Tugas Konsep Data Mining

Jurnal 1

 

Judul Jurnal : IMPLEMENTASI DATA MINING SEBAGAI INFORMASI STRATEGIS    PENJUALAN

 

Metode Yang Digunakan : Decission Tree, Algoritma hunt, Information Gain

 

Tujuan : Menemukan informasi strategis terkait penjualan batik dari data warehouse yang dimiliki sebagai sumber informasi bagi manajemen Batik Mahkota Laweyan berkaitan dengan tren kategori batik berdasarkan nama pola barang dan wilayah pemasarannya dari waktu ke waktu

 

Hasil & Pembahasan : untuk menentukan klasifikasi nama kategori batik berdasarkan nama nama pola, jenis kelamin pelanggan dan propinsi distribusi penjualannya. Klasifikasi nama kategori batik dilakukan dengan metode Decision Tree menggunakan algoritma hunt

 

Kesimpulan : Proses data mining dengan menggunakan metode decision tree telah berhasil dilakukan untuk menggali informasi strategis bagi Batik Mahkota Laweyan. Hasil proses ini menunjukkan bahwa atribut yang memiliki pengaruh paling tinggi untuk menentukan klasifikasi nama kategori batik adalah nama pola (X1). Hal ini ditunjukkan dengan variabel X1 yang menempati sebagai simpul akar (root node) dalam diagram pohon keputusan

Jurnal 2

 

Judul Jurnal : IMPLEMENTASI DATA MINING DALAM PENGELOMPOKAN DATA PESERTA DIDIK DI SEKOLAH UNTUK MEMPREDIKSI CALON PENERIMA BEASISWA

 

Metode Yang Digunakan : K-Means, Clustering

 

Tujuan : Untuk mengelompokan peserta didik tersebut apakah layak mendapatkan beasiswa berdasarkan nilai akademiknya atau berdasarkan gaji orang tuanya.

 

Hasil & Pembahasan : Data mining adalah bagian dari proses KDD (Knowledge Discovery in Databases) yang terdiri dari beberapa tahapan seperti pemilihan data, pra pengolahan, transformasi, data mining, dan evaluasi hasil. Pemanfaatan datamining berguna untuk menentukan kelompok dari nilai –nilai akademik peserta didik beserta gaji orang tuanya, sedangkan algoritma yang digunakan untuk proses pengelompokannya menggunakan algoritma k-means. Algoritma k-means merupakan bentuk clustering non hirarki yang berusaha mempartisi data ke dalam bentuk satu atau lebih cluster.Dengan algoritma k-means data nilai akademik dan gaji orang tua peserta didik dikelompokan berdasarkan titik tengah suatu cluster.

 

Kesimpulan : Dalam implementasinya menggunakan algoritma k-means clustering. Penelitian dilakukan untuk mencari kelompok 208 Jurnal Teknologi Rekayasa Volume 21 No.3, Desember 2016 nilai akademik dan gaji orang tua dengan cara menghitung jarak antara data dengan titik tengah suatu cluster. Sehingga pengelompokan tersebut menghasilkan suatu kelompok yang paling berhak mendapatkan program beasiswa setelah lulus dari SMAN 16 Bekasi.

Jurnal 3

 

Judul Jurnal : Implementasi Data Mining Dalam Memprediksi Transaksi Penjualan Menggunakan Algoritma Apriori

 

Metode Yang Digunakan : Algoritma Apriori,

 Tujuan : Untuk memprediksi transaksi penjualan

Hasil & Pembahasan : Analisa asosiasi dengan algoritma apriori dapat menemukan

aturan asosiasi untuk kombinasi penjualan produk roti, serta mengetahui produk roti yang paling banyak diminati oleh pelanggan. Penerapan data mining menggunakan algoritma apriori sangat efisien dan dapat mempercepat proses pembentukan kecendrungan pola kombinasi itemset dari hasil transaksi penjualan produk roti pada PT. Arma Anugerah Abadi Cabang Sei Rampah, yaitu dengan nilai support dan confidence tertinggi adalah Roti Bungkus Coklat Keju dan Roti Bungkus Pres Kelapa

Kesimpulan : Manfaat Penelitian dalam memprediksi transaksi penjualan pada PT. Arma Anugerah Abadi adalah: Memudahkan perusahaan mendapatkan informasi terhadap produk yang sering dibeli oleh konsumen. Sebagai bahan evaluasi bagi pihak peusahaan dalam perbaikan sistem yang sekarang diterapkan. Sebagai alat bantu pihak perusahaan mempunyai sistem pendukung keputusan dalam menentukan barang yang paling sering terjual.

Jurnal 4

 

Judul Jurnal : Algoritma Klasifikasi Data Mining Naïve Bayes Berbasis Particle Swarm Optimization Untuk Deteksi Penyakit Jantung.

 

Metode Yang Digunakan : Naïve Bayes & Particle Swarm Optimazitation.

 

Tujuan : Membandingkan algoritma klasifikasi data mining Naive Bayes Berbasis PSO untuk deteksi penyakit jantung.

 

Hasil & Pembahasan : Hasil yang relevan dengan deteksi penyakit jantung dan data set yang digunakan adalah hasil rekap medical check-up yang meliputi hasil laboratorium sejumlah 300 orang yang diolah dengan tool rapid miner dan dari data tersebut akan dibagi 75% untuk data training dan 25% untuk data testing oleh rapid miner dengan menggunakan algoritma naive bayes berbasis PSO.

 

Kesimpulan : Pada eksperimen awal dihasilkan akurasi untuk algoritma naive bayes sebesar 82.14% dengan nilai area under cover (AUC) 0.686 dengan kategori “poor classification”. Pada eksperimen kedua dengan menggunakan algoritma naive bayes berbasis PSO menjadi 92.86% dan nilai AUC 0.839 dengan kategori “good classification”. Pada eksperimen kedua terbukti bahwa dengan penambahan optimasi dapat meningkatkan nilai akurasi.

Jurnal 5

 

Judul Jurnal : Analisis Data Mining Penjualan Ban Menggunakan Algoritma C4.5

 

Metode Yang Digunakan : Algoritma C4.5

 

Tujuan : Untuk mengoptimalisasi transaksi penjualan ban. Optimasi ini akan mempengaruhi penentuan persediaan ban di Gudang.

 

Hasil & Pembahasan : Hasil yang akan dicapai dalam penelitian ini adalah mengetahui jumlah persediaan ban yang harus disediakan oleh CV. RODA INTI MAS dalam memenuhi permintaan dan penjulan ban dengan menggunakan metode klasifikasi algoritma C4.5.

 

Kesimpulan : Berdasarkan hasil pengujian dan implementasi Data Mining menggunakan algoritma C4.5 dalam melakukan pengklasifikasian data penjualan Ban di CV. RODA INTI MAS, maka didapatkan kesimpulan bahwa proses pengujian pada data tes, dilakukan sebanyak 3 kali pengujian yaitu terhadap 60 data, 90 data, dan 100 data, dengan tingkat akurasi antara 74% – 76%, dengan atribut akar (root) adalah kategori, dan antribut yang menjadi cabang adalah satuan, sedangkan atribut yang menjadi ranting adalah banyak dan sedikit.