Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Indonesia Symposium on Computing

Implementasi Algoritma Fold-Growth pada Pemodelan Pola Pembelian Barang sebagai Pendung Penentuan Letak Barang Bq Desy Hardianti; Mira Kania Sabariah; Alfian Gozali Akbar
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Data mining adalah proses analisa data untuk menggali pola yang terdapat pada data. Data mining digunakan untuk menggali data dalam jumlah besar dimana proses ini bertujuan untuk mendapatkan informasi dan pengetahuan baru yang bermanfaat yang dapat digunakan untuk mendukung penentuan keputusan. Salah satu teknik Data mining yang dapat digunakan adalah Market basket analysis dengan menggunakan association mining yaitu Algoritm Fold-Growth. Metode ini dimulai dengan mencari frequent itemset dan menghasilkan rule yang dapat dijadikan acuan peletakan barang pada toko atau supermarket . Algoritma Fold-Growth ini dapat membantu menemukan aturan asosiasi antarbarang yang dapat digunakan sebagai acuan dalam marketing atau promosi barang secara efektif. Dalam penelitian ini dibuktikan bahwa Algoritma Fold- Growth berhasil diimplementasikan dalam kasus Market basket analysis untuk menentukan rule atau aturan terkait peletakan barang pada toko atau supermarket. Dari penelitian yang telah dilakukan ditemukan juga bahwa dari data transaksi yang di dapat dan diujicobakan berdasarkan jumlah data atau kuantitas data serta kombinasi parameter minimum support 0.1% - 0.5% dan minimum confidence 10% -50% didapat kesimpulan bahwa pemilihan kombinasi nilai minimum support dan nilai minimum confidence berpengaruh terhadap jumlah rule ataupun frequent itemset yang dihasilkan. Selain itu aturan tambahan yang diberlakukan oleh toko dimana item food dan non-food tidak dapat gabungkan dalam satu rak (departemen) berpengaruh juga dalam menentukan kebijakan terkait dengan peletakan barang .
Implementasi dan Analisis Performansi Mapreduce di Lingkungan Sistem Basis Data Berbasis Dokumen Terdistribusi Homogen Hegar Aryo Dewandaru; Kemas Rahmat Saleh; Alfian Akbar Gozali
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Pada sebuah perusahaan besar, sangatlah penting untuk memiliki manajemen sistem basisdata yang mampu menampung seluruh data dan dokumen milik karyawan. Data tersebut akan sangat besar sehingga tidak akan memunkinkan untuk ditampung oleh single server. Untuk menyelesaikan masalah tersebut, data yang sangat besar itu dapat didistribusikan ke dalam beberapa cluster. Di lingkungan terdistribusi inilah implementasi dari metode MapReduce akan sangat bermanfaat bagi sistem. MapReduce adalah sebuah operasi untuk menyelesaikan masalah yang mirip dengan algoritma divide and conquer. Sesuai dengan namanya, MapReduce terdiri dari proses map (pemetaan) suatu data dan reduce (pengurangan) yang berakhir pada penggabungan data-data yang sama.
Pada penelitian ini akan dilakukan penelitian terhadap performansi MapReduce di lingkungan sistem basisdata terdistribusi homogen. Untuk membangun lingkungan tersebut, sebelumnya harus dilakukan pengecekan terhadap setiap komputer yang digunakan. Pastikan bahwa seluruh komputer memiliki spesifikasi perangkat lunak dan keras, serta manajemen sistem basisdata yang sama. Setelah itu, dataset yang berbasis dokumen harus di-import ke database komputer yang berperan sebagai master. Kemudian, dengan menggunakan metode sharding, setiap node akan diberi peran: master akan berberan sebagai router, satu node sebagai config server, dan sisanya sebagai shard server sehingga terbentuklah lingkungan sistem basisdata berbasis dokumen terdistribusi homogen. Dataset kemudian akan didistribusikan ke setiap shard. Akhirnya, query MapReduce akan dijalankan dan diuji di single server dan 3 arsitektur distributed database yang berbeda untuk diteliti performansinya.
Dari hasil pengujian yang dilakukan, dapat dilihat bahwa MapReduce bekerja lebih baik di lingkungan terdistribusi dibandingkan dengan pada single server. Kesimpulan yang dapat diambil adalah bahwa sistem basisdata terdistribusi meningkatkan performansi MapReduce. Â