Ferry Setiawan1501172891 Hendra Rizki Ramadhan1501172903 Winny Narwastu Wijaya1501176201 Andri Gunawan1501173010 Steven1501149491.

Slides:



Advertisements
Presentasi serupa
KNOWLEGDE DISCOVERY in DATABASE (KDD)
Advertisements

Aplikasi Basis Data.
E-Commerce Kelompok 13 06PFM Ferry Setiawan Hendra Rizki R Winny Narwastu W Andri Gunawan Steven
E-payment (Topik-Topik Lanjutan Sistem Informasi)
Perancangan Sistem Informasi (2 SKS)
E-Marketing Kelompok 13 06PFM Ferry Setiawan Hendra Rizki Ramadhan Winny Narwastu Wijaya Andri Gunawan Steven
Database dan Managemen Informasi
BASIS DATA LANJUTAN.
Data mining Pengantar data mining.
PENDAHULUAN.
SOFTWARE REQUIREMENT SPECIFICATION
Data Mining Definisi Data Mining Kemampuan Data Mining :
CRISP – DM Cross-Industry Standard Process for Data Mining
BAB II TEKNOLOGI INFORMASI.
Akhmad Dahlan, S.Kom Semester Gasal Tahun Ajaran 2009 – 2010 Sekolah Tinggi Manajemen Informatika dan Komputer AMIKOM Yogyakarta.
Customer Knowledge Management
Database Management System 06 PFM Ferry Setiawan Hendra Rizki Ramadhan Winny Narwastu Wijaya Andri Gunawan Steven
System Development Life Cycle (SDLC)
Pengenalan Datawarehouse
Executive Information System
SISTEM INFORMASI MANAJEMEN
McGraw-Hill/Irwin Copyright © 2008, The McGraw-Hill Companies, Inc. All rights reserved.McGraw-Hill/Irwin Copyright © 2008 The McGraw-Hill Companies, Inc.
M ANAJEMEN D ATA “Pengaksesan Data”. P ENDAHULUAN Selama beberapa waktu, teknologi informasi berkonsentrasi pada pembangunan sistem bermisi kritis,- sistem.
Data Resource Management
Data Mining.
Kelompok 13 06PFM Ferry Setiawan Hendra Rizki R Winny Narwastu Andri Gunawan Steven KNOWLEDGE MANAGEMENT.
Data Warehouse dan Data Mining
Pengenalan Datawarehouse
USMAN BUSTAMAN ANALISIS REGRESI Kuliah #1. OVERVIEW 3 SKS Referensi: 1.Neter, John et al. (1989). Applied Linear Regression Models. 2 nd ed. Boston: Irwin.
Manajemen Data: Data, Database, dan Pergudangan
BASIS DATA TERDISTRIBUSI
iman murtono soenhadji Sistem Penunjang Keputusan zSistem informasi untuk membantu manajer level menengah dalam pengambilan keputusan; zMendukung dan.
BASIS DATA TERDISTRIBUSI
PENGANTAR DATA MINING.
Teknologi Informasi : Konsep & Manajemen
Tahapan dan Pengelompokan Data Mining
Pengenalan Data Mining
Informasi Dalam Praktik
PENGANTAR TEKNOLOGI INFORMASI
Pembangunan Data Warehouse dan Aplikasi OLAP untuk Data PPMB IPB Menggunakan Palo Abi Herlambang G
Pertemuan Ke-4 Model Basis Data
Data Warehouse dan Data Mining
Penambangan data Pertemuan 2.
Pertemuan Ke-2 Lingkungan Basis Data
Pengantar Basis Data Lanjut
PEMBANDINGAN KINERJA JEDOX PALO VERSI 1. 0c DENGAN VERSI 2
Basis Data Terdistribusi
E-Marketing Kelompok 13 06PFM Ferry Setiawan
MANAJEMEN PENGETAHUAN
Cross-Industry Standard Process for Data Mining CRISP-DM
Komponen Sistem Informasi
Data Mining.
Pengantar Sistem Informasi
Business Intelligent Ramos Somya, S.Kom., M.Cs.
6.1 MENGORGANISASIKAN DATA DALAM LINGKUNGAN FILE TRADISIONAL
Basis Data The Beginning.
Materi ke 1 KONSEP DASAR.
DATA WAREHOUSE.
BUSINESS INTELLIGENCE
7. Mengelola Sumber Data Anggota Kelompok :
Pengantar Teknologi Informasi (PTI)
Akuntansi D/Semester II
SISTEM INFORMASI MANAJEMEN
BASIS DATA TERDISTRIBUSI
Andika Elok Amalia, ST., MT.
Concept Information Systems
ANALISIS PERANCANGAN SISTEM INFORMASI (APSI) 01. Pengantar APSI
Information Technology MWU110 (2 sks)
6.1 MENGORGANISASIKAN DATA DALAM LINGKUNGAN FILE TRADISIONAL
Jenis database, tabel, field, tipe data, field size
Transcript presentasi:

Ferry Setiawan Hendra Rizki Ramadhan Winny Narwastu Wijaya Andri Gunawan Steven

Data Mining adalah usaha pencarian informasi yang saling terkait untuk menemukan pengetahuan dari sejumlah data yang ada.

 Deskripsi  Estimasi  Prediksi  Klasifikasi  Pengklusteran  Asosiasi

Data Warehouse merupakan gudang informasi yang diperoleh dari banyak sumber. Lalu, disimpan dalam skema basis data tunggal dan ditempatkan pada satu lokasi.

 Pertumbuhan yang cepat dalam kumpulan data.  Penyimpanan data dalam data warehouse.  Adanya peningkatan akses data melalui web dan intranet.  Tekanan kompetisi bisnis untuk meningkatkan penguasaan pasar dalam globalisasi ekonomi.  Perkembangan teknologi perangkat lunak untuk data mining.  Perkembangan dalam kemampuan komputasi dan pengembangan kapasitas media penyimpanan.

 Data Selection  Pre-processing/Cleaning  Transformation  Data mining  Interpretation/Evalution

Enam fase CRISP-DM  Fase Pemahaman Bisnis  Fase Pemahaman Data  Fase Pengolahan Data  Fase Pemodelan  Fase Evaluasi  Fase Penyebaran

 Fathansyah. (2004). Buku Teks Komputer Sistem Basis Data Lanjutan Buku Basis Data. Bandung: Informatika Bandung.  Fayyad, U. M. (1996). Advances in Knowledge Discovery and Data Mining. Cambridge: The MIT Press.  Larose, D. T. (2006). Data Mining Methods and Models. New Jersey: John Wiley & Sons.  Ramakrishnan, R., & Gehrke, J. (2009). Database Management Systems. The McGraw-Hill Companies.