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

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

2. V. Output yang dihasilkan berupa pertimbangan jurusan yang paling tepat . RUANG LINGKUP Ruang lingkup permasalahan dalam penelitian ini adalah Stikom Dinamika Bangsa. IV. Diharapkan dapat membantu pihak-pihak yang berkepentingan untu kemudahan perolehan gambaran jurusan yang terbaik di Stikom.juga dapat digunakan salah satunya dalam hal ini. 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. kami lebih menekankan kepada konsistensi pemilihan jurusan di STIKOM Dinamika Bangsa Jambi. Pembuatan program atau aplikasi bantuan c. memahami. PERUMUSAN MASALAH Ditinjau dari uraian latar belakang di atas dapat diketahui bahwa meskipun teknologi basisdata modern telah menghasilkan media penyimpanan yang ekonomis. teknologi untuk membantu kita menganalisis. TUJUAN PENELITIAN Tujuan diadakannya penelitian ini adalah : 1. Metode yang digunakan adalah metode Clustering b. 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. Input dari pemecahan masalah adalah data koordinat jurusan d. atau bahkan memvisualisasikannya belumlah tersedia. Diharapkan dapat membantu mempercepat pengambilan keputusan dengan adanya data mining dan program bantu. III.

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. Data mining mining adalah mencocokkan aplikasi data suatu dalam suatu model untuk menemukan informasi yang tersembunyi dalam basisdata . Oleh sebab itu istilah data mining sering disalahgunakan untuk . dimana proses penemuan tersebut dilakukan secara otomatis atau semi otomatis dan pola-pola yang ditemukan harus bermanfaat . Data mining merupakan proses penemuan yang efisien sebuah pola terbaik yang dapat menghasilkan sesuatu yang bernilai dari suatu koleksi data yang sangat besar. Data 6. Proses ini dilakukan berulang-ulang (iterasi) hingga didapat satu set pola yang memuaskan yang dapat berfungsi sesuai yang diharapkan. TINJAUAN PUSTAKA  Beberapa pengertian data mining yang berhasil penulis himpun dari beberapa pendapat adalah sebagai berikut. 4. 7. merupakan algoritma untuk menggali informasi bermanfaat dari dalam basisdata . 8. 3.VI. 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. Data mining atau Knowledge Discovery in Databases (KDD) adalah pengambilan informasi yang tersembunyi. Data mining adalah proses menemukan pola-pola didalam data. Data mining adalah suatu pola yang menguntungkan dalam melakukan search pada sebuah database yang terdapat pada sebuah model. 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. dimana informasi tersebut sebelumnya tidak dikenal dan berpotensi bermanfaat. 1.

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

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

com/2006/08/29/mengenal-data-mining/ http://ilmukomputer. X. 2.data-mining/ http://ilmukomputer.com/2006/08/29/penerapan. 4.data-mining/ . berdasarkan nilai tengah dari objek-objek pada cluster VIII.a. Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. 3. Jakarta. RELEVANSI Relevansi dari penelitian ini adalah : 1. Tunjukkan setiap objek pada cluster dimana objeknya hampir sama. http://ilmukomputer. Diharapkan nantinya dengan adanya penelitian ini dapat membantu berbagai pihak. 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. No 1. Dengan adanya pendekatan data mining dalam penelitian ini diharapkan hasil yang didapatkan dapat membantu pengambilan keputusan dengan baik. 2007.com/2006/08/25/pengantar. 2. IX. Pilih k objek sembarang sebagai inisial pusat cluster b.

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master Your Semester with a Special Offer from Scribd & The New York Times

Cancel anytime.