Nama : Yongky Permana Putra

NPM : 21312066
Kelas : IF 20 A

REVIEW PAPER
1. Analisis Kombinasi itemset pada Bisnis Online dengan Teknik Asosiasi Data mining
=
Data mining merupakan suatu metode pengolahan informasi tersembunyi dari suatu database
informasi yang besar kemudian menghasilkan suatu informasi baru yang berguna. Data mining
adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan didalam database.
Data mininga dalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan dan
machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan
pengatahuan yang terakit dari berbagai database besar.

Association rules adalah suatu prosedur untuk mencari hubungan antar item suatu dataset yang
telah ditentukan[3]. Association rules mining mencari dan menemukan hubungan antar item yang
ada pada suatu dataset. Penerapan data mining dengan aturan asosiasi bertujuan menemukan
informasi item - item yang saling berhubungan dalam bentuk aturan / rule. Aturan asosiasi adalah
teknik data mining untuk menemukan aturan asosiasi antara suatu kombinasi item. Dalam
menentukan suatu aturan asosiasi, terdapat suatu ukuran ketertarikan (interestingness measure)
yang didapatkan dari hasil pengolahan data dengan data perhitungan tertentu.

a) Algoritma Apriori yang digunakan dan diterapkan pada Serba serbi online shop dapat
menampilkan informasi pembelian barang oleh konsumen.
b) Pada Algoritma Apriori berdasarkan nilai minimum support 40% dan nilai confidence 60% yang
diberikan maka didapat hasil asosiasi rule sebanyak 10 rule.
c) Penggunaan algoritma Apriori untuk mendapatkan frequent itemset dapat melihat barang apa
saja yang harus tersedia pada serba serbi online shop.

2. Implementasi Data Mining Untuk Menemukan Pola Asosiasi Data Tracer Study
Menggunakan Algoritma Apriori
=
Tracer study merupakan aktivitas penting bagi suatu perguruan tinggi untuk melacak
lulusan yang telah dihasilkan dalam hal mengukur hubungan antara tujuan serta proses
pendidikan dengan kondisi lulusan saat ini. Hal ini dibuktikan dengan adanya komponen
penelusuran lulusan (tracer study) pada penilaian Akreditasi Institusi Perguruan Tinggi
(AIPT). Dengan adanya tracer study dapat memberikan berbagai informasi yang
bermanfaat bagi kepentingan evaluasi keberhasilan pembelajaran yang telah diterapkan di
perguruan tinggi dan selanjutnya dapat digunakan untuk meningkatkan serta menjamin
mutu perguruan tinggi yang bersangkutan. Tracer study juga bermanfaat dalam
menyediakan informasi-informasi penting tentang keselarasan hubungan antara kurikulum
 dengan kebutuhan dan harapan dunia kerja, menilai relevansi pendidikan tinggi, informasi
bagi pemangku kepentingan (stakeholders) di suatu perguruan tinggi.

Data mining atau penambangan data merupakan langkah analisis terhadap sekumpulan
data berukuran besar untuk mendapatkan hubungan antar data tersebut dan merangkumnya
ke bentuk yang mudah dipahami serta dapat berguna. Tujuan utama dari penambangan data
ini yaitu menemukan pengetahuan baru yang tersembunyi dari database dengan melakukan
ekstraksi dan identifikasi informasi menggunakan teknik statistik, matematika, kecerdasan
buatan, dan machine learning.

Berdasarkan penelitian yang telah dilakukan dapat disimpulkan bahwa implementasi data
mining menggunakan algoritma apriori pada data tracer study dapat dilakukan untuk
menemukan pola hubungan antar atribut. Dengan support 10% dan confidence 70%
diperoleh 4 rules yang dianggap relevan. Adapun pengetahuan baru yang diperoleh yaitu
pekerjaan pertama lulusan dengan masa tunggu kurang dari 6 bulan adalah sebagai pegawai
kontrak atau honorer dengan gaji antara 3-5jt dan memiliki ipk antara 3-3,5.

3. IMPLEMENTASI ASOSIASI RULE MINING PADA DATA TRANSAKSI

PENJUALAN MENGGUNAKAN ALGORITMA APRIORI.

Data mining merupakan serangkaian proses untuk mendapatkan informasi yang berguna dari
gudang basis data yang besar. Data mining juga dapat diartikan sebagai pengekstrakan informasi
baru yang diambil dari bongkahan data besar yang membantu dalam pengambilan keputusan.
Dalam data mining terdapat banyak teknik dalam pengerjaannya, diantaranya yaitu algoritma naïve
bayes, decision tree, jaringan saraf tiruan dan masih banyak lainnya. Prediksi merupakan suatu
proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi dimasa depan
berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahannya (selisih antara
sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Prediksi tidak harus memberikan
jawaban secara pasti kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban
sedekat mungkin yang akan terjadi. Algoritma apriori digunakan untuk mendapatkan aturan
asosiasi dan mencari pola hubungan antar satu atau lebih item dalam suatu data. Salah satu tahap
analisis asosiasi yang menarik perhatian banyak peneliti untuk menghasilkan algoritma yang
efisien adalah analisis pola frekuensi (frequent pattern mining).

Penelitian ini menerapkan algoritma apriori pada dataset berupa data histori transaksi penjualan.
Tahapan-tahapan penelitian adalah pengumpulan data, prapemrosesan data, analisis pola frekuensi
tertinggi menggunakan algoritme apriori, pembentukan pola association rule, dan pengujian hasil
eksperimen. Penerapan association rule dengan algoritme apriori mempunyai kelebihan pada
kesederhanaan dan kemampuan menangani data besar sehingga lebih mudah digunakan secara
praktis oleh toko dengan kemampuan pengolahan data yang terbatas.

Kesimpulan yang didapatkan berdasarkan hasil penelitian yang telah dilakukan yaitu:
1. Data Mining juga dapat membantu untuk mengetahui produk barang yang sering dibeli dan
jarang dibeli konsumen dan dapat pula digunakan meningkatkan strategi pemasaran untuk menarik
minat beli konsumen
 2. Data Mining dapat digunakan untuk menemukan kecenderungan pembelian barang secara
bersamaan dalam suatu database transaksi penjualan barang.
3. Informasi yang dihasilkan dapat dijadikan alat bantu untuk membuat keputusan dalam
memberikan promosi sesuai prilaku konsumen dalam membeli barang secara bersamaan.

4. PENERAPAN DATA MINING ASOSIASI GENRE GAME UNTUK MARKET RESEARCH

Dalam melakukan Game Development diperlukannya perencanaan game salah satu tahapnya
adalah melakukan Market Research. Market Research adalah proses untuk mencari informasi
tentang target pasar dan pengguna, hal ini adalah komponen penting dari strategi bisnis. market
reseach digunakan untuk menganalisis kebutuhan pasar, ukuran pasar dan kompetisi yang ada.
Pada umumnya market research memiliki tiga cara untuk mendapatkan informasi yang
dibutuhkan yaitu; Market Sizing, Trend Reseach dan Game Market Analysis. Akan tetapi kegiatan
ini memakan waktu yang lama dan memerlukan usaha yang banyak jika dilakukan secara
independen. Oleh karena itu diperlukannya sebuah aplikasi yang dapat membantu proses ini.

Menggunakan Data Mining Association Rulekita dapat menentukan genre-genre yang berkerja
satu sama lain dengan memilih produk game yang popular dipasar dan dari produk tersebut kita
dapat mengambil genre dan kategorinya sebagai parameter yang akan digunakan oleh algoritma
FP-Growth untuk menentukan frequent itemset untuk menghasilkan rekomendas. Serta
berdasarkan pemahaman proses Market Reseach yang dapat dibantu adalah proses Trend
Research dimana developer menentukan genre yang populer dimarket. Berdasarkan
permasalahan yang dihadapi, pada penelitian ini akan dibangunnya aplikasi Data mining yang
menerapkan metode Asosiasi dengan Association Rule dan menggunakan Algoritma FP-Growth
yang berguna untuk membantu mencari genre game yang populer dalam Market Research.

Berdasarkan hasil analisis dan pengujian yang telah dilakukan pada penelitian ini maka dapat
didapatkan hasil pengujian berupa aplikasi yang dibangun untuk membantu pada game developer
dalam melakukan market research dan memberikan rekomendasi genre yang dapat
dikembangakan kedepannya

5. Aplikasi Tryout Online Dengan Pendekatan Computer Adaptive Test.

Sistem pembelajaran mobile yang sedang berkembang ini memunculkan peluang adanya sistem
tryout online berbasis mobile, masalah yang timbul dalam tryout yaitu kesempatan mencoba.
Pada tryout biasa peserta tryout harus menunggu diadakannya tryout, dan membutuhkan biaya.
Oleh karena itu dengan adanya aplikasi ini diharapkan tryout dapat dilakukan dimana dan kapan
saja dengan soal yang variatif karena dikembangkan dengan randomisasi soal serta bank data soal
yang selalu di update. Tryout sendiri sebenarnya merupakan peluang, karena dengan
melaksanakan tryout maka para peserta ujian menjadi mengetahui kemampuan mereka masing
masing. Jadi untuk randomisasi soal dalam tryout merupakan salah satu upaya agar para perserta
ujian benar benar menggunakan kemampuannya sendiri dalam mengerjakan soal.

Responsive design memiliki kemampuan untuk mengelola aset media dengan efektif. Hal ini
memberikannya keunggulan untuk dapat diterapkan ke dalam perancangan situs web sehingga
situs dapat diakses melalui smartphone, tablet, desktop, ataupun smart TV tanpa memperlihatkan
perbedaan yang terlalu besar dalam hal penggunaan.Dengan menggunakan responsive web,
maka website akan mampu beradaptasi ke dalam berbagai macam perangkat tanpa mengganggu
tampilan yang telah dibuat sebelumnya.

Kesimpulan yang dapat diambil dalam penelitian ini yaitu:

1. Sistem tryout online ini melakukan pengacakan soal untuk tes sehingga hasil dari tiap peserta
bisa berbeda-beda,
2. Dengan tryout menggunakan metode Computer Adaptive Test maka akan lebih efisien untuk
penentuan kemampuan peserta.
3. Sistem tryout online dapat mengantisipasi pengguna yang membuka aplikasi ini secara
bersamaan.