Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam melaksanakan tugasnya sebagai penyelenggara pendidikan akademik, profesi, spesialis dan vokasi dalam sejumlah disiplin ilmu pengetahuan, teknologi, budaya, dan seni, Universitas Indonesia melakukan berbagai proses dan kegiatan akademik yang membutuhkan pengambilan keputusan. Saat ini proses analisa hanya dapat dilakukan berdasarkan data yang telah ada pada kurun waktu tertentu. Hal ini akan membatasi proses analisa tersebut. Dalam pengembangannya proses pengambilan keputusan akan lebih optimal jika didukung oleh sistem yang mampu menemukan pola atau hubungan dari kumpulan data yang ada. Kemudian dari pola atau hubungan yang didapatkan tersebut dilakukan prediksi untuk masa yang akan datang. Disinilah peran data mining diperlukan sebagai salah satu metode Knowledge Discovery in Databases (KDD), sehingga proses analisa untuk kegiatan akademik dapat lebih dioptimalkan. Permasalahan yang ada saat ini adalah tidak adanya data mining database dan aplikasi data mining yang mampu melakukan proses pencarian knowledge dalam basis data yang kemudian mampu mendukung proses analisa dan pengambilan keputusan untuk kegiatan akademik.Tugas akhir dengan topik 'Perancangan Aplikasi Data Mining Untuk Kegiatan Akademik Di Universitas Indonesia' untuk ruang lingkup fakultas adalah salah satu solusi untuk mengatasi permasalahan di atas. Tugas akhir ini bertujuan untuk melakukan kajian analisa perancangan data mining database dan aplikasi data mining untuk kegiatan akademik di Universitas Indonesia.Metodologi yang digunakan dalam tugas akhir ini dimulai dari pembelajaran terhadap teori-teori yang relevan dengan basis data, data warehouse, data mining, dan Knowledge Discovery in Databases (KDD). Kemudian dilanjutkan dengan melakukan kajian analisa terhadap permasalahan, analisa basis data untuk data mining, analisa data mining berupa kajian tahapan dan persiapan yang harus dilakukan, serta pemilihan studi kasus evaluasi keberhasilan studi mahasiswa. Setelah itu baru diambil kesimpulan yang sesuai dengan hasil analisa. Hasil yang diperoleh dari tugas akhir ini adalah bahwa penerapan konsep data mining pada ruang lingkup fakultas di Universitas Indonesia dapat membantu mengoptimalkan proses pengambilan keputusan untuk kegiatan akademik.Hasil analisa yang dilakukan meliputi analisa permasalahan, analisa basis data untuk kebutuhan data mining, dan analisa data mining. Untuk mengembangkan aplikasi data mining dibutuhkan data warehouse atau basis data tersendiri yang memenuhi syarat dan mampu menyediakan data yang relevan dengan kebutuhan data mining. Hasil lain yang ditemukan adalah bahwa penggunaan aplikasi data mining untuk ruang lingkup akademik memerlukan aplikasi yang harus di-customized terlebih dahulu. Sedangkan hasil uji coba dengan menggunakan aplikasi statistik, yaitu SPSS menunjukkan bahwa algoritma regresi dapat digunakan untuk memprediksi IPK mahasiswa pada semester yang akan datang. Saran yang dapat diberikan untuk pengembangan selanjutnya adalah pengembangan analisa yang lebih spesifik yang diikuti dengan uji coba dengan menggunakan aplikasi data mining dan implementasi. Selain itu memperluas ruang lingkup proses analisa dan pengambilan keputusan yang tidak terbatas hanya pada evaluasi keberhasilan studi, namun dikaitkan dengan hal lain yang masih relevan seperti kaitan evaluasi keberhasilan studi dengan alokasi jadwal kuliah, dan sebagainya. Saran yang terakhir adalah mengembangkan data warehouse untuk ruang lingkup universitas, sehingga penerapan data mining tidak hanya terbatas pada kegiatan akademik."

"Persaingan dalam dunia bisnis khususnya perbankan yang semakin ketat membuat para pelakunya harus selalu memikirkan strategi-strategi terobosan yang dapat menjamin keberlangsungan bisnis mereka. Kepuasan pelanggan merupakan salah satu faktor yang sangat perlu diperhatikan untuk mengikat pelanggan agar tetap setia pada produk atau layanan yang ditawarkan. Salah satu aset utama yang dimiliki oleh perusahaan perbankan dewasa ini adalah data transaksi bisnis dalam jumlah yang sangat besar. Hal ini menciptakan sebuah kebutuhan akan adanya teknologi yang dapat memanfaatkannya untuk menggali pengetahuan-pengetahuan baru, yang dapat membantu dalam perencanaan strategi bisnis di masa depan. Dalam hal tersebut teknologi data mining hadir sebagai sebuah solusi yang dapat diterapkan. Dalam tulisan ini akan dibahas implementasi data mining untuk menemukan model berupa association rules yang bisa diinterpretasikan menjadi pengetahuan baru mengenai karakteristik beberapa obyek layanan perbankan Bank XYZ. Pengetahuan baru tersebut nantinya bisa digunakan sebagai bahan analisis untuk menentukan rencana strategis ke depan khususnya dalam rangka meningkatkan kinerja layanan sehingga pelanggan tetap setia terhadap produk dan layanan Bank XYZ.

---

The tighter competition in banking industry motivates the actors to always think of new strategies to ensure their business sustainability. Customer satisfaction must be maintained to make customers remain loyal to the offered products or services. One of the main assets of banking organization or corporate is a large number of business transaction data. This creates a need of new technologies to mine new knowledges, which can assist management in making future business strategy plans. Data mining technology is one applicable solution.

This thesis describes the implementation of data mining in order to find association rules model which can be further interpreted as new knowledges on banking service characteristic of Bank XYZ. The new knowledges will be useful to determine strategic plans in the future, especially in increasing the performance of products or services. They finally can make the customers loyal to products or services of Bank XYZ."

"Menghadapi persaingan antar bank yang sangat tinggi dan adanya keputusan pemerintah yang semakin ketat mengenai keberadaan bank khususnya bank berskala nasional saat ini, menuntut setiap bank mampu unggul dalam bersaing atau minimal mampu bertahan. Kegiatan penghimpunan dana pihak ketiga (funding) merupakan satu dari tiga kegiatan utama perbankan. Semakin besar dana yang dapat terhimpun menunjukkan baiknya kinerja bank tersebut.Besaran hasil penghimpunan dana pihak ketiga ini menjadikan indikator tingkat kepercayaan masyarakat/nasabah terhadap bank. Menempatkan kepercayaan dan tingkat loyalitas nasabah sangat dibutuhkan oleh pihak bank. Teknologi On-Line Analytical Processing (OLAP) dan data mining diyakini mampu mencari pengetahuan untuk melakukan identifikasi tingkat loyalitas nasabah terhadap produk funding perbankan.Berdasarkan hasil penelitian diperoleh pengetahuan bahwa produk funding tabungan x rupiah berpotensi cukup baik, dan nasabah yang memiliki tingkat loyalitas tinggi adalah nasabah yang mempunyai rata-rata saldo bulanan dengan membentuk pola yang tetap stabil dalam waktu tujuh sampai sepuluh bulan. Tersedianya kebutuhan informasi dan data ini, mendasari dalam mendukung sistem pengambil kebijakan baik penyusunan perencanaan dan keputusan strategi perbankan. Sehingga pihak bank mampu menentukan strategi perbankan khususnya funding dalam persaingan ketat yang dihadapi.

---

Facing a very high competition between banks and with the government tight regulations on national bank existences, it demands all the existing bank to be able to strive in the competition or in the minimum it has to be able to survive. One of the three main activities in banking includes funding. The more funds we could gather will also indicate a good performance of the bank.The result from this funding will become the level indicator for customer towards the bank. The placement of customer trust and loyalty is greatly needed by the bank. On-Line Analytical Processing (OLAP) and data mining technology is believed to be able to identify the customer loyalty level towards the bank`s funding product.Based on the research conducted, we had gather information that funding product for X rupiah savings has good potential, and the highest loyalty customers are those customers who have a stable monthly average balance in the period of 7 to 10 months. The availability of these data and information will become the foundation in supporting the system in making decision, with this; the bank will be able to choose a suitable banking strategy especially in funding."

"Divisi ABC PT XYZ sebagai organisasi managed care memiliki tujuan bisnis memperoleh selisih kapitasi atas pengendalian pelayanan kesehatan peserta managed care. Dalam proses bisnisnya, terdapat kendala dalam mengelola dan mengontrol biaya kesehatan untuk kasus-kasus penyakit katastropik, salah satunya penyakit gagal jantung. Upaya pengendalian biaya kesehatan selama ini dilakukan melalui utilization review yang bersifat retrospektif. Pengendalian ini selain memiliki keunggulan, memiliki kelemahan, karena dilakukan setelah pelayanan diberikan. Tujuan dari penelitian ini adalah membuat model data mining yang akurat yang mampu mengenal pola terapi medis sebagai pertimbangan precertification yang merupakan prospective reviews. Model yang digunakan dalam kasus ini adalah dengan Naïve Bayes, SVM dan Decision Tree. Berdasarkan pengujian yang dilakukan, diperoleh hasil bahwa model Naïve Bayes memiliki akurasi yang terbaik berdasarkan classification accuracy.

---

Division ABC PT XYZ as managed care organizations have the goal of obtaining a capitation difference for control participants managed care health services. In the business process, there are constraints in managing and controlling health care costs for catastrophic illness cases, one of which heart failure disease.

Efforts to control health care costs has been done through a retrospective utilization review. This control has an advantage in addition, has a weakness, because it is done after the service is provided. The purpose of this research is to create an accurate data mining models are able to recognize patterns of medical therapy as precertification consideration which is a prospective review. The model used in this case is the Naïve Bayes, SVM and Decision Tree.

Based on the tests performed, the results that Naïve Bayes models have the best accuracy of classification accuracy."

"Banyak perusahaan yang telah menyadari bahwa mereka harus berusaha keras tidak hanya mendapatkan pelanggan baru, namun juga untuk mempertahankan pelanggan lama. Memprediksi nasabah yang akan pergi mulai dilakukan oleh perusahaan. Prediksi nasabah churn adalah kegiatan yang dilakukan untuk memprediksi nasabah tersebut akan meninggalkan perusahaan atau tidak. Banyak cara yang dapat dilakukan untuk memprediksi nasabah churn. Salah satu cara memprediksi nasabah churn ini adalah dengan menggunakan teknik klasifikasi dari data mining yang menghasilkan sebuah model machine learning. Dengan mempelajari data nasabah seperti data demografi, data transaksi dan data kepemilikan produk maka, perusahaan akan bisa memprediksi nasabah yang akan churn, sehingga perusahaan dapat melakukan tindakan pencegahan agar nasabah tersebut tidak berhenti untuk menggunakan jasa dari perusahaan. Penelitian ini membandingkan beberapa metode dari teknik klasifikasi data mining dan pengukuran dari sampel datanya. Dari penelitian ini didapat bahwa metode Support Vector Machine (SVM) dengan perbandingan sampling kelas data 50:50 merupakan metode terbaik untuk memprediksi nasabah churn di Bank XYZ. Hasil dari pemodelan ini bisa digunakan untuk mendapatkan informasi nasabah yang akan pergi meninggalkan perusahaan sehingga perusahaan dapat mengambil tindakan sebelum nasabah tersebut pergi.

---

Many companies have realized they must strive not only to get new customers but also to retain old customers. The company began to predict customers who would no longer use company services. Churn customer prediction is an activity carried out to predict whether the customer will leave the company or not.

There are many ways that can be done to predict churn customers, usually to predicting this customer churn by using a classification technique from data mining that produces a machine learning model. Studying customer historical data such as demographic data, transaction data and product ownership data, will be able to predict customers who will churn and can take preventive measures so these customers do not stop using services from the company.

This study compares several methods of data mining classification techniques and measurements from data samples. From this study it was found that the method of Support Vector Machine (SVM) with a comparison of 50:50 data class sampling is the best method for predicting churn customers at Bank XYZ. The results of this modeling can be used to obtain information on customers who will stop using  company services so the company can take action before the customer leaves."

"

Sistem e-procurement merupakan sistem pengadaan yang dilakukan dengan cara elektronik yang menjadi faktor kunci untuk mengelola keuangan negara dengan kontrol yang tepat, serta dilindungi oleh kebijakan dan peraturan perundang-undangan yang berlaku. Menurut Asian Development Bank e-tendering, yang merupakan bagian dari e-procurement, merupakan aplikasi strategis yang dapat menunjang kinerja pada sektor pemerintahan. Berdasarkan temuan praktik yang tidak sesuai dengan prinsip pengadaan, maka dalam penelitian ini dilakukan sebuah analisis mendalam untuk mengevaluasi kegiatan tender pada lembaga kementerian di Indonesia. Pada penelitian ini ditunjukkan bagaimana penambangan data dilakukan pada portal pengadaan nasional untuk menganalisis data tender dan mendapatkan temuan pola tersembunyi yang berguna untuk pengambilan keputusan. Penelitian ini menggunakan metodologi web data mining dengan melakukan pendekatan analisis secara deskriptif dan statistik. Dengan melakukan metode uji chi-square dan multivariance Anova, ditemukan adanya kaitan antara lembaga kementerian dengan pemenang berulang pada tahun anggaran 2018-2019. Di samping itu frekuensi partisipasi peserta tidak memiliki dampak terhadap statistik kemenangan berulang pada Kementerian Perhubungan, tetapi berdampak pada Kementerian PUPR. Penelitian ini juga menemukan adanya hubungan yang sangat kuat antara variabel Harga Perkiraan Sendiri (HPS) dengan nilai pagu. Selain itu pada penelitian ini juga ditemukan anomali data pada harga penawaran pemenang tender dengan nilai 100 kali lebih besar dari harga pagu dan HPS.

 

---

E-procurement is an electronic procurement system that became a key factor required to manage financial aspect of a country with appropriate controls, and protected by legal policies. According to Asian Development Bank, e-tendering as part of e-procurement, is classified as a strategic application that can enhance performance in the government sector. Based on the finding of practices that are not comply with the principles of good procurement governance, in this study an in-depth analysis was conducted to evaluate the tender activities of the ministry in Indonesia. This research shows how data mining is carried out at the national procurement portal to analyze tender data and findings the hidden pattern that would be useful for decision making. This study uses a web data mining methodology by conducting a descriptive and statistical analysis approach. By using the chi-square and multivariance Anova test method, this study has found that there was a relation between the ministries and repeated winners in year 2018-2019. In addition, the frequency of participation did not have an impact on the statistics of recurring wins at the Ministry of Transportation, but it had an impact on the Ministry of Public Works and Public Housing. This study also found a very strong relationship between the Owner Estimate (OE) value and the threshold value. In addition on this study, it was found anomaly data on the tender bid price of the winner with a value 100 times greater than the threshold value and OE value.

"

"Pemerintah Indonesia mencanangkan program pembangunan ketenagalistrikan sebesar 35.000 MW untuk memenuhi pertumbuhan penggunaan listrik yang terus meningkat dengan rata-rata 8,1% pada tahun 2010-2014. Untuk menunjang program tersebut maka kebutuhan gas bumi diperkirakan akan mencapai 1063 MMSCFD di tahun 2030. Saat ini yang menjadi hambatan adalah penentuan harga gas pipa untuk sektor kelistrikan di Indonesia, karena harga gas pipa masih beragam dan belum terdapat formulasi harga gas pipa untuk sektor kelistrikan yang dapat diterapkan untuk seluruh lapangan gas di Indonesia. Tujuan penelitian ini adalah mendapatkan formulasi harga gas pipa untuk sektor kelistrikan di Indonesia. Terdapat dua sektor yang akan dianalisa, yaitu sektor Hulu (Upstream) dan sektor Antara (Midstream). Optimisasi dilakukan dengan menggunakan metode linear optimization dengan menggunakan pendekatan harga Indonesian Crude Price ('ICP') untuk harga gas hulu, lalu ditambahkan dengan komponen Toll Fee didekati menggunakan komponen panjang pipa dan diameter pipa, sehingga selanjutnya didapatkan formula harga gas pipa untuk sektor kelistrikan di Indonesia. Rata-rata harga gas untuk sektor kelistrikan berdasarkan formula hasil pengembangan memiliki rentang antara 2.63 - 6.33 US$/MMBTU tergantung pada besaran ICP, dan masih dibawah harga maksimum yang dapat diterima oleh Perusahaan Listrik Negara ('PLN'), yaitu sebesar 6.4745 US$/MMBTU. Formula hasil pengembangan mampu memberikan harga gas yang berkisar pada harga gas yang berlaku saat ini, sensitif terhadap fluktuasi ICP dan relevan terhadap trend kenaikan harga gas untuk sektor kelistrikan selama ini.

---

The Indonesian government has launched 35,000 MW electricity development program to fulfil the growth in electricity usage which continues to increase by an average of 8.1% in 2010-2014. To support the program, the natural gas demand is estimated to reach 1063 MMSCFD in 2030. Currently, the obstacle is the determination of pipeline gas prices for the electricity sector in Indonesia, because the pipeline gas price for the power sector in Indonesia are still diverse and there isn't any pipeline gas price formula that can be applied to entire gas field in Indonesia for the electricity sector.

The purpose of this study is to obtain a pipeline gas prices formulation for the electricity sector in Indonesia. There are two sectors to be analyzed, Upstream sector and Midstream sector. Optimization is done by using the linear optimization method using the Indonesian Crude Price ('ICP') price approach for upstream gas prices, then added with Toll Fee components by being approached with the pipe length and pipe diameter component, to get the pipeline gas price formula for electricity sector in Indonesia.

The average gas price for the electricity sector based on formula results has a range between 2.63 - 6.33 US $ / MMBTU depending on the ICP amount, and is still below the maximum price that can be received by the Perusahaan Listrik Negara ('PLN'), which is equal to 6.4745 US $ / MMBTU. The development formula is able to provide gas prices that range from current gas prices, sensitive to ICP fluctuations and relevant to the trend of rising gas prices for the electricity sector so far."

"ABSTRACTFinancial distress merupakan kondisi kesulitan keuangan yang pada umumnya dialami oleh perusahaan sebelum perusahaan tersebut dapat dinyatakan bangkrut. Dengan menggunakan laporan keuangan, kondisi tersebut pada dasarnya dapat diprediksi. Prediksi dari financial distress sangat berguna bagi manajemen perusahaan untuk melakukan tindakan korektif dalam antisipasinya menghadapi kebangkrutan. Model prediksi dari financial distress sendiri telah berkembang dari penggunaan statistik tradisional hingga artificial intelligence atau machine learning. Penelitian ini bertujuan untuk menganalisis model prediksi financial distress dengan menerapkan machine learning dan membandingkan tiga algoritma dari data mining yaitu decision tree, support vector machine, dan artificial neural network. Sampel dalam penelitian ini menggunakan 115 perusahaan distressed dan 115 perusahaan non-distressed yang aktif di Bursa Efek Indonesia selama periode 2011 hingga 2016 yang diteliti untuk dua tahun yaitu l-t dan t-1. Dalam penelitian ini, dari sebanyak 29 rasio keuangan akan dipilih rasio yang paling sesuai dengan menggunakan feature selection. Hasil dari penelitian menunjukkan bahwa algoritma decision tree dengan tingkat akurasi sebesar 86,37 untuk tahun l-t dan decision tree dengan tingkat akurasi sebesar 88,98 untuk tahun l t-1 memiliki tingkat akurasi yang paling tinggi dalam mengantisipasi financial distress di Indonesia.

---

ABSTRACTFinancial distress is a condition of financial difficulties that generally a firm would have first go through before the company can be declared bankrupt. By using financial statements, this condition basically could be predicted. Prediction of financial distress is very useful as it could help firms rsquo management to take corrective actions in anticipation of bankruptcy. The predictive model of financial distress itself has evolved from the use of traditional statistics to artificial intelligence or machine learning. This study aims to analyze financial distress prediction model by applying machine learning and comparing three algorithms from data mining namely decision tree, support vector machine, and artificial neural network. The sample in this study used 115 distressed companies and 115 non distressed companies active on the Indonesia Stock Exchange during the period 2011 to 2016 studied for two years ie t and t-1 . In this research, from 29 financial ratios will be selected the most appropriate ratios by using feature selection. The result of this research shows that decision tree algorithm with 86.37 accuracy for year t and decision tree with accuracy of 88.98 for year t-1 has the highest accuracy in anticipating financial distress in Indonesia. "

"ABSTRAKKecelakaan lalu lintas adalah peristiwa yang terjadi secara tidak sengaja dan di luar dugaan. Di Indonesia, angka kecelakaan terus mengalami peningkatan setiap tahun dan merugikan lebih dari satu milyar per tahun serta memakan korban lebih dari 800.000 jiwa dalam periode 2014-2018. Jalan Tol Cikopo-Palimanan adalah ruas terpanjang dari jaringan tol Trans-Jawa yang mengkoneksikan pulau Jawa dari Pelabuhan Merak, Banten hingga Pelabuhan Ketapang, Jawa Timur. Dalam langkah pencegahan dan penurunan kecelakaan, diperlukan strategi untuk mengidentifikasi faktor-faktor kecelakaan. Data mining adalah metode pencarian informasi untuk data berjumlah besar. Metode data mining yang digunakan adalah clustering untuk mengurangi heterogenitas data dan association untuk mengidentifikasi hubungan antara faktor kecelakaan. Penelitian ini menemukan ada tiga belas cluster kecelakaan yang kemudian setiap cluster dianalisis menggunakan metode apriori algorithm dengan parameter minimum support 20% dan nilai lift 1.

---

ABSTRACT

Traffic accidents are events that occur accidentally and unexpectedly. In Indonesia, the number of accidents continues to increase every year and costs more than one billion per year and claimed more than 800,000 lives in the 2014-2018. Cikopo-Palimanan Toll Road is the longest section of the Tol Trans-Jawa road network that connects Pelabuhan Merak, Banten Pelabuhan Ketapang, East Java. In order to prevent and decrease number of accidents, a strategy is needed to identify accident factors. Data mining is a method of finding information from large amounts of data. Data mining methods used in this study are clustering to reduce data heterogeneity and association to identify the relationship between accident factors. This study found thirteen accident clusters and each cluster was analyzed using apriori algorithm method with a minimum support parameter of 20% and a lift value of 1."

"ABSTRAK

Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) merupakan lembaga yang ditunjuk untuk mengelola data-data cuaca yang diolah menjadi informasi meteorologi dan klimatologi. Namun, harapan terhadap tingkat akurasi data cuaca yang dikelola belum terpenuhi disebabkan belum benarnya proses validasi data cuaca yang mengelompokkan data cuaca valid dan data cuaca yang tergolong suspect. Oleh karenanya, penelitian ini bertujuan untuk mengetahui cara memvalidasi data cuaca dengan menguji algoritma k-NN dan D-NN dengan pendekatan data mining klasifikasi serta K-Medoids dan DBSCAN dengan pendekatan data mining clustering. Proses Knowledge Discovery in Database diterapkan hingga kedua pendekatan data mining diuji untuk mendapatkan cara terbaik yang dijadikan dasar proses validasi data cuaca. Hasil penelitian merekomendasikan algoritma D-NN untuk pendeteksian data suspect karena memiliki nilai specificity lebih baik daripada k-NN sedangkan teknik clustering dengan dua algoritma yang diujikan pada penelitian ini tidak direkomendasikan.

---

ABSTRACT

"