Abstract:Penyakit Alzheimer adalah penyakit neurodegeneratif yang mempengaruhi otak dan secara bertahap mengurangi kemampuan seseorang untuk berpikir, mengingat, dan berfungsi secara mandiri. Ini merupakan jenis demensia yang paling…
ing umum, dengan gejala awal yang biasanya terjadi pada individu di atas 65 tahun, meskipun dapat juga terjadi pada usia yang lebih muda. Beberapa gejala awal Alzheimer termasuk lupa akan peristiwa baru-baru ini, kesulitan menyelesaikan tugas sehari-hari, dan kebingungan tentang waktu atau tempat. Gejala penyakit dapat memburuk seiring berjalannya waktu, seperti kehilangan kemampuan berkomunikasi, perubahan suasana hati yang signifikan, dan penurunan fungsi fisik. Diagnosis tahap awal untuk penyakit Alzheimer dapat meningkatkan efisiensi terapi. Deteksi dini penyakit Alzheimer dapat memanfaatkan pendekatan matematis pada data mining untuk menganalisis data. Klasifikasi adalah salah satu metode data mining yang dapat diterapkan untuk pendeteksian dini atau prediksi penyakit Alzheimer. Penelitian yang berkenaan dengan klasifikasi penyakit Alzheimer belum banyak dilakukan. Oleh karena itu, penelitian ini akan membandingkan performa algoritma C4.5 dan algoritma AdaBoost dalam klasifikasi penyakit Alzheimer menggunakan teknik pengujian percentage split dan k-fold cross validation. Selain itu, penelitian ini akan menggunakan metode Algoritma Decision Tree karena dapat ditafsirkan dengan mudah oleh manusia dan memililki akurasi yang tinggi sebesar 26.3%. Dapat mengubah data yang ada menjadi pohon keputusan dan aturan-aturan, sehingga dapat membantu dalam proses pengambilan keputusan yang kompleks menjadi lebih sederhana.
Abstract:Data mining merupakan bagian dari data analytics dan disiplin ilmu Data Science yang memiliki manfaat luas dan tepat guna. Kepadatan penduduk diberbagai provinsi akan mengakibatkan banyak dampak yang akan dialami oleh masyarakat,…
syarakat, karena ketidaktahuan masyarakat akan lokasi kepadatan penduduk atau informasi tentang pengelompokan kepadatan penduduk disetiap provinsi, sehingga masyarakat yang memilih lokasi bertempat tinggal semaunya cenderung berada dalam pusaran permasalahan akibat dampak kepadatan penduduk disetiap provinsi yang ada. Untuk menghindari atau meminimalkan dampak kepadatan penduduk, maka perlu dilakukan pengelompokan kepadatan penduduk kedalam 3 kelompok (cluster), yaitu sangat padat(cluster 2), padat(cluster 0), dan sedang(cluster 1). Algoritma yang digunakan dalam penelitian ini adalah algoritma K-Means dengan rapid miner. Dengan hasil penggunaan algoritma K-Means dengan rapid miner menghasilkan bahwa dari 34 provinsi yang ada, terdapat 1 provinsi Sangat Padat (cluster 2), 6 provinsi padat (cluster 0), dan 27 kecamatan sedang (cluster 1). Sehingga dengan adanya cluster kepadatan penduduk ini akan memberikan pengetahuan baru kepada masyarakat yang melakukan urbanisasi, transmigrasi, dan imigrasi karena faktor pekerjaan, faktor ingin menetap, maupun faktor lainnya, sehingga menghindari atau meminimalisi dampak permasalahan karena faktor kepadatan penduduk.
Abstract:Data mining membantu bisnis membuat produksi yang menguntungkan dan penyesuaian operasional. Pengelolaan persediaan stok barang merupakan aspek krusial dalam manajemen bisnis ritel modern yang memerlukan pendekatan analitis…
tis untuk optimalisasi. Data Mining dengan metode K-Means Clustering mampu menganalisis dan mengelompokkan pola persediaan stok barang. Tahapan yang dilakukan pra-pemrosesan data, implementasi K-Means Clustering, dan evaluasi model menggunakan metrik Sum of Squared Errors (SSE) dan Silhouette Score. Hasil analisis menggunakan metode Elbow menunjukkan tiga cluster optimal dengan nilai SSE final 51.69, menandakan kohesi internal yang baik. Evaluasi menggunakan Silhouette Score menghasilkan nilai 0.498, mengindikasikan keseimbangan yang baik antara kohesi dan separasi cluster. Hasil clustering mengidentifikasi tiga pola distinct dalam persediaan stok: Cluster 0 mendominasi periode akhir tahun dengan rentang stok 780-840 unit, Cluster 1 terkonsentrasi pada awal tahun dengan rentang 840-920 unit, dan Cluster 2 sebagai cluster transisi pada pertengahan tahun dengan rentang 840- 880 unit. Visualisasi temporal menunjukkan pola seasonal yang jelas dalam pengelolaan persediaan sepanjang tahun. Implementasi K-Means Clustering berhasil menghasilkan pengelompokan yang bermakna dan dapat diinterpretasikan dalam konteks manajemen inventori.
Abstract:Merokok merupakan aktivitas yang dapat menimbulkan dampak buruk bagi kesehatan, baik untuk diri sendiri maupun untuk orang lain. Hal itu dikarenakan terdapat banyak kandungan yang berbahaya bagi kesehatan. Data mining merupakan…
rupakan bagian dari data analytics dan disiplin ilmu data science yang memiliki manfaat luas dan tepat guna. Penelitian ini bertujuan untuk mengetahui pengelompokkan perokok dengan usia lebih dari 15 tahun di setiap Provinsi. Data yang digunakan dalam penelitian ini diambil dari Badan Pusat Statistik (BPS). Metode yang digunakan adalah Clustering dengan algoritma K-Means menggunakan tools RapidMiner dan validasinya menggunakan operator Davies Bouldin Indeks untuk mencari nilai yang mendekati 0. Pengelompokkan perokok dengan rentan usia lebih dari 15 tahun yang dihasilkan dapat dilihat melalui 3 cluster, Cluster 1 merupakan tingkat perokok tinggi sejumlah 9 provinsi, Cluster 2 merupakan tingkat sedang dengan 17 provinsi dan Cluster 3 merupakan tingkat rendah dengan 8 provinsi.
Abstract:Data mining membantu memberikan keputusan yang tepat dan cermat dengan mengungkap pola dari data yang kompleks. Data mining dengan metode Decision Tree memprediksi kemampuan hafalan santri tahfidz berdasarkan faktor-faktor…
or seperti usia, durasi belajar, jumlah ayat yang dihafal dan frekuensi menghafal. Model prediksi ini bertujuan untuk membantu pengelola pesantren dalam menentukan pendekatan pembelajaran yang lebih tepat dan efisien. Hasil penelitian menunjukkan bahwa metode Decision Tree dapat memberikan prediksi yang akurat dengan akurasi 96.00%, sehingga dapat bermanfaat bagi pengelola untuk menyatukan dan meningkatkan program hafalan santri.
Abstract:Penerapan data mining pada analisis data sosial media telah menjadi alat penting dalam mengidentifikasi pola, tren, dan wawasan yang relevan dari data yang sangat besar dan beragam. Studi ini berfokus pada penggunaan teknik…
nik data mining untuk menganalisis data sosial media dengan tujuan memahami perilaku pengguna, sentimen publik, dan pengaruh tren sosial terhadap berbagai sektor industri. Metodologi yang digunakan meliputi pengumpulan data, pra-pemrosesan data, analisis setimen, dan clustering. Hasil penelitian ini menunjukkan bagaimana data mining dapat memberikan wawasan mendalam yang bermanfaat bagi perusahaan untuk strategi pemasaran, manajemen reputasi, dan pengambilan keputusan bisnis yang lebih baik. Penelitian ini juga menyoroti tantangan dan solusi dalam mengelola data sosial media yang besar dan beragam, serta pentingnya etika dalam pengolahan data.
Abstract:Data mining dapat membantu perusahaan mengumpulkan informasi yang dapat dipercaya. Metode algoritma K-Means Clustering dipergunakan untuk mengelompokkan penduduk penyandang disabilitas di Jawa Timur berdasarkan kategori…
disabilitas. Kesejahteraan sosial merupakan tujuan utama bangsa Indonesia, tetapi masih terdapat berbagai masalah yang belum terselesaikan, termasuk di kalangan penyandang disabilitas. Data yang digunakan berasal dari Badan Pusat Statistik Jawa Timur dan mencakup informasi tentang jumlah penduduk penyandang disabilitas di berbagai kabupaten dan kota. Tahapan penelitian meliputi pengumpulan data, preprocessing, transformasi data, dan analisis clustering dengan K-Means, yang kemudian dievaluasi menggunakan indeks Davies-Bouldin (DBI). Hasil clustering menunjukkan bahwa dua klaster memberikan hasil optimal dengan nilai DBI terendah sebesar 0.097, di mana klaster pertama terdiri dari wilayah dengan jumlah penyandang disabilitas lebih rendah, dan klaster kedua mencakup wilayah dengan jumlah yang lebih tinggi.
Abstract:Gangguan tidur seperti insomnia dan sleep apnea merupakan masalah kesehatan global yang dapat menurunkan kualitas hidup. Deteksi dini terhadap gangguan ini penting dilakukan, khususnya dengan bantuan teknologi seperti algoritma…
goritma data mining untuk meningkatkan ketepatan diagnosis. Data mining adalah bagian esensial dari analitik data dalam disiplin ilmu data science, yang memberikan berbagai manfaat luas dan aplikasi yang relevan. Penelitian ini menggunakan dataset Sleep Health and Lifestyle dari Kaggle untuk mengevaluasi kinerja tiga algoritma data mining, yaitu Naïve Bayes, Support Vector Machine (SVM), dan Neural Network, dalam mengklasifikasi gangguan tidur. Proses pengembangan model mengikuti tahapan CRISP-DM dengan pengujian akurasi menggunakan Cross Validation dan evaluasi menggunakan Confusion Matrix dan kurva ROC. Berdasarkan hasil pengujian, algoritma Neural Network menunjukkan kinerja terbaik dengan akurasi 93,08% dan nilai AUC yang termasuk dalam klasifikasi "Excellent." Temuan ini menunjukkan bahwa Neural Network efektif dalam mengklasifikasi gangguan tidur, sehingga dapat mendukung proses diagnosa dan penanganan gangguan tidur secara lebih akurat.
Abstract:Pariwisata merupakan sektor strategis di Kabupaten Jember yang memiliki potensi besar, namun tantangan dalam promosi dan informasi sering kali menghambat pengembangan sektor ini. Data mining mampu menganalisis data secara…
a terus-menerus dan mengotomatiskan pengambilan keputusan dan algoritma K-Nearest Neighbor (K-NN) merupakan metode klasifikasi untuk menemukan akurasi jarak terdekat. Pada paket wisata di Jember dipergunakan algoritma K-Nearest Neighbor (K-NN) untuk membantu wisatawan menemukan destinasi yang sesuai dengan preferensi yang akan dipilih. Data objek wisata di Jember digunakan sebagai basis sistem rekomendasi, dengan atribut seperti jarak dan jenis wisata yang dianalisis menggunakan aplikasi RapidMiner. Hasil pengujian menunjukkan bahwa model K-NN memiliki kebutuhan peningkatan model lebih lanjut. Rekomendasi ini agara dapat menjadi acuan dalam peningkatan kualitas pengalaman wisata di Jember serta mendukung strategi promosi daerah.
Abstract:This article aims to analyze the use of ithnab (extension) in Surah Maryam verse 10. The method used is literature study with a qualitative approach. Data was collected from various sources, such as tafsir books, journal…
articles, and related findings. Analysis is carried out by examining the meaning of ithnab, the context of the verse, and its implications in the interpretation of the verse. The research results show that the ithnab in this verse aims to emphasize the message, emphasize the meaning, and describe the greatness of Allah SWT. The use of ithnab in this verse also has stylistic and rhetorical dimensions that enrich the interpretation and provide a deep understanding of the verse. .