Garuda - Garba Rujukan Digital

Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT) Khairul Amri; Alwis Nazir; Elin Haerani; Muhammad Affandes; Reski Mai Candra; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4408

Abstrak - Tracer study adalah sebuah pendekatan yang diterapkan universitas untuk memperoleh informasi tentang kemungkinan kelemahan dalam proses pendidikan dan proses pembelajaran yang menjadi dasar perencanaan aktivitas untuk penyempurnaan di masa mendatang. Pada Universitas Islam Negeri Sultan Syarif Kasim Riau belum pernah ada tracer study yang komprehensif dan terstruktur dalam ruang lingkup universitas. Tracer study yang dilakukan hanya dalam lingkup program studi dan hanya dilaksanakan menjelang proses akreditasi prodi. Tidak ada tracer study yang rutin dilakukan di tingkat program studi dan universitas setiap tahunnya. Pada penelitian ini akan berfokus kepada penerapan data mining untuk mencari pola asosiasi pada data tracer study menggunakan Equivalence Class Transformation (ECLAT). Dari hasil penelitian terdapat 4 pola yang memenuhi support 13% dan confidence 80% dengan pengujian lift rasio 1. Pola tersebut diantaranya Jika ipk antara 3 – 3,5 dan gaji pertama dibawah 3 juta dan laki-laki maka status kelulusan tidak tepat waktu dan “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dengan support 17% dan confidence 84%. Jika ipk antara 3 – 3,5 dan perempuan maka “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dan hubungan pekerjaan dengan jurusan sesuai dengan support 14 % dan confidence 100%.Kata kunci: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat Abstract - Tracer study is an approach applied by universities to obtain important information in the education and learning process which is the basis for planning activities for future improvement. At UIN SUSKA University there has never been a comprehensive and structured tracer study within the scope of the university. There is no routine tracer study conducted at the study program and university level every year. This research will focus on the application of data mining to find association rules in tracer study data using ECLAT. From the research results, there are 4 patterns that meet the support of 13% and 80% confidence with a lift ratio test 1. The patterns include If the ipk is between 3 - 3.5 and the first salary is below 3 million and male then the graduation status is not on time and the waiting period to get the first job is less than 6 months with 17% support and 84% confidence. If the ipk is between 3 - 3.5 and female, then the waiting period to get the first job is less than 6 months and the job relationship with the major is in accordance with the support of 14% and confidence 100%.Keywords: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat

Analisa Pola Makan Mahasiswa Penderita Gastritis (Maag) Dengan Menerapkan Metode Frequent Pattern-Growth (FP-Growth) Fitri Astuti; Elvia Budianita; Alwis Nazir; Reski Mai Candra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4447

Abstract— Gastritis is an inflammation that occurs in the walls of the stomach. Young and mature age belongs to the category of productive age, where the productive age is more at risk of developing gastritis. This study aims to find the diet of students of Sultan Syarif Kasim Riau Islamic University by applying the fp-growth algorithm. This study used 502 records of data obtained from interviews with several students of the Sultan Syarif Kasim Riau Islamic University. The attributes used are faculty, semester, gender, place to live, busy college schedule solutions, the habit of consuming staple foods, snacks, instant noodles, fast food, spicy food, coffee, soft drinks, and snacks. Based on the results of the implementation of the application that was built and tested using the RapidMiner tools with a minimum support of 6%, and a minimum confidence of 100%, 4 patterns were found with a lift ratio of 1.88. From the 4 association patterns produced, it can be concluded that students with gastritis who have the habit of consuming staple food 2 x / day, spicy food and fast food 2-3 x / week or 4-5 x / week, consume coffee sometimes or 1 x / week, and endure hunger as a solution to a busy college schedule, the student is a student who lives in a boarding house / rented.Keywords : Data Mining, Pattern Association, FP-Growth, Gastritis Disease Abstrak— Gastritis adalah peradangan yang terjadi pada dinding lambung. Usia muda dan dewasa termasuk dalam kategori usia produktif, dimana usia produktif lebih berisiko terkena gastritis. Penelitian ini bertujuan untuk menemukan pola makan mahasiswa Universitas Islam Sultan Syarif Kasim Riau dengan menerapkan algoritma fp-growth. Penelitian ini menggunakan 502 records data yang diperoleh dari hasil wawancara terhadap beberapa mahasiswa Universitas Islam Sultan Syarif Kasim Riau. Atribut yang digunakan adalah fakultas, semester, jenis kelamin, tempat tinggal, solusi jadwal kuliah padat, kebiasaan mengkonsumsi makanan pokok, makanan ringan, mie instan, fast food, makanan pedas, kopi, minuman bersoda, dan jajanan. Berdasarkan hasil implementasi aplikasi yang dibangun dan pengujian menggunakan tools RapidMiner dengan minimum support 6% dan minimun confidence 100% ditemukan 4 pola dengan lift ratio 1,88. Berdasarkan 4 pola asosiasi yang dihasilkan dapat disimpulkan bahwa bahwa Mahasiswa penderita gastritis yang memiliki kebiasaan mengkonsumsi makanan pokok 2 x/hari, makanan pedas dan fast food 2-3 x/minggu atau 4-5 x/minggu, mengkonsumsi kopi kadang – kadang atau 1 x/minggu, serta menahan lapar sebagai solusi jadwal kuliah yang padat maka mahasiswa tersebut merupakan mahasiswa yang tinggal di kos/kontrakanKata kunci : Data Mining, Pola Asosiasi, FP-Growth, Penyakit Gastritis

KLASIFIKASI STATUS GIZI BAYI POSYANDU KECAMATAN BANGUN PURBA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Emir Ramon; Alwis Nazir; Novriyanto Novriyanto; Yusra Yusra; Lola Oktavia
Jurnal Sistem Informasi dan Informatika (Simika) Vol 5 No 2 (2022): Jurnal Sistem Informasi dan Informatika (Simika)
Publisher : Program Studi Sistem Informasi, Universitas Banten Jaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47080/simika.v5i2.2185

This research was conducted to apply the Support Vector Machine algorithm in the process of classifying the nutritional status of infants under five. The nutritional status of early childhood can determine what kind of human resources as successors of a nation in the future. Good nutritional status plays an important role in determining the success or failure of efforts to increase human resources, so that data on the nutritional status of toddlers such as at the Posyandu, Bangun Purba District can be classified using Data Mining techniques using the Support Vector Machine algorithm. The results of this study using 80% of the data as training data and 20% of the data as training data are f1 score 0.865, accuracy 0.876, precision score 0.871, and recall score 0.876. The results showed that from a total of 347 data on the nutritional status of infants, there were 284 infants with good nutrition, 15 infants with poor nutrition, 23 infants with less nutrition, 8 infants with excess nutrition, 6 infants with obesity, and 11 infants at risk of overnutrition. Based on these results, there were 304 baby nutrition data that were classified correctly from a total of 347 baby data that were used as testing data. From this research, it can be concluded that the Support Vector Machine algorithm can classify infant nutrition data at the Posyandu, Bangun Purba District, well.

DESAIN ARSITEKTUR DATA WAREHOUSE PADA DATA TRANSAKSI PENJUALAN ROTTE BAKERY Devi Julisca Sari; Siska Kurnia Gusti; Alwis Nazir; Elin Haerani; Fadhilah Syafria
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 5 No 2 (2022)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v5i2.605

The increasingly fierce competition between competitors requires companies to be able to compete and maintain their existence in order to continue to grow, for that utilizing information technology such as data warehouses will play a large enough role, because optimal data processing will produce quality information in supporting companies to take appropriate policies. as well as increasing the productivity and effectiveness of the company's performance. The application of the data warehouse can be started by making an architectural design that will be made, for that the researcher aims to provide recommendations for the design of the data warehouse architecture on the sales transaction data of Rotte Bakery by applying the Nine Steps Kimball method. The final result of this research is the application of the Nine Steps Kimball method and the integration of transaction data through the ETL process (extract, transform, load) successfully produces data stored in the data warehouse only the data that is needed and has been uninformed, so that data processing only takes a long time. shorter time in supporting appropriate policy making and achieving business strategies in order to be able to keep pace with the business competition

Pengelompokan pembagian zakat dengan menggunakan metode clustering k-means Alvin Alvin Anzaz Islami; Elin Haerani; Novriyanto; Alwis Nazir
Computer Science and Information Technology Vol 4 No 1 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i1.4804

Zakat merupakan ibadah yang menyangkut harta benda. Zakat juga termasuk rukun islam yang ke empat yang memiliki tujuan menyucikan harta bagi setiap muslim dengan cara menyisihkan sebagian harta kekayaannya, jika telah mencapai waktu dan besaran jumlahnya diberikan kepada orang yang berhak menerimanya. Pengumpulan dan penyaluran zakat biasanya ditangani oleh Badan Amil Zakat (BAZ) yang ada disetiap wilayah Indonesia, salah satunya di Pekanbaru. Sesuai dengan peraturan ada dua tahap yang dilakukan dalam memberikan bantuan kepada para mustahik yaitu melakukan wawancara dan observasi lapangan, kemudian menentukan nominal bantuan yang diberikan dengan kategori Mustahik penerima bantuan zakat 1, zakat 2, dan zakat 3. Masalah yang sering dijumpai dalam penentuan calon penerima bantuan adalah cara dalam pemilihan Mustahik yang masih menggunakan cara manual, sehingga sering menimbulkan masalah seperti lamanya proses pemilihan dan terjadinya salah hitung sehingga hasil seleksi Mustahik menjadi kurang akurat. Untuk itu, perlu dibuat suatu analisis yang dapat mengolah data menjadi informasi. Data mining ialah proses untuk mengolah data menjadi suatu informasi dengan teknik statistik, AI, dan machine learning. Ada banyak metode dalam data mining. Pada penelitian ini menggunakan algoritma k-means clustering dan untuk pengujian menggunakan Davies Bouldin Index. berdasarkan pengujian menggunakan davies bouldin index (DBI) klaster 4 merupakan klaster terbaik dengan nilai 0.671, dimana jika nilainya semakin rendah maka akan semakin baik klaster tersebut

Penerapan Algoritma K-Medoids Clustering untuk Mengetahui Pola Penerima Beasiswa Bank Indonesia Provinsi Riau Mentari Aulia Putri; Alwis Nazir; Lestari Handayani; Iis Afrianty
JUKI : Jurnal Komputer dan Informatika Vol. 5 No. 1 (2023): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2023
Publisher : Yayasan Kita Menulis

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

Beasiswa Bank Indonesia merupakan bentuk dukungan finansial yang diberikan Bank Indonesia untuk para mahasiswa di Perguruan Tinggi Negeri dan Swasta terpilih. Melihat data penerima yang diperoleh sejak tiga tahun terakhir yakni 2020, 2021 dan 2022, perlu dilakukan pencarian pola karakteristik penerima beasiswa Bank Indonesia dikarenakan pihak Bank Indonesia belum memiliki pola. Metode yang digunakan dalam penelitian ini adalah metode data mining yang menggunakan algoritma K-Medoids dan aplikasi rapidminer. Data diperoleh bersumber dari Humas Bank Indonesia berupa data penerima beasiswa tahun 2020,2021, dan 2022. Variabel yang digunakan dalam penelitian ini yaitu IPK, Program Studi, dan Semester. Hasil dari penelitian ini yaitu pada Sekolah Tinggi Teknologi Dumai penerima beasiswa didominasi oleh mahasiswa Teknik Informatika. Pada UIN Suska Riau, penerima beasiswa didominasi oleh mahasiswa program studi Ilmu Komunikasi dan Fakultas Pertanian Peternakan semester 7. Pada Universitas Riau penerima beasiswa didominasi oleh mahasiswa dari Fakultas Ilmu Sosial dan Politik, Fakultas Ekonomi dan bisnis, program studi Pendidikan Ekonomi, Program Studi Ilmu Hukum semester 7. Pada Universitas Lancang Kuning didominasi oleh mahasiswa Fakultas Ekonomi dan Bisnis sesmeter 7. Pada Universitas Muhammadiyah Riau beasiswa ini didominasi oleh mahasiswa Program Studi Sistem Informasi semester 7. Kemudian juga dapat dilihat bahwa mahasiswa penerima beasiswa Bank Indonesia di tiap Universitas didominasi oleh mahasiswa yang memiliki IPK besar dari 3.5.

Clustering Vaksinasi Penyakit Mulut dan Kuku Di Provinsi Riau Menggunakan Algoritma K-Medoids Riska Yuliana; Alwis Nazir; Reski Mai Candra; Suwanto Sanjaya; Fadhilah Syafria
JUKI : Jurnal Komputer dan Informatika Vol. 5 No. 1 (2023): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2023
Publisher : Yayasan Kita Menulis

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

Foot and Mouth Disease (FMD) atau biasa pula disebut penyakit mulut dan kuku (PMK) merupakan penyakit infeksi akut yang menularkan ke hewan lain karena disebabkan oleh virus yang masuk dalam genus Apthovirus dan famili Picornaviridae. PMK perlu ditangani karena menyebabkan kerugian finansial terutama disebabkan oleh penurunan produksi hewan ternak seperti susu maupun daging, produktivitas tenaga kerja serta keterbatasan pangan. Salah satu penanganan dan pengendalian PMK pada hewan ternak sapi yaitu ,melakukan program vaksinasi. Penelitian ini menggunakan data dari Dinas Peternakan dan Kesehatan Provinsi Riau. Penelitian ini menggunakan teknik data mining dalam pengolahan datanya menggunakan metode k-medoids clustering. Proses K-Medoids merupakan proses agregasi yang membagi data menjadi beberapa kelompok, dan hasil dari proses clustering ini tidak bergantung pada urutan record yang dimasukkan. maka metode ini juga dapat mengatasi kelemahan dari k-means. Metode k-medoids dapat diterapkan pada data vaksinasi penyakit mulut dan kuku di Provinsi Riau, dan dapat diidentifikasi kelompok kekebalan hewan berdasarkan data tersebut. . Hasil cluster terbaik setelah dilakukan pengujian yaitu 2 cluster. Cluster terendah berada pada cluster 1 sebanyak 21894 ekor dan cluster 2 sebanyak 48042 ekor. Dimana dalam proses pengujian dilakukan menggunakan Davies Bouldien Index (DBI) mendapatkan nilai -0.482. Diharapkan penelitian ini dapat memberikan perhatian lebih untuk vaksinasi terhadap PMK karena kekebalan hewan yang masih rendah sehingga memudahkan terinfeksinya PMK.

PENERAPAN METODE K-MEANS UNTUK PENGELOMPOKAN DATA KAPAL BARANG (STUDI KASUS: KSOP PEKANBARU) Ariq At-Thariq Putra; Alwis Nazir; Febi Yanto; Suwanto Sanjaya; Fadhilah Syafria
SYNTAX Jurnal Informatika Vol 12 No 01 (2023): Mei 2023
Publisher : Universitas Singaperbangsa Karawang

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

Transportation by sea is crucial for national development as it contributes to the growth of the economy and other ship transport sectors. With the increasing demand for cargo ships in the maritime transportation industry, data clustering is needed to review the growth of cargo ships in Riau. K-Means is a commonly used technique for clustering data that helps to classify data effectively. This algorithm is not influenced by data series and starts with the random determination of cluster centers during calculation. This cargo ship research aims to classify cargo ship data at the Pekanbaru KSOP, which allows the Pekanbaru KSOP to easily monitor the development of cargo ships.

Comparison of Triple Exponential Smoothing and Support Vector Regression Algorithms in Predicting Drug Usage at Puskesmas Syafira Agnesti; Alwis Nazir; Iwan Iskandar; Elvia Budianita; Iis Afrianty
Sistemasi: Jurnal Sistem Informasi Vol 12, No 3 (2023): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v12i3.3499

Drug management is important in managing adequate drug supplies in Puskesmas, to avoid errors in controlling existing drug stock inventory, it is necessary to predict the amount of drug usage by comparing Data Mining methods and Machine Learning methods, using the Triple Exponential Smoothing (TES) and Support Vector Regression (SVR) algorithms. Implementation is done using the Python programming language. The data used is Amlodipine 10 mg and Amoxicillin 500 mg drug data with a period of 42 months, from January 2020 - June 2023. This study aims to determine the best algorithm by comparing prediction error rate using the Mean Absolute Percentage Error (MAPE) method. Based on research that has been conducted on Amlodipine 10 mg and Amoxicillin 500 mg drugs with a division of 80% training data and 20% testing data, the Triple Exponential Smoothing algorithm with an additive model produces MAPE values of 10.36% and 17.50% respectively with the "Good" category. While Support Vector Regression algorithm, with RBF kernel, complexity 1.0, and epsilon 0.1 produces MAPE values of 10.31% and 9.38% in the "Good" and "Very Good" categories, respectively. Based on this, it can be concluded that Support Vector Regression algorithm is better at predicting than the Triple Exponential Smoothing algorithm.

Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT) Khairul Amri; Alwis Nazir; Elin Haerani; Muhammad Affandes; Reski Mai Candra; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4408

Abstrak - Tracer study adalah sebuah pendekatan yang diterapkan universitas untuk memperoleh informasi tentang kemungkinan kelemahan dalam proses pendidikan dan proses pembelajaran yang menjadi dasar perencanaan aktivitas untuk penyempurnaan di masa mendatang. Pada Universitas Islam Negeri Sultan Syarif Kasim Riau belum pernah ada tracer study yang komprehensif dan terstruktur dalam ruang lingkup universitas. Tracer study yang dilakukan hanya dalam lingkup program studi dan hanya dilaksanakan menjelang proses akreditasi prodi. Tidak ada tracer study yang rutin dilakukan di tingkat program studi dan universitas setiap tahunnya. Pada penelitian ini akan berfokus kepada penerapan data mining untuk mencari pola asosiasi pada data tracer study menggunakan Equivalence Class Transformation (ECLAT). Dari hasil penelitian terdapat 4 pola yang memenuhi support 13% dan confidence 80% dengan pengujian lift rasio 1. Pola tersebut diantaranya Jika ipk antara 3 – 3,5 dan gaji pertama dibawah 3 juta dan laki-laki maka status kelulusan tidak tepat waktu dan “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dengan support 17% dan confidence 84%. Jika ipk antara 3 – 3,5 dan perempuan maka “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dan hubungan pekerjaan dengan jurusan sesuai dengan support 14 % dan confidence 100%.Kata kunci: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat Abstract - Tracer study is an approach applied by universities to obtain important information in the education and learning process which is the basis for planning activities for future improvement. At UIN SUSKA University there has never been a comprehensive and structured tracer study within the scope of the university. There is no routine tracer study conducted at the study program and university level every year. This research will focus on the application of data mining to find association rules in tracer study data using ECLAT. From the research results, there are 4 patterns that meet the support of 13% and 80% confidence with a lift ratio test 1. The patterns include If the ipk is between 3 - 3.5 and the first salary is below 3 million and male then the graduation status is not on time and the waiting period to get the first job is less than 6 months with 17% support and 84% confidence. If the ipk is between 3 - 3.5 and female, then the waiting period to get the first job is less than 6 months and the job relationship with the major is in accordance with the support of 14% and confidence 100%.Keywords: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat

Title

Found 12 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 12 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 12 Documents
Search