PENERAPAN DAN PERKEMBANGAN DATA MINING

Implementation of data mining using PHP and Mysql at Togamas Book Store

Acknowledgement of the searching process called Knowledge Discovery in Databases (KDD). Data mining is one of the steps in the process of KDD. Data mining uses a specific algorithm to search pattern in database. Machine Learning is an area in artificial intelligence which relates to the development of techniques that could be programmed and learned from past data. Pattern recognition, data mining and machine learning are often used to refer to the same thing. This field takes probability and statistics, sometimes optimization. Machine learning becomes a tool of analysis in data mining.

Perkembangan yang cepat dalam teknologi pengumpulan dan penyimpanan data telah memudahkan organisasi untuk mengumpulkan sejumlah data berukuran besar sehingga menghasilkan gunung data. Ekstraksi informasi yang berguna dari gunung data menjadi pekerjaan yang cukup menantang. Seringkali alat dan teknik analisis data tradisional tidak dapat digunakan dalam mengekstrak informasi dari data berukuran besar. Data mining adalah teknologi yang merupakan campuran metode-metode analisis data dengan algoritmealgoritme untuk memproses data berukuran besar. Data mining telah banyak diaplikasikan dalam berbagai bidang, diantanya dalam bidang bisnis dan kedokteran.

Abstraksi Dunia bisnis yang penuh persaingan membuat para pelakunya harus selalu memikirkan strategi-strategi terobosan yang dapat menjamin kelangsungan bisnis mereka. Salah satu aset utama yang dimiliki oleh perusahaan masa kini adalah data bisnis dalam jumlah yang luar biasa banyak. Ini melahirkan kebutuhan akan adanya teknologi yang dapat memanfaatkannya untuk membangkitkan " pengetahuan-pengetahuan " baru, yang dapat membantu dalam pengaturan strategi bisnis. Teknologi data mining hadir sebagai solusi. Makalah ini akan mengulas permasalahan bisnis yang ada dan dasar-dasar data mining melalui bahasan kegunaan, cara kerja dan metodologi-metodologi populer pada teknologi ini (pohon keputusan, klasifikasi, regresi non-linier, berbasis sampel, kebergantungan grafik, dll.). Abstract The world of business has always been full of competitions. The executors think relentlessly of the way to get survived. Fortunately, in the modern business world, there is valuable data warehouse that could be utilized to generate new knowledge to help the executives in arranging their business strategies. The knowledge generator, which is data mining technology, would be introduced to the readers. This paper presents the business problems to be solved and the foundations of data mining: the usage, how data mining works, the tasks, and the popular methods (decision rule, classification, non-linear regression, sample based, graphical dependency, etc.).

No.03 Palembang Sur-el: andri@mail.binadarma.ac.id 1 , marlinda@gmail.com 2 Abtract: The development of information technology today allows data can be stored in digital form. At the college student population will continue to grow over time which causes the stored data, especially data related to students' academic will continue to grow. Data mining is an activity that aims to explore the information from a pile of data. Data mining is the process of data analysis using software to find patterns or certain rules of a number of large amounts of data that is expected to find knowledge to support keputusan.Dalam this research will be mining the data related to the academic students to be able to know the learning interest of students there is in college. This study will produce a model that can be used for grouping students based on their learning interests. Data mining techniques used in this study is the clustering technique. Abstrak: Perkembangan teknologi informasi saat ini memungkinkan data dapat disimpan dalam bentuk digital. Pada Perguruan tinggi jumlah mahasiswa akan terus bertambah seiring berjalannya waktu yang menyebabkan data yang tersimpan terutama data yang berhubungan dengan akademik mahasiswa akan terus bertambah.. Data mining merupakan kegiatan yang bertujuan untuk menggali informasi dari tumpukan data yang besar. Data mining merupakan proses analisis data menggunakan perangkat lunak untuk menemukan pola atau aturan tertentu dari sejumlah data dalam jumlah besar yang diharapkan dapat menemukan pengetahuan guna mendukung keputusan.Dalam penelitian ini akan dilakukan mining data yang berhubungan dengan akademik mahasiswa untuk dapat mengetahui minat belajar dari mahasiswa yang ada dalam perguruan tinggi. Penelitian ini akan menghasilkan sebuah model yang dapat digunakan untuk melakukan pengelompokan mahasiswa berdasarkan minat belajarnya. Teknik Data mining yang digunakan dalam penelitian ini adalah teknik clustering.

JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING, 2017

Frequent pattern mining memainkan peran penting di dalam data mining. Salah satu metode yang digunakan adalah metode asosiasi. Metode asosiasi digunakan untuk mencari dan menganalisa data transaksi penjualan yang terjadi. Hal ini dapat dilakukan dengan memeriksa perilaku pelanggan terkait dengan produk - produk yang dibeli. Dengan menggunakan aturan asosiasi, kita dapat mengetahui seberapa sering item yang dibeli bersama-sama dalam suatu transaksi. Salah satu algoritma yang digunakan adalah Eclat. Eclat pada dasarnya adalah pencarian algoritma depth-first menggunakan persimpangan yang ditetapkan. Kelebihan dari Eclat adalah proses dan performa penghitungan support dari semua itemsets dilakukan dengan lebih efisien dibandingkan dengan algoritma HUI-miner apriori. Akan tetapi dalam penelitian ini diperoleh hasil algoritma HUI-miner lebih efektif dan lebih stabil dari segi waktu jika di bandingkan dengan eclat.

Abstrak Penelitian ini dilakukan untuk menemukan pola hubungan riwayat akademik terhadap hasil belajar mahasiswa yang berupa rule(aturan) melalui penerapan data mining metode decission tree algoritma C.45. Penelitian ini akan menginformasikan kepada mahasiswa untuk antisipasi dini dalam mengikuti perkuliahan agar mendapatkan hasil belajar yang maksimal. Penelitian juga ini dapat menginformasikan kepada pihak pengajar bahwa dengan perbedaan riwayat akademik diharapkan bagi pengajar dapat menentukan metode belajar yang tepat agar perkuliahan dapat berjalan lancar. Proses data mining dengan metode decission tree algoritma C.45 dimulai dari pembentukan decision system sebagai data awal yang memiliki nilai atribut kondisi dan keputusan. Kemudian menghitung nilai entropy dari masing-masing atribut. Menghitung nilai gain yang tertinggi yang selanjutnya akan digunakan menjadi node. Selajutnya Menentukan keputusan dari hasil proses decission tree dengan menggunakan logika if-then dimulai dari akar tertinggi hingga akar terendah. Penelitian ini menghasilkan 7 buah pola aturan (rule) sebagai landasan dalam memprediksi pencapaian hasil belajar mahasiswa.