PROPOSAL METODE PENELITIAN

JUDUL DISUSUN OLEH

: PEMILIHAN JURUSAN DI STIKOM DINAMIKA BANGSA JAMBI DENGAN PENDEKATAN DATA MINING. : 1. IKA M. SAFITRI – 8020060110 2. YANUS DWI .A – 8020060200 3. HILDA ANDHINA – 8020070223 : TEKHNIK INFORMATIKA

JURUSAN

SEKOLAH TINGGI ILMU KOMPUTER YAYASAN DINAMIKA BANGSA JAMBI

data mining juga dikenal dengan nama Knowledge Discovery in Databases (KDD). Ada pihak yang berpendapat bahwa data mining tidak lebih dari machine learning atau analisa statistik yang berjalan di atas database. Data mining merupakan teknologi yang menggabungkan metoda analisis tradisional dengan algoritma yang canggih untuk memproses data dengan volume besar. Data mining digunakan untuk melakukan information discovery yang informasinya lebih ditujukan untuk seorang Data Analyt dan Business Analyst. Untuk itu diperlukan suatu metoda baru yang dapat menjawab kebutuhan tersebut. Dalam jurnal ilmiah. JUDUL Judul dari proposal ini adalah PEMILIHAN JURUSAN DI STIKOM DINAMIKA BANGSA JAMBI DENGAN PENDEKATAN DATA MINING.. data mining tidak hanya melakukan minig terhadap data transaksi saja namun . LATAR BELAKANG Kemajuan dalam pengumpulan organisasi data dan teknologi jumlah penyimpanan data yang yang sangat cepat memungkinkan menghimpun luas. Alat dan teknik analisis data yang tradisional tidak dapat digunakan untuk mengekstrak informasi dari data yang sangat besar. statistik. Data Mining memang salah satu cabang ilmu komputer yang relatif baru. dan sebagainya. Definisi sederhana dari data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di database yang besar. kecerdasan buatan (artificial intelligence). Namun pihak lain berpendapat bahwa database berperanan penting di data mining karena data mining mengakses data yang ukurannya besar (bisa sampai terabyte) dan disini terlihat peran penting database terutama dalam optimisasi query-nya. karena data mining menyangkut database. Dan sampai sekarang orang masih memperdebatkan untuk menempatkan data mining di bidang ilmu mana.I. II.

III. Diharapkan dapat membantu pihak-pihak yang berkepentingan untu kemudahan perolehan gambaran jurusan yang terbaik di Stikom. Pembuatan program atau aplikasi bantuan c. TUJUAN PENELITIAN Tujuan diadakannya penelitian ini adalah : 1. Metode yang digunakan adalah metode Clustering b. IV. kami lebih menekankan kepada konsistensi pemilihan jurusan di STIKOM Dinamika Bangsa Jambi. RUANG LINGKUP Ruang lingkup permasalahan dalam penelitian ini adalah Stikom Dinamika Bangsa. Input dari pemecahan masalah adalah data koordinat jurusan d.juga dapat digunakan salah satunya dalam hal ini. PERUMUSAN MASALAH Ditinjau dari uraian latar belakang di atas dapat diketahui bahwa meskipun teknologi basisdata modern telah menghasilkan media penyimpanan yang ekonomis. Diharapkan dapat membantu mempercepat pengambilan keputusan dengan adanya data mining dan program bantu. teknologi untuk membantu kita menganalisis. Untuk memperjelas ruang lingkup pembahasan dan agar langkahlangkah pemecahan masalah tidak menyimpang dari tujuan yang ingin dicapai mka dalam penelitian ini akan dibuat batasan masalah sebagai berikut : a. atau bahkan memvisualisasikannya belumlah tersedia. memahami. Output yang dihasilkan berupa pertimbangan jurusan yang paling tepat . V. 2. Maka rumusan masalah yang muncul dalam penelitian ini adalah bagaimana membangun satu aplikasi atau program bantu untuk mempermudah pemilihan jurusan terbaik bagi calon mahasiswa/i di Stikom Dinamika bangsa dengan menggunakan metode pendekatan data mining.

VI. Data 6. Data mining adalah suatu pola yang menguntungkan dalam melakukan search pada sebuah database yang terdapat pada sebuah model. Data mining atau Knowledge Discovery in Databases (KDD) adalah pengambilan informasi yang tersembunyi. Oleh sebab itu istilah data mining sering disalahgunakan untuk . Data mining adalah sebuah class dari suatu aplikasi database yang mencari pola-pola yang tersembunyi di dalam sebuah group data yang dapat digunakan untuk memprediksi prilaku yang akan dating 5. 4. TINJAUAN PUSTAKA  Beberapa pengertian data mining yang berhasil penulis himpun dari beberapa pendapat adalah sebagai berikut. 7. 8. Proses ini dilakukan berulang-ulang (iterasi) hingga didapat satu set pola yang memuaskan yang dapat berfungsi sesuai yang diharapkan. Data mining merupakan proses penemuan yang efisien sebuah pola terbaik yang dapat menghasilkan sesuatu yang bernilai dari suatu koleksi data yang sangat besar. Berdasarkan beberapa pengertian diatas dapat ditarik kesimpulan bahwa data mining adalah suatu algoritma di dalam menggali informasi berharga yang terpendam atau tersembunyi pada suatu koleksi data (database) yang sangat besar sehingga ditemukan suatu pola yang menarik yang sebelumnya tidak diketahui. Secara sederhana dapat didefinisikan bahwa Data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di database yang besar sehingga menjadi informasi yang sangat berharga 2. merupakan algoritma untuk menggali informasi bermanfaat dari dalam basisdata . Data mining mining adalah mencocokkan aplikasi data suatu dalam suatu model untuk menemukan informasi yang tersembunyi dalam basisdata . 3. dimana proses penemuan tersebut dilakukan secara otomatis atau semi otomatis dan pola-pola yang ditemukan harus bermanfaat . dimana informasi tersebut sebelumnya tidak dikenal dan berpotensi bermanfaat. 1. Data mining adalah proses menemukan pola-pola didalam data.

pengetahuan lampau yang relevan dan tujuan dari pengguna akhir. Membangun pemahaman akan domain aplikasi. 3. sehingga dapat menunjang dalam pengambilan keputusan dengan benar.  Proses KDD secara garis besar 1. Juga dilakukan proses enrichment. Transformation and reduction Coding adalah proses transformasi pada data yang telah terpilih. Pre-processing Cleaning Sebelum proses data mining dapat dilaksanakan. Secara sederhana data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di basisdata yang besar. Memilih task data mining Memilih algoritma data mining Data mining . perlu dilakukan proses cleaning pada data yang menjadi focus KDD. Bahkan dengan menggunakan data mining dapat memprediksikan prilaku dan tren yang akan terjadi kemudian. 4. 2. data mining juga dikenal dengan nama KDD. 7. 6. Data Selection Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Proses cleaning mencakup antara lain membuang duplikasi data. Dalam jurnal ilmiah. 5.menggambarkan perangkat lunak yang mengolah data dengan cara yang baru. memeriksa data yang inkonsisten dan memperbaiki kesalahan pada data seperti kesalahan cetak (tipografi). Sebenarnya perangkat lunak data mining bukan hanya mengganti presentasi. sehingga data tersebut sesuai untuk proses data mining. tetapi benarbenar menemukan sesuatu yang sebelumnya belum diketahui menjadi muncul diantara sekumpulan data yang ada.

Mining Frequent Patterns. and Correlations : mencari pola-pola yang sering muncul dalam data. Classification and Prediction : mencari sebuah model yang mampu melakukan prediksi pada suatu data baru yang belum pernah ada. Analisis cluster Clustering dan segmentasi sebenarnya mempartisi database. METODOLOGI Adapun metodologi yang digunakan dalam penelitian ini adalah sebagai berikut : 1. maka terdapat sejumlah teknik untuk membentuk cluster. d.1 Tahap-tahap KDD  Fungsionalitas Data Mining Secara lebih spesifik data mining task berdasarkan fungsionalitasnya adalah sebagai berikut: a. Associations. karena itu setiap partisi atau group adalah sama menurut kriteria atau metrik tertentu. e. . K-means VII. Cluster Analysis : mengelompokkan data dalam sebuah cluster berdasarkan kemiripannya. Evolution Analysis : mencari model atau tren untuk data-data yang sifatnya terus berubah. Jika pengukuran kesamaan tersedia. Outlier Analysis : mencari data object yang sifatnya anomaly. c.Evaluation Data mining Knowledge Pattern Transformation Transformed data Preprocessing Preprocessed data Target data Selection Data Gambar II. b. 2.

IX. Tunjukkan setiap objek pada cluster dimana objeknya hampir sama.data-mining/ . 2.com/2006/08/25/pengantar. Pilih k objek sembarang sebagai inisial pusat cluster b.data-mining/ http://ilmukomputer. Diharapkan nantinya dengan adanya penelitian ini dapat membantu berbagai pihak. 3. http://ilmukomputer. RELEVANSI Relevansi dari penelitian ini adalah : 1.a. No 1. Dengan adanya pendekatan data mining dalam penelitian ini diharapkan hasil yang didapatkan dapat membantu pengambilan keputusan dengan baik. 2.com/2006/08/29/penerapan. 4. Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis.com/2006/08/29/mengenal-data-mining/ http://ilmukomputer. JADWAL KEGIATAN J U N I 2008 Keterangan I Pengajuan Judul ACC & Pembuatan Proposal Penelitian Resume & Hasil Penelitian DAFTAR PUSTAKA II III IV I II III IV J U L I 2008 Santosa Budi. X. 2007. berdasarkan nilai tengah dari objek-objek pada cluster VIII. Jakarta.

Sign up to vote on this title
UsefulNot useful