Hasil Pencarian  ::  Simpan CSV :: Kembali

"Process Mining adalah bidang ilmu yang relatif baru dan masih terus berkembang. Bidang ini menarik dan dibutuhkan dalam berbagai domain karena dapat digunakan untuk menggali informasi tentang proses bisnis dari sekumpulan besar data yang dimiliki perusahaan dalam bentuk event log."

"Mining frequent patterns in large transactional data bases is a highly researched area in the field of data mining

---

"

"Perguruan tinggi harus mampu melakukan proses evaluasi, perencanaan dan pengelolaan secara baik untuk dapat memenangkan persaingan di era globalisasi ini. Guna menunjang hal tersebut maka dibutuhkan dukungan informasi yang cukup dan berkualitas sehingga perguruan tinggi tersebut dapat menggali dan memprediksi potensi-potensi yang ada. Pembangunan data warehouse dan data mining adalah alternatif solusi yang dapat dilakukan untuk membantu organisasi mencari dan memahami pola-pola tersembunyi (hidden pattern) dari data yang dimiliki. Data warehouse adalah kumpulan basis data terintegrasi yang digunakan untuk mendukung proses pengambilan keputusan. Sedangkan data mining adalah analysis tools yang digunakan untuk mengekstrak informasi yang ada di data warehouse. Penelitian ini mengkaji masalah perancangan data warehouse dan penerapan data mining untuk mendukung bidang akademik IBI Darmajaya dalam menyajikan informasi-informasi potensial yang diperlukan guna memberikan layanan akademik yang lebih baik. Langkah awal yang dilakukan adalah membangun data warehouse IBI Darmajaya, kemudian menerapkan teknik data mining untuk manganalisis data yang ada. Hasil dari penelitian ini berupa data warehouse yang dapat menyajikan informasi guna mendukung proses evaluasi dan perencanaan promosi penerimaan mahasiswa baru ke daerah-daerah dan sekolah-sekolah yang potensial, proses evaluasi dan perencanaan media promosi yang akan digunakan, proses pengamatan trend mahasiswa berdasarkan status akademiknya, proses evaluasi dan perencanaan studi mahasiswa, serta proses evaluasi kinerja program studi dari segi kualitas lulusan dan masa studinya. Selain itu hasil penelitian ini juga berupa penerapan data mining untuk mencari rule-rule yang digunakan dalam mengarahkan peminatan mahasiswa dan mengarahkan pemilihan program studi bagi calon mahasiswa baru.

---

Higher education institution must be able to well perform processes of evaluation, planning and management in order to win the competition in this globalization era. To support any effort of the aforementioned, the institution needs qualified and sufficient information supports so that it can probe and predict any potential strength which existed. Development data warehouse and data mining is kinds of solution alternatives which can be done to help organization in finding and understanding hidden patterns from the data provided. Data warehouse is a collection of integrated databases which is used to support the process of decision making. Data mining is a kind of analysis tool which is used to extract any information provided in the data warehouse.

The research discussed a problem in designing data warehouse and applying data mining to support the academic system at IBI Darmajaya in representing potential information required for better academic services to learners. The first executed steps was establishing the data warehouse of IBI Darmajaya, then an analysis was conducted towards all saved data in the data warehouse by using data mining techniques.

The results of this research is a data warehouse that can represent information to support the evaluation process and acceptance of new students campaign planning to the potential areas and school, advertising media that will be used, monitoring of students? academic status, evaluation and planning of students? study plans, and performance evaluation of study program within the aspects of alumni quality and length of study. In addition, this research also result the application of data mining for finding the rules that used to driving and directing the students enthusiast and study program selection for prospective new students."

"Menurut IMF, sekitar 1% penurunan pertumbuhan ekonomi di AS akan menurunkanpertumbuhan ekonomi di Asia sebesar 0,5%-1%. Da mpak dari resesi global yang berasal dari resesi di AS akan mempengaruhi proyeksi perekonomian negara-negara di Asia, termasuk Indonesia baik yang sifatnya langsung maupun tidak langsung. Fenomenadiatas memberikan gambaran yang kongkrit hubungan sebab akibat dalam dunia perekonomian secara makro. Penelitian ini membahas tiga model ANN sebagai alat peramalan, yaitu GMDH, Feedforward back propagation neural network dan Elman recurrent neural network.Perekonomian Indonesia di pilih sebagai objek peramalan. Ada dua macam peramalan yang akan di bandingkan diantara ketiga model tersebut. Pertama peramalan multivariate dimana komponen yang di gunakan sebagai input adalah variabel makro ekonomi Indonesia. Kedua adalah peramalan univariate / time series dimana komponen yang di gunakan sebagai input adalah nilai GDP indonesia dari tahun 1970.Hasil peramalan multivariate dari ketiga model ANN menunjukan bahwa variabel makro ekonomi dapat digunakan sebagai input untuk peramalan multivariate pertumbuhan ekonomi Indonesia. Dari hasil pengujian, diketahui bahwa ANN dapat digunakan sebagai alternatif untuk memprediksi ekonomi Indonesia di masa sekarang maupun di masa yang akan datang. Pemahaman terhadap fenomena per- ekonomian Indonesia saat ini dan hubungannya dengan kemungkinan-kemungkinan yang terjadi di masa depan sangat membantu dalam menentukan sikap atau kebijakan yang mengarah ke harapan atau ekspektasi yang ingin dicapai.

---

According IMF, about 1% descent of US growth economic will descent growth economic in Asia about 0,5%-1%. Impact of global recession that came from US will influence economic projection in Asia, including Indonesia. This phenomenon give concrete description about relationship between cousity in macro economics world. This research will explain about three ANN model as forecasting tool. The three ANN model is GMDH, Feedforward backpropagation and Elman recurrent.Indonesian economics choose as object for forecasting. There is two type of forecasting that will compare between three model ANN above. First is multivariate forecasting where component that used as input is variable of macro economic Indonesia. And second is univariate / time series where component that used as input is GDP of Indonesia from 1970.Result of forecasting show that macro economic variable can be use as input for multivariate forcasting growth Indonesian economic. From research result, show that ANN can be used as alternative tool for forecasting Indonesian economics. Deep understanding about phenomenon of Indonesian economic now and connectivity with posibility that will happen in future will help Goverment to make decision to achieve goal that already plan."

"Kerasnya persaingan usaha dan suasana kompetisi pada industri perbankan yang semakin ketat menjadikan perusahaan berusaha sekeras mungkin untuk mencegah berpindahnya pelanggan mereka ke perusahaan pesaing. Salah satu cara untuk bisa mencegah berpindahnya pelanggan ke perusahaan pesaing adalah dengan melakukan prediksi dan deteksi dini pelanggan-pelanggan mana saja yang berpotensi meninggalkan perusahaan dan beralih ke perusahaan pesaing yaitu dengan melakukan churn prediction. Churn prediction sudah diimplementasikan secara luas di industri telekomunikasi sebagai bagian dari churn management. Salah satu teknik yang digunakan untuk melakukan churn prediction adalah data mining. Tesis ini mencoba menggali pola-pola churn dari salah satu institusi perbankan nasional, dengan harapan bisa menemukan sebuah model churn bagi intitusi perbankan tersebut. Hasil analisa yang dilakukan melahirkan pengetahuan mengenai kondisi seperti apa yang mengakibatkan seorang nasabah akan menutup rekening mereka. Penggalian informasi juga berhasil menemukan beberapa pola yang seperti apa yang bisa dijadikan pertanda seorang nasabah akan menutup rekening mereka. Keterbatasan jumlah variabel dari dataset yang digunakan menghasilkan model data mining menjadi sangat sederhana, sehingga diperlukan adanya tambahan variabel lain untuk menghasilkan model yang lebih kuat.

---

The harshness of the competition for efforts and the atmosphere of the competition in the increasingly tight banking industry made the company try as hard as possible to prevent their customer's moving to the competitor's company.

Churn prediction is One of the methods that could prevent the customer's moving to the competitor's company by carrying out the prediction and the early detection of any customer who had the potential to leave the compani and to change to the competitor's company.Churn prediction already implemented widely in the telecommunications industry as a part of churn management. One of the techniques that was used to do churn prediction was the data mining. This thesis tried to dig up patterns churn from one of the national banking institutions, in the hope of could find a model churn for this banking institution.

Results of the analysis that was carried out produced knowledge concerning the condition like what resulted in a customer closing their account. The excavation of information also succeeded in finding several patterns that like what could be made the sign of a customer will close their account. The limitations of the number of variables from the set data that was used produced the data model mining became very simple, so as to be needed by the existence of the addition of the other variable to produce the stronger model."

"Direktorat Pembinaan Kursus dan Pelatihan memberikan layanan kursus dan pelatihan untuk meningkatkan kualitas hidup manusia Indonesia. Layanan kursus dan pelatihan diselenggarakan oleh lembaga pendidikan yang memenuhi syarat dalam bentuk program Pendidikan Kecakapan Kerja (PKK) dan Pendidikan Kecakapan Wirausaha (PKW). Dalam pelaksanaannya, banyak lembaga yang terlambat dalam menyampaikan laporan pertanggungjawaban (LPJ) hingga melewati akhir tahun anggaran. Hal tersebut dapat menyebabkan timbulnya potensi temuan dalam proses audit keuangan yang perlu ditindaklanjuti. Proses tindak lanjut temuan BPK membutuhkan sumber daya dalam bentuk dana, waktu, dan tenaga yang tidak sedikit. Salah satu upaya untuk mengurangi jumlah lembaga yang berisiko terlambat dalam menyampaikan LPJ adalah dengan mengembangkan model klasifikasi kelayakan lembaga penerima dana bantuan dengan menggunakan teknik data mining. Dalam penelitian ini, teknik data mining yang digunakan adalah classification dengan algoritme decision tree, naive bayes, deep neural network dan logistic regression. Hasil penelitian menunjukkan bahwa model yang dihasilkan oleh algoritme logistic regression dari dataset hasil oversampling memiliki nilai MCC (Matthews correlation coefficient) yang paling tinggi di antara model-model lainnya.

---

The Directorate of Courses and Training Development provides course and training services to improve the quality of human life in Indonesia. These services are organized by qualified training providers in the form of Lifeskills for Work Education (PKK) and Lifeskills for Entrepreneurship Education (PKW) programme. In the implementation, many training providers are delayed in delivering accountability reports (LPJ) to the end of the year. This can lead to potential findings in the process of financial audits that need to be followed up. The follow-up process requires resources in the form of funds, time, and human resources.

One of the efforts to reduce the number of training providers at risk of delay in delivering LPJ is to develop a model of training providers worthiness classification using data mining techniques. The research utilized classification technique employing decision tree, naive bayes, deep neural network and logistic regression algorithm. The result showed us that model generated by the logistic regression algorithm from the oversampled dataset had the highest MCC (Matthews correlation coefficient) value among the other models."

"Alokasi produk, keanekaragaman produk, dan harga produk memiliki pengaruh yang signifikan pada perilaku belanja konsumen. Dengan keterbatasan pada ruang rak displai, peritel harus melakukan pemilihan produk, penentuan harga, dan pengalokasian produk pada ruang rak displai secara optimal untuk memberikan keuntungan maksimal bagi peritel. Penelitian ini akan membahas mengenai optimasi alokasi produk pada ruang rak displai gerai minimarket berdasarkan hubungan antar kategori produk dan harga produk menggunakan teknik data mining yaitu multilevel association rules. Memanfaatkan data transaksi, diperoleh 9 asosiasi antar kategori, 24 asosiasi antar subkategori, dan 67 asosiasi antar item produk. Dengan menggunakan zero one integer program terpilih 61 item produk dan harga dari produk yang harus dipertahankan untuk dialokasikan dalam gerai agar keuntungan yang diperoleh peritel maksimal. Hasilnya, diperlihatkan konfigurasi alokasi produk berdasarkan hubungan antar kategori dan harga dari produk.

---

Product allocation, product assortment, and product price have a significant influence on customer buying behaviour. With limitation on shelf space, retailer must select, pricing, and allocate the products on shelf space optimally to maximize the profit for retailer. This research is focused on optimizing the products shelf space allocation based on the relationship between product categories and product price using data mining technique, multilevel association rules. Takes advantage of data transactions, 9 associations between categories, 24 associations between subcategories, and 67 associations between products were obtained. By using zero one integer programming selected 61 products with appropriate price that must be maintained to be allocated in the minimarket to maximize the retailer?s profit. As the result, product allocation configuration based on the relationship between product categories and product price is shown."

"Upaya untuk meningkatkan kepuasan dan loyalitas donatur serta untuk memandu perumusan perencanaan pengembangan organisasi, maka dibutuhkan strategi pengembangan donatur, adapun untuk melakukan strategi pengembangan donatur dapat dilakukan dengan pendekatan data mining yang meliputi pengelompokan donatur dengan metode clustering dan hasil pengelompokan tersebut dievaluasi dengan artificial neural network (multilayer perceptron), dan menggunakan metode association rules untuk menganalisa peta pemasaran serta dirumuskan strategi pengembangan donatur berdasarkan data transaksi dan visi misi. Hasil penelitian menyarankan bahwa manajemen hubungan lembaga amil zakat dengan donatur perlu dikembangkan sehingga terjalin komunikasi yang aktif antar keduanya.

---

Efforts to increase donor satisfaction and loyalty as well as to guide the formulation of organizational development planning, donor development strategy is required, as for donors to make development strategy can be done with data mining approach that involves the grouping of donors by the method of clustering and classification results were evaluated by artificial neural network (multilayer perceptron), and using methods of association rules to analyze a map of marketing and donor development strategies are formulated based on transaction data and the vision and mission. The results suggest that the management of relations with donor amil zakat institution should be developed so that active communication is established between them."