METODE PENULISAN ILMIAH

Data Mining & Artificial Intelligence

OLEH :
NAMA : I PUTU KRISNA ANGGARA
NIM : 140030317
KELAS : AA143

SEKOLAH TINGGI

MANAJEMEN INFORMATIKA DAN TEKNIK KOMPUTER

(STMIK) STIKOM BALI

2016/2017
1. Judul : Pengelompokanpenerima Bantuan Kesejahteraan
Masyarakat Dengan Pendekatan Data Mining Terintegrasi Sistem
Pendukung Keputusan. Studi Kasus: Desa Tarai Bangun, Kabupaten
Kampar
Pengarang : Deka O. Yurnas, Devvi Sarwinda, Fitriani Muttakin
Tahun : 2015
a. Rumusan Masalah
Bagaimana cara agar dalam menjalankan program tersebut pemerintah pusat dan
pemerintah daerah saling berkoordinasi agar setiap program yang dijalankan tepat
sasaran tanpa ada unsur-unsur penyelewengan yang dilakukan oleh oknum-oknum
pemerintah dalam menjalankan tugasnya?
b. Tujuan Penelitian
1. Menganalisa pola data penduduk berdasar data KK penduduk desa Tarai
Bangun yang ada dengan menggunakan teknik clustering.
2. Melakukan pengujian terhadap pengelompokandata menggunakan metode
clustering dengan algoritma KMeans Clustering memiliki tingkat akurasi
klaster yang baik, yang dibuktikan dengan hasil classifycation data dengan
algoritma K-Nearest Neighbor (KNN).
3. Ingin mengetahui seberapa besar Sistem Pengambil Keputusan (SPK) bisa
melakukan perengkingan setiap data penduduk yang tergolong layak dan
diprioritaskan siapa yang paling layak untuk menerima bantuan
c. Objek Penelitian
Desa Tarai Bangun yang terletak di Kabupaten Kampar, Riau
d. Metode Penelitian
SDLC (System Development Life Cyrcle) dengan model Waterfall.
e. Hasil
1. Penerapan pendekatan data mining dengan algoritma K-Means clustering
mampu untuk mengelompkkan data penduduk dan memiliki tingkat akurasi
yang cukup tinggi
2. Penerapan algoritma Simple Additive Weighting (SAW) dalam sistem ini
berhasil memberikan solusi atau keputusan untuk menentukan alternatif calon
penerima bantuan kesejahteraan yang paling diprioritaskan.
3. Sistem pendukung keputusan ini hanya sebagai alat bantu bagi
pengambil keputusan, dan keputusan akhir tetap berada di tangan pengambil
keputusan.
2. Judul : Sistem Pakar Untuk Mendiagnosis Penyakit Kelebihan Kelenjar
Getah
Bening Dan Cara Penanggulangannya
Pengarang : Yulanda Ratih Lestari dan Era Febriana Damanik
Tahun : 2014
a. Rumusan Masalah
1. Bagaimana cara mewakili seorang pakar medis agar mampu mendeteksi
penyakit berdasarkan ciri-ciri dan gejala yang ada sehingga bagi masyarakat
lebih menghemat waktu dan biaya?
2. Bagaimana membangun sebuah system pakar di bidang kedokteran untuk
mendiagnosis penyakit kelebihan kelenjar getah bening serta cara
penanggulangan?
3. Bagaimana memberikan penjelasan kepada masyarakat mengenai penyakit
kelebihan kelenjar getah bening beserta bahayanya?
b. Tujuan Penelitian
1. Untuk membangun sebuah system pakar yang berguna di bidang kedokteran
untuk mendiagnosa penyakit kelebihan kelenjar getah bening berdasarkan
pada gejala - gejala yang dialami oleh penderita.
2. Untuk memberikan gambaran secara umum atau penjelasan kepada
masyarakat mengenai penyakit kelebihan kelenjar getah bening
c. Objek Penelitian
Penyakit kelebihan getah bening dan cara penanggulangannya.
d. Metode Penelitian
Metode yang digunakan adalah Forward Chaining
e. Hasil
1. Pembangunan system pakar dalam menentukan penyakit kelebihan
kelenjar getah bening sangat cocok dengan menggunakan metode rule base
dan inferensi forward chaining dimana pelacakan tersebut dimotori oleh
data masukkan keluhan pasien dan selanjutnya akan dibuat gambaran
kesimpulannya.
2. Sistem pakar yang dirancang agar berguna bagi mereka yang taraf
ekonominya dibawah, karena system pakar yang dirancang untuk
digunakan oleh awam sekalipun untuk menentukan penyakit melalui
diagnose yang dirancang dalam system pakar. Mereka tidak perlu
megeluarkan uang yang banyak untuk melakukan diagnose melalui
seorang pakar manusia.
3. Penerapan system pakar ini dalam suatu rumah sakit akan dapat membantu
seorang tenaga medis. Karena keluaran dari system pakar ini adalah
kesimpulan mengeni gejala penyakit, jenis penyakit, serta cara
penanggulangannya.
4. Tingkat akurasi dari system dirancang tidak berbeda layaknya seorang
pakar manusia. Karena dalam system ini dirancang sesuai dengan rule-rule
yang diperoleh dari seorang pakar manusia.
3. Judul : Implementasi Data Mining Algoritma Apriori Pada Sistem
Persediaan Alat-Alat Kesehatan
Pengarang : Kennedi Tampubolon , Hoga Saragih , Bobby Reza
Tahun : 2013
a. Rumusan Masalah
1. Bagaimana mengimplementasikan Data Mining pada database
transaksi penjualan item alat - alat kesehatan.
2. Bagaimana penerapan Algoritma Apriori dalam penentuan frekuensi
tinggi item-set untuk memprediksi persediaan barang di waktu yang
akan datang.

b. Tujuan Penelitian
1. Mengimplementasikan Data Mining pada database transaksi penjualan
item alat-alat kesehatan.
2. Menerapkan Algoritma Apriori untuk menentukan frekuensi tinggi
itemset untuk memprediksi persediaan barang diwaktu yang akan
datang.
c. Objek Penelitian
Data- data transaksi penjualan alat-alat kesehatan Apotik Kelambir 2
Medan dari bulan Oktober November 2013.
d. Metode Penelitian
Metode yabg digunakan adalah metode data mining dengan algoritma
Apriori
e. Hasil
1. Data Mining dapat di implementasikan dengan menggunakan Database
penjualan alat-alat kesehatan karena dapat menemukan kecenderungan
pola kombinasi itemsets sehingga dapat dijadikan sebagai informasi
yang sangat berharga dalam pengambilan keputusan untuk
mempersiapkan stok jenis barang apa yang diperlukan kemudian.
2. Penerapan Algoritma Apriori pada teknik Data Mining sangat efisien
dan dapat mempercepat proses pembentukan kecenderungan pola
kombinasi itemset hasil penjualan alat-alat kesehatan di Apotek
Kelambir-2 Medan, yaitu dengan support dan confidence tertinggi
adalah Stick Asam Urat - Stick Gula dan Stick Colestrol-Stick Gula.