P. 1
Proposal Metode Penelitian

Proposal Metode Penelitian

|Views: 20|Likes:
Published by whiemudz

More info:

Published by: whiemudz on May 15, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

10/15/2013

pdf

text

original

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

statistik. Untuk itu diperlukan suatu metoda baru yang dapat menjawab kebutuhan tersebut. data mining tidak hanya melakukan minig terhadap data transaksi saja namun .. 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. 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. karena data mining menyangkut database. JUDUL Judul dari proposal ini adalah PEMILIHAN JURUSAN DI STIKOM DINAMIKA BANGSA JAMBI DENGAN PENDEKATAN DATA MINING. dan sebagainya. Data Mining memang salah satu cabang ilmu komputer yang relatif baru. Alat dan teknik analisis data yang tradisional tidak dapat digunakan untuk mengekstrak informasi dari data yang sangat besar. II. 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. Dalam jurnal ilmiah.I. kecerdasan buatan (artificial intelligence). Definisi sederhana dari data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di database yang besar. LATAR BELAKANG Kemajuan dalam pengumpulan organisasi data dan teknologi jumlah penyimpanan data yang yang sangat cepat memungkinkan menghimpun luas. Dan sampai sekarang orang masih memperdebatkan untuk menempatkan data mining di bidang ilmu mana.

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

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

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

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->