Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Simantec

SISTEM REKOMENDASI PENYEWAAN PERLENGKAPAN PESTA MENGGUNAKAN COLLABORATIVE FILTERING DAN PENGGALIAN ATURAN ASOSIASI Gita Indah Marthasari; Yufis Azhar; Dwi Kurnia Puspitaningrum
Jurnal Simantec Vol 5, No 1 (2015)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v5i1.1008

Abstract

ABSTRAKE-commerce berbasis web merupakan salah satu media yang efektif dalam jual beli. Banyak usaha yang telah memanfaatkan fasilitas ini. Salah satunya adalah bidang jasa persewaan alat-alat pesta. Untuk memberikan layanan yang lebih baik, e-commerce dilengkapi dengan fitur lain antara lain sistem rekomendasi. Sistem ini memudahkan konsumen menentukan barang untuk dibeli dengan cara menampilkan produk yang terkait dengan salah satu produk lain yang dibeli atau dilihat konsumen. Salah satu mekanisme untuk membangun sistem ini adalah collaborative filtering. Cara kerja collaborative filtering adalah dengan membangun sebuah basis data yang menyimpan produk-produk yang disukai konsumen. Transaksi baru yang dibuat oleh seorang konsumen akan dicocokkan dengan basis data tersebut untuk mengetahui data historis mana yang paling sesuai dengan data baru tersebut. Data historis yang paling sesuai akan ditampilkan sebagai rekomendasi bagi konsumen yang melakukan transaksi tersebut.Salah satu teknik yang dapat digunakan adalah penggalian aturan asosiasi menggunakan Algoritma Apriori. Pada penelitian ini, dibuat sebuah website persewaan alat-alat pesta dengan menerapkan sistem rekomendasi. Sistem rekomendasi dibangun menggunakan aturan-aturan yang dihasilkan oleh Algoritma Apriori. Untuk dapat menampilkan barang rekomendasi digunakan nilai support 20, sedangkan nilai confidence digunakan untuk menentukan N-teratas barang untuk direkomendasikan.Kata kunci : sistem rekomendasi, collaborative filtering, algoritma apriori. ABSTRACTWeb-based e-commerce is an effective media for buying and selling. Many businesses have taken the advantages of this facility. One of them is the party tools rental services. To provide better service, e-commerce is equipped with other features such as a recommendation mechanism. Thismechanism allows consumers specify the goods to be purchased by displaying products that are related to another purchased product or customer visits. One mechanism for establishing this system is collaborative filtering. Collaborative filtering works by building a database that stores the products which are preferred by consumers. New transactions made by a consumer will be matched with the database to find out which data are related the most. The most appropriate historical data to be displayed as a recommendation for consumers who conduct such transactions. One technique that can be used is extracting association rules using Apriori Algorithm. In this study, a website of party tools rental service is created to implement the recommendation system. A recommendation system built using rules generated by Apriori Algorithm. To be able to display items used on the value of the support 20, while the confidence value is used to determine the N-top items to be recommended.Keywords: recommender system, collaborative filtering, apriori algorithm.
ANALISIS DATA PENDIDIKAN TINGGI MENGGUNAKAN PENDEKATAN DATA MINING Gita Indah Marthasari
Jurnal Simantec Vol 5, No 3 (2016)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v5i3.2386

Abstract

ABSTRAKData mining untuk pendidikan menekankan pada pemanfaatan metode untuk menemukan pengetahuan dari data di lingkungan pendidikan. Bidang ini menggunakan mekanisme transformasi atau inovasi dari pendekatan yang diturunkan dari ilmu statistik, pembelajaran mesin, psikometrik, dan komputasi ilmiah. Penelitian ini mengusulkan sebuah analisis terhadap status keaktifan siswa menggunakan salah satu teknik data mining yaitu association rule mining (ARM). Teknik ARM bertujuan menemukan pola-pola yang merepresentasikan informasi bernilai tinggi bagi para pengambil keputusan di perguruan tinggi. Salah satu algoritma yang umum digunakan dalam ARM adalah Apriori. Algoritma Apriori digunakan untuk mencari aturan-aturan asosiasi yang menarik dari basis data dalam rangka mengekstraksi pengetahuan dari data profil dan data akademik siswa. Aturan-aturan yang ditemukan selanjutnya dianalisis sebagai bahan rekomendasi bagi para pengelola akademik untuk meningkatkan kualitas proses pengambilan keputusan. Selain itu, hasil analisis dapat menjadi acuan bagi arah kurikulum yang mampu memperbaiki kualitas pembelajaran siswa. Uji coba dilakukan dengan melakukan pengaturan terhadap parameter nilai minimal support dan minimal confidence. Berdasarkan hasil analisis diperoleh pengetahuan antara lain adanya hubungan kuat antara asal sekolah mahasiswa dan pekerjaan orang tua terhadap tingkat keaktifan. Selain itu, juga diperoleh pengetahuan tentang nilai minimal mahasiswa tiap semesternya untuk tetap aktif di semester selanjutnya.Kata kunci : Data mining untuk pendidikan, Association Rule Mining, Algoritma apriori, Status keaktifan siswa. ABSTRACT Educational data mining (EDM) concerns with developing methods for discovering knowledge from data that come from educational environments. EDM requires a transformation of existing or innovation of new approaches derived from statistics, machine learning, psychometrics, and scientific computing. In this paper, we propose an analysis of student activity status using one of data mining techniques that are association rule mining (ARM).ARM technique aims at discovering patterns that can provide valuable information for the decision maker in higher education.Apriori algorithm is one of many methods in ARM.We have used Apriori algorithm for finding interesting association rules from the transformed database which can be useful to extract knowledge of students’ profile and academic evaluation. The identified rules are analyzed to offer a helpful and constructive recommendation to the academic planners in higher institutions to enhance their decision-making process.We analyze the data by setting minimal support and minimal confidence value. Based on the experiment, we conclude that the student high school location and parent’s job have a strong correlation with student activity.Moreover, we also acquired a knowledge about student minimal grade point average in a semester to remain active in the next semester.Keywords: Educational data mining, Association rule mining, Apriori algorithm, Students activity status 
Co-Authors Abu Hanifah Adam Novrisal Agus Eko Minarno Akbi, Denar Regata Aldiensyah Alfin Lutfi Sidiq Amelia Deastu Amelia Dwi Deastu AMINUDIN Aminudin Aminudin, Aminudin Anastasia Lidya Maukar Andjani Chaerun Nisha Anggraini, Syadza Ani Tri Wahyuningsih Anik Vega Vitianingsih Arif Rahmadhani Basuki, Setio Belli Kafilla Gani Briansyah Setyo Wiyono Cahyanto, Mochammad Andre Chita Nauly Harahap Christian Sri Kusuma Aditya Darfian Ardiansyah Diah Risqiwati Didih Rizki Chandranegara Dwi Kurnia Puspitaningrum Effendy, Nico Ardia Eko Budi Cahyono Elsyah Ayuningrum Elza Norazizah Evi Dwi Wahyuni Faiqurrahman, Mahar Fajarisma Asfiana Putri Fajrur Rahman Suprapto Fakhrul Islami Fathoni, Muhammad Asrar Fatimah Defina Setiti Alhamdani Febri Ayu Fitriani Ferin Reviantika Frengky Prastyo Gita Ismadianti Hanafi Prasetyoko Haqim, Gilang Nuril Haris Diyaul Fata Harizal Iqmal Hasan I'anatut Thoifah Imam Halimi Indrabayu, Rizky Irsandro, Ahmad Karima Maydina Yanti Kresna Arief Nugraha Lailatul Husniah Lia Nuarini Luqman Hakim M. Isnainur Hidyatullah Mahar Faiqurahman Mairissa Anggraini Moh. Taufiq Hidayat Muhammad Alfian Ramadhani Muhammad Asrar Fathoni Muhammad Gufron Muhammad Ilham Muhammad Iqbal Muhammad Iqbal Ramadhan Muhammad Rizky Aviansyah Muhammad Ulfi Nabillah Annisa Rahmayanti Nina Mauliana Noor Fajriah Nirma Dwi Wulansari Nirma Noviasari, Vebrian Nuarini, Lia Nur Hayatin Nur Riyan Sahara Nuryasin, Ilyas Pendi, Wendi Praadita, Firman Noor Rafli, Muhammad Alvin Rellanti Diana Kristy Risdianto Risdianto Rizky Irwan Saputra Roni Hadi Wijaya S, Vinna Rahmayanti Saiful Amien Silcillya Ayu Astiti Syadza Anggraini Syaifudin Zuhri Tsabitah Ayu Rahmawati Tutik Sulistyowati Vebrian Noviasari Wahyu Andhyka Kusuma Waliyyullah Mufid Wicaksono, Galih Wasis Wildan Suharso Wiyono, Briansyah Setio Wiyono, Briansyah Setyo Yudi Ananta Prasetya Yufis Azhar Yuniarti, Maulidya Zachra, Fatimatus Zakaria, Irfan Zakiyah Mahfudho Zamah Sari Zildan Rahmatullah