Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) JSI: Jurnal Sistem Informasi (E-Journal)
Andria Arisal
Pusat Penelitian Informatika - Lembaga Ilmu Pengetahuan Indonesia
Computer Science & IT Decision Sciences, Operations Research & Management Library & Information Science Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Membangun Cluster dengan Menggunakan Igos Dwi Warna Wiwin Suwarningsih; Nuryani Nuryani; Andria Arisal; Taufik Wirahman; Nurhayati Masthurah
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2009
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada tulisan ini akan dijelaskan pembangunan sebuah cluster komputer dengan platform IGOS Nusantara2008 (Dwi Warna). Cluster ini dapat digunakan sebagai fasilitas dalam pemrosesan komputer secara paralel.Setiap node akan diinstal dengan menggunakan sistem operasi IGOS dwi warna. Cara membangun clusterdalam tulisan ini merupakan hasil dari penelitian dan praktek yang dilakukan di laboratorium pusat penelitianInformatika LIPI. Hasil akhir dari penelitian ini adalah terbentuknya sebuah cluster komputer dengan empatnode yang dapat digunakan untuk pemrosesan secara paralel.Kata kunci: cluster node, IGOS, paralel computing
Partisi Data Secara Vertikal Untuk Menentukan Aturan Asosiasi Item Set Data Cuaca Wiwin Suwarningsih; Andria Arisal
Jurnal Sistem Informasi Vol 7, No 2 (2015)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (251.135 KB) | DOI: 10.36706/jsi.v7i2.2266

Abstract

AbstractThis paper discussed about association rule mining among item sets of weather records, where observation results are distributed from data source and partitioned in order to create an optimal rule pattern. We use decision tree classifiers as method for data partitioning, which each item set has several attributes and these item sets are used to identify the valid global association rule, but did not disclose the items set individual transaction data. The final results of this study was to partition the data to generate a frequency associated items set weather data with the minimal level of support without revealing the value of the item set of individuals. Frequency value associated items set the partition of this data can be used for weather prediction simulations whether there will be rain or no rain. Keywords: association rule mining, item set, weather records, partition,                       decision tree classifiers Abstrak Makalah ini membahas aturan penambangan asosiasi (association rule mining) antar item set data cuaca dimana data hasil pemantauan didistribusikan dari sumber data dan dipartisi untuk memperoleh pola aturan yang optimal. Metoda yang akan digunakan untuk partisi data adalah pengklasifikasian pohon keputusan (decision tree classifiers) yaitu setiap item set memegang beberapa atribut dan item set tersebut mengidentifikasi aturan asosiasi global yang valid, namun item set tidak mengungkapkan data transaksi individu. Hasil akhir dari penelitian ini adalah partisi data untuk menghasilkan frekuensi asosiasi item set data cuaca dengan tingkat dukungan minimal tanpa mengungkapkan nilai item set individu. Nilai frekuensi asosiasi item set hasil partisi data ini dapat digunakan untuk simulasi prediksi cuaca apakah akan terjadi hujan atau tidak hujan. Kata-kuci : aturan penambangan asosiasi, item set, data cuaca,                              partisi, pengklasifikasian pohon
Co-Authors Nurhayati Masthurah Nuryani Nuryani Taufik Wirahman wiwin suwarningsih Wiwin Suwarningsih