Hasil Pencarian  ::  Simpan CSV :: Kembali

"The central government is responsible for central government financialreporting, and the preliminary step of which is the reconciliation of financialdata between the State General Treasurer (BUN) at KPPN and the SpendingUnits (Satker). The Supreme Auditor (BPK) found unmatched reconciliationof financial data in the accounting system between BUN and Satker. TheDirectorate General of the Treasury might reduce the possibility ofunmatched financial data by conducting supervisory activities based onSatker characteristics. Data mining techniques can be used for selecting datausing Sistem Perbendaharan dan Anggaran Negara (SPAN) database. Thisresearch uses classification technique by setting two classes, namely SELISIHand OK, using 20 attributes of Satker. The results of data mining indicate thatSpending Units (Satker), with a high number of Payment Order (SP2D) andnon-tax revenue (PNBP) transaction records, tend to have higher possibilityof unmatched financial data reconciliation.Penyusunan Laporan Keuangan Pemerintah Pusat merupakan tanggungjawab pemerintah, dan penyusunan laporan keuangan tersebut harusdidahului dengan proses rekonsiliasi data keuangan antara BendaharaUmum Negara (BUN) melalui KPPN dengan satuan kerja. Temuan BPK atasselisih hasil rekonsiliasi menjadi bukti bahwa masih terdapat selisihpencatatan akuntansi pada sistem BUN dengan satuan kerja. DirektoratJenderal Perbendaharaan (KPPN) dapat menekan kemungkinan terjadinyaselisih rekonsiliasi dengan melakukan kegiatan supervisi yang terfokuspada karakteristik satker. Teknik data mining dapat digunakan untukmelakukan karakterisasi tersebut dengan memanfaatkan database padaSistem Perbendaharaan Anggaran dan Negara (SPAN). Teknik data miningdilakukan dengan metode klasifikasi yaitu menetapkan dua kelas yaitukelas SELISIH dan OK. Penelitian ini menggunakan dua puluh atribut satuankerja dengan teknik data mining yang hasilnya menunjukkan bahwa satkerdengan atribut Jumlah Surat Perintah Pencairan Dana (SP2D) dan RealisasiPenerimaan Negara Bukan Pajak (PNBP) yang tinggi memilikikecencerungan selisih hasil rekonsiliasi data keuangan."

"Pemilihan supplier dengan mengukur performansi supplier adalah hal penting yang harus dilakukan oleh perusahaan untuk memenangkan persaingan dengan perusahaan lain dalam hal kepuasan pelanggan. Perhitungan performansi supplier menggunakan DEA yang mampu mengevaluasi tingkat efisiensi relatif sebuah DMU yang bersifat non parametrik dan multi faktor baik input maupun output. Sedangkan dengan menggunakan teknik data mining yaitu dengan decision tree dan neural network, untuk mendapatkan prediksi dari nilai efisiensi supplier. Penelitian ini dilakukan pada sebuah perusahaan otomotif. Perusahaan saat ini menggunakan 104 supplier untuk material tools. Penelitian ini dilakukan untuk membantu perusahaan dalam mendapatkan framework dari suatu pemilihan supplier yang sesuai dengan kriteria yang ditetapkan oleh perusahaan. Hasil penelitian ini didapatkan bahwa model CRS-neural network memberikan hasil yang lebih baik dibandingkan dengan decision tree. Ini telihat dari nilai error yang lebih kecil yaitu 5.7 dibandingkan decision tree yang sebesar 6.7.

---

Supplier selection to measure supplier performance are important things to be performed by the company to win the competition with other companies in terms of customer satisfaction. Calculation of supplier performance using DEA is capable of evaluating the relative efficiency of a DMU that is non-parametric and multi factor inputs and outputs. While using data mining techniques, the decision tree and neural network, to get the efficiency prediction of the supplier. The research was conducted at a automotive company. The Company currently uses 104 suppliers for material tools. The study was conducted to assist companies in getting the framework of a supplier selection in accordance with criteria established by the company. The results of this study found that the CRS-neural network models give better results than the decision tree. It is seen from the error value that is 5.7 smaller than the decision tree for 6.7."

"Fraud adalah bentuk ketidaknormalan pola penggunaan layanan telekomunikasi yang menyebabkan kerugian pada operator [1]. Dengan berkembangnya layanan telekomunikasi, fraud pun berkembang ke arah layanan data dari yang tadinya layanan tradisional seperti suara, SMS, roaming internasional. Penelitian ini mengambil studi kasus di PT XYZ dimana selama ini, metode penanganan fraud dilakukan dengan berbasis teknologi. Metode ini memiliki kelemahan yaitu tidak bisa mendeteksi semua kasus fraud dan waktu yang diperlukan semakin lama. Oleh karena itu, perlu dikembangkan suatu prosedur penanggulangan fraud yang lebih efektif dan efisien. Penanganan fraud perlu dilakukan secara menyeluruh dengan melibatkan data dari bagian marketing dan keuangan sebagai bagian dari rantai nilai penciptaan produk layanan data. Dalam pengolahan data yang berukuran sangat besar, digunakan metode data mining menggunakan perangkat lunak Rapidminer. Dengan metode data mining dan definisi fraud baru, didapat data bahwa sebesar 45,5 % pelanggan paket data termasuk kategori fraud. Dari data tersebut dapat diusulkan suatu strategi layanan data baru yang lebih terkendali dengan membatasi penggunaan data pelanggan paket. Sedangkan untuk pelanggan harian, dideteksi jumlah pelanggan fraud sebesar 119% dibandingkan dengan metode lama. Dengan demikian terbukti bahwa metode baru ini mampu meningkatkan kinerja pengendalian fraud pada layanan data di operator seluler.

---

Fraud is an abnormality behavior of telecommunication service that cause loss to operator [1]. With the growing of telecommunication service, fraud also occur on data service compare to previous traditional service such as voice, SMS or international roaming.

This research takes case study at PT XYZ which already implement data service fraud management. This method has weakness on its ability to detect all fraud case and detection time. Therefore, need to develop more effective and efficient fraud management method. Fraud management need to involve data from marketing and finance function as part of value chain on product creation to get holistic approach. This research using data mining approach using free software Rapidminer to process big data.

Data mining method and new fraud definition resulted 45,5 % subscriber included on fraud category. That data suggested a new data service strategy that more controllable by limiting usage of package subscriber. For daily subscriber, detected that fraud subscriber is 119% compare with old method. It is proven that new method can improve performance of fraud control at data service on celluler operator."

"Perguruan tinggi memerlukan pengetahuan yang lebih dalam untuk evaluasi, perencanaan dan pengambilan keputusan yang lebih baik. Sebagian dari pengetahuan ini dapat diekstrak dari data operasional yang tersimpan dalam database perguruan tinggi tersebut. Cara yang dapat dilakukan antara lain dengan pembangunan data warehouse dan analisis data menggunakan teknik data mining. Data warehouse adalah kumpulan dari database yang terintegrasi yang dapat digunakan untuk mendukung proses pengambilan keputusan. Sedangkan teknik data mining adalah analysis tools yang dapat digunakan untuk mengekstrak informasi yang berguna yang ada di database yang besar. Penelitian ini mengkaji perancangan data warehouse dan penerapan teknik data mining untuk data akademik di Universitas Nasional untuk menggali informasi-informasi yang penting dan membangun model yang dapat membantu operasional sehari-hari agar dapat memberikan pelayanan yang terbaik buat mahasiswa. Penelitian ini dimulai dengan membangun sebuah data warehouse. Data-data yang ada dalam data warehouse tersebut yang digunakan untuk analisa data menggunakan teknik data mining. Hasil dari penelitian ini adalah pengembangan data warehouse dengan media presentasi aplikasi berbasis web. Sedangkan untuk analisa data menggunakan teknik data mining menghasilkan pola karakteristik mahasiswa yang mengambil suatu program peminatan tertentu.

---

High learning institutions need broader knowledge for evaluating, planning and better decision making. Some of this knowledge can be developed from operational data in the database of available at the institution. To get the above-mentioned purpose, we can build data warehouse and analyzing it by data mining technique. Data warehouse is an integrated database which can be used to support decision making process, while data mining is analysis tools which can be used to extract information from large database.

This study which deals with data warehouse planning and the application of data mining technique for academic data at Universitas Nasional is aimed at obtaining important informations and developing a model for rendering best services for student. The first step is to develop a data warehouse. Data from the data warehouse is then used to analyze data by data mining technique. The result of this study is developed data warehouse through web-based presentation, while data analysis is obtained from data mining to get characteristic pattern of previous student who were good in a given program."

"Kebutuhan manusia dalam berbagai bidang terus mengalami peningkatan yang pesat untuk setiap waktunya. Untuk membantu memenuhi kebutuhan manusia tersebut, teknologi dan sistem informasi yang bersifat tepat, akurat, cepat, dan memberikan informasi yang baru sangatlah diperlukan. Namun seringkali untuk mendapatkan informasi baru dari sekumpulan data dan fakta tidaklah mudah karena diperlukan pengolahan data dan fakta tersebut terlebih dahulu. Apabila dalam proses pengolahan data dan fakta yang didapatkan hanyalah mengandalkan kerja manual dari manusia, maka bisa saja informasi baru yang ingin didapatkan tidak bisa diperoleh tepat pada waktunya. Dibutuhkan suatu metode dalam pengolahan data, yang dinamakan data mining, untuk dapat membantu menyelesaikan masalah ini. Ada berbagai macam algoritma yang dikenal dalam data mining. Masing-masing algoritma yang dibuat mempunyai keunggulannya masing-masing dalam pengolahan data tertentu. Sampai saat ini belum ada sebuah algoritma yang cocok dan ideal untuk memproses semua data yang ada. Pemilihan algoritma yang tepat untuk pengolahan suatu data dengan cirinya masing-masing adalah kunci dalam mendapatkan informasi baru yang tepat, cepat dan akurat. FIKUI Mining adalah sebuah aplikasi untuk pemrosesan data dimana pada aplikasi ini menggabungkan beberapa algoritma yang sudah dikembangkan oleh tim pengembang sebelumnya. Ada 3 metode secara keseluruhan yang tergabung dalam aplikasi FIKUI Mining ini yaitu Association, Classification, dan Clustering. Hasil penelitian dan pengembangan FIKUI Mining ini diharapkan bisa memberikan kontribusi dalam bidang data mining, baik dalam pemanfaatan secara langsung pada kehidupan nyata maupun untuk pengembangan kedepannya.

---

Human needs in every aspect are growing fast. To fulfill those human needs, a fast and accurate technology information system is much needed. Nevertheless, gathering new information from raw data and fact is not a simple thing to do because before we can get the information, we need to process data and fact. If we only depend on human work in processing the data, the new information may not up to date anymore. A method, called data mining, is needed to process the data to solve this problem. There are some algorithms which are well-known in data mining. Each algorithm has its own advancement in processing each kind of data. Until now, there isn't one single algorithm which is suitable for all kind of data. The selection of algorithm is the key to gain the accurate information. FIKUI Mining is an application to process data. This application gathers few algorithms that already developed by the previous developer. There are 3 methods which are integrated in FIKUI Mining. There are Association, Classification and Clustering. The result from this research and development of FIKUI Mining are to give some contributions in data mining field for its direct using in real life or for the future development."

"Kabupaten Pangkajene dan Kepulauan Pangkep merupakan daerah yang berada pada wilayah Provinsi Sulawesi Selatan. Pengelolaan pegawai negeri sipil PNS lingkup pemerintah Kabupaten Pangkep dilakukan oleh Badan Kepegawaian Pendidikan dan Pelatihan Daerah BKPPD Kabupaten Pangkep. BKPPD Kabupaten Pangkep memberikan layanan kepada pegawai mulai dari perekrutan, penempatan, mutasi, pendidikan dan pelatihan, kedisiplinan, pemberhentian, dan pensiun. BKPPD dalam melakukan mutasi masih mengalami kesulitan dalam menentukan pegawai yang sebaiknya dipindahkan karena tidak adanya pola yang menjadi acuan. Penelitian ini bertujuan untuk mendapatkan pola mutasi dengan menggunakan data mining mengacu pada metodologi CRISP-DM berdasarkan data riwayat mutasi pada sistem aplikasi layanan kepegawaian SAPK . Teknik klasifikasi dengan algoritme Decision Tree, Na ve Bayes, dan Support Vector Machine SVM diterapkan pada data riwayat mutasi untuk mengetahui algoritme terbaik.Algoritme yang memiliki tingkat akurasi paling baik yaitu decision tree dengan nilai sebesar 72,76 . Pola mutasi dapat diimplementasikan oleh BKPPD untuk merancang dokumen redistribusi pegawai lingkup Pemerintah Kabupaten Pangkep.

---

Pangkajene and Kepulauan Pangkep District is an area located in South Sulawesi Province. The management of civil servants PNS scope of government of Pangkep District is done by Regional Civil Servants, Education, and Training BKPPD of Pangkep District. BKPPD provides services to civil servants ranging from recruitment, placement, transfer, education and training, discipline, dismissal, and retirement. BKPPD in conducting mutations still have difficulty in determining which civil servants should be moved because of the absence of a reference pattern.

This study aims to obtain mutation patterns using data mining refers to the CRISP-DM methodology based on historical data on the employment service application system SAPK . Classification techniques with Decision Tree, Na ve Bayes, and Support Vector Machine SVM algorithms are applied to the mutation history data to find the best algorithm.Algorithm that has the best accuracy is the decision tree with a value of 72,76 . The mutation pattern can be implemented by BKPPD to design the redistribution document of Pangkep District Government civil servants."

"Pergerakan roda ekonomi bisnis yang semakin cepat mengakibatkan munculnya perusahaan-perusahaan baru pada bidang industri yang sama. Perusahaan tersebut menjadi pesaing bisnis bagi perusahaan yang sudah beroperasi. Salah satu strategi untuk menghadapi persaingan yang semakin ketat adalah dengan memanfaatkan informasi dan knowledge. Informasi dan knowledge yang diperoleh memberikan manfaat bagi perusahaan untuk mendapatkan competitive advantage. Hal ini disebabkan karena peran data dalam masa kini sangatlah penting, terlebih lagi di dalam menunjang pengambilan keputusan. Suatu data bisa menjadi berguna bila dikelola dengan baik. Saat ini dalam lingkungan industri manufacturing dipenuhi akan data tetapi kekurangan akan informasi. Sehingga pengolahan data untuk menjadi informasi dan knowledge menjadi sangat berguna di industri manufacturing. Untuk mendapatkan informasi dan knowledge yang dibutuhkan tidaklah semudah seperti mendapatkan data, banyak cara untuk menggali dan mendapatkan informasi dan knowledge yang kita inginkan. Salah satu cara yang terbaik untuk mendapatkan informasi dan knowledge adalah dengan menerapkan Data Warehouse dan Data Mining. Proyek Akhir ini membahas bagaimana merancang dan membangun Data Warehouse dan mengimplementasikan Data Mining untuk meningkatkan produktifitas di lingkungan manufacturing. Ada beberapa tahapan yang akan dilakukan dalam penelitian ini, pertama penelaahan kebutuhan bisnis dan informasi dengan cara menganalisa profil perusahaan dan sistem mereka, kedua pengumpulan data, baik melalui wawancara maupun observasi lapangan, ketiga perancangan Data Warehouse dan terakhir mengimplementasikan Data Mining dengan menggunakan teknik association rules untuk meningkatkan produktitas di lingkungan manufacturing.

---

The fast growth of economic business turning creates new enterprise or business in the same industry. Those enterprises become competitors to the existing ones. One of strategies to encounter the tight competition is empowering the information and knowledge. The information and knowledge gained are giving benefits to the company to get competitive advantage. This matter happens because the role of data is very important in this era, moreover in supporting the decision making process. The data will be helpful if they are managed well. Today, manufacturing industry is filled by data but lack of information. Therefore, the data calculation to be source of information and knowledge would be playing a vital role in manufacturing industry. To possess information and knowledge which are needed is not as easy as gaining information on data. Many methods could be applied to find information and knowledge that we need. One of the best ways is applying Data Warehouse and Data Mining. This final project is discussing about how to design and built the Data Warehouse as well as implementing Data Mining to improve the productivity in manufacturing environment. Some steps will be conducted in this research are, first, reviewing the business and information needs by analyzing company profile and its system, second is data collection either through interview or field work, third is Data Warehouse designing and the last is applying the Data Mining by using association rules technique to improve the productivity in manufacturing environment."

"ABSTRAKKualitas bergantung pada kehandalan suatu produk, khususnya pada peralatan yang dipakai di industri manufaktur, contohnya boiler. Kehandalan dari boiler dilihat dari performa boiler tersebut. Ketergantungan parameter satu dengan yang lainnya dapat meningkatkan kompleksitas operasi boiler. Meskipun pada boiler dengan beban dibawah rancangan awal. Fenomena ini terjadi akibat pergeseran penentuan kebijakan pada pemilik perusahaan yang memilih untuk membeli boiler dengan beban kerja penuh dimasa yang akan datang, namun digunakan dengan beban rendah saat ini. Dapat dicontohkan dengan perusahaan produsen minuman ringan yang memiliki perencanaan penambahan beban dala dua tahun mendatang, membutuhkan 4 ton uap air/jamnya sedangkan untuk saat ini beban kerja yang dibutuhkan hanya 2 ton uap air/jamnya. Sehinggaefesiensi area dari performa boiler hanya berkisar 15-30 persen. Hal ini membuat resiko yang sangat berpotensi untuk mengalami kegagalan. Dibutuhkan pendeteksi kegagalan untuk mengetahui dan menjaga kehandalan dari performa boiler. Kunci utamanya adalah memonitor hubungan antar parmeter dan mendeteksi kegagalan yang mungkin terjadi. Permasalahan utama adalah banyaknya parameter yang berhubungan, analisa data dapat dilakukan dengan mudah menggunakan Data Mining. Salah satu teknikmenganalisa data bernama Artificial Neural Network ANN dapat mendeteksi kegagalan apabila digabungkan dengan back-propagation. Dengan permodelan dan validasi terlebih dahulu diharapkan dapat mendeteksi kegagalan pada performa boiler.

---

ABSTRACTQuality depends on equipment rsquo s reliability especially in industrial manufacturing equipment, such as boiler. Boiler rsquo s reliability relies on its performance. It is important to maintain boiler rsquo s performance as designed. Boiler rsquo s performance depends on many parameters, which is related to the operating procedure. Therefore, many parameters correlation could cause lot of complexities in boiler rsquo s operating process. Even in a small load boiler such as boiler in food manufacturing industry. The boiler rsquo s performance efficiency area ranges between 15 30 percent. It has a potential risk to fail, when the range approaches to zero. A fault detection is necessary to get boiler rsquo s performance works as reliable as it designed. The key is to monitor parameters correlation and detect any fault that could happen before it occurs. The problem is, there are lot of parameters correlation could happen in boiler rsquo s operating process that could cause failure. By analyzing many parameters correlation in boiler operation, Data Mining could approach a fault detection easier. The purpose of Data Mining is to monitor boiler performance parameters. An Artificial Neural Network ANN would present a smart fault detection model if it is combined with back propagation, because it will train the program itself and learn which condition should be alarmed. At the end, the proposed model could detect a fault by monitoring boiler rsquo s performance. "

"