Tujuan Penelitian Batasan Masalah Metodologi Penelitian

1.6 Sistematika Penulisan

Sistematika penulisan tugas akhir ini adalah sebagai berikut :

BAB I : PENDAHULUAN

Bab ini berisi latar belakang masalah, rumusan masalah, tujuan penelitian, batasan masalah, metodologi penelitian, dan sistematika penulisan.

BAB II : TINJAUAN PUSTAKA

Bab ini berisi dasar-dasar teori yang digunakan dalam penyusunan tugas akhir meliputi penambangan data, himpunan kasar, RDT, pohon keputusan dan algoritma C4.5

BAB III : ANALISIS DAN DISAIN

Bab ini berisi tentang analisis serta perancangan aplikasi penambangan data.

BAB IV : IMPLEMENTASI PROGRAM

Bab ini berisi implementasi penerapan teknik penambangan data dalam aplikasi.

BAB V : ANALISIS HASIL

Bab Analisis berisi tentang hasil analisis dari hasil output yang diperoleh

BAB VI : PENUTUP

Bab ini berisi tentang kesimpulan dari hasil pembuatan aplikasi penambangan data dan saran-saran yang ditujukan kepada semua pihak yang bersangkutan.

BAB II TINJAUAN PUSTAKA

2.1 Penambangan Data

Pengertian penambangan data data mining sangat beragam, beberapa penulis diantaranya mendefinisikan sebagai berikut : 1. Ekstraksi atau penambangan pengetahuan dari sejumlah besar data Han dan Kamber ,2006 2. Data mining adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola dan hubungan dalam set data berukuran besar Santosa , 2007 3. Data mining adalah metode yang digunakan untuk mengektraksi informasi prediktif tersembunyi dalam database Lee dan Santana, 2010 Jadi dapat diambil kesimpulan bahwa, data mining atau penambangan data adalah proses atau kegiatan mengektraksi data untuk mencari pola, keteraturan dan informasi yang tersembunyi dalam data yang besar atau basis data. Dengan diperolehnya informasi-informasi yang berguna dari data-data yang ada, hubungan antara item dalam transaksi, maupun informasi-informasi yang potensial, selanjutnya dapat diekstrak dan dianalisa serta diteliti lebih lanjut dari berbagai sudut pandang. Informasi yang ditemukan ini selanjutnya dapat diaplikasikan untuk aplikasi manajemen, melakukan pengambilan keputusan dan lain sebagainya. Dengan semakin berkembangnya kebutuhan akan informasi- informasi, semakin banyak pula bidang-bidang yang rnenerapkan konsep data mining .

2.2 Proses Penambangan Data

Data mining juga dikenal dengan istilah lain Knowledge Discovery in Database KDD, dimana tahapan-tahapan untuk memperoleh knowledge tersebut dibagi menjadi beberapa tahap seperti diilustrasikan dalam gambar 2.1 6 Gambar 2.1 Langkah-langkah dalam Penambangan Data Sumber : Han Kamber 2006 Berikut ini adalah penjelasan tahapan-tahapan KDD dari gambar 2.1 diatas : a. Pembersihan dan Penggabungan Data Data Cleaning and Integration Pada tahap ini data-data yang tidak konsisten dan tidak sempurna seperti salah ketik, duplikasi data ataupun atribut-atribut yang tidak relevan dibersihkan dibuang, karena data yang tidak relevan tersebut akan mengurangi akurasi data yang akan di-mining nantinya. Kemudian setelah itu data-data dari database di integrasikan digabungkan yang bertujuan untuk mendapatkan data yang lebih banyak lagi dan hasil yang lebih akurat. b. Pemilihan dan Transformasi Data Selection and Transformation Pada tahap ini merupakan tahap pemilihan atribut-atribut mana dari data yang akan digunakan dalam proses data mining . kemudian data akan

Dokumen yang terkait

Implementasi algoritma reduct based decision tree untuk mengenali pola klasifikasi mahasiswa yang terkena sisip program.

0 1 229

Pencarian karakteristik calon mahasiswa baru Universitas Sanata Dharma yang tidak mendaftar ulang dengan menggunakan algoritma pohon.

0 0 125

MANAJEMEN WAKTU MAHASISWA TERHADAP KURIK

0 1 17

Pencarian karakteristik calon mahasiswa baru Universitas Sanata Dharma yang tidak mendaftar ulang dengan menggunakan algoritma pohon - USD Repository

0 0 123

Klasifikasi Data Penerimaan Mahasiswa Baru dan Prestasi akademik mahasiswa Jurusan Teknik Informatika Universitas Sanata Dharma dengan menggunakan algoritma naive bayesian - USD Repository

0 1 145

Pencarian pola klasifikasi mahasiswa yang tidak memenuhi sisip program berdasarkan nilai tes masuk penerimaan mahasiswa baru dan latar belakang mahasiswa Universitas Sanata Dharma dengan menggunakan algoritma C4.5 - USD Repository

0 0 175

Prediksi calon mahasiswa baru Universitas Sanata Dharma yang tidak mendaftar ulang menggunakan algoritma Naive Bayessian - USD Repository

0 0 119

Pengenalan pola klasifikasi status registrasi calon mahasiswa baru Universitas Sanata Dharma dengan algoritma Reduct Based Decision Tree (RDT) - USD Repository

0 1 151

Pencarian pola klasifikasi karya pengembangan profesi guru berdasarkan data sertifikasi guru dengan algoritma Reduct Based Decision Tree (RDT) - USD Repository

0 0 231

Implementasi algoritma reduct based decision tree untuk mengenali pola klasifikasi mahasiswa yang terkena sisip program - USD Repository

0 0 227