Nama : Hafiz Nami Hasugian

NIM : 230127004
Kelas : 7TIF/C3/02

LITERATUR REVIEW JURNAL DATA MINING

Judul Penerapan Data Mining Untuk Klasifikasi Gaya Belajar Siswa

Menggunakan Algoritma C4.5

Nama Jurnal Jurnal Smart Teknologi

Volume dan Halaman Vol. 3, No. 4, Halaman 413 – 422

Tahun 2022

Penulis Sari, D., Oktavianto H., Saifudin, I

Reviewer Hafiz Nami Hasugian

Tanggal Reviewer 12 Oktober 2023

Latar Belakang Bahwa belajar adalah suatu proses untuk memperoleh ilmu
pengetahuan yang selalu terjadi dalam kehidupan sehari-hari.
Siswa sebagai peserta didik di lingkungan pendidikan sering
mengalami kesulitan dalam belajar, seperti memiliki ingatan
yang buruk atau bermasalah dengan konsentrasi sehingga
penyerapan informasi siswa berkurang. Gaya belajar siswa juga
berbeda-beda, sehingga menjadi acuan bagi para guru dalam
menentukan metode pembelajaran yang cocok diterapkan di
kelas. Penelitian ini bertujuan untuk menerapkan data mining
untuk klasifikasi gaya belajar siswa pada SMP Negeri 2
Mayang menggunakan algoritma C4.5.

Permasalahan Permasalahan secara umum yang ada di SMP Negeri 2 Mayang

khususnya adalah gaya belajar siswa yang berbeda-beda. Dari
hasil observasi masih banyak siswa yang bermain – main
maupun tidak berminat disaat mengikuti proses belajar
mengajar. Oleh karena itu, penulis melakukan penelitian untuk
 menganalisa algoritma C4.5 dalam klasifikasi gaya belajar
siswa.

Tujuan penelitian 1. Menghitung accuracy, precision dan recall dalam

memprediksi gaya belajar siswa kelas 8 dan 9 di SMP
Negeri 2 Mayang.
2. Untuk mengetahui pengaruh apa saja yang membuat gaya
belajar siswa berbeda-beda.

Sumber data Penelitian ini diperoleh dari sekolah yaitu SMP Negeri 2
Mayang dan hasil kuisioner siswa yang datanya sebanyak 138
data.

Metode penelitian Metode yang digunakan adalah tools Weka dengan algoritma
C4.5 dengan 6 atribut

Objek penelitian Gaya belajar siswa di SMP Negeri 2 Mayang

Hasil penelitian Perhitungan menggunakan metode cross validation

menghasilkan rata-rata nilai Correctly Classified Instances
80,03% dan Incorrectly Classified Instances 19,97%.
Berdasarkan hasil evaluasi menggunakan algoritma C4.5 gaya
belajar pada siswa berpengaruh dengan cara mengingat, cara
membaca, cara berbicara dan hobi pada masing-masing siswa

Kelebihan penelitian Kelebihan penelitian ini adalah menggunakan metode data

mining untuk menganalisis gaya belajar siswa di SMP Negeri 2
Mayang. Selain itu, penelitian ini juga menggunakan algoritma
C4.5 dalam klasifikasi gaya belajar siswa, yang merupakan
salah satu algoritma yang paling umum digunakan dalam data
mining. Penelitian ini juga dilakukan dengan menggunakan
cross validation, yang merupakan teknik validasi model yang
umum digunakan dalam data mining untuk menghindari
overfitting. Perhitungan menggunakan metode cross validation
menghasilkan rata-rata nilai Correctly Classified Instances
80,03% dan Incorrectly Classified Instances 19,97%.
Sedangkan faktor - faktor yang mempengaruhi gaya belajar
 siswa sesuai hasil klasifikasi dilihat dari cara mengingat, cara
membaca, cara berbicara dan hobi.

Kekurangan penelitian Memperbanyak data perlu menyesuaikan dengan kurikulum

yang terbaru, jumlah data kuisioner dan meningkatkan tingkat
ketelitian dalam pemilihan data agar tidak terjadi error dalam
pemrosesan data dalam tools Weka.

Diskusi / 1. Data perlu menyesuaikan dengan kurikulum yang terbaru.

Rekomendasi 2. Sebaiknya memperbanyak jumlah data kuisioner ditambah,
sehingga dapat memperoleh hasil akurasi yang lebih baik
3. Diperlukan tingkat ketelitian yang tinggi dalam pemilihan
data agar tidak terjadi Error dalam pemrosesan data dalam
tools Weka.

LITERATUR REVIEW JURNAL DATA MINING

Judul Implementasi Data Mining Menggunakan Algoritma Apriori

Dalam Menentukan Persediaan Barang (Studi Kasus : Toko
Sinar Harahap)

Nama Jurnal Jurnal UMJ

Volume dan Halaman Vol. 12, No. 2, Halaman 51 – 61

Tahun 2022

Penulis Tarigan, P., Hardinata, J., Qurniawan, H. dkk

Reviewer Hafiz Nami Hasugian

Tanggal Reviewer 12 Oktober 2023

Latar Belakang konsep dasar data mining adalah menentukan informasi

tersembunyi dalam sebuah basis data dan merupakan bagian
dari Knowledge Discovery in Databased (KDD) untuk
menemukan informasi dan pola yang berguna dalam data. Hal
 ini menjadi dasar penting dalam pengontrolan persediaan
barang pada toko, karena dengan menggunakan data mining,
toko dapat menemukan pola dan informasi yang berguna untuk
menentukan persediaan barang yang optimal.

Permasalahan Beberapa permasalahan yang dijelaskan terkait dengan

pengontrolan persediaan barang pada toko. Salah satu
permasalahan yang dijelaskan adalah kekosongan persediaan
barang yang dapat menyebabkan pelanggan kecewa dan
berpindah ke toko lain. Hal ini dapat mengurangi tingkat
penjualan pada toko tersebut. Selain itu, juga dijelaskan bahwa
beberapa toko tidak memiliki kebiasaan pengontrolan
persediaan barang, sehingga menyebabkan kekosongan
persediaan barang yang sering terjadi.

Tujuan penelitian Tujuan dari penelitian yang dijelaskan adalah untuk

mengimplementasikan algoritma Apriori dalam menentukan
persediaan barang yang optimal di toko Sinar Harahap.
Penelitian ini juga bertujuan untuk memberikan manfaat kepada
pemilik toko dalam menetapkan strategi pemasaran yang lebih
efektif. Metode penelitian yang digunakan adalah pendekatan
kualitatif dengan teknik pengumpulan data yang dilakukan
secara triangulasi (gabungan) dan analisa bersifat
induktif/kualitatif.

Sumber data Data transaksi penjualan/pembelian pada toko Sinar Harahap.

Data tersebut mencakup tanggal transaksi, nama produk, dan
jumlah penjualan/pembelian

Metode penelitian Teknik pengumpulan data yang digunakan adalah studi literatur
dan penelitian lapangan (field work research) dengan
menggunakan data transaksi penjualan/pembelian pada toko
Sinar Harahap pada bulan Mei 2021. Data tersebut kemudian
diolah menggunakan algoritma Apriori untuk mendapatkan
informasi mengenai barang yang paling banyak terjual dan
dapat dijadikan antisipasi persediaan barang agar tidak
 mengalami kekosongan

Objek penelitian File pada toko Sinar Harahap dan pengontrolan persediaan
barang di dalamnya

Hasil penelitian Hasil dari penelitian yang dilakukan pada toko Sinar Harahap
adalah data mengenai barang yang paling banyak terjual, yang
dapat dijadikan antisipasi persediaan barang agar tidak
mengalami kekosongan yang dapat menyebabkan pelanggan
kecewa. Data tersebut diperoleh melalui pengolahan data
transaksi penjualan/pembelian pada toko Sinar Harahap pada
bulan Mei 2021 menggunakan algoritma Apriori. Berdasarkan
hasil penelitian ini maka di dapat permintaan teringgi terjadi
pada pembelian beras dan juga pembelian telur. Hasil akhir
perhitungan di Microsoft Excel menggunakan algoritma dengan
aplikasi menggunakan RapidMiner bernilai sama.

Kelebihan penelitian 1. Memberikan solusi konkret dalam mengatasi masalah

kekosongan persediaan barang di toko Sinar Harahap dengan
menggunakan algoritma Apriori.

2. Memberikan manfaat bagi pemilik toko dalam menetapkan

strategi pemasaran yang lebih efektif dan mengontrol
persediaan barang agar tidak mengalami kekosongan yang
dapat menyebabkan pelanggan kecewa.

3. Menggunakan pendekatan kualitatif dengan teknik

pengumpulan data yang dilakukan secara triangulasi
(gabungan) dan analisa bersifat induktif/kualitatif, sehingga
hasil penelitian lebih akurat dan dapat dipertanggungjawabkan.

Kekurangan penelitian 1. Penelitian ini hanya dilakukan pada satu toko (toko Sinar
Harahap), sehingga hasil penelitian tidak dapat digeneralisasi
untuk toko-toko lain.

2. Penelitian ini hanya menggunakan data transaksi

penjualan/pembelian pada bulan Mei 2021, sehingga tidak
 dapat merepresentasikan kondisi persediaan barang pada bulan-
bulan lain.

3. Penelitian ini tidak membahas mengenai faktor-faktor lain

yang dapat mempengaruhi persediaan barang di toko, seperti
faktor ekonomi, sosial, dan politik.

Diskusi / pemilik toko dan pengusaha lainnya untuk mempertimbangkan

Rekomendasi penggunaan data mining dengan algoritma Apriori dalam
mengontrol persediaan barang. Dengan menggunakan algoritma
ini, pemilik toko dapat memperoleh informasi mengenai barang
yang paling banyak terjual dan mengantisipasi persediaan
barang agar tidak mengalami kekosongan yang dapat
menyebabkan pelanggan kecewa. Selain itu, pengontrolan
persediaan barang yang efektif juga dapat membantu pemilik
toko dalam menetapkan strategi pemasaran yang lebih efektif
dan meningkatkan kepuasan pelanggan.

LITERATUR REVIEW JURNAL DATA MINING

Judul Data Mining Dengan Metode Klasifikasi Naïve Bayes Untuk

Mengklasifikasikan Pelanggan

Nama Jurnal Jurnal Infotech

Volume dan Halaman Vol. 4, No. 1, Halaman 6 – 12

Tahun 2018

Penulis Miranda, E., Julisar

Reviewer Hafiz Nami Hasugian

Tanggal Reviewer 12 Oktober 2023

Latar Belakang Pentingnya kemudahan penyimpanan dan akses data dalam era
digital saat ini. Data yang diterima oleh perusahaan diolah
 menjadi informasi dan pengetahuan yang dapat digunakan
untuk perencanaan, pengambilan keputusan, monitoring, dan
evaluasi. Pada penelitian ini data mining digunakan untuk
mengklasifikasikan pelanggan berdasarkan tabel transaksi
dengan pendekatan knowledge discovery from data (KDD) dan
metode data mining naïve bayes classifier. Pelanggan dapat
dikelompokan salah satunya berdasarkan demografi. Demografi
pada dasarnya adalah klasifikasi atau pengelompokkan yang

didasarkan pada peta kependudukan. Karakteristik demografi

merujuk ke statistik populasi yang amat penting dan dapat
diukur. Karakteristik demografi dapat meliputi usia, gender,
daya beli dan pendidikan.

Permasalahan Penelitian ini dilakukan untuk mengatasi kebutuhan dalam

menganalisis dan mengelompokkan pelanggan ke dalam kelas
yang sudah ditentukan, mengetahui hubungan antara atribut
yang telah dipilih dengan kelas yang telah terbentuk, dan
mengetahui profil tiap kelas pelanggan

Tujuan penelitian Tujuan dari penelitian ini adalah untuk mengklasifikasikan

pelanggan berdasarkan tabel transaksi dengan pendekatan
Knowledge Discovery from Data (KDD) dan metode data
mining Naïve Bayes Classifier. Penelitian ini bertujuan untuk
menghasilkan pengetahuan yang berguna dalam membantu
mengambil keputusan yang terkait dengan mengelola
pelanggan.

Sumber data Data ini diperoleh dari hasil proses pembelian kendaraan
bermotor yang disimpan di dalam database. Dengan pendekatan

holdout method diperoleh 3261 record digunakan sebagai data

training dan 1087 record digunakan sebagai data testing

Metode penelitian Metode yang digunakan pada penelitian ini adalah metode data
mining Naïve Bayes Classifier dengan pendekatan Knowledge
Discovery from Data (KDD). Metode ini digunakan untuk
 mengklasifikasikan pelanggan menjadi dua kelas yaitu kelas
pelanggan potensial dan pelanggan tidak potensial dengan
menggunakan atribut prediksi klasifikasi terdiri atas Pekerjaan,
Jenis Bayar, Tenor dan Usia

Objek penelitian Pelanggan pembelian kendaraan bermotor

Hasil penelitian 1. Penelitian ini telah dapat mengklasifikasikan pelanggan

menjadi kelas pelanggan potensial dan tidak potensial
menggunakan metode Naïve Bayes dengan nilai sensitivity
97%, specificity 99,8%, precision 99,8%, recall 97%, accuracy
97%, error rate 3%.

2. Penelitian ini juga berhasil mengetahui hubungan antara

atribut yang telah dipilih dengan kelas yang telah terbentuk, dan
mengetahui profil tiap kelas pelanggan.

3. Penelitian ini memberikan manfaat dalam membantu

mengambil keputusan yang terkait dengan mengelola
pelanggan.

4. Untuk penelitian lanjutan, dapat dilakukan dengan

menganalisis tabel pembelian untuk mengetahui jenis produk
apa saja yang unggul yang sering dibeli atau dicari pelanggan.

Kelebihan penelitian 1. Metode yang digunakan dalam penelitian ini yaitu Naïve
Bayes Classifier dengan pendekatan Knowledge Discovery
from Data (KDD) merupakan metode yang efektif dan efisien
dalam mengklasifikasikan pelanggan menjadi kelas pelanggan
potensial dan tidak potensial.

2. Penelitian ini memberikan manfaat dalam membantu

mengambil keputusan yang terkait dengan mengelola
pelanggan.

3. Penelitian ini juga berhasil mengetahui hubungan antara

atribut yang telah dipilih dengan kelas yang telah terbentuk, dan
 mengetahui profil tiap kelas pelanggan.

4. Penelitian ini memberikan kontribusi dalam pengembangan

ilmu pengetahuan dan teknologi, khususnya dalam bidang data
mining dan pengelolaan pelanggan.

5. Penelitian ini dilakukan dengan menggunakan metode

pengumpulan data yang valid dan reliabel, yaitu Fact Finding
Technique menurut Thomas Connolly dan Carolyn Begg
(2015:375) yang meliputi wawancara dengan responden dengan
tingkat minimal manager terkait informasi yang dibutuhkan
dalam mendukung proses penelitian yang akan dilakukan.

Kekurangan penelitian 1. Penelitian ini tidak membahas data lanjutan terkait . jenis
produk apa saja yang unggul yang sering dibeli atau dicari
pelanggan

2. Penelitian ini tidak membahas mengenai faktor-faktor lain

selain pelanggan potensial dan tidak potensial.

Diskusi / Untuk penelitian lanjutan dapat dilakukan dengan menganalisis

Rekomendasi tabel pembelian untuk mengetahui jenis produk apa saja yang
unggul yang sering dibeli atau dicari pelanggan