AnymPedia

Sistem Pendukung Keputusan (SPK) atau dalam bahasa inggris Decision Support System (DSS) merupakan sebuah sistem yang mampu memberikan solusi atau informasi alternatif dalam mendukung sebuah keputusan. SPK klasifikasi kelayakan bantuan sosial sembako berbasis web ini dibangun dengan menggunakan bahasa pemrograman PHP, database MySQL dan framework Codeigniter (CI). PHP sendiri termasuk ke dalam bahasa pemrograman server side scripting, dengan kata lain proses eksekusi skrip PHP dilakukan pada sisi server. Proses pengklasifikasian menggunakan algoritma naive bayes. Program ini juga termasuk ke dalam konsep data mining yang mengedepankan pengklasifikasian. Algoritma atau metode Naive Bayes classifier merupakan salah satu metoda dalam cabang machine learning atau pembelajaran mesin dengan memanfaatkan perhitungan probabilitas dan statistik yang ditemukan oleh ilmuwan asal Inggris yang bernama Thomas Bayes, konsepnya yaitu memprediksi probabilitas di masa depan didasari pengalaman di masa s

Program klasifikasi karakteristik kepribadian siswa berbasis web ini dibangun dengan menggunakan bahasa pemrograman PHP dan basis data MySQL. Program ini merupakan konsep dari data mining khusunya klasifikasi dengan mengklasifikasian kepribadian siswa berdasarkan data sebelumnya dengan menerapkan algoritma Naive Bayes Classifier. PHP merupakan salah satu bahasa pemrograman untuk platform web yang cukup populer, PHP juga termasuk ke dalam bahasa pemrograman server side scripting maksudnya proses eksekusi kode program PHP dilakukan pada sisi server. Library Bootstrap juga dipergunakan dalam program ini untuk membantu pembangunan sisi front end atau tampilan antarmuka. Algoritma Naive Bayes Classifier adalah metode klasifikasi yang menggunakan metode probabilitas dan statistik yang diciptakan oleh Thomas Bayes seorang ilmuwan dari Inggris. Naive Bayes ini mampu memprediksi peluang di masa yang akan datang berdasarkan pengalaman di masa sebelumnya melalui data pelatihan atau data training.

Saat ini di dunia teknologi sedang diramaikan oleh machine learning dan kecerdasan buatan atau dalam bahasa Inggrisnya Artificial Intelligence (AI), teknologi machine learning dan artificial intelligent ini dapat membantu perkembangan bisnis dan menentukan arah bisnis di masa yang akan datang. Irisan ilmu pengetahuan dari artificial intelligent dan machine learning salah satunya adalah data mining. Data mining pada dasarnya memiliki keterkaitan yang panjang dari bidang ilmu seperti kecerdasan buatan, machine learning, statistika dan juga basis data. Sumber : Pexels Data Mining Data mining adalah istilah ataupun konsep yang digunakan untuk menemukan informasi baru yang tersembunyi di dalam suatu data yang besar, dalam proses ekstraksi dan mengidentifikasi informasi potensial dan bermanfaat yang tersimpan di dalam suatu data yang besar data mining menggunakan teknik statistika, matematika, kecerdasan buatan dan juga machine learning. Data mining sekarang ini memiliki peran penting dalam

Penerapan data mining dengan teknik association menggunakan algoritma apriori terhadap data penjualan pada toko parfum berbasis web ini dibangun dengan menggunakan bahasa pemrograman PHP dan basis data MySQL. Data mining adalah proses yang menggunakan teknik statistik, kecerdasan buatan dan matematika untuk mengekstraksi dan mengidentifikasi pengetahuan yang tersembunyi di dalam database yang besar. Algoritma apriori merupakan salah satu metode dalam teknik data mining association yang mampu menemukan aturan asosiasi dari kombinasi item dengan menganalisa frekuensi tertinggi yang sesuai dengan nilai support dan confidence. Program data mining dengan algoritma apriori pada toko parfum berbasis web ini dikembangkan oleh Indah Maharani Safitri, Program ini ditujukan dalam membanti menentukan merk parfum yang banyak terjual dengan studi kasus di Copa Gabana Parfum. Beberapa fitur di dalamnya seperti mengunggah berkas transaksi penjualan parfum dalam format excel, proses data mining dapat

Penerapan algoritma Cosine Similarity dan metode TF-IDF pada klasifikasi pengaduan masyarakat berbasis web ini dibangun dengan menggunakan bahasa pemrograman PHP dan basis data MySQL. Metode Cosine Similarity berfungsi dalam membandingkan kemiripan antar data atau dokumen dengan membandingkan data dengan data training. TF-IDF merupakan suatu metode dalam menghitung bobot setiap kata, metode ini cukup efisien dalam menghitung nilai term frequency dan inverse document frequency pada setiap token atau kata di setiap data atau dokumen. Aplikasi klasifikasi pengaduan masyarakat dengan algoritma cosine similarity dan TF-IDF berbasis web ini dikembangkan oleh Dani Purnama ,  selain fitur utama yaitu mengklasifikasikan pengaduan masyarakat juga terdapat beberapa fitur lain seperti mengelola data training, case folding, token, weight value, kata dasar, dan daftar disposisi. Pengklasifikasian pengaduan atau komplain dilakukan berdasarkan komplain atau pengaduan yang dimasukan untuk selanjutnya d

Salah satu efek yang dihasilkan dari adanya suatu sistem informasi adalah munculnya banyak data atau biasa disebut dengan istilah big data. Data yang ada ini berasal dari sistem operasional yang berfungsi dalam menangani transaksi yang berkaitan dengan proses bisnis yang ditangani oleh sistem informasi tersebut. Misalkan sistem informasi absensi pegawai memunculkan data jumlah kehadiran-kehadiran setiap pegawainya setiap hari dengan data yang disimpan tergantung pada apa yang diperlukan oleh sistem informasi tersebut misalkan seperti NIP, jam masuk, pintu masuk dan sebagainya. Bisa dibayangkan sistem informasi ini digunakan pada sebuah instansi yang jumlah pegawainya sebanyak seribu orang lebih. Jika data ini digunakan selama lima hari maka data yang masuk dalam database ada sebanyak lima ribu baris. Sumber : kajianpustaka Data warehouse merupakan data-data yang berorientasi subjek, terintegrasi, memiliki dimensi waktu dan merupakan koleksi tetap yang digunakan dalam mendukung proses p

Data mining merupakan tahapan proses menemukan pengetahuan atau informasi baru dari hasil ektraksi informasi implisit dari sekumpulan data yang cukup besar. Data mining clustering atau pengelompokan data mahaiswa ini dibangun dengan menggunakan bahasa pemrograman PHP dan basis data MySQL dengan menerapkan metode K-Means dan Ekponential Smoothing. K-Means adalah salah satu algoritma clustering dengan tujuan membagi data menjadi beberapa kelompok melalui inputan data tanpa adanya label kelas sedangkan Exponential Smoothing adalah prosedur yang secara berkelanjutan memperbaiki peramalan dengan merata-rata nilai data masa lalu secara menurun. Pengelompokan mahasiswa dan peramalan mahasiswa dengan menggunakan teknik data mining clustering K-Means dan metode Exponential Smoothing dalam peramalan mahasiswa ini didapatkan dari Raksa , dimana di dalamnya tersedia beberapa fitur dan fungsi selain dari mengelompokan data mahasiswa dengan K-Means dan meramalkan mahasiswa dengan Exponential Smooth

Data mining merupakan proses pengambilan pola pada suatu data yang dapat menghasilkan output berupa informasi yang berguna atau pengetahuan baru. Sistem penilaian puskesmas dibangun dengan menggunakan bahasa pemrograman PHP dan basis data MySQL serta menerapkan metode clustering algoritma K-Means. K-Means Clustering adalah metode penganalisaan data atau metode Data Mining yang melakukan proses pemodelan unsupervised dan merupakan salah satu metode yang melakukan pengelompokan data dengan sistem partisi. Terdapat dua jenis data clustering yang sering dipergunakan dalam proses pengelompokan data yaitu Hierarchical dan Non-Hierarchical, dan K-Means merupakan salah satu metode data clustering non-hierarchical atau Partitional Clustering. Sistem penilaian puskesmas dengan menggunakan metode clustering algoritma K-Means ini dikembangkan oleh Sofyan Setiawan , untuk hak aksesnya terdiri dari tiga level akses, yaitu bagian administrasi, pimpinan dan supplier. Beberapa fitur dan fasilitas yang

Data mining merupakan proses penggalian pengetahuan atau informasi dari sejumlah data yang cukup besar pada basis data. Data Mining Klasifikasi karakteristik kepribadian manusia berbasis web ini dibangun dengan menggunakan bahasa pemrograman PHP dan basis data MySQL serta menerapkan algoritma C45. Algoritma C45 adalah salah satu metode algoritma dalam mengklasifikasikan data yang mempunai atribut-atribut numerik dan kategorial, hasil dari klasifikasi berupa aturan-aturan yang bisa digunakan dalam memprediksi nilai atribut tersebut. Program ini menggunakan beberapa library seperti bootstrap, jquery, excel reader dan lain sebagainya. Data mining klasifikasi karakteristik kepribadian manusia berbasis web dengan algoritma C45 ini dikembnagkan oleh Rosyid , fitur-fitur yang tersedia di dalamnya meliputi mengelola pengguna dengan username yang akan dijadikan password secara otomatis, mengelola soal pertanyaan, pohon keputusan, mining, hasil mining klasifikasi dan lain sebagainya. Kepribadia

Data mining merupakan proses penggalian informasi atau pengetahuan baru yang ada pada sekumpulan data. Data mining untuk analisis transaksi penjualan sparepart berbasis web  ini dibangun dengan menggunakan bahasa pemrograman PHP dan basis data MySQL. Untuk interfacenya sendiri menggunakan library Bootstrap dan metode atau algoritma yang digunakan untuk menggali association rule atau keterkaitan barang dengan menerapkan algoritma FP-Growth. FP-Growth merupakan salah satu alternatif algoritma dalam menentukan himpunan data yang paling sering muncul pada sekumpulan data. Penerapan algoritma FP-Gowth pada transaksi penjualan ini dikembangkan oleh Teguh Saputra , dengan teknik assoiation rule yang dimiliki maka program ini dapat dipergunakan dalam menganalisis keterkaian antar barang sehingga dapat dipergunakan dalam mendukung keputusan penempatan barang atau penawaran barang kepada pembeli. Fitur-fitur yang tersedia di dalamnya meliputi memproses keterkaitan barang dengan menginputkan ni