Garuda - Garba Rujukan Digital

Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT) Khairul Amri; Alwis Nazir; Elin Haerani; Muhammad Affandes; Reski Mai Candra; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4408

Abstrak - Tracer study adalah sebuah pendekatan yang diterapkan universitas untuk memperoleh informasi tentang kemungkinan kelemahan dalam proses pendidikan dan proses pembelajaran yang menjadi dasar perencanaan aktivitas untuk penyempurnaan di masa mendatang. Pada Universitas Islam Negeri Sultan Syarif Kasim Riau belum pernah ada tracer study yang komprehensif dan terstruktur dalam ruang lingkup universitas. Tracer study yang dilakukan hanya dalam lingkup program studi dan hanya dilaksanakan menjelang proses akreditasi prodi. Tidak ada tracer study yang rutin dilakukan di tingkat program studi dan universitas setiap tahunnya. Pada penelitian ini akan berfokus kepada penerapan data mining untuk mencari pola asosiasi pada data tracer study menggunakan Equivalence Class Transformation (ECLAT). Dari hasil penelitian terdapat 4 pola yang memenuhi support 13% dan confidence 80% dengan pengujian lift rasio 1. Pola tersebut diantaranya Jika ipk antara 3 – 3,5 dan gaji pertama dibawah 3 juta dan laki-laki maka status kelulusan tidak tepat waktu dan “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dengan support 17% dan confidence 84%. Jika ipk antara 3 – 3,5 dan perempuan maka “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dan hubungan pekerjaan dengan jurusan sesuai dengan support 14 % dan confidence 100%.Kata kunci: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat Abstract - Tracer study is an approach applied by universities to obtain important information in the education and learning process which is the basis for planning activities for future improvement. At UIN SUSKA University there has never been a comprehensive and structured tracer study within the scope of the university. There is no routine tracer study conducted at the study program and university level every year. This research will focus on the application of data mining to find association rules in tracer study data using ECLAT. From the research results, there are 4 patterns that meet the support of 13% and 80% confidence with a lift ratio test 1. The patterns include If the ipk is between 3 - 3.5 and the first salary is below 3 million and male then the graduation status is not on time and the waiting period to get the first job is less than 6 months with 17% support and 84% confidence. If the ipk is between 3 - 3.5 and female, then the waiting period to get the first job is less than 6 months and the job relationship with the major is in accordance with the support of 14% and confidence 100%.Keywords: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat

Penerapan Learning Vector Quantization 3 Dalam Menentukan Bakat Anak Agung Syaiful Rahman; Elvia Budianita; Reski Mai Candra; Fadhilah Syafria
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4398

Abstrak - Banyaknya bakat anak yang tidak diketahui oleh sebagian besar Orang tua di Indonesia dikarenakan sedikitnya ahli anak sebagai tempat untuk konsultasi yang menjadi faktor utama dalam perMasalahan ini. Tujuan dari penelitian ini ialah agar para Orang tua dapat mempermudah dalam menggali potensi dalam diri anak mereka masing-masing, yakni dengan menggunakan jaringan saraf tiruan. Ada beberapa metode dalam jaringan saraf tiruan, learning vector quantization 3 merupakan saah satu dari bagian tersebut. Bakat anak yang diambil merupakan bakat anak yang berdasarkan standar United State of Education America. Anak yang diteliti merupakan murid dari Sekolah Dasar Negeri 011 Titian Resak dengan rentang usia 10-12 tahun. Penelitian ini menunjukkan bahwa learning vector quantization 3 membutuhkan sedikitnya 5 kriteria dengan 30 variabel bakat anak sebagai dasar dari penelitian ini. Berdasarkan hasil yang didapatkan, sistem ini berhasil mengidentifikasi bakat anak dengan rentang pembagian 90% data latih dan 10% data uji dan parameter window (0.1,0.2,0.3), epsilon (0.1,0.2,0.3), alpha (0.1) sebesar 81.82%.Kata kunci : Bakat Anak, Learning Vector Quantization 3, Jaringan Saraf Tiruan Abstract - The number of children's taents that are not known by most parents in Indonesia is due to the lack of child experts as a place for consultation which is the main factor in this problem. The purpose of this research is that parents can make it easier to explore the potentia in their respective children, namely by using artificia neura networks. There are severa methods in artificia neura networks, learning vector quantization 3 is one of them. The taent of the child taken is the child's taent based on the standards of the United State of Education America. The children studied were students from the 011 Titian Resak State Elementary School with an age range of 10-12 years. This study shows that learning vector quantization 3 requires at least 5 criteria with 30 variables of children's taents as the basis of this research. Based on the results obtained, this system succeeded in identifying children's taents with a distribution range of 90% of training data and 10% of test data and parameters window (0.1.0.2.0.3), epsilon (0.1.0.2.0.3), apha (0.1) of 81.82% .Keyword : Child Talent, Learning Vector Quantization 3, Artificia Neura Network

Klasifikasi Sentimen Masyarakat Terhadap Pemerintah Terkait Penerapan Kebijakan New Normal Menggunakan Metode K-Nearest Neighbor Fuji Astuti; Reski Mai Candra; Surya Agustian; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4455

Abstrak - Instagram memiliki berbagai macam pengguna tanpa terkecuali pemerintah, akun instagram pemerintah sendiri memiliki fungsi sebagai salah satu media informasi bagi masyarakat untuk mengetahui berita terbaru. Pemerintah telah melakukan berbagai upaya untuk mengurangi dan memutus rantai penyebaran virus covid-19, salah satu langkah yang diambil pemerintah dalam menghadapi covid-19 dengan menerapkan kebijakan New Normal. Tujuan penulis dari penelitian ini adalah untuk menghitung akurasi metode K-Nearest Neighbor pada klasifikasikan sentimen dari opini masyarakat terkait penerapan kebijakan new normal. Penelitian ini dilakukan melalui beberapa tahapan yaitu pengumpulan data dari akun yang dikelola pemerintah. Setelah itudata tersebut dilakukan proses preprocessing. Lalu membuat model dengan menggunakan word embedding FastText. Selanjutnya menggunakan feature engineering dalam melakukan improve untuk menghasilkan fitur terbaik. Dataset dalam penelitian ini berjumlah 4717 data yang terbagi dari 1456 data kelas pro, 1662 data kelas netral, 1599 data kelas kontra. Pengujian yang dilakukan menggunakan confusion matrix dengan cara menguji data latih dan data uji sebanyak 3 kali dengan perbandingan data 90:10 yaitu nilai akurasi sebesar 60,169% dan pada k-40 dengan perbandingan 80:20 yaitu nilai akurasi 60,16%, sedangkan akurasi terendah terdapat pada perbandingan data 70:30 yaitu 58,12%.Kata kunci: New Normal, Instagram, Klasifikasi, Sentimen, K-Nearest Neighbor Abstract - Instagram has various kinds of users without the exception of the government, the government's own Instagram account has a function as a medium of information for the public to find out the latest news. The government has made various efforts to reduce and break the chain of the spread of the COVID-19 virus, one of the steps taken by the government in dealing with COVID-19 by implementing the New Normal policy. The author's aim of this study is to calculate the accuracy of the K-Nearest Neighbor method in classifying sentiments from public opinion regarding the implementation of the new normal policy. This research was conducted through several stages, namely collecting data from accounts managed by the government. After that, the data is preprocessed. Then create a model using word embedding FastText. Then use feature engineering to improve to produce the best features. The dataset in this study amounted to 4717 data which was divided into 1456 pro class data, 1662 neutral class data, 1599 contra class data. The test was carried out using a confusion matrix by testing training data and test data 3 times with a data comparison of 90:10, namely the accuracy value of 60.169% and at k-40 with a ratio of 80:20, namely the accuracy value of 60.16%, while the lowest accuracy there is a comparison of 70:30 data that is 58.12%.Keywords: New Normal, Instagram, Classification, Sentiment, K-Nearest Neighbor

Analisa Pola Makan Mahasiswa Penderita Gastritis (Maag) Dengan Menerapkan Metode Frequent Pattern-Growth (FP-Growth) Fitri Astuti; Elvia Budianita; Alwis Nazir; Reski Mai Candra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4447

Abstract— Gastritis is an inflammation that occurs in the walls of the stomach. Young and mature age belongs to the category of productive age, where the productive age is more at risk of developing gastritis. This study aims to find the diet of students of Sultan Syarif Kasim Riau Islamic University by applying the fp-growth algorithm. This study used 502 records of data obtained from interviews with several students of the Sultan Syarif Kasim Riau Islamic University. The attributes used are faculty, semester, gender, place to live, busy college schedule solutions, the habit of consuming staple foods, snacks, instant noodles, fast food, spicy food, coffee, soft drinks, and snacks. Based on the results of the implementation of the application that was built and tested using the RapidMiner tools with a minimum support of 6%, and a minimum confidence of 100%, 4 patterns were found with a lift ratio of 1.88. From the 4 association patterns produced, it can be concluded that students with gastritis who have the habit of consuming staple food 2 x / day, spicy food and fast food 2-3 x / week or 4-5 x / week, consume coffee sometimes or 1 x / week, and endure hunger as a solution to a busy college schedule, the student is a student who lives in a boarding house / rented.Keywords : Data Mining, Pattern Association, FP-Growth, Gastritis Disease Abstrak— Gastritis adalah peradangan yang terjadi pada dinding lambung. Usia muda dan dewasa termasuk dalam kategori usia produktif, dimana usia produktif lebih berisiko terkena gastritis. Penelitian ini bertujuan untuk menemukan pola makan mahasiswa Universitas Islam Sultan Syarif Kasim Riau dengan menerapkan algoritma fp-growth. Penelitian ini menggunakan 502 records data yang diperoleh dari hasil wawancara terhadap beberapa mahasiswa Universitas Islam Sultan Syarif Kasim Riau. Atribut yang digunakan adalah fakultas, semester, jenis kelamin, tempat tinggal, solusi jadwal kuliah padat, kebiasaan mengkonsumsi makanan pokok, makanan ringan, mie instan, fast food, makanan pedas, kopi, minuman bersoda, dan jajanan. Berdasarkan hasil implementasi aplikasi yang dibangun dan pengujian menggunakan tools RapidMiner dengan minimum support 6% dan minimun confidence 100% ditemukan 4 pola dengan lift ratio 1,88. Berdasarkan 4 pola asosiasi yang dihasilkan dapat disimpulkan bahwa bahwa Mahasiswa penderita gastritis yang memiliki kebiasaan mengkonsumsi makanan pokok 2 x/hari, makanan pedas dan fast food 2-3 x/minggu atau 4-5 x/minggu, mengkonsumsi kopi kadang – kadang atau 1 x/minggu, serta menahan lapar sebagai solusi jadwal kuliah yang padat maka mahasiswa tersebut merupakan mahasiswa yang tinggal di kos/kontrakanKata kunci : Data Mining, Pola Asosiasi, FP-Growth, Penyakit Gastritis

Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT) Khairul Amri; Alwis Nazir; Elin Haerani; Muhammad Affandes; Reski Mai Candra; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4408

Abstrak - Tracer study adalah sebuah pendekatan yang diterapkan universitas untuk memperoleh informasi tentang kemungkinan kelemahan dalam proses pendidikan dan proses pembelajaran yang menjadi dasar perencanaan aktivitas untuk penyempurnaan di masa mendatang. Pada Universitas Islam Negeri Sultan Syarif Kasim Riau belum pernah ada tracer study yang komprehensif dan terstruktur dalam ruang lingkup universitas. Tracer study yang dilakukan hanya dalam lingkup program studi dan hanya dilaksanakan menjelang proses akreditasi prodi. Tidak ada tracer study yang rutin dilakukan di tingkat program studi dan universitas setiap tahunnya. Pada penelitian ini akan berfokus kepada penerapan data mining untuk mencari pola asosiasi pada data tracer study menggunakan Equivalence Class Transformation (ECLAT). Dari hasil penelitian terdapat 4 pola yang memenuhi support 13% dan confidence 80% dengan pengujian lift rasio 1. Pola tersebut diantaranya Jika ipk antara 3 – 3,5 dan gaji pertama dibawah 3 juta dan laki-laki maka status kelulusan tidak tepat waktu dan “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dengan support 17% dan confidence 84%. Jika ipk antara 3 – 3,5 dan perempuan maka “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dan hubungan pekerjaan dengan jurusan sesuai dengan support 14 % dan confidence 100%.Kata kunci: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat Abstract - Tracer study is an approach applied by universities to obtain important information in the education and learning process which is the basis for planning activities for future improvement. At UIN SUSKA University there has never been a comprehensive and structured tracer study within the scope of the university. There is no routine tracer study conducted at the study program and university level every year. This research will focus on the application of data mining to find association rules in tracer study data using ECLAT. From the research results, there are 4 patterns that meet the support of 13% and 80% confidence with a lift ratio test 1. The patterns include If the ipk is between 3 - 3.5 and the first salary is below 3 million and male then the graduation status is not on time and the waiting period to get the first job is less than 6 months with 17% support and 84% confidence. If the ipk is between 3 - 3.5 and female, then the waiting period to get the first job is less than 6 months and the job relationship with the major is in accordance with the support of 14% and confidence 100%.Keywords: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat

Penerapan Learning Vector Quantization 3 Dalam Menentukan Bakat Anak Agung Syaiful Rahman; Elvia Budianita; Reski Mai Candra; Fadhilah Syafria
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4398

Abstrak - Banyaknya bakat anak yang tidak diketahui oleh sebagian besar Orang tua di Indonesia dikarenakan sedikitnya ahli anak sebagai tempat untuk konsultasi yang menjadi faktor utama dalam perMasalahan ini. Tujuan dari penelitian ini ialah agar para Orang tua dapat mempermudah dalam menggali potensi dalam diri anak mereka masing-masing, yakni dengan menggunakan jaringan saraf tiruan. Ada beberapa metode dalam jaringan saraf tiruan, learning vector quantization 3 merupakan saah satu dari bagian tersebut. Bakat anak yang diambil merupakan bakat anak yang berdasarkan standar United State of Education America. Anak yang diteliti merupakan murid dari Sekolah Dasar Negeri 011 Titian Resak dengan rentang usia 10-12 tahun. Penelitian ini menunjukkan bahwa learning vector quantization 3 membutuhkan sedikitnya 5 kriteria dengan 30 variabel bakat anak sebagai dasar dari penelitian ini. Berdasarkan hasil yang didapatkan, sistem ini berhasil mengidentifikasi bakat anak dengan rentang pembagian 90% data latih dan 10% data uji dan parameter window (0.1,0.2,0.3), epsilon (0.1,0.2,0.3), alpha (0.1) sebesar 81.82%.Kata kunci : Bakat Anak, Learning Vector Quantization 3, Jaringan Saraf Tiruan Abstract - The number of children's taents that are not known by most parents in Indonesia is due to the lack of child experts as a place for consultation which is the main factor in this problem. The purpose of this research is that parents can make it easier to explore the potentia in their respective children, namely by using artificia neura networks. There are severa methods in artificia neura networks, learning vector quantization 3 is one of them. The taent of the child taken is the child's taent based on the standards of the United State of Education America. The children studied were students from the 011 Titian Resak State Elementary School with an age range of 10-12 years. This study shows that learning vector quantization 3 requires at least 5 criteria with 30 variables of children's taents as the basis of this research. Based on the results obtained, this system succeeded in identifying children's taents with a distribution range of 90% of training data and 10% of test data and parameters window (0.1.0.2.0.3), epsilon (0.1.0.2.0.3), apha (0.1) of 81.82% .Keyword : Child Talent, Learning Vector Quantization 3, Artificia Neura Network

Klasifikasi Sentimen Masyarakat Terhadap Pemerintah Terkait Penerapan Kebijakan New Normal Menggunakan Metode K-Nearest Neighbor Fuji Astuti; Reski Mai Candra; Surya Agustian; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4455

Abstrak - Instagram memiliki berbagai macam pengguna tanpa terkecuali pemerintah, akun instagram pemerintah sendiri memiliki fungsi sebagai salah satu media informasi bagi masyarakat untuk mengetahui berita terbaru. Pemerintah telah melakukan berbagai upaya untuk mengurangi dan memutus rantai penyebaran virus covid-19, salah satu langkah yang diambil pemerintah dalam menghadapi covid-19 dengan menerapkan kebijakan New Normal. Tujuan penulis dari penelitian ini adalah untuk menghitung akurasi metode K-Nearest Neighbor pada klasifikasikan sentimen dari opini masyarakat terkait penerapan kebijakan new normal. Penelitian ini dilakukan melalui beberapa tahapan yaitu pengumpulan data dari akun yang dikelola pemerintah. Setelah itudata tersebut dilakukan proses preprocessing. Lalu membuat model dengan menggunakan word embedding FastText. Selanjutnya menggunakan feature engineering dalam melakukan improve untuk menghasilkan fitur terbaik. Dataset dalam penelitian ini berjumlah 4717 data yang terbagi dari 1456 data kelas pro, 1662 data kelas netral, 1599 data kelas kontra. Pengujian yang dilakukan menggunakan confusion matrix dengan cara menguji data latih dan data uji sebanyak 3 kali dengan perbandingan data 90:10 yaitu nilai akurasi sebesar 60,169% dan pada k-40 dengan perbandingan 80:20 yaitu nilai akurasi 60,16%, sedangkan akurasi terendah terdapat pada perbandingan data 70:30 yaitu 58,12%.Kata kunci: New Normal, Instagram, Klasifikasi, Sentimen, K-Nearest Neighbor Abstract - Instagram has various kinds of users without the exception of the government, the government's own Instagram account has a function as a medium of information for the public to find out the latest news. The government has made various efforts to reduce and break the chain of the spread of the COVID-19 virus, one of the steps taken by the government in dealing with COVID-19 by implementing the New Normal policy. The author's aim of this study is to calculate the accuracy of the K-Nearest Neighbor method in classifying sentiments from public opinion regarding the implementation of the new normal policy. This research was conducted through several stages, namely collecting data from accounts managed by the government. After that, the data is preprocessed. Then create a model using word embedding FastText. Then use feature engineering to improve to produce the best features. The dataset in this study amounted to 4717 data which was divided into 1456 pro class data, 1662 neutral class data, 1599 contra class data. The test was carried out using a confusion matrix by testing training data and test data 3 times with a data comparison of 90:10, namely the accuracy value of 60.169% and at k-40 with a ratio of 80:20, namely the accuracy value of 60.16%, while the lowest accuracy there is a comparison of 70:30 data that is 58.12%.Keywords: New Normal, Instagram, Classification, Sentiment, K-Nearest Neighbor

Analisa Pola Makan Mahasiswa Penderita Gastritis (Maag) Dengan Menerapkan Metode Frequent Pattern-Growth (FP-Growth) Fitri Astuti; Elvia Budianita; Alwis Nazir; Reski Mai Candra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4447

Abstract— Gastritis is an inflammation that occurs in the walls of the stomach. Young and mature age belongs to the category of productive age, where the productive age is more at risk of developing gastritis. This study aims to find the diet of students of Sultan Syarif Kasim Riau Islamic University by applying the fp-growth algorithm. This study used 502 records of data obtained from interviews with several students of the Sultan Syarif Kasim Riau Islamic University. The attributes used are faculty, semester, gender, place to live, busy college schedule solutions, the habit of consuming staple foods, snacks, instant noodles, fast food, spicy food, coffee, soft drinks, and snacks. Based on the results of the implementation of the application that was built and tested using the RapidMiner tools with a minimum support of 6%, and a minimum confidence of 100%, 4 patterns were found with a lift ratio of 1.88. From the 4 association patterns produced, it can be concluded that students with gastritis who have the habit of consuming staple food 2 x / day, spicy food and fast food 2-3 x / week or 4-5 x / week, consume coffee sometimes or 1 x / week, and endure hunger as a solution to a busy college schedule, the student is a student who lives in a boarding house / rented.Keywords : Data Mining, Pattern Association, FP-Growth, Gastritis Disease Abstrak— Gastritis adalah peradangan yang terjadi pada dinding lambung. Usia muda dan dewasa termasuk dalam kategori usia produktif, dimana usia produktif lebih berisiko terkena gastritis. Penelitian ini bertujuan untuk menemukan pola makan mahasiswa Universitas Islam Sultan Syarif Kasim Riau dengan menerapkan algoritma fp-growth. Penelitian ini menggunakan 502 records data yang diperoleh dari hasil wawancara terhadap beberapa mahasiswa Universitas Islam Sultan Syarif Kasim Riau. Atribut yang digunakan adalah fakultas, semester, jenis kelamin, tempat tinggal, solusi jadwal kuliah padat, kebiasaan mengkonsumsi makanan pokok, makanan ringan, mie instan, fast food, makanan pedas, kopi, minuman bersoda, dan jajanan. Berdasarkan hasil implementasi aplikasi yang dibangun dan pengujian menggunakan tools RapidMiner dengan minimum support 6% dan minimun confidence 100% ditemukan 4 pola dengan lift ratio 1,88. Berdasarkan 4 pola asosiasi yang dihasilkan dapat disimpulkan bahwa bahwa Mahasiswa penderita gastritis yang memiliki kebiasaan mengkonsumsi makanan pokok 2 x/hari, makanan pedas dan fast food 2-3 x/minggu atau 4-5 x/minggu, mengkonsumsi kopi kadang – kadang atau 1 x/minggu, serta menahan lapar sebagai solusi jadwal kuliah yang padat maka mahasiswa tersebut merupakan mahasiswa yang tinggal di kos/kontrakanKata kunci : Data Mining, Pola Asosiasi, FP-Growth, Penyakit Gastritis

Title

Found 8 Documents
Search
Journal : Jurnal Nasional Komputasi dan Teknologi Informasi

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search Journal : Jurnal Nasional Komputasi dan Teknologi Informasi

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search
Journal : Jurnal Nasional Komputasi dan Teknologi Informasi