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)
Yogi Yusuf W.
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Penerapan Data Mining dalam Penentuan Aturan Asosiasi Antar Jenis Item Yogi Yusuf W.; F. Rian Pratikto; Gerry T.
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2006
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Data tidak dapat dipisahkan dari kehidupan sehari-hari. Suatu organisasi baik besar maupun kecil dapat dibanjiri dengan berbagai macam data, tidak terkecuali dengan CV JP Bogor. Saat ini pemanfaatan data-data yang dimiliki belum maksimal, baru sebatas untuk pembuatan laporan. Data transaski penjualan yang terkumpul dan tersimpan dapat memberikan pengetahuan yang bermanfaat bagi manajemen dalam melakukan usaha-usaha yang terkait dengan peningkatan penjualan dengan melakukan promosi yang tepat dan membekali tenaga penjual dengan pengetahuan mengenai kebiasaan customer. Pengetahuan mengenai asosiasi antar jenis produk, jenis-jenis produk yang muncul bersamaan pada tiap transaksi, dapat menjadi masukan penting dalam melakukan usaha peningkatan penjualan tersebut. Salah satu teknologi yang dapat digunakan untuk mengolah data menjadi pengetahuan adalah data mining. Hasil penambangan terhadap data transaksi penjualan memberikan tiga aturan yang memenuhi batas confidence sebesar 80%. Aturan-aturan tersebut adalah: CD2R ⇒ RT dengan confidence 87.321% dan support 15.93%, CD5R ⇒ DM dengan confidence 98.734% dan support 2.91%, dan G16 dan FF364 ⇒ BAA dengan confidence 100% dan support 2.015%.Kata kunci: Data Mining, Aturan Asosisasi, Market Basket Analysis, Algoritma A Priori, Confidence, Support
Perbandingan Performansi Algoritma Decision Tree C5.0, CART, dan CHAID: Kasus Prediksi Status Resiko Kredit di Bank X Yogi Yusuf W.
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2007
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Perkembangan teknologi informasi yang pesat telah mempengaruhi cara penilaian resiko kredit yangsemula dengan cara human judgment bergeser ke arah cara yang formal dan objektif yaitu melalui creditscoring. Banyak teknik yang dapat membantu dalam pembangunan model credit scoring. Pada perkembanganterbaru, teknik-teknik yang terdapat di dalam data mining mulai banyak digunakan khususnya teknik decisiontree telah menjadi teknik yang populer. Ada beberapa algoritma decision tree yaitu C5.0, CART, dan CHAIDyang dapat digunakan untuk membangun model tree. Ketiga algoritma tersebut menghasilkan model tree yangberbeda untuk set data yang sama. Model yang berbeda dapat memberikan keakuratan yang berbeda pula.Algoritma C5.0 memberikan rata-rata tingkat keakuratan sebesar 87,72%, CART 87,27%, dan CHAID 87,15%.Dari analisis statistik diperoleh bahwa tidak ada perbedaan performansi yang signifikan di antara ketigaalgoritma tersebut.Kata kunci: Credit Scoring, Data Mining, Decision Tree, Algoritma C5.0, CART, CHAID
Co-Authors F. Rian Pratikto Gerry T.