Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Masalah kependudukan di Indonesia pada hakekatnya menyangkut tiga aspek yaitu aspek kuantitas, aspek kualitas dan aspek mobilitas. Saat ini dari aspek kuantitas, Indonesia memiliki jumlah penduduk yang sangat besar yang mencapai angka 237,6 juta jiwa pada tahun 2010. Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) sebagai lembaga yang melaksanakan pengendalian penduduk dan menyelenggarakan keluarga berencana tidak dapat memenuhi target jumlah peserta KB sebesar 65% dari wanita usia subur berstatus menikah. Penelitian ini melakukan clustering kabupaten/kota di Indonesia berdasarkan capaian program keluarga berencana dengan tujuan untuk mengetahui karakteristiknya. Variabel yang digunakan pada penelitian ini sebanyak 21 variabel yang diturunkan dari indicator kinerja BKKBN dan factor yang mempengaruhi penggunaan kontrasepsi yang dikemukakan oleh Berthrand. Metode clustering yang digunakan dalam penelitian ini adalah data mining dengan menggunakan algoritma Self-Organizing Maps (SOM). Hasil dari penelitian ini menunjukkan bahwa teknik data mining clustering dengan algoritma SOM, berhasil mengelompokkan Indonesia ke dalam enam klaster pada data set tahun 2010, yang kemudian dilakukan identifikasi karakterristik wilayah tersebut sesuai dengan variabel yang mencirikan kondisi wilayahnya. Kondisi tahun 2010 ini digunakan sebagai dasar untuk melihat perkembangan capaian program keluarga berencana tiap tahunnya pada periode tahun 2010-2013. Perbandingan data set antar tahun pada periode tahun 2010 sampai tahun 2013 dengan menggunakan relative denstity mampu secara otomatis mendeteksi perubahan struktur klaster berupa klaster yang menghilang, muncul, membelah, bergabung, membesar, dan mengecil dari klaster sebelumnya. Perpindahan klaster ini dapat digunakan untuk mendeteksi perubahan hasil capaian program keluarga berencana serta memberikan rekomendasi program berdasarkan hasil capaian program keluarga berencana. ...... Indonesian population’s problem is to three aspects ; quantity, quality, and mobility. Currently from quantity aspect, Indonesia has 237,6 million people in 2010. National Population and Family Planning Board (BKKBN) as an institution which controlling population and administering family planning unable to meet the 65% birth control target from married fertile woman. This research conducted clustering in district / cities in Indonesia based on the family planning program performance with a purpose to know the characteristics. 21 Variables used for this research variable derived from BKKBN performance indicator and factor that affects the use of contraception, presented by Berthrand. Clustering methods used in research is data mining with algorithm Self-Organizing Maps ( SOM ).The result of the research indicated that data mining clustering with algorithms SOM technic managed to classify Indonesia into six cluster on 2010 data set, then conduct region identification based on variable that characterizes their area condition. The 2010 condition used as a basic to predicts family planning program developments annually in the period 2010-2013. Comparative data set between 2010-2013 period using relative density could automatically detect structure of cluster change that were disappearing, emerging, splitting, merging, enlarging, and shrinking from previous cluster. Cluster displacement can be used to detect result changes from the family planning program and give recommendation based on the family planning program result.

Abstrak :
Penyedia Jasa Keuangan (PJK) seperti bank memberikan layanan untuk memudahkan transaksi keuangan, tetapi hal ini dimanfaatkan untuk pencucian uang dalam menyamarkan dana hasil tindak pidana seperti dana yang sah. Perjudian merupakan tindak pidana di wilayah hukum Indonesia. Seiring dengan peningkatan jumlah nasabah dan rekening setiap tahunnya, bank menghadapi tantangan dalam mengawasi transaksi keuangan sesuai dengan aturan perundangan yang berlaku. Berdasarkan penelitian sebelumnya, penggunaan machine learning seperti klasifikasi dapat digunakan untuk otomasi analisa dan pengawasan transaksi terkait pencucian uang pada sektor perbankan. Namun, hal ini belum terbukti untuk deteksi penyalahgunaan rekening dalam tindak pidana perjudian. Penelitian ini menyajikan topik baru karena kegiatan perjudian hanya ilegal di 56 negara dari total 195 negara di dunia. Penelitian ini dilakukan berdasarkan data transaksi keuangan riil dengan metode SLR, eksperimen, dan wawancara semi terstruktur dengan beberapa Subject Matter Expertise. Berbeda dengan rekening pencucian uang tindak pidana lainnya, karakteristik di rekening perjudian yang ditemukan dalam penelitian ini adalah rekening dimiliki oleh nasabah individu, memiliki frekuensi transaksi melalui channel elektronik lebih tinggi dibandingkan dengan transaksi di teller, sedikit dan hampir tidak pernah melakukan transaksi di teller, dan meskipun memiliki nominal transaksi yang tinggi setiap harinya rekening perjudian memiliki saldo akhir bulan hampir nol. Hasil penelitian ini menunjukkan klasifikasi dengan algoritma ensemble seperti LightGBM dapat mengidentifikasi rekening perjudian. Berdasarkan hasil evaluasi performa klasifikasi dengan algoritma LightGBM memiliki performa terbaik dibandingkan model ensemble lain dan algoritma klasifikasi lainnya.

---

Banks provide services to facilitate financial transactions that are often misused for money laundering activities to disguise illegitimate funds from criminal acts. Gambling is a criminal offense in the jurisdiction of the Republic of Indonesia. Along with the increasing number of customers and new accounts every year, banks face challenges in monitoring financial transactions in accordance with laws and other regulations. Based on the previous research, classification analysis which is part of machine learning can be used for automated analysis and monitor transactions to identify money laundering in the banking industry. However, this has not been proven to identify misuse of accounts in gambling activities. The novelty of this research is gambling activities are considered illegal in 56 countries out of 195 countries in the world. This research was conducted based on real financial transaction data using the SLR, experimental, and semi-structured interviews with several Subject Matter Expertise. In contrast to other criminal money laundering accounts, the characteristics of gambling accounts found in this study are accounts owned by individual customers, having a higher frequency of transactions via electronic channels compared to transactions at tellers, who rarely do transactions at tellers, and despite having many transactions gambling account have nearly zero
end-of-month balances. The results of this study indicate the classification with ensemble algorithms such as LightGBM can identify gambling accounts. Based on the evaluation results of classification performance with LightGBM, this model has the best performance compared to other ensemble models and other classification algorithms.

Abstrak :
Transjakarta merupakan salah satu transportasi umum yang marak digunakan oleh masyarakat. Pertumbuhan jumlah penumpang Transjakarta yang signifikan setiap tahunnya membuat perusahaan perlu untuk menambah armada sesuai dengan permintaan. Penambahan dan pengalokasian jumlah armada harus disesuaikan dengan kebutuhan penumpang. Salah satu cara untuk mengetahui kebutuhan penumpang terhadap armada Transjakarta adalah dengan menganalisis pola kepadatan dari penumpang. Penelitian ini bertujuan untuk mengidentifikasi pola kepadatan penumpang agar dapat menentukan perencanaan operasi dari Transjakarta sesuai dengan kebutuhan. Pendekatan data mining tepat digunakan untuk mengekstrak informasi dari data penumpang Transjakarta yang berjumlah besar, hingga pada akhirnya diperoleh pola kepadatan penumpang yang dapat dipahami dan dianalisis. Metode data mining yang digunakan dalam penelitian ini adalah clustering. Metode clustering mengelompokkan pola kepadatan penumpang yang memiliki karateristik sejenis. Melalui metode elbow, jumlah cluster terbaik sejumlah 4 cluster untuk pola kepadatan penumpang Transjakarta pada rute koridor 1, koridor 6, dan koridor 9. Hasil dari penelitian ini berupa pola kepadatan penumpang dan rekomendasi penjadwalan armada serta rekomendasi alokasi petugas layanan halte yang diharapkan dapat membantu Transjakarta untuk menentukan perencanaan operasi dari perusahaan. ......Transjakarta is a public transportation that is widely used by the society. Significant growth in the number of Transjakarta passengers makes the company must to add the number of bus in order to meet the demand. Bus allocation must be adjusted to the needs of the passengers. One way to find out the passengers needs is to analyze the density pattern of passengers. This study aims to identify the density pattern of passengers in order to determine the operational planning of the company according to needs. The data mining approach is a right approach to extract information from a large number of Transjakarta passenger data, so that a density pattern of passenger can be obtained. The data mining method used in this study is clustering. The clustering method classifies the density pattern of passengers who have similar characteristics. Using the elbow method, 4 clusters were obtained from the density pattern of Transjakarta passengers on the route of corridor 1, corridor 6, and corridor 9. The results of this study are in the form of density pattern of Transjakarta passengers and recommendations of bus schedulling and allocation of bus stop service officer that can be used to determine the operational planning of Transjakarta to meet the passenger needs.

Abstrak :
Indonesia sebagai negara maritim membutuhkan sarana transportasi laut untuk mendorong pertumbungan ekonomi di Indonesia. Mobilitas penumpang dan barang yang terjadi merupakan peluang PT PELNI (Persero) untuk dapat meningkatkan pendapatan perusahaan melalui optimalisasi trayek kapal penumpang. Namun saat ini PT PELNI (Persero) belum dapat menentukan rute-rute potensial sehingga trayek yang ditetapkan belum dapat mengoptimalkan margin keuntungan. Penelitian ini bertujuan untuk menganalisis hasil penjualan tiket penumpang dan barang pada kapal penumpang PT PELNI (Persero) dengan mempelajari pola rute-rute yang sering dilalui penumpang maupun barang pada waktu tertentu dan sebaran penumpang/barang berdasarkan daerah atau pelabuhan di Indonesia agar dapat membantu Manajemen dalam pengambilan keputusan untuk mengoptimalkan trayek perjalanan kapal dan meningkatkan penghasilan perusahaan. Penelitian ini merupakan quantitative research menggunakan experimental strategy dengan pengumpulan data kuantatitatif dari data transaksi penjualan tiket penumpang dan barang pada kapal penumpang untuk dilakukan pengujian hubungan antar variabel dengan pemodelan data mining. Kemudian dilakukan tahapan-tahapan pada data mining menggunakan Cross-Industry Standard Process for Data Mining (CRISP-DM) untuk menemukan pola rute-rute yang sering dilalui oleh penumpang kapal maupun muatan barang. Penelitian ini menggunakan teknik data mining, yaitu clustering dengan algoritma K-Means dan classification dengan algoritma Na�ve Bayes, Decision Tree dan Random Forest. Berdasarkan hasil clustering yang dievaluasi dengan metode Elbow, cluster terbaik yang digunakan adalah cluster dengan nilai k=4 untuk menjadi label pada pemodelan classification. Dari hasil classification, Algoritma yang memiliki tingkat akurasi paling baik adalah algoritma Random Forest dengan nilai accuracy sebesar 99,70% dan accuracy meningkat setelah diseimbangkan dengan SMOTE upsampling menjadi 99,85%. Dari pemodelan data mining yang dilakukan dihasilkan rute-rute potensial untuk angkutan penumpang, potensial untuk angkutan barang, cukup potensial dan kurang potensial untuk penumpang atau muatan barang, sehingga PT PELNI (Persero) dapat mengatur stategi pemasaran untuk mengoptimalkan trayek dengan menyesuaikan rute, mengatur alokasi seat dan frekuensi pelayaran kapal penumpang pada saat peak season maupun low season. ......As a maritime country, Indonesia needs sea transportation to encourage economic growth in Indonesia. The mobility of passengers and cargo is an opportunity for PT PELNI (Persero) to increase revenue by optimizing passenger ship routes. But currently, PT PELNI (Persero) has not been able to determine the potential ship routes, so the route set has not been able to optimize the profit margin. This study aims to analyze the cargo and passenger ticket sales of PT PELNI (Persero) passenger ships by studying the pattern of routes that passengers and cargo often travel at a particular time as well as the distribution of passengers and cargo by region or port in Indonesia to assist Management in making decisions to optimize ship routes and increase company revenue. This research uses the experimental strategy with quantitative data from transaction data on sales of cargo and passenger tickets on passenger vessels to test the relationship between variables with data mining modeling. Then the steps are done on data mining using Cross-Industry Standard Process for Data Mining (CRISP-DM) to find the pattern of routes that ship passengers and cargo often pass. This research uses data mining techniques: clustering with the K-Means algorithm and classification with Na�ve Bayes, Decision Tree, and Random Forest algorithm. Based on the clustering results evaluated using the Elbow methods, the best cluster to use is a cluster with a value of k=4 to be a label in classification modeling. From the classification results, the algorithm with the best accuracy level is the Random Forest algorithm, with an accuracy value of 99.70%. The accuracy increases after being balanced with SMOTE upsampling to 99.85%. The data mining modeling produces potential routes for passenger transportation, freight transportation, and enough and less potential for passengers or cargo. So that PT PELNI (Persero) can set a marketing strategy to optimize routes by adjusting routes, managing allocation seats, and frequency of passenger ships during peak and low seasons.

Abstrak :
ABSTRAK Penelitian ini bertujuan untuk mengkaji pemanfaatan algoritma COBWEB dalam data mining untuk menemukenali fraud transaction dan disajikan dalam bentuk yang lebih informatif berdasarkan data riwayat transaksi yang sudah ada. Metode pengujian melalui WEKA digunakan untuk mengevaluasi cluster terbesar pada status pembayaran yang bernilai tidak diproses sebagai indikasi fraud transaction. Data hasil dari pengujian yang dilakukan akan dijadikan masukan untuk dianalisa berdasarkan parameter yang membentuk sebuah transaksi pembayaran online yang sah. Dengan menggunakan analisis cluster dan besar dataset sekitar 5000, didapatkan persentase hasil evaluasi cluster terbaik sebesar 78% dengan pengaturan nilai cutoff pada angka 0.001. Berdasarkan penggunaan 15 sampel data dari cluster terbaik yang berasal dari hasil analisa ditemukan ada 3 pendekatan baru dalam menjelaskan indikasi fraud, yakni (1) Kesamaan penggunaan parameter dalam status ditangguhkan, (2) Kesamaan parameter status ditangguhkan yang juga beririsan langsung dengan status sukses, dan (3) Adanya perubahan terhadap parameter status ditangguhkan secara terpola juga beririsan langsung dengan status sukses dalam jangka waktu yang berdekatan. Pendekatan analisa dengan menggunakan metode statistik digunakan juga dalam penelitian ini sebagai alat bantu untuk menunjang hasil evaluasi dan memberikan tren transaksi. Hasil evaluasi dari metode statistik dengan menggunakan data dari riwayat pembayaran, didapat: Sebesar 2.98% alamat IP dan 2% nominal transaksi menjadi penyebab pembayaran online berstatus ditangguhkan atau tidak diproses.

---

ABSTRACT This research intends to examine COBWEB algorithm in data mining to identify fraud transaction based on transaction history. Examination was conducted using WEKA method, which focused on analyzing fraud of deferred transaction. Analysis of 5000 data sets with cutoff setting at 0,001 resulted that the best cluster has 78% of percentage. Furthermore, according to the evaluation of 15 samples in the best cluster, respectively, new approaches in explaining indication of fraud were discovered. In brief, those approaches are (1) the similarities in parameter usage of transaction with deferred status; (2) the sliced of similarities in parameter usage of deferred and success transaction; (3) the pattern of changes of deferred transaction parameter which intersect directly with parameter of success transaction within adjacent period. In addition, statistics method was also applicated in this research as a tool to support the evaluation and provide the trend of transaction. As a result, IP address and transaction nominal accounted at 2,98% and 2% respectively, as a cause of deferred or unprocessed status in online payment system.

Abstrak :
Upaya untuk meningkatkan kepuasan dan loyalitas donatur serta untuk memandu perumusan perencanaan pengembangan organisasi, maka dibutuhkan strategi pengembangan donatur, adapun untuk melakukan strategi pengembangan donatur dapat dilakukan dengan pendekatan data mining yang meliputi pengelompokan donatur dengan metode clustering dan hasil pengelompokan tersebut dievaluasi dengan artificial neural network (multilayer perceptron), dan menggunakan metode association rules untuk menganalisa peta pemasaran serta dirumuskan strategi pengembangan donatur berdasarkan data transaksi dan visi misi. Hasil penelitian menyarankan bahwa manajemen hubungan lembaga amil zakat dengan donatur perlu dikembangkan sehingga terjalin komunikasi yang aktif antar keduanya.

---

Efforts to increase donor satisfaction and loyalty as well as to guide the formulation of organizational development planning, donor development strategy is required, as for donors to make development strategy can be done with data mining approach that involves the grouping of donors by the method of clustering and classification results were evaluated by artificial neural network (multilayer perceptron), and using methods of association rules to analyze a map of marketing and donor development strategies are formulated based on transaction data and the vision and mission. The results suggest that the management of relations with donor amil zakat institution should be developed so that active communication is established between them.