scholarly journals PENERAPAN DATA MINING ALGORITMA K-MEANS CLUSTERING PADA POPULASI AYAM PETELUR DI INDONESIA

2022 ◽  
Vol 7 (1) ◽  
pp. 1-7
Author(s):  
Elsa Ramadanti ◽  
Muhamad Muslih
Keyword(s):  
Data Mining ◽  
Microsoft Excel

Telur ayam merupakan jenis telur yag mudah dijumpai dan digemari banyak orang. Sehingga kebutuhan masyarakat akan telur ayam sangat diperlukan untuk memenuhi kebutuhan sumber protein hewani dan nutrisi hariannya. Penelitian ini menganalisis Penerapan Data Mining Algoritma K-Means Clustering pada Populasi Ayam Petelur di Indonesia. Sumber data populasi ayam ras petelur di Indonesia di peroleh dan dikumpulkan melalui situs web Badan Pusat Statistik Nasional. Data yang digunakan terhitung dari tahun 2016-2020 yang terdiri dari 34 provinsi. Data akan dikelompokkan ke dalam 3 cluster yaitu cluster populasi tinggi, sedang, dan rendah. Pengolahan data dilakukan secara manual di Microsoft Excel dan dibantu tools data mining yaitu Rapidminer dan Orange. Hasil dari pengolahan data tersebut menunjukkan hasil yang sama yaitu 1 provinsi untuk cluster populasi tinggi, 3 provinsi untuk cluster populasi sedang dan 30 provinsi untuk cluster populasi rendah. Tujuan penelitian ini adalah agar pemerintah dan peternak lebih memperhatikan jumlah populasi ayam petelur di Indonesia berdasarkan cluster yang telah dilakukan untuk menjaga keseimbangan jumlah dan kestabilan harga telur di masyarakat.

PREDIKSI KUALITAS AIR SUNGAI CILIWUNG DENGAN MENGGUNAKAN ALGORITMA POHON KEPUTUSAN

2021 ◽  
Vol 12 (2) ◽  
Author(s):  
Mohammad Haekal ◽  
Henki Bayu Seta ◽  
Mayanda Mega Santoni
Keyword(s):  
Data Mining ◽  
Decision Tree ◽  
Cross Validation ◽  
Online Monitoring ◽  
Training Set ◽  
Microsoft Excel ◽  
Test Set

Untuk memprediksi kualitas air sungai Ciliwung, telah dilakukan pengolahan data-data hasil pemantauan secara Online Monitoring dengan menggunakan Metode Data Mining. Pada metode ini, pertama-tama data-data hasil pemantauan dibuat dalam bentuk tabel Microsoft Excel, kemudian diolah menjadi bentuk Pohon Keputusan yang disebut Algoritma Pohon Keputusan (Decision Tree) mengunakan aplikasi WEKA. Metode Pohon Keputusan dipilih karena lebih sederhana, mudah dipahami dan mempunyai tingkat akurasi yang sangat tinggi. Jumlah data hasil pemantauan kualitas air sungai Ciliwung yang diolah sebanyak 5.476 data. Hasil klarifikasi dengan Pohon Keputusan, dari 5.476 data ini diperoleh jumlah data yang mengindikasikan sungai Ciliwung Tidak Tercemar sebanyak 1.059 data atau sebesar 19,3242%, dan yang mengindikasikan Tercemar sebanyak 4.417 data atau 80,6758%. Selanjutnya data-data hasil pemantauan ini dievaluasi menggunakan 4 Opsi Tes (Test Option) yaitu dengan Use Training Set, Supplied Test Set, Cross-Validation folds 10, dan Percentage Split 66%. Hasil evaluasi dengan 4 opsi tes yang digunakan ini, semuanya menunjukkan tingkat akurasi yang sangat tinggi, yaitu diatas 99%. Dari data-data hasil peneltian ini dapat diprediksi bahwa sungai Ciliwung terindikasi sebagai sungai tercemar bila mereferensi kepada Peraturan Pemerintah Republik Indonesia nomor 82 tahun 2001 dan diketahui pula bahwa penggunaan aplikasi WEKA dengan Algoritma Pohon Keputusan untuk mengolah data-data hasil pemantauan dengan mengambil tiga parameter (pH, DO dan Nitrat) adalah sangat akuran dan tepat. Kata Kunci : Kualitas air sungai, Data Mining, Algoritma Pohon Keputusan, Aplikasi WEKA.

ANALISA DATA EKSPEDISI PAKET DENGAN MENERAPKAN ALGORITMA ROUGH SET (STUDI KASUS: JNE AGEN MENTENG MEDAN)

2019 ◽  
Vol 3 (1) ◽  
Author(s):  
Hasrat Selpia Simorangkir
Keyword(s):  
Data Mining ◽  
Rough Set ◽  
Microsoft Excel ◽  
General Rules ◽  
New Knowledge ◽  
Analyze Data

In analyzing data with data mining using the Rough Set algorithm which has results in the form of rules (rules). The process of determining the rules in the Rough Set method starts from processing the Microsoft Excel database, and continues testing with the Rough Set method. Thus producing General Rules which will become new knowledge in this research.With the existence of data mining using the rough set penilus algorithm, it can analyze data and provide solutions to the weaknesses faced in the menteng Medan field agents that have occurred so that it can be used as an alternative to solving problems in packet expedition encountered so far.Keyword: Data Mining, Descision System, Equivalen Class, ,General Rules, Rough set,Reduction

Penerapan Metode Klasifikasi Decision Tree dan Algoritma C4.5 dalam Memprediksi Kriteria Nasabah Kredit Mega Auto Finance

2020 ◽  
Vol 7 (2) ◽  
pp. 200
Author(s):  
Puji Santoso ◽  
Rudy Setiawan
Keyword(s):  
Data Mining ◽  
Decision Tree ◽  
Microsoft Excel ◽  
Customer Data ◽  
Data Mining Techniques ◽  
C4.5 Algorithm ◽  
Marketing Costs ◽  
Excel Format ◽  
Data Mining Application

One of the tasks in the field of marketing finance is to analyze customer data to find out which customers have the potential to do credit again. The method used to analyze customer data is by classifying all customers who have completed their credit installments into marketing targets, so this method causes high operational marketing costs. Therefore this research was conducted to help solve the above problems by designing a data mining application that serves to predict the criteria of credit customers with the potential to lend (credit) to Mega Auto Finance. The Mega Auto finance Fund Section located in Kotim Regency is a place chosen by researchers as a case study, assuming the Mega Auto finance Fund Section has experienced the same problems as described above. Data mining techniques that are applied to the application built is a classification while the classification method used is the Decision Tree (decision tree). While the algorithm used as a decision tree forming algorithm is the C4.5 Algorithm. The data processed in this study is the installment data of Mega Auto finance loan customers in July 2018 in Microsoft Excel format. The results of this study are an application that can facilitate the Mega Auto finance Funds Section in obtaining credit marketing targets in the future

scholarly journals Clustering Fasilitas Kesehatan Berdasarkan Kecamatan Di Karawang Dengan Algoritma K-Means

2021 ◽  
Vol 8 (1) ◽  
pp. 83
Author(s):  
Bagus Muhammad Islami ◽  
Cepy Sukmayadi ◽  
Tesa Nur Padilah
Keyword(s):  
Data Mining ◽  
Developing Countries ◽  
Data Processing ◽  
Health Problems ◽  
Health Facilities ◽  
Microsoft Excel ◽  
Two Factors ◽  
Clustering Data ◽  
Index Value ◽  
Cluster 2

Abstrak: Masalah kesehatan yang ada di dalam masyarakat terutama di negara- negara berkembang seperti Indonesia dipengaruhi oleh dua faktor yaitu aspek fisik dan aspek non fisik. Berdasarkan data yang diperoleh dari karawangkab.bps.go.id data dibagi menjadi 3 cluster yaitu sedikit, sedang dan terbanyak. Algoritma yang digunakan adalah K-Means cluster yang diimplementsikan menggunakan Microsoft Excel dan Rapidminer Studio. Hasil pengolahan data fasilitas kesehatan di karawang menghasilkan 3 cluster dengan cluster 1 yang mempunyai fasilitas kesehatan sedikit sebanyak 23 kecamatan, cluster 2 yang mempunyai fasilitas kesehatan sedang sebanyak 5 kecamatan dan cluster 3 yang mempunyai fasilitas kesehatan terbanyak terdapat 2 kecamatan. Kinerja yang dihasilkan dari algoritma K-means menghasilkan nilai Davies Boildin Index sebesar 0,109.   Kata kunci: clustering, data mining, fasilitas kesehatan, K-Means.   Abstract: Health problems that exist in society, especially in developing countries like Indonesia, are built by two factors, namely physical and non-physical aspects. Based on data obtained from karawangkab.bps.go.id the data is divided into 3 clusters, namely the least, medium and the most. The algorithm used is the K-Means cluster which is implemented using Microsoft Excel and Rapidminer Studio. The results of data processing of health facilities in Karawang produce 3 clusters with cluster 1 which has 23 sub-districts of health facilities, cluster 2 which has medium health facilities as many as 5 districts and cluster 3 which has the most health facilities in 2 districts. The performance resulting from the K-means algorithm results in a Davies Boildin Index value of 0.109.   Keywords: clustering, data mining, health facilities, K-Means.

scholarly journals Model Aturan dalam Menentukan Prestasi Nilai Siswa di SMK GKPS 1 Raya Menggunakan Algoritma C4.5

2022 ◽  
Vol 2 (1) ◽  
pp. 1-24
Author(s):  
Rofiana Simanullang ◽  
Dedy Hartama ◽  
Poningsih Poningsih ◽  
Iin Parlina ◽  
Muhammad R. Lubis
Keyword(s):  
Data Mining ◽  
Decision Tree ◽  
Microsoft Excel

Data nilai siswa merupakan suatu data penting  bagi pihak departemen, maupun pada pihak sekolah karena perlu untuk melihat bagaimana perkembangan nilai siswa-siswi di SMK GKPS 1 Raya dikemudian hari. Data nilai siswa pun semakin bertambah bila semakin tahun berganti tahun, dan data tersebut dapat memberi informasi yang berguna bila diolah dengan baik. Maka dari itu, dalam penelitian ini penulis akan memanfaatkan 202 data nilai siswa yang diperoleh dari pihak sekolah SMK GKPS 1 Raya yang dikelola menggunakan data mining untuk mendapatkan suatu informasi klasifikasi perkembangan nilai siswa dan  menentukan prestasi siswa. Dalam metode ini, algoritma yang digunakan yaitu  algoritma C 4.5 decision tree yang didukung dengan Software RapidMiner, Kriteria yang digunakan adalah seperti NISN, Nama Siswa, Nilai Rata-rata dan Nilai Kehadiran yang di input ke input kedalam Microsoft Excel 2007 dan dilakukan transformasi dari nilai angka ke nilai huruf yang dimana Jika nilai >90 maka nilainya A, 80 – 89 = B, 70 – 79 = C, dan <60 = D. Dengan menggunakan metode ini dapat menjadi salah satu alat untuk dapat membantu pihak sekolah dalam melihat perkembangan nilai siswa, sehingga hasil yang di dapat dalam metode ini dapat menentukan nilai yang berprestasi dan yang tidak berprestasi serta  dapat memberikan rekomendasi untuk pihak sekolah semakin memperbaiki sistem pembelajaran yang berlaku untuk kedepannya.

scholarly journals Adatbányászati technikák alkalmazása magyar vállalkozások adatait tartalmazó adatbázison Microsoft Excel 2007-ben

2010 ◽  
Vol 5 (1-2) ◽  
pp. 229-233
Author(s):  
György Hampel ◽  
Zoltán Fabulya ◽  
Elemérné Nagy
Keyword(s):  
Data Mining ◽  
Naive Bayes ◽  
Naïve Bayes ◽  
The Other ◽  
Annual Income ◽  
Data Mining Technique ◽  
Microsoft Excel ◽  
Mining Technique ◽  
Bayes Algorithm ◽  
Main Activity

Using a simple data mining technique, the Analyze Key Influencers, in Excel 2007 Data Mining Add-ins, we searched for relationship among the seat (county and town), the form of business, the main activity, the number of employees and the annual income of the Hungarian companies. This technique uses the Naive Bayes algorithm. According to the used method the seat has no influencers. Most of the main activities have no influencers, but some activities (82 out of 495) have relationship with the other criteria, mainly with the form of business. The form of business (all 30 categories), the number of employees (17 of 18 categories) and the annual income (all 9 categories) are each others key influencers. Cramer's association was used to check the results of the data mining. The Cramer contin-gency coefficient showed similar results as the data mining, but the results also indicated that the strength of the association was less than moderate in all cases. The highest associa-tion were between the annual income and the number of employees (0.46, moderate asso-ciation), the main activity and form of business (0.36, moderate association) and the annual income and the form of business (0.27, low association).

scholarly journals Implementasi Algoritma K-Means terhadap Pengelompokan Nilai Ujian Nasional Tingkat SMP di Provinsi Jawa Barat

2018 ◽  
Vol 3 (1) ◽  
pp. 30-36
Author(s):  
Tria Pratiwi Sutriyani ◽  
Amril Mutoi Siregar ◽  
Dwi Sulistya Kusumaningrum
Keyword(s):  
Data Mining ◽  
Microsoft Excel ◽  
Bahasa Indonesia

Peraturan Pemerintah Republik Indonesia Nomor 13 Tahun 2015 Pasal 66 menjelaskan bahwa Ujian Nasional (UN) sangatlah penting karena menjadi suatu pencapaian kompetensi lulusan secara nasional pada mata pelajaran tertentu pada Sekolah Dasar (SD), Sekolah Menengah Pertama (SMP) dan Sekolah Menengah Atas (SMA). Berdasarkan data yang ditemukan pada website Kementrian Pendidikan dan Kebudayaan yaitu nilai rata-rata UN SMP, SMA dan SMK data yang disajikan tidak berdasarkan peringkat atau kategori tertentu sehingga informasi yang didapatkan menjadi kurang jelas. Dari permasalahan tersebut dilakukan sebuah penelitian untuk menambang data menjadi informasi, pada penelitian ini data yang digunakan adalah nilai rata-rata UN tingkat SMP di Provinsi Jawa Barat menggunakan teknik data mining . Penelitian dilakukan dengan cara perhitungan manual menggunakan Microsoft Excel Kemudian dievaluasi menggunakan tools Rapidminer 9.2.0. Penelitian ini menghasilkan Cluster Baik 10 Kabupaten/Kota, Cluster Cukup Baik 15 Kabupaten/Kota dan Cluster Kurang Baik 2 Kabupaten/Kota 2. Mata Pelajaran Matematika dan IPA saat ini tidak menentukan kategori, karena nilai yang didapat rata-rata lebih kecil dari Bahasa Inggris dan Bahasa Indonesia sehingga bagi Pemerintah Dinas Pendidikan untuk perlu meningkatkan lagi dalam proses pembelajaran di Provinsi Jawa Barat.

scholarly journals Penerapan Asosiasi Algoritma Apriori Pada Data Penjualan Alat-Alat Listrik Dan Tekhnik

METIK JURNAL ◽  
2021 ◽  
Vol 5 (2) ◽  
pp. 71-76
Author(s):  
Regina Pihu Atadjawa ◽  
Tuti Haryanti ◽  
Laela Kurniawati
Keyword(s):  
Data Mining ◽  
Data Storage ◽  
Microsoft Excel ◽  
Transaction Data ◽  
Sales Data ◽  
Business People ◽  
Electronic Product ◽  
Sales And Marketing ◽  
Product Sales

The incompatibility of information in reporting productsthat are sold, and data storage is very large, business people, especially in the sales business are required to find an appropriate strategy that can increase sales and marketing of products sold, one of which is by using electronic product sales data. Therefore, anapplication is needed that is able to sort and select data, so that information can be obtained that is useful for users, namely data mining. Associate patterns can be used to place products that are often purchased together into an area that is close together so as to facilitate the customer in finding the desired product and designing the appearance of products in the catalog. The method used is theApriori Algorithm method, with the help ofTanagra 1.4.50 tools and processing transaction data using Microsoft Excel 2007.

scholarly journals IMPLEMENTASI DATA MINING MENGGUNAKAN MULTI REGRESI UNTUK MEMPREDIKSI RERATA KEDATANGAN MASYARAKAT

2020 ◽  
Vol 8 (2) ◽  
pp. 25-30
Author(s):  
Dwi Marisa Efendi ◽  
Riski Oskar Pratama
Keyword(s):  
Data Mining ◽  
Linear Regression ◽  
Multiple Linear Regression ◽  
Working Time ◽  
Microsoft Excel ◽  
Independent Variables ◽  
Regression Methods ◽  
Prediction Result

This research  uses multiple linear regression methods. research is useful to predicate the average number of people's arrival. this research uses Microsoft Excel 2010 and Rapid miner applications. The variables used are independent variables, free: stock blangko, operator, and working time. predicted to use sample x1 = 795,x2= 3 people, x3= 7 hours , and y= 296 people. Prediction result is -92.2484452, error value data 0.548 and 0.548 for public arrivals.

Current Issues: Advanced Digital Technology for Supervising Graduate Clinicians

2010 ◽  
Vol 20 (1) ◽  
pp. 9-13 ◽  
Author(s):  
Glenn Tellis ◽  
Lori Cimino ◽  
Jennifer Alberti
Keyword(s):  
Real Time ◽  
Digital Technology ◽  
Clinical Training ◽  
State Of The Art ◽  
Clinical Skills ◽  
Slow Motion ◽  
Video Capture ◽  
Microsoft Excel ◽  
Clinical Supervisors ◽  
Training And Supervision

Abstract The purpose of this article is to provide clinical supervisors with information pertaining to state-of-the-art clinic observation technology. We use a novel video-capture technology, the Landro Play Analyzer, to supervise clinical sessions as well as to train students to improve their clinical skills. We can observe four clinical sessions simultaneously from a central observation center. In addition, speech samples can be analyzed in real-time; saved on a CD, DVD, or flash/jump drive; viewed in slow motion; paused; and analyzed with Microsoft Excel. Procedures for applying the technology for clinical training and supervision will be discussed.

Sign in / Sign up

Export Citation Format

Share Document