Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Indonesia Symposium on Computing

Implementasi Algoritma Ct-Pro Dan Data Warehouse Skema Galaxy Untuk Sistem Informasi Evaluasi Diri(Studi Kasus : Fakultas Informatika It Telkom) Raden Mochamad Rizky; Shaufiah Shaufiah; Hetti Hidayati
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

Evaluasi diri merupakan proses evaluasi internal pada suatu program studi di suatu perguruan tinggi yang bertujuan untuk meningkatkan jaminan mutu pendidikannya, perencanaan,  perbaikan suatu program studi dan untuk mempersiapkan evaluasi eksternal atau akreditasi. Sistem yang dinamakan Sistem Informasi Evaluasi Diri ditujukan untuk pimpinan program studi dan pihak-pihak terkait untuk membantu melakukan proses evaluasi diri di fakultas Informatika IT Telkom berdasarkan tiga komponen evaluasi diri yang dipilih, yaitu Mahasiswa dan Lulusan, Sumber Daya Manusia, dan Penelitian, Pelayanan/Pengabdian Masyarakat, dan Kerjasama. Sistem Informasi Evaluasi Diri dibangun menggunakan DATA WAREHOUSE yang dirancang dengan skema GALAXY dan Data mining dengan algoritma CT-Pro. DATA WAREHOUSE skema GALAXY merupakan salah satu metode perancangan skema DATA WAREHOUSE dimana suatu tabel dimensi dapat terhubung dengan dua atau lebih tabel fakta. Data mining dengan algoritma CT-PRO merupakan modifikasi dari algoritma association rule lainnya yaitu fp-growth. Perbedaan algoritma CT-PROdengan algoritma FP-growth terletak pada proses pembuatan tree nya. Tree pada CT-PRO(CFP-Tree) lebih sedikit node nya daripada Tree pada FP-growth (FP-Tree). Tujuan menggunakan algoritma Data mining CT-PROadalah untuk menemukan pola-pola rules dari data-data komponen evaluasi diri yang ada agar dapat menjadi knowledge untuk evaluasi diri dan juga akreditasi. Pencarian pola-pola rules tersebut bergantung pada minimum support dan minimum confidence. Pengujian pada DATA WAREHOUSE menunjukkan bahwa DATA WAREHOUSE yang dibangun pada sistem telah memenuhi keempat karakteristik DATA WAREHOUSE, yaitu subject oriented, integrated, time variant,dan non-volatile. Pengujian pada Data mining CT-PRO menunjukkan bahwa association rule pada data mahasiswa kurang dapat diambil knowledge nya karena atribut yang ada pada data mahasiswa kurang lengkap.
Analisis Dan Implementasi Data Mining Dengan Continuous Association Rule Mining Algorithm (Carma) Untuk Rekomendasi Mata Kuliah Pada Perwalian Dwiaji Nuraryudha; Shaufiah Shaufiah; Hetti Hidayati
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

Perwalian adalah tahapan yang harus dilalui oleh setiap mahasiswa pada masa registrasi semester baru.  Saat perwalian, mahasiswa mengajukan mata kuliah yang akan diambil kepada dosen wali, kemudian dosen wali akan membantu dengan memberikan rekomendasi mata kuliah untuk mahasiswa walinya terutama dalam pengambilan mata kuliah pilihan. Untuk itu dibuatlah sebuah sistem rekomendasi guna membantu proses perwalian. Sistem rekomendasi ini dibuat dengan teknik Data mining menggunakan algoritma CARMA (Continuous Association rule Mining Algorithm).  Hasil implementasi yang dilakukan membuktikan bahwa algoritma CARMA dapat digunakan untuk menyelesaikan proses rekomendasi mata kuliah pilihan. Rekomendasi ini berdasarkan aturan asosiasi yang terbentuk. Nilai yang didapat adalah minimum confidence=50%, dan support sequence = 0.4.
Penggunaan Rstudio Untuk Ekstraksi Dan Reduksi Fitur Fairuz Ahmad Hirzani; Fatiya Arifah; Shaufiah Shaufiah
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

Ekstraksi dan reduksi fitur merupakan hal yang sangat penting dalam proses persiapan data sebelum dilakukan penambangan data. Tantangan dalam proses ekstraksi data diantaranya adalah menentukan proses dan nilai apa saja yang akan digunakan. Reduksi data juga merupakan isu penting karena tidak semua fitur relevan untuk digunakan. Proses ekstraksi dan reduksi fitur akan lebih efektif jika menggunakan tools. Oleh karenanya paper ini membahas pemanfaatan tools Rstudio untuk membantu proses ekstraksi dan reduksi data pada kasus data berdimensi besar yaitu Daily and Sports Activities Dataset . Pada percobaan menunjukan bahwa Rstudio mampu melakukan ekstraksi fitur dengan cepat dan reduksi fiturnya dapat mengurangi waktu eksekusi tanpa merubah secara drastis akurasi yang dihasilkan.
Analisis Algoritma RP-GD dalam Kualitas Peringkasan Graf dari Basis Data Graf Defrianda Rizky Pranata; Kemas Rahmat Saleh Wiharja; Shaufiah Abdullah
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

Basisdata graf merupakan representasi dari pemodelan suatu koleksi data yang terdiri dari Edges, Nodes, dan Properties untuk merepresentasikan dan menyimpan data. Bersifat index-free adjacency yang berarti bahwa setiap elemen berisi pointer langsung ke elemen yang berdekatan dan tidak memerlukan pencarian sederhana menggunakan indeks. Penulis menggunakan model database ini karena dapat merepresentasikan banyak data sehingga dapat dianalisis dan diambil kesimpulannya. Basisdata yang digunakan yaitu molekuler ikatan kimia dengan format penulisan SMILES (Simplified Molecular Input Line Entry System). Metode peringkasan yang penulis ambil adalah algoritma RP-GD yang efisien serta mampu meningkatkan kualitas peringkasan dan bisa merepresentasikan molekuler ikatan kimia dari dataset tersebut. Dari hasil pengujian dan analisis, terbukti algoritma RP-GD dapat digunakan dalam peringkasan basisdata graf, menghasilkan kualitas yang baik hasilnya. Parameter yang menunjukkan hasil tersebut adalah jumlah nodes dan edges hasil peringkasan lalu cakupan informasi serta rasio peringkasan. Variasi hasil peringkasan juga dapat dilakukan sesuai dengan minimum support yang diinginkan. Nilai cakupan informasi dari sebuah ringkasan basisdata graf berbanding lurus dengan nilai minimum support yang diberikan, sedangkan rasio peringkasan berbanding terbalik dengan nilai minimum support yang diberikan. Â