulasi dan informasi hasil nilai dapat di kirim kepada calon mahasiswa
Abstract:Abstract: The library is one of the most important means to add insight and knowledge to everyone. In general, borrowing transaction data books that exist in a library are only left to accumulate by the library in the database…
tabase without any utilization or further processing of the data that has long been stored. By utilizing the Data Mining technique using association rules with FP-Growth, these data will be very useful. Because from the data lending books to the library, new information can be gleaned about what books are often borrowed and know the pattern of relationships between books that have been borrowed together so that later it can be used to compile books in accordance with the existing borrowing patterns so that they can facilitate library visitors in the process of finding books.
Keywords: Data Mining, Association Rule, FP-Growth, Library
Abstrak: Perpustakaan merupakan salah satu sarana yang sangat penting untuk menambah wawasan dan keilmuan setiap orang. Pada umumnya data transaksi peminjaman buku yang ada pada sebuah perpustakaan hanya dibiarkan saja menumpuk oleh pihak perpustakaan di dalam database tanpa ada pemanfaatan atau pengolahan lebih lanjut dari data-data yang telah lama tersimpan tersebut. Dengan melakukan pemanfaatan menggunakan Teknik Data Mining metode association rules dengan FP-Growth, data-data tersebut akan jadi sangat bermanfaat. Karena dari data peminjaman buku pada perpustakaan tersebut dapat diggali informasi baru tentang buku-buku apa yang sering dipinjam dan mengetahui pola hubungan antara buku yang telah dipinjam secara bersama-sama sehingga nantinya dapat dimanfaatkan untuk melakukan penyusunan buku sesuai dengan pola peminjaman buku yang ada sehingga dapat mempermudah para pengunjung perpustakaan dalam proses pencarian buku.
Kata Kunci : Data Mining, Asociation Rule, FP-Growth, Perpustakaan
Abstract:Abstrack: New Employee Recruitment on campus STMIK ROYAL. In the selection usually the campus will provide several series of tests to determine the ability and personal of the prospective employee. Data test results will…
be stored in an archive or computer in the form of tables that create data and value of each test participant. Based on the current employee recruitment system HR has difficulty in selecting and evaluating the competent employees. To overcome this made a decision support system of new employee acceptance especially part of laboratory assistant. For determine employees who will be accepted, then built a computerized decision-making system that is able to facilitate the process of receiving new employees. the determination and identification of labor by using SAW method (Simple additive weighting) is a method that can find a best alternative from various alternatives based on predetermined criteria. The point is that the method determines the weight value for each criterion. The best alternatives are those who are eligible to be employees based on predetermined criteria. Assessment is done by finding the value of weight for each criterion, then conducted the ranking process that will determine the optimal alternative that is the employee who will be considered by the decision maker to become employees at the company. This decision support system will be able to assist the human resources in determining the recruitment of new employees, especially the assistant laboratory at STMIK ROYAL.
Keywords: assessment criteria, SAW method, decision support system.
Abstrak: Penerimaan Karyawan baru pada kampus STMIK ROYAL. Dalam penyeleksian biasanya pihak kampus akan memberikan beberapa rangkaian tes untuk mengetahui kemampuan serta pribadi dari calon pegawai tersebut. Data hasil tes tersebut nantinya akan disimpan dalam suatu arsip ataupun komputer yang berupa tabel yang membuat data dan nilai masing-masing peserta tes. Berdasarkan system penerimaan pegawai yang berjalan saat ini SDM mengalami kesulitan dalam menyeleksi dan mengevaluasi pegawai yang berkompeten. Untuk mengatasinya dibuat suatu sistem pendukung keputusan penerimaan pegawai baru khususnya bagian asisten laboraturium.Untuk menentukan pegawai yang akan diterima, maka dibangun sebuah sistem pengambilan keputusan terkomputerisasi yang mampu memudahkan proses penerimaan pegawai baru. penentuan dan identifikasi tenaga kerja dengan menggunakan metode SAW (Simple additive weighting) adalah metode yang dapat mencari suatu alternatif terbaik dari berbagai alternatif berdasarkan kriteria – kriteria yang telah ditentukan. Intinya bahwa metode tersebut menentukan nilai bobot pada setiap kriteria. Alternatif terbaik yang dimaksud adalah yang berhak menjadi pegawai berdasarkan kriteria yang telah ditentukan. Penilaian dilakukan dengan mencari nilai bobot untuk setiap kriteria, kemudian dilakukan proses perangkingan yang akan menentukan alternatif optimal yaitu para pegawai yang akan dipertimbangkan oleh pengambil keputusan untuk menjadi pegawai pada perusahaan tersebut. Sistem pendukung keputusan ini nantinya dapat mambantu pihak SDM dalam menentukan perekrutan karyawan baru khususnya asisten laboraturium di STMIK ROYAL.
Kata Kunci : kriteria penilaian, metode SAW, sistem pendukung keputusan.
Abstract:Abstract: The transportation model relates to determining the lowest cost plan for sending one item from a number of sources to a number of destinations. The working principle of the VAM method is to achieve an initial feasible…
easible solution. MODI Method (Modified Distribution) is a method of solving transportation cases developed from stepping stone method. The purpose of this research is to analyze the comparison of goods delivery using the VAM method and the MODI method. The results of the study indicate that operational costs are issued using the VAM method in January 2015, which is Rp. 34.100 and operational costs incurred using the VAM method in February 2015, namely Rp. 39.400. While the operational costs incurred using the MODI method in January 2015 are Rp. 33.800 and operational costs incurred using the MODI method in February 2015, which is Rp. 37.900.
Keywords: vam method, modi method, transportation model
Abstrak: Model transportasi berkaitan dengan penentuan rencana biaya terendah untuk mengirimkan satu barang dari sejumlah sumber ke sejumlah tujuan. Prinsip kerja metode VAM ialah untuk mencapai solusi fisibel awal. Metode MODI (Modified Distribution) merupakan metode penyelesaian kasus transportasi yang di kembangkan dari metode stepping stone. Tujuan penelitian ini, menganalisa perbandingan pengiriman barang menggunakan metode VAM dan metode MODI. Hasil penelitian menunjukkan bahwa biaya operasional yang dikeluarkan dengan menggunakan metode VAM pada bulan januari 2015 yaitu Rp. 34.100 dan biaya operasional yang dikeluarkan dengan menggunakan metode VAM pada bulan februari 2015 yaitu Rp. 39.400. Sedangkan biaya operasional yang dikeluarkan dengan menggunakan metode MODI pada bulan januari 2015 yaitu Rp. 33.800 dan biaya operasional yang dikeluarkan dengan menggunakan metode MODI pada bulan februari 2015 yaitu Rp. 37.900.
Kata kunci: metode vam, metode modi, model transportasi
Abstract:Abstract: One of the ways to improve the quality of high school students is to form a favorite class in which the class will be a flagship class compared to other classes. Students will be selected based on 3 variables,…
that is the attendance index, semester average score and also the ethics of the students themselves. Data mining is the mining or discovery of new information by searching for a particular pattern or rule of large amounts of data that is expected to overcome the condition, utilizing data obtained from SMA for grouping students using clustering method using single linkage technique. By using clustering method is expected to make it easier for grouping students - students who go to class XI. So the results of this study will also be used by in determining the students-students who will enter the majors class. Keywords: Data Mining, Clustering, Single Lingkage, Selection of Departments.
Abstrak: Salah satu cara untuk meningkatkan kualitas siswa sekolah menengah adalah dengan membentuk kelas favorit di mana kelas akan menjadi kelas unggulan dibandingkan dengan kelas lain. Siswa akan dipilih berdasarkan 3 variabel, yaitu indeks kehadiran, nilai rata-rata semester dan juga etika siswa itu sendiri. Data mining adalah penambangan atau penemuan informasi baru dengan mencari pola tertentu atau aturan sejumlah besar data yang diharapkan untuk mengatasi kondisi tersebut, memanfaatkan data yang diperoleh dari SMA untuk mengelompokkan siswa menggunakan metode pengelompokan menggunakan teknik hubungan tunggal. Dengan menggunakan metode clustering diharapkan akan mempermudah pengelompokan siswa - siswa yang masuk ke kelas XI. Jadi hasil penelitian ini juga akan digunakan dalam menentukan siswa - siswa yang akan masuk kelas jurusan. Kata kunci: Data Mining, clustering, single lingkage, pemilihan departemen
Abstract:Abstract: The increasing number of students who graduated each year causes a lot of student data that need to be processed, causing difficulties in grouping the data. In this research apply Data Mining by using Clustering…
g method to classify the quality of graduate students of Faculty of Computer Science Dehasen University of Bengkulu based on GPA and Study Program. The algorithm used is K-Means Clustering, where the data are grouped based on the same characteristics will be entered into the same group and the data set entered into the group does not overlap. Information displayed in the form of group ?? a group of graduate students who dominate the Study Program, so it is known to the group that has the best graduate quality. The results of this study will assist the University in analyzing the quality of graduated students and the most potential study programs. Software used to help this grouping is Rapid Miner.
Keywords: K-Means Clustering, Study Program, Graduate Quality, Rapid Miner
Abstrak: Semakin meningkatnya jumlah mahasiswa yang diluluskan setiap tahunnya menyebabkan banyaknya data mahasiswa yang perlu diolah sehingga menyebabkan kesulitan dalam pengelompokan data tersebut. Pada penelitian ini menerapkan Data Mining dengan menggunakan metode Clustering untuk mengelompokkan kualitas lulusan mahasiswa Fakultas Ilmu Komputer Universitas Dehasen Bengkulu berdasarkan IPK dan Program Studi. Algoritma yang digunakan yaitu K-Means Clustering, dimana data dikelompokkan berdasarkan karakteristik yang sama akan dimasukkan ke dalam kelompok yang sama dan set data yang dimasukkan ke dalam kelompok tidak tumpang tindih. Informasi yang ditampilkan berupa kelompok – kelompok lulusan mahasiswa yang mendominasi Program Studi, sehingga diketahui kelompok yang memiliki kualitas lulusan terbaik. Hasil penelitian ini akan membantu pihak Universitas dalam menganalisa kualitas mahasiswa yang diluluskan dan program studi yang paling berpotensi diminati. Software yang digunakan untuk membantu pengelompokan ini adalah Rapid Miner.
Keyword: K-Means Clustering, Program Studi, Kualitas Lulusan, Rapid Miner
Abstract:Pada toko Rafadel Acc menjual berbagai jenis aksesoris yang tersedia yang dijual di tok tersebut. Dari berbagai jenis aksesoris yang dijual tentu tidak semuanya yang laku terjual dan juga ada yang kurang laku serta ada juga…
uga yang tidak pernah terjual sama sekali. Dengan adanya masalah ini maka kita perlu melakukan perhitungan untuk menentukan atau mengelompokkan mana kategori aksesoris yang laku, kurang laku dan tidak laku terjual, dalam proses pengelompokan maka akan digunakan sebuah metode pengelompokan menggunakan Algoritma K-Means Clustering sebagai metode perhitungan secara manual dan dalam implementasinya maka digunakan sebuah software Data Mining menggunakan RapidMiner Studio versi 8.2. Dengan adanya aplikasi RapidMiner Studio ini pemilik toko dapat melihat hasil pengelompokan aksesoris mana yang paling laku, laku dan kurang laku. Maka, bila terdapat produk yang tidak laku, pemilik toko dapat mencari alternative lain agar aksesoris yang tidak laku dapat menjadi laku. Metode yang digunakan dalam pengumpulan data adalah observasi dan wawancara kepada pemilik toko Rafadel Acc.
Abstract:Abstract: There are several facilities in distributing funds to the customer which is owned by Bank Syariah Bukopin. One of them is Kredit Pemilikan Rumah / Housing Loan (mortgage), so far the bank when provides mortgages…
s to customers still uses risk prediction manually in giving credit to customers which is taking up a lot of time and energy especially when the customer reports is further analyzed by the Bank. One technique that can help in predicting the Bank's credit risk determination is Decision Tree which is a technique that is a part of Data Mining techniques to take a decision in the form of a tree. With Decision Tree techniques, it is expected to help the bank to allow faster and easier in predicting the data and getting a conclusion from existing data. One of the ways to predict the data is using Dtreg software. This software only uses data that is in the format of "csv (comma delimited)â€, if it is not using the format" csv (comma delimited)", so that the data can not be processed by Dtreg software. When the excel format has been converted to the "csv (comma delimited)" format, the analysis process can be done. Dtreg can generate decision tree, one of them is the result of risk decision from the number of mortgages based on the number of customers.
Keywords: data mining, decision tree
Abstrak: Ada beberapa fasilitas dalam penyaluran dana ke nasabah yang di miliki Bank Syariah Bukopin. Salah satunya Kredit Pemilikan Rumah (KPR), selama ini pihak Bank memberikan KPR ke nasabah masih menggunakan prediksi resiko secara manual dalam meberikan kredit kepada nasabah yang banyak menyita waktu dan tenaga apalagi pada saat laporan nasabah dianalisa lebih lanjut oleh pihak Bank. Salah satu teknik yang dapat membantu pihak Bank dalam memprediksi Penentuan resiko kredit adalah teknik Decision Tree yang merupakan bagian dari teknik Data Mining untuk mengambil suatu keputusan dalam bentuk pohon. Dengan teknik Decision Tree diharapkan dapat membantu pihak bank agar lebih cepat dan mudah dalam memprediksi data dan menarik suatu kesimpulan dari data yang ada.Salah satu cara memprediksi data tersebut dengan menggunakan software Dtreg. Pada software ini data yang digunakan hanya bisa dalam bentuk format “csv (comma delimited), jika tidak menggunakan format “csv (comma delimited)“ maka data tersebut tidak bisa diproses oleh software Dtreg dan selanjutnya jika format excel yang telah dirubah ke format “csv (comma delimited)â€, maka akan dapat dilakukan proses analisa. Dtreg dapat menghasilkan pohon keputusan, salah satu nya yaitu hasil keputusan resiko dari jumlah kredit pemilikan rumah berdasarkan jumlah nasabah.
Kata kunci: data mining, decision tree
Abstract:Abstract: The high level of student success and the low level of student failure is a quality of the education world. The world of education is currently required to have the ability to compete by utilizing all resources…
owned. In addition to facilities, infrastructure and human resources, information systems are one of the resources that can be used to improve competency skills. Data mining is a process of data analysis to find a dataset of data set. Data mining is able to analyze large amounts of data into information that has meaning for decision supporters. One process of data mining is clustring. Attributes used in the grouping of student achievement are Name, Extracurricular, Value which include Task Value, Uts Value, Value of Uses, total absenteeism, and Attitude value. The case study of 20 students with distance calculation using manhattan distance, chbychep distance and euclidian distance yielded 67% accuracy.
Keywords: data mining, clustering, k-means, student achievement
Abstrak: Tingginya tingkat keberhasilan siswa dan rendahnya tingkat kegagalan siswa merupakan cemin kualitas dunia pendidikan.Dunia pendidikan saat ini dituntut untuk memiliki kemampuan bersaing dengan memanfaatkan semua sumber daya yang dimiliki. Selain sumber daya sarana, prasarana dan manusia, sistem informasi merupakan salah satu sumber daya yang dapat digunakan untuk meningkatkan kemampuan barsaing. Data mining merupakan proses analisa data untuk menemukan suatu pola dara kumpulan data. Data mining mampu menganalisa jumlah data yang besar menjadi informasi yang mempunyai arti bagi pendukung keputusan. Salah satu proses data mining adalah clustring. Atribut yang digunakan dalam pengelompokan prestasi siswa adalah Nama, Ekstrakulikuler, Nilai yang meliputi Nilai Tugas, Nilai Uts, Nilai Uas, jumlah ketidak hadiran siswa (absensi), dan Nilai sikap. Studi kasus pada 20 siswa dengan perhitungan jarak menggunakan manhattan distance, chbychep distance dan euclidian distance menghasilkan akurasi sebesar 67%.
Kata kunci: data mining, clustering, k-means, prestasi siswa