Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Sebagai perusahaan milik negara yang memproduksi produk pertanian, PT Perkebunan Nusantara (PTPN) memiliki anak perusahaan bernama KPBN yang melakukan tender terbuka dalam menjual produknya. Untuk mengetahui perilaku bidder serta asosiasi diantara bidder, hubungan antara bidder tersebut dapat diidentifikasi dengan menggunakan apriori algorithm. Hasil dari identifikasi asosiasi dapat dijadikan saran untuk pemasok dalam menemukan bidder paling potensial. Perilaku bidder juga dapat membantu pemasok untuk mengetahui bidder yang paling sering melakukan bidding. Tahapan penelitian ini dimulai dengan pre-processing data selama tujuh bulan, kemudian membagi data tersebut menjadi tiga kelompok. Data tersebut kemudian diproses sehingga menghasilkan analisis asosiasi. Proses verifikasi hasil dan validasi aturan asosiasi dilakukan dengan menghitung derajat asosiasi dari seluruh aturan yang dihasilkan. ......PT Perkebunan Nusantara (PTPN) is a state-owned company which produces agricultural product. To sell its product, PTPN has subsidiary named KPBN which held an open bidding. In order to identify bidder behavior and to investigate bidder association, association between bidders can be identified using the apriori algorithm. It could be as a suggestion to that supplier to find the most potential bidder. The behavior of bidders also may help the supplier to find out who the frequent bidder is. The process of this research is started with pre-processing the data that had already been collected for seven months, spliting those data into three groups, generating the association analysis, and then calculating the degree association to verify and validated the rule.

Abstrak :
Dosen merupakan sumber daya utama setiap perguruan tinggi dengan peran mentransformasikan, mengembangkan, dan menyebarluaskan ilmu pengetahuan dan teknologi melalui pendidikan dan pengajaran, penelitian, dan pengabdian kepada masyarakat. Sebagai sumber pengetahuan organisasi, maka pengetahuan baik tacit dan explicit yang ada dalam diri dosen perlu dikelola. Selama ini terdapat beberapa penelitian terkait dengan identifikasi kepakaran, namun masih terdapat kelemahan pada tingkat akurasinya yang masih rendah khususnya teknik association rule. Penelitian ini bertujuan untuk mengidentifikasi kepakaran dosen yang ada di Fakultas Ilmu Komputer dengan teknik association rule dan pembobotan AHP. Bidang-bidang kepakarannya mengikuti taksonomi dari ACM CCS 2012 yang terdiri dari 13 bidang kepakaran. Hasil pemetaan menunjukan variasi jumlah bidang kepakaran setiap dosen, ada yang tiga bidang kepakaran, hingga semua bidang kepakaran. Selain itu, hasil evaluasi pemetaan kepakaraan dosen dengan teknik association rule dan pembobotan kriteria dengan AHP menghasilkan kinerja sebesar 92%. Kontribusi pembobotan kriteria AHP terlihat pada urutan bidang kepakaran bidang kepakaran seorang dosen. Jika tidak menggunakan AHP, bidang minat dosen yang termasuk dalam bidang kepakaran utamanya yaitu sebesar 72%, sedangkan jika menggunakan AHP meningkat menjadi 74%. Untuk penelitian selanjutnya, agar menggunakan acuan bidang kepakaran yang lebih lengkap untuk pemetaannya. Selain itu juga, agar menambahkan metode evaluasi konfirmasi hasil pemetaan dengan dosen yang bersangkutan. ......Lecturers are the main resource of each University with the role of transforming, developing, and disseminating science and technology through education and teaching, research, and community service. As a source of organizational knowledge, both tacit and explicit knowledge present in lecturers needs to be managed. There have been several studies related to the identification of expertise, but there are still weaknesses in the level of accuracy, which is still low, especially the association rule technique. This study aims to identify the expertise of lecturers in the Faculty of Computer Science with the Association rule technique and AHP weighting. The expertise fields follow the taxonomy of CCS 2012, which consists of 13 expertise fields. The mapping results show variations in the number of expertise fields for each lecturer, there are three expertise fields, up to all expertise fields. In addition, the evaluation results of lecturer literacy mapping with association rule techniques and weighting criteria with AHP resulted in 92% performance. The contribution of AHP criteria weighting can be seen in the order of expertise in the field of expertise of a lecturer. If not using AHP, the area of interest of lecturers included in the field of expertise is 72%, whereas if using AHP increases to 74%. For further research, in order to use an up to date and complete expertise field reference for mapping. In addition, to add a method of evaluating the confirmation of mapping results with the lecturer concerned.

Abstrak :
Human Immunodeficiency Virus (HIV) merupakan virus yang menyerang sistem kekebalan tubuh manusia. Virus ini terdiri dari 23 protein dalam RNA untai tunggal. Interaksi protein HIV dan protein manusia dapat mengakibatkan penyakit AIDS. Dengan mempelajari interaksi protein dapat digunakan untuk mengembangkan obat antiviral. Untuk menganalisis interaksi protein dilakukan dengan proses biclustering. Algoritma LCM-MBC merupakan suatu algoritma biclustering yang digunakan untuk menganalisis interaksi protein. Hasil dari biclustering digunakan untuk memprediksi dengan association rule mining. Untuk mengetahui fungsi-fungsi biologis dari protein yang terdapat pada satu bicluster digunakan DAVID Gene Ontology. Terdapat 45 bicluster yang memiliki protein HIV dalam satu bicluster sebanyak lima. Dari bicluster yang diperoleh ini, Terdapat 11 protein HIV-1 yang diprediksi akan berinteraksi dengan 36 protein manusia. Jika protein manusia terhubung dengan protein HIV sesuai dengan tipe jenis interaksinya, artinya protein manusia tersebut berinteraksi dengan proten HIV-1. ......Human Immunodeficiency Virus (HIV) is a virus w attacks the human immune system. This virus consists of 23 proteins in a single-stranded RNA. The protein interaction between HIV proteins and human proteins can impact to AIDS The research about HIV-1 proteins and human proteins interactions leads to the insight of drug target prediction. To analyze protein interactions carried out by biclustering process. The LCM-MBC algorithm is a biclustering algorithm that is used to analyze protein interactions. The results of biclustering are used to predict with association rule mining. To find out the biological functions of proteins found in one cluster used DAVID Gene Ontology. There are 45 bicluster that have five HIV proteins in one bicluster. From the bicluster obtained, there are 11 HIV-1 proteins that are predicted to interact with 36 human proteins. If human protein interacts with HIV-1 protens, it means that human proteins will relate according to the interaction type by HIV proteins.

Abstrak :
Industri Pakaian di Indonesia telah berkembang dengan sangat cepat. Peningkatan penggunaan ecommerce di bidang fashion telah menghasilkan kompetisi yang tinggi antar brand global dan brand local. Oleh karena itu diperlukanlah strategi pemasaran yang penting dan baik untuk menjaga pertumbuhan industri lokal. Penelitian ini bertujuan untuk menggunakan RFM model dan Association Rule Mining (ARM) untuk membantu mengetahui segmentasi konsumen. ARM adalah salah satu Teknik paling popular untuk mengetahui pola dari atribut – atribut yang ada pada database, dan RFM model digunakan untuk mengetahui perilaku konsumen. Setelah data dikumpulkan, dilakukan preprocessing, dan dilakukan analisis RFMnya, kemudian dilakukan k-means clustering. Setelah ditemukan cluster dari konsumen, dilakukan ARM untuk mencari pola dari tipe konsumen, promosi diskon dan promosi ongkos kirim yang mereka pakai. Kemudian disusun profil konsumen berdasarkan pola dan nilai RFM konsumen yang didapatkan. ......The apparel and fashion industry of local brands in Indonesia has been growing rapidly. A good and strategic marketing strategy is needed to maintain the industry growth and sustain the local industry. This research aims to build marketing strategy with segmentation. The study utilized the Machine Learning using Association Rules Mining (ARM) and Consumer segmentation of RFM model. The ARM is one of the most popular techniques to learn a pattern or associations of attributes of customers. Consumer segmentation of RFM models was used to understand about consumer’s behaviors. The data was collected from a local fashion brands in e- commerce platforms. After data was collected, the data was preprocessed, and then analyzed using RFM model. After the RFM model concluded, the model was used to associate consumers type, discount and delivery promotion by using ARM to understand about the relations about the promotions and the consumers type. The segmentation is done by clustering with k-means algorithm. After customer segmentation concluded, the marketing strategy is then built with a marketing mix approach

Abstrak :
ABSTRAK
Penelitian ini bertujuan untuk menyusun sebuah jadwal belanja berdasarkan pola yang berhasil diamati dari laporan belanja selama periode 6 bulan dengan metode market basket analysis dan association rule. Hasil penelitian berhasil mengelompokkan 17 bahan baku yang mempunyai keterikatan ke dalam 4 kelompok, dengan tetap memperhatikan karakteristik bahan baku.

---

ABSTRACT

This study attempts to create a shopping schedule of a catering service company based on the observed pattern of its shopping for the past 6 months, using market basket analysis and association rule as the general method. The study manages to find and group 17 influential enough raw material into 4 separate groups, with attention also to the natural characteristics of the said material.

Abstrak :
Frekuensi kejadian kecelakaan kerja di lokasi konstruksi merupakan salah satu yang tertinggi dibandingkan dengan industri lainnya. Perilaku tidak aman (Unsafe behaviors) yang dilakukan para pekerja merupakan salah satu penyebab utama yang berkontribusi terhadap terjadinya kecelakaan kerja. Dalam penelitian ini sebanyak 4134 kasus perilaku tidak aman dianalisa lebih lanjut dengan menggunakan metode association rule mining untuk mendapatkan penjelasan lebih dari pola hubungan yang terbentuk di antara variabel, sebagai hasilnya didapatkan 5 aturan asosiasi yang terbagi menjadi 2 kelompok aturan. Pekerja tidak menggunakaan body harness saat bekerja di ketinggian, pekerja tidak mengikatkan tali pengaman di tempat yang disediakan, pekerja tidak membuat atau menggunakan platform kerja yang aman, rnehapekerja meletakkan alat dan material di tempat sembarangan, dan pekerja memindahkan alat kerja dan material dengan cara yang tidak sesuai dengan prosedur. Perilaku-perilaku tidak aman ini berhubungan dengan jenis kecelakaan jatuh dan terkena atau terpotong oleh benda, serta pelanggaran Peraturan Menteri Tenaga Kerja dan Transmigrasi 01/1980, dan Peraturan Menteri Tenaga Kerja 09/2016. Temuan dalam penelitian ini dapat digunakan sebagai pedoman dalam perencanaan manajemen keselamatan dengan menerapkan prioritas berdasarkan tingkat probabilitas kejadian perilaku tidak aman sehingga implementasi program keselamatan dapat berjalan secara efisien dalam meningkatkan kinerja keselamatan. ......The frequency of work accidents at construction sites is one of the highest compared to other industries. Unsafe behavior by workers is one of the main causes that contribute to work accidents. In this study, a total of 4134 cases of unsafe behaviors were further analyzed using the association rule mining method to gain further insights into the patterns of relationships formed among the variables. As a result, five association rules were obtained, which can be divided into two groups. The workers do not use body harnesses when working at heights, workers do not fasten safety ropes in the space provided, workers do not make or use safe work platforms, workers place tools and materials in random places, and workers move work tools and materials in ways that are not in accordance with the procedure identified as unsafe behaviors. These unsafe behaviors are associated with accidents such as falls, being struck or cut by objects, as well as violations of the Minister of Manpower and Transmigration Regulation 01/1980 and Minister of Manpower Regulation 09/2016. The findings of this research can be used as guidelines in safety management planning by prioritizing based on the probability levels of unsafe behavior occurrences, thereby enabling the efficient implementation of safety programs to enhance safety performance.

Abstrak :
ABSTRACT
Criminality is a social problem causing negative impacts on society welfare. Police as law enforcement officer was required to take actions to prevent criminality which was increasingly widespread. Such efforts could be realized by analizing criminal data to obtain useful information for the preparation of criminal prevention strategies. However, extracting knowledge from criminal data effectively was a problematique for them. In this study, data mining was used to solve knowledge extraction problem from the dataset. The technique was aimed to get information about crime patternsby analyzing criminal activity habits. Association rule mining and apriori algorithm were used to find crime patterns. Generating crime patterns in data mining was difficult to understand when there were too many rules. Graph based visualization of association rules designed to solve that problem. Generated visualization showed relationship between crimes. That visualization was expected to help the police to understand the crime pattern so they could do prevention efforts more effectively. The results showed that the visualization of association rules could present association rules in more interesting way and described the crime pattern.

Abstrak :
Persaingan dalam dunia bisnis khususnya perbankan yang semakin ketat membuat para pelakunya harus selalu memikirkan strategi-strategi terobosan yang dapat menjamin keberlangsungan bisnis mereka. Kepuasan pelanggan merupakan salah satu faktor yang sangat perlu diperhatikan untuk mengikat pelanggan agar tetap setia pada produk atau layanan yang ditawarkan. Salah satu aset utama yang dimiliki oleh perusahaan perbankan dewasa ini adalah data transaksi bisnis dalam jumlah yang sangat besar. Hal ini menciptakan sebuah kebutuhan akan adanya teknologi yang dapat memanfaatkannya untuk menggali pengetahuan-pengetahuan baru, yang dapat membantu dalam perencanaan strategi bisnis di masa depan. Dalam hal tersebut teknologi data mining hadir sebagai sebuah solusi yang dapat diterapkan. Dalam tulisan ini akan dibahas implementasi data mining untuk menemukan model berupa association rules yang bisa diinterpretasikan menjadi pengetahuan baru mengenai karakteristik beberapa obyek layanan perbankan Bank XYZ. Pengetahuan baru tersebut nantinya bisa digunakan sebagai bahan analisis untuk menentukan rencana strategis ke depan khususnya dalam rangka meningkatkan kinerja layanan sehingga pelanggan tetap setia terhadap produk dan layanan Bank XYZ. ......The tighter competition in banking industry motivates the actors to always think of new strategies to ensure their business sustainability. Customer satisfaction must be maintained to make customers remain loyal to the offered products or services. One of the main assets of banking organization or corporate is a large number of business transaction data. This creates a need of new technologies to mine new knowledges, which can assist management in making future business strategy plans. Data mining technology is one applicable solution. This thesis describes the implementation of data mining in order to find association rules model which can be further interpreted as new knowledges on banking service characteristic of Bank XYZ. The new knowledges will be useful to determine strategic plans in the future, especially in increasing the performance of products or services. They finally can make the customers loyal to products or services of Bank XYZ.

Abstrak :
ABSTRAK
Tesis ini membahas kemampuan dan penggunaan tiga metode data mining dalam melakukan rangkaian analisis dan menemukan informasi dari sekumpulan data yang berjumlah besar yaitu data penggukuran condition monitoring dan faktor ekstenal dari suatu engine alat berat dengan tujuan untuk mendapatkan penjadwalan penggantian engine yang lebih optimal. Metode clustering digunakan untuk mengelompokkan data condition monitoring, association rule digunakan untuk menganalisis keterkaitan antar variabel dan analisis time series digunakan untuk memprediksi nilai dari pengukuran condition monitoring. Hasil penelitian menunjukkan metode data mining dapat digunakan untuk melakukan optimasi penjadwalan.

---

ABSTRACT
This thesis discusses the capability and use of three data mining rsquo s methods in perform the sequence of analysis and explore information from large data set, that is condition monitoring data and external factors of the heavy equipment engine in order to get more optimized engine replacement scheduling.Clustering method is used to classify condition monitoring data, association rule is used to analyze the interrelationship between variables and time series analysis is used to predict the value of condition monitoring. The result showed that data mining methods can be used to perform scheduling optimization.