Maksud dan Tujuan Batasan Masalah

4

1.5 Sistematika Penulisan

Sistematika dari penulisan tugas akhir ini dibagi menjadi lima bab pembahasan yaitu sebagai berikut: BAB I PENDAHULUAN Pada bab ini akan dijelaskan mengenai latar belakang permasalahan, rumusan masalah, maksud dan tujuan, batasan masalah, metode penelitian dan sistematika penulisan. BAB II DASAR TEORI Pada bab ini akan dijelaskan mengenai dasar-dasar teori, rujukan dan metode yang berhubungan dengan judul. BAB III PERANCANGAN Pada bab ini akan membahas tentang perancangan sistem aplikasi data mining. BAB IV HASIL DAN PEMBAHASAN Pada bab ini berisi pengujian dan pembahasan tentang implementasi dari penerapan teknik data mining serta validasi aplikasi yang penulis buat. BAB V SIMPULAN DAN SARAN Bab ini berisi tentang kesimpulan dari pembuatan aplikasi data mining masa studi mahasiswa menggunakan algoritma k-nearest neighborhood dan berisi saran-saran yang ditujukan kepada semua pihak yang bersangkutan. 5

BAB II DASAR TEORI

Bab ini menjelaskan tentang dasar teori yang digunakan dalam penyusunan tugas akhir ini, yaitu tentang pengertian data mining, pengelompokan data mining, metode klasifikasi dan penjelasan algoritma yang digunakan, yaitu k-Nearest Neighborhood.

2.1 Data Mining

Data mining merupakan proses menemukan pengetahuan yang menarik dari data yang berjumlah besar yang disimpan di dalam database, gudang data atau repositori informasi [1]. Data mining juga disebut sebagai serangkaian proses untuk menggali nilai tambah berupa pengetahuan yang selama ini tidak diketahui secara manual dari suatu kumpulan data Pramudiono, 2007. Secara umum, data mining dapat melakukan dua hal yaitu memberikan kesempatan untuk menemukan informasi menarik yang tidak terduga dan juga bisa menangani data berskala besar. Dalam menemukan informasi yang menarik ini, ciri khas data mining adalah kemampuan pencarian secara hampir otomatis, karena dalam banyak teknik data mining ada beberapa parameter yang masih harus ditentukan secara manual atau semi manual. Data mining juga dapat memanfaatkan pengalaman atau bahkan kesalahan di masa lalu untuk meningkatkan kualitas dari model maupun hasil analisanya, salah satunya dengan kemampuan pembelajaran yang dimiliki beberapa teknik data mining seperti klasifikasi.