Analisa Website Traveloka

 

Nama : Adam Kholaf Kus Setyawan

Npm  : 50417496

Kelas : 4IA19

 

Jurnal 1

Judul Jurnal : Data Mining Untuk Memprediksi Prestasi siswa Berdasarkan Sosial Ekonomi, Motivasi, Kedisiplinan dan Prestasi Masa Lalu.

Metode Yang Digunakan : Pendekatan kuantitatif, Decision Tree, CHAID, Regresi

Tujuan : Mencari metode yang memiliki akurasi yang tinggi.

Hasil & Pembahasan : Hasil penelitian berdasarkan tahapan-tahapan proses dalam KDD (Knowledge Data Discovery) sebagai berikut: (1) Data Selection, tahapan ini dilakukan untuk memilih data yang sesuai dengan variabel yang dibutuhkan dalam penelitian. Caranya adalah dengan memilih atau menentukan atribut-atribut data mana yang akan digunakan dalam penelitian dari sekelompok data operasional yang ada. Salah satunya adalah menentukan atribut-atribut untuk variabel Sosial Ekonomi Orang Tua yang diambil dari data operasional yaitu Data Pribadi Siswa yang ada di BP/BK sekolah; (2) Preprocessing/Cleaning, proses cleaning tersebut dilakukan terhadap keseluruhan data yang diteliti yang berjumlah 416 siswa. Setelah dilakukan proses cleaning data sejumlah 416, dihasilkan data bersih sebanyak 346 record data yang digunakan untuk proses analisis berikutnya; (3) Transformation, tahap ini menghasilkan satu recordset data yang siap untuk analisis data; (4) Analisis data..

Kesimpulan Berdasarkan data tersebut dapat disimpulkan bahwa penggunaan metode data mining dengan algoritma decision tree (J48) memiliki tingkat akurasi yang lebih baik dari 2 (dua) metode lain yaitu CHAID dan regresi gand.

Jurnal 2

Judul Jurnal : Penerapan Data Mining Untuk Menentukan Pola Penjualan Peralatan Sekolah Pada Brand Wigglo Dengan Menggunakan Algoritma Apriori

Metode Yang Digunakan : Data Mining, Knowledge Discovery Database (KDD), Algoritma Apriori, Pemodelan Sistem.

Tujuan : Untuk menentukan pola penjualan peralatan sekolah.

Hasil & Pembahasan : Proses menentukan pola penjualan pada Toko Bahan Bangunan Utama dilakukan dengan cara menganalisa pola data transaksi penjualan yang didapat dari setiap bulanya, dengan menganalisa sebuah pola yang terkandung didalam data transaksi Toko Bahan Bangunan Utama mendapatkan informasi mengenai produk-produk terunggul atau produk yang paling diminati para konsumenya, dimana hasil informasi tersebut digunakan sebagai acuan untuk tindakan dalam mengembangkan bisnis. Seperti, memperbayak jumlah persediaan produk, dan mengembangkan produk terunggul di setiap bulanya. Penggunaan alat bantu yang terbatas dan lamanya dalam penentuan produk terunggul Toko Bahan Bangunan Utama menghambat proses penentuan. Sebab semakin bayak data transaksi penjualan dalam kurun waktu tertentu semakin lama juga proses menentukanya, karena proses yang dilakukan masih dilakukan dengan pencatatan, sehingga hal ini membuat pihak perusahaan kesulitan untuk menentukan produk mana yang paling diminati oleh konsumen..

Kesimpulan : Dari hasil perancangan aplikasi data mining dalam menentukan pola penjualan peralatan sekolah maka diperoleh suatu kesimpulan sebagai berikut:

1. Untuk menganalisa terhadap permasalahan yang terjadi maka dilakukan sebuah penelitian terhadap data-data penjualan peralatan sekolah yang ada pada PT. Panen Lestari Internusa serta melalukan wawancara terhadap perusaaahan PT. Panen Lestari Internusa.

2. Untuk membentuk pola kombinasi itemset maka dilakukan sebuah perhitungan terhadap data transaksi yang ada kemudian dilakukan pencarian nilai support dan nilai confidance setelah itu dilakukan membentuk pola kombinasi itemset .

3. Untuk merancang aplikasi data mining maka dibutuhkan beberapa perancangan diantaranya adalah perancangan sistem, perancangan database dan perancangan user interface untuk mengdapatkan hasil yang sesuai dengan yang diharapkan.

 

Jurnal 3

Judul Jurnal : Penerapan Data Mining Dengan Metode Klasifikasi Menggunakan Decision tree Dan Regresi.

Metode Yang Digunakan : Decision Tree, Regresi

Tujuan : Untuk mencari bantuan dengan menggunakan decision tree dan regresi.

Hasil & Pembahasan :

1.      PreProcessing PreProcessing yang dilakukan yaitu proses pembersihan data mengalami tiga tahap pembersihan yaitu: Incomplete, Noisy dan Inconsisten. Berikut dibawah ini penjelasan dan prosesnya.

 

2.      Proses Data Mining Pada tahapan ini Peneliti mencoba membuat proses aturan klasifikasi pada data mining menggunakan decision tree. Algoritma klasifikasi akan menggunakan data tersebut untuk menghasilkan pengetahuan. Pengetahuan yang hendak dihasilkan dalam klasifikasi adalah untuk menggolongkan bagaimana ketentuan seorang warga mendapatkan suatu bantuan, baik itu bantuan secara materiil ataupun bantuan yang bersifat pelatihan agar warga tersebut dapat meningkatkan kesejahteraan hidupnya. Pada proses ini, Peneliti mengambil attribute kelurahan, pendidikan, pekerjaan dan pengeluaran untuk menentukan siapa warga yang memiliki ketentuan tersebut diatas berhak menerima bantuan. Berikut ini merupakan tahapan awal sampai akhir proses klasifikasi dengan decision tree dengan menggunakan Orange.

Kesimpulan : Dapat disimpulkan bahwa dengan menggunakan decision tree prioritas kelurahan yang dapat diberi bantuan yaitu: Kelurahan Bajing Kulon, Kedawung, Pekuncen, dan Pesanggarahan. Proses pada regresi berdasarkan per kelurahan dengan atribut untuk variabel x adalah pekerjaan atau pendidikan dan atribut untuk variabel y adalah penghasilan. Terlepas dari penjelasan pada paragraph di atas, Peneliti sadari masih banyak kekurangan dalam penelitian ini, hal ini dikarenakan karena variable data yang terlalu luas dan proses pembersihan data yang memakan waktu lama, sehingga pemilihan proses data mining dengan penggunaan algoritma yang diterapkan mungkin memiliki kelemahan dalam keakuratan hasil data yang ada, tetapi hasil yang didapatkan tidak mengurangi keakuratan algoritma atau rumus yang diterapkan.

Jurnal 4

Judul Jurnal : Penerapan Data Mining Untuk Prediksi Penjualan Wallpaper Menggunakan Algoritma C4.5.

Metode Yang Digunakan : Algoritma C4.5, Decision Tree.

Tujuan :Untuk mencari metode pembelian wallpaper.

Hasil & Pembahasan : Pada data wallpaper terdapat 30 penilaian dari 6 dari penilaian yang menentukan minat konsumen terhadap wallpapaer, Pada nilai gain dan nilai entropy diketahui bahwa Gain tertinggi adalah jumlah motif yaitu sebesar 0.419973. Dengan demikian, jumlah motif dapat menjadi node akar. Ada dua nilai atribut dari jumlah motif, yaitu banyak dan sedikit, sehingga perlu dilakukan perhitungan lagi.

Kesimpulan : Berdasarkan hasil penelitian yang dilakukan, maka penulis dapat menarik kesimpulan bahwa pembelian wallpaper dengan menggunakan metode Data Mining khususnya Algoritma C4.5 akan bermanfaat sekali dalam proses pengambilan keputusan dalam pembelian wallpaper.

1. Yang menjadi faktor tertinggi yang mempengaruhi penjualan adalah faktor jumlah motif wallpaper.

2. Faktor Harga, Ukuran, Kualitas Bahan, dan Warna tidak mempengaruhi pembelian karena wallpaper dengan harga mahal, ukuran yang kecil, kualitas bahan yang baik, dan warna yang sedikit ternyata masih diminati oleh pelanggan..

Jurnal 5

Judul Jurnal : Penerapan Data Mining Untuk Menganalisis Penjualan barang Dengan Menggunakan Metode Apriori Pada Supermarket Sejahtera Lhokseumawe.

Metode Yang Digunakan : Algortima Apriori

Tujuan : Menganalisis penjualan barang dan pengolahan data transaksi pembelian barang.

Hasil & Pembahasan : Prinsip melakukan penggalian data transaksi di Supermarket Sejahtera menggunakan algoritma apriori adalah sebagai berikut :

1.      Menentukan batas transaksi, besaran batas transaksi = 3

2.      Daftar 1-itemset di atas, dibuat menjadi daftar frequent 2- itemset

3.      Menghitung nilai support dan confidence dari masing-masing frequent itemset sehingga muncul calon aturan asosiasi. Untuk menghitung support dan confidence

4.      Pilih aturan asosiasi yang memenuhi minimum support dan minimum confidence.

Kesimpulan :

1.    Penerapan Data Mining Untuk Menganalisis Penjualan Barang Dengan Menggunakan Metode Apriori merupakan sebuah sistem pencarian aturan asosiasi melalui pengolahan data transaksi pembelian barang dari setiap pembeli, kemudian dicari hubungan antar barang-barang yang dibeli sehingga informasi ini dapat memberikan 154 Techsi Vol. 6 No.1, April 2015 pertimbangan tambahan bagi pimpinan supermarket dalam pengambilan keputusan guna pengaturan barang pada rak supermarket.

2.    Sistem ini mampu mengolah data transaksi untuk menemukan frequent itemset dan association rule yang memenuhi batas transaksi dan mampu menampilkan rules dalam bentuk teks.

3.    ada analisa terhadap sejumlah data, bahwa semakin kecil batas transaksi dan minimum confidence yang ditentukan, semakin banyak pula rules yang dihasilkan, dengan konsekuensi waktu proses pun akan lebih lama dibandingkan batas transaksi dan minimum confidence yang lebih besar.