Claim Missing Document
Check
Articles

Found 8 Documents
Search

KLASTERING DOKUMEN MENGGUNAKAN HIERARCHICAL AGGLOMERATIVE CLUSTERING : Prosiding Seminar Nasional Sistem dan Teknologi Informasi (SNASTI) 2010 Februariyanti, Herny; Winarko, Edi
Publikasi Eksternal 2010
Publisher : Publikasi Eksternal

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (178.884 KB)

Abstract

Document retrieval process stored in document database often produces very large numbers of documents. And many documents are available is not relevant to the desired document. Clustering the documents in database before retrieval is one way to find relevant documents.This study attempted to document be clustered using Agglomerative Hierarchical Clustering Algorithms. It emphasized clustering to documents written in Indonesian, because today, the needs of users in the homeland of information is increasing. The relationship between documents can be measured by the similarity between the documents (similarity).This algorithm was tested by using the documents from UII SNATI publications from 2004-2009. The experimental results show that this algorithm can be applied to group documents written in Indonesian. The selection of appropriate keywords will increase the quality of information retrieval to the document. This quality is reflected in the recall rates 0.6 and 0.5 precision. Disampaikan di Seminar Nasional Sistem dan Teknologi Informasi(SNASTI) , 10 Desember 2010
STUDI PERBANDINGAN PERBEDAAN KONSEPTUAL ANTARA SISTEM BASIS DATA RELASIONAL DENGAN SISTEM PENYIMPANAN DATA BERTIPE NON-RELASIONAL (NO-SQL) : EKSPLORASI PADA SERVER DATA CASSANDRA Nugroho, Adi; Winarko, Edi
JURNAL TEKNOLOGI TECHNOSCIENTIA Technoscientia Vol 6 No 1 Agustus 2013
Publisher : Lembaga Penelitian & Pengabdian Kepada Masyarakat (LPPM), IST AKPRIND Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (745.707 KB) | DOI: 10.34151/technoscientia.v6i1.543

Abstract

Relational database system (RDBMS-Relational Database Management System) is a database system that has a very strong mathematical foundation and has many advantages, so it is generally accepted by almost vendor. Basically, there is nothing 'wrong' with a relational database system. However, with the emergence of a variety of Web applications today that require the higher performance of query, relational data base system was showing the queries performance that do not fit the user’s needs and expectations, because relational database system, for generate specific queries, often have to join data from two or more tables that relate. This process require relational database server to perform a data search (lookup) in the tables must be joined. These data searches require computing resources (processor performance and memory usage) that relatively high, so the performance of a relational database server typically decreasesas more data should be joined. This problems trying to be addressed by several vendor. Google with its BigTable, Amazon with its Dynamo, Yahoowith its PNUTS, and Facebook with its Apache Cassandra for example, using the non-relationaldata storage (Data Store) approach. The purpose of this paper is to introduce Apache Cassandra that is one of the very large non-relational systems, then compare to relational database systems.
MODEL INTEGRASI ANTAR SISTEM E-GOV DENGAN MEMANFAATKAN DATABASE KEPENDUDUKAN NASIONAL Sutanta, Edhy; Wardoyo, Retantyo; Mustofa, Khabib; Winarko, Edi
Jurnal Teknologi Vol 5 No 1 (2012): Jurnal Teknologi
Publisher : Jurnal Teknologi, Fakultas Teknologi Industri, Institut Sains & Teknologi AKPRIND Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Teknologi informasi dan komunikasi (TIK) merupakan teknologi paling berpengaruh dalam kehidupan manusia saat ini, sehingga implementasi TIK berkembang pesat dan telah banyak dimplementasikan oleh instansi pemerintah maupun swasta, termasuk di lingkungan pemerintahan yang dikenal dengan sebutan sistem e-Gov. Sebagian besar sistem layanan publik dalam e-Gov memerlukan biodata orang, namun masing-masing masih menggunakan database terpisah dan bersifat sektoral. Kondisi database yang terpisah dan sektoral berpotensi menimbulkan redudansi, ketidakkonsistenan, serta perbedaan versi data. Tulisan ini mengungkap bagaimana mengembangkan model integrasi antar sistem e-Gov yang melibatkan biodata orang. Model yang dirancang memanfaatkan database kependudukan nasional dan nomor identitas tunggal (SIN) yang telah dikembangkan oleh Menteri Dalam Negeri Republik Indonesia. Kata kunci: d, , , .
REVIEW PEMANFAATAN TEKNIK DATA MINING DALAM SEGMENTASI KONSUMEN Amborowati, Armadyah; Winarko, Edi
Prosiding KOMMIT 2014
Publisher : Prosiding KOMMIT

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dukungan data mining dalam strategi pemasaran sangat besar. Segmentasi konsumen merupakan salah satu proses yang dilakukan dalam strategi pemasaran. Untuk mendukung hasil yang proses pengelompokan konsumen atau segmentasi konsumen ini maka dukungan data mining sangat berperan penting. Berdasarkan pemetaan penelitian mengenai dukungan data mining pada segmentasi konsumen didapat ada dua algoritma yang sering digunakan untuk segmentasi konsumen antara lain K-Means Clustering dan Fuzzy C-Means clustering. Adapun atribut-atribut yang digunakan untuk proses mining pada segmentasi konsumen adalah data konsumen, produk, demografi, perilaku konsumen, transaksi, RFMDC, RFM (Rerency, Frequency Monetery), dan LTV (Life Time Value). Dan penting untuk menggabungkan algoritma clustering dengan algoritma Classification, Association, dan CPV untuk mendapatkan nilai potensial dari tiap cluster.
KLASTERISASI, KLASIFIKASI DAN PERINGKASAN TEKS BERBAHASA INDONESIA Raharjo, Suwanto; Winarko, Edi
Prosiding KOMMIT 2014
Publisher : Prosiding KOMMIT

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Studi pustaka penelitian di bidang klasterisasi dan klasifikasi dokumen teksberbahasa Indonesia menunjukan bahwa penelitian bidang pemrosesan dokumentelah dimulai pada tahun 2000. Terdapat berbagai metode data mining untukmelakukan pengelompokan dokumen digunakan seperti single pass filtering,Naive Bayes, Hirarki dan metode lainnya. Penelitian ini akan melakukan surveipaper penelitian data mining teks berbahasa Indonesia. Dari paper yangdidapatkan terlihat bahwa sebagian besar topik penelitian data mining bertujuanadalah untuk melakukan pengelompokan suatu berita online maupun cetakberdasar atas acuan tertentu, penelitian lain ditujukanuntuk mengolah teks dimedia sosial seperti twitter. Artikel ini akan memperlihatkan metode yangdigunakan dan tujuan dari paper dalam bidang klasterisasi,klasifikasidanperingakasan dokumen berbahasa Indonesia.
PENERAPAN DATA MINING DALAM E-LEARNING Sutrisno, Ashari; Winarko, Edi
Proceedings of KNASTIK 2009
Publisher : Duta Wacana Christian University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Banyak organisasi memandang bahwa informasi merupakan aset yang sangat berharga. Data miningmemungkinkan organisasi untuk memanfaatkan sebesar mungkin penggunaan informasi dan menemukan informasiinformasibaru dari melimpahnya data yang dimiliki, dalam rangka membantu tugas-tugas seperti: prediksi (untukmemperlihatkan bagaimana karakteristik data dan memperkirakan informasi di masa mendatang), identifikasi (untukmengidentifikasi suatu kejadian atau aktifitas), klasifikasi (untuk memilah-milah data, sehingga dapat menggolongkaninformasi berdasar kategori atau parameter tertentu), dan optimalisasi (untuk mengoptimalkan penggunaan keterbatasansumber, sekaligus memaksimalkan output yang didapatkan). Data mining telah digunakan di banyak bidang, di antaranya:manajemen bisnis, telekomunikasi, farmasi, super market, industri, transportasi, kesehatan, penerbangan angkasa luar, danElectronic Learning (E-Learning). Meningkatnya penyebaran materi atau bahan pembelajaran dalam E-Learning telahmeningkatkan jumlah data menjadi sangat besar dan kompleks. Data yang terlalu besar dan kompleks menjadi sulit untukdimanfaatkan. Cara yang populer dan efektif untuk mengatasi hal ini adalah dengan menggunakan data mining. Makalah iniakan menghadirkan pembahasan tentang data mining dalam penerapan dan teknik-tekniknya untuk E-Learning.
Usulan Penggunaan Metode-Metode dalam Data Mining untuk Manajemen Risiko Bank Komersil di Indonesia Widhiarso, Wijang; Winarko, Edi
Proceedings of KNASTIK 2010
Publisher : Duta Wacana Christian University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ada delapan (8) risiko yang di kelola dalam peraturan Bank Indonesia tentang pengelolaan resiko, yakni: risiko kredit, risiko pasar, risiko operasional, risiko likuiditas, risiko kepatuhan, risiko hukum, risiko strategi dan risiko reputasi. Dari hasil telaah terhadap literatur yang ada serta model yang diusulkan terlihat bahwa metode SVM dan Naive Bayes untuk analisis risiko kredit dianggap tepat karena metode ini memiliki kinerja yang lebih baik ketika bekerja dengan fitur-fitur multi dimensional dan berkelanjutan. Metode K-Means diiusulkan untuk menganalisis risiko pasar karena metode  ini dianggap mampu menangani data multi dimensial yang besar dan sangat tergantung kepada parameter input. Metode Bayesian Markov Chain Monte Carlo (MCMC) direkomendasi  khusus untuk menajemen risiko operasional terutama masalah kehilangan data baik data  yang juga dikombinasi dengan opini dari pakar. Penggunaan metode Multi Classes Suport Vector Machines untuk risiko likuiditas karena metode ini mampu mengurangi jumlah indeks, menurunkan kompleksitas analisis saat mengelola risiko keuangan yang sumber datanya biasanya bersifat statistik, mampu meningkatkan efisiensi dan ketepatan prediksi. Untuk risiko hukum, risiko kepatuhan, risiko reputasi dan risiko stratejik penulis mengusulkan metode decision tree untuk mengelola ketiga risiko tersebut dengan data mining. Alasannya adalah bahwa decision tree memiliki profil operasional yang sederhana dan cocok dengan mekanisme struktur analisis risiko hukum.
STUDI PERBANDINGAN PERBEDAAN KONSEPTUAL ANTARA SISTEM BASIS DATA RELASIONAL DENGAN SISTEM PENYIMPANAN DATA BERTIPE NON-RELASIONAL (NO-SQL) : EKSPLORASI PADA SERVER DATA CASSANDRA Nugroho, Adi; Winarko, Edi
JURNAL TEKNOLOGI TECHNOSCIENTIA Technoscientia Vol 6 No 1 Agustus 2013
Publisher : Lembaga Penelitian & Pengabdian Kepada Masyarakat (LPPM), IST AKPRIND Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/technoscientia.v6i1.543

Abstract

Relational database system (RDBMS-Relational Database Management System) is a database system that has a very strong mathematical foundation and has many advantages, so it is generally accepted by almost vendor. Basically, there is nothing 'wrong' with a relational database system. However, with the emergence of a variety of Web applications today that require the higher performance of query, relational data base system was showing the queries performance that do not fit the user’s needs and expectations, because relational database system, for generate specific queries, often have to join data from two or more tables that relate. This process require relational database server to perform a data search (lookup) in the tables must be joined. These data searches require computing resources (processor performance and memory usage) that relatively high, so the performance of a relational database server typically decreasesas more data should be joined. This problems trying to be addressed by several vendor. Google with its BigTable, Amazon with its Dynamo, Yahoowith its PNUTS, and Facebook with its Apache Cassandra for example, using the non-relationaldata storage (Data Store) approach. The purpose of this paper is to introduce Apache Cassandra that is one of the very large non-relational systems, then compare to relational database systems.