Sistem Informasi Pustaka

Concepts of Database Management

Data Mining : Algoritma dan Implementasi

Data Mining - Algoritma dan Implementasi

Data Mining Menggunakan Android, Weka, Dan Spss

Implementasi Data Mining Menggunakan Weka

Data Mining Dan Data Warehouse Menggunakan Aplikasi KNIME

Data Mining: Algoritma dan Implementasi dengan Pemrograman PHP

Data Mining : Konsep dan Aplikasi

Sebanyak 2421 item atau buku ditemukan

Kategori : Computers

Previous 1..7 8 9 10 111213 14 15 16..202 Next

Concepts of Database Management

Strengthen your understanding of database management today with the thorough, hands-on presentation found in CONCEPTS OF DATABASE MANAGEMENT, 10th Edition. Real cases, practical examples, helpful screenshots and concise explanations help clarify concepts, such as database design, data integrity, normalization, concurrent updates, data security and big data. Completely updated content reflects Microsoft Access 2019, Office 365 standards and SQL Server 2019, while exploring SQL in a database-neutral environment. Detailed coverage presents the relational model (including QBE and SQL), normalization and views as well as database administration and management. You also examine advanced topics, such as distributed databases, data warehouses, stored procedures, triggers, data macros and Web Apps. Completely redesigned MindTap digital resources provide step-by-step practice using Access 2019 with instant feedback. Trust this contemporary introduction to help you master today's database techniques to advance your career in any field.

Lisa Friedrichsen, Lisa Ruffolo, Philip J. Pratt, Ellen Monk,

Important Notice: Media content referenced within the product description or the product text may not be available in the ebook version.

Database Management Systems

Database Management Systems (DBMS), based on the introductory database course at the University of Wisconsin-Madison and class-tested at over 20 universities, is a must for any course in database or file organizations. DBMS provides a hands-on approach to relational database systems, with an emphasis on practical topics such as indexing methods, SQL, and database design. This book also provides up-to-date coverage of advanced topics (including active, deductive, and object databases; parallel and distributed systems; and decision support) and can be used in a second database course.

Raghu Ramakrishnan,

This introductory database text takes a hands-on approach to relational database systems, emphasising both conceptual and physical database design and tuning.

Concepts of Database Management

Ensure students gain a thorough, applied understanding of critical database issues with Starks/Pratt/Last's CONCEPTS OF DATABASE MANAGEMENT, 9E. Real-world cases, examples and screenshots in this concise presentation help clarify database design, data integrity, normalization, concurrent updates, data security, and big data. Completely updated to SQL Server 2016, Microsoft Access 2016, and Office 365 standards, this edition explores SQL in a database-neutral environment while addressing E-R diagrams, normalization, and database design. Detailed coverage presents the relational model (including QBE and SQL), normalization and views, database administration and management. The book also examines advanced topics such as distributed databases, data warehouses, stored procedures, triggers, data macros, and Web Apps. This database introduction is ideal for a variety of disciplines.

Joy Starks, Philip Pratt, Mary Last,

Completely updated to SQL Server 2016, Microsoft Access 2016, and Office 365 standards, this edition explores SQL in a database-neutral environment while addressing E-R diagrams, normalization, and database design.

Data Mining : Algoritma dan Implementasi

Data mining dapat diterapkan untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual. Terdapat beberapa teknik yang digunakan dalam data mining, salah satu teknik data mining adalah clustering. Terdapat dua jenis metode clustering yang digunakan dalam pengelompokkan data, yaitu hierarchical clustering dan non-hierarchical clustering. Buku ini terdiri dari 10 (sepuluh) bab, yaitu : Bab 1 Pengelompokkan Data dengan Algoritma K-Means Bab 2 Pengelompokan Data dengan Algoritma K-Medoids Bab 3 Asosiasi Data Mining dengan Algoritma A Priori Bab 4 Pengklasifikasian Data dengan Algoritma C4.5 Bab 5 Klasifikasi Citra dengan K-NN Bab 6 Penerapan Data Mining dengan Particle Swarm Optimization dan Decision Tree C4.5 Bab 7 Klasifikasi Data Menggunakan Algoritma Naive Bayes Bab 8 Implementasi Data Mining dengan Regresi Linear Berganda Bab 9 Performa klasifikasi Dataset dengan metode Correlation Based Feature Selection (CFS) Bab 10 Text Mining : Twitter Analysis

Anjar Wanto,

Buku ini terdiri dari 10 (sepuluh) bab, yaitu : Bab 1 Pengelompokkan Data dengan Algoritma K-Means Bab 2 Pengelompokan Data dengan Algoritma K-Medoids Bab 3 Asosiasi Data Mining dengan Algoritma A Priori Bab 4 Pengklasifikasian Data dengan ...

Data Mining - Algoritma dan Implementasi

Data telah memiliki peran yang sangat penting di era saat ini. Dunia modern telah menjadikan data sebagai landasan dalam menyelesaikan berbagai persoalan yang dihadapi. Melalui data juga dapat dihasilkan berbagai informasi penting yang dapat menjadi salah satu alat bantu dalam pengambilan keputusan. Data dalam ukuran yang sangat besar tentunya memerlukan teknik untuk menggali berbagai informasi dan pengetahuan yang dimiliki oleh data. Data mining merupakan salah satu teknik untuk membuat data yang berukuran besar menjadi informasi yang sangat penting. Data mining bertujuan menghasilkan berbagai pola yang sebelumnya tidak diketahui. Banyak persoalan di bidang ekonomi, bisnis, pertanian, kehutanan, pemerintahan, ekologi, dan lain sebagainya dapat diselesaikan dengan menggunakan data mining.

Muhammad Arhami, S.Si., M.Kom., Muhammad Nasir, S.T., M.T., S.Si., M.Kom., Muhammad Nasir, S.T., M.T., S.Si., M.Kom., Muhammad Nasir, S.T., M.T., S.Si., M.Kom., Muhammad Nasir, S.T., M.T.,

Data telah memiliki peran yang sangat penting di era saat ini.

Data Mining Menggunakan Android, Weka, Dan Spss

Data adalah kumpulan objek dan atributnya. Melalui sejumlah atribut yang menunjukkan karakteristik dari objek, suatu objek dapat digambarkan. Atribut juga dikenal sebagai fitur, variabel, field, atau karakteristik. Sebagai contoh pada data pelanggan, seorang pelanggan merupakan objek, di mana seorang pelanggan mempunyai ID, nama, dan alamat pelanggan yang merupakan atribut. Tujuan pembuatan buku ini adalah untuk menambah wawasan pembaca perihal data, jenis-jenis data, pengertian data mining, metode klasifikasi, metode cara mengolah data menggunakan metode-metode yang ada di Data Mining, yaitu Principal Component Analysis, Decision Tree, Naïve Bayes, Support Vektor Machine, Association Rule, Clustering, deteksi anomali, dan penerapan metode-metode tersebut untuk membangun aplikasi.

Indah Werdiningsih, Barry Nuqoba, Muhammadun, Barry Nuqoba, Muhammadun,

Data adalah kumpulan objek dan atributnya.

Implementasi Data Mining Menggunakan Weka

Data mining merupakan ilmu yang digunakan untuk mengolah informasi dan sekumpulan data yang memanfaatkan kecerdasan dalam membangun pola-pola untuk mengenali karakteristik dari data. Pada perkembangannya, konsep data mining diperlukan untuk mengatasi permasalahan fundamental dalam menganalisis data. Buku ini menyajikan cara memahami data mining dasar secara implementatif, sehingga mudah dipahami dan dipelajari oleh siapa saja, baik mahasiswa, dosen, maupun praktisi yang tertarik untuk mempelajari data mining. Bahasan pada buku ini mencakup: Pengantar Data Mining dan Pengenalan WEKA, Preprocessing Data Mining, Klasifikasi, Clustering, dan Association Rule.

Sigit Adinugroho, Yuita Arum Sari, Yuita Arum Sari,

Data mining merupakan ilmu yang digunakan untuk mengolah informasi dan sekumpulan data yang memanfaatkan kecerdasan dalam membangun pola-pola untuk mengenali karakteristik dari data.

Data Mining Dan Data Warehouse Menggunakan Aplikasi KNIME

Buku ini dibuka dengan pembahasan tentang konsep Data Mining, konsep Data Warehouse, dan pengenalan penggunaan Aplikasi KNIME. Selanjutnya dibahas berbagai metode yang digunakan dalam ML seperti Decision Tree, Random Forest, SVM, Naïve Bayes, KNN, Regresi Linier, Regresi Logistic, K-Means, dan FP-Growth. Buku ini menarik untuk dipelajari karena dijelaskan secara sederhana dan detail. Selain itu buku ini dilengkapi dengan implementasi menggunakan Aplikasi KNIME. Impelemntasi ini mudah untuk diikuti karena dijelaskan secara bertahap menggunakan software open-source yang powerfull dan mudah dipahami.

Dr. Eng. Imam Tahyudin, MM, Indika Manggala Putra, S.Kom, Alif Yahya Syafa’at, MM, Indika Manggala Putra, S.Kom, Alif Yahya Syafa’at,

Buku ini dibuka dengan pembahasan tentang konsep Data Mining, konsep Data Warehouse, dan pengenalan penggunaan Aplikasi KNIME.

Algoritma Data Mining

Analisis Data Dengan Komputer

Dengan berbagai macam cara pada Data Mining, data berukuran besar menjadi dapat di analisis sehingga dapat menjadi informasi berguna. Algoritma Data Mining banyak dimanfaatkan ilmuwan dari berbagai penjuru dunia untuk mencari solusi permasalahan yang terjadi di dalam kehidupan nyata. Data Mining atau penambangan data merupakan sekumpulan aktivitas mengolah data menjadi informasi berguna sehingga dapat dimanfaatkan oleh manusia di berbagai situasi. Salah satu permasalahan dalam penerapan Data Mining adalah tentang keamanan dan kerahasiaan. Contohnya ketika dilakukan penelitian tentang kebiasaan pelanggan swalayan dalam membeli produk di tempat tersebut. Secara tidak langsung aktivitas tersebut merupakan eksplorasi kebiasaan seseorang tanpa izin. Ilmuwan masih terus mengembangkan berbagai cara untuk meningkatkan kemampuan Data Mining agar dapat lebih optimal ketika digunakan untuk menyelesaikan permasalahan di kehidupan nyata. Market-Based Analysis dimanfaatkan oleh manajer swalayan untuk mendapatkan informasi tentang jenis produk yang sebaiknya mendapatkan perlakuan khusus. Contohnya, diberlakukan harga diskon, di tempatkan di rak bagian depan atau dapat di tempatkan di bagian belakang agar rak depan dapat digunakan untuk barang lain yang dianggap lebih potensial. Mengikuti perlombaan atau konferensi penelitian Data Mining dapat menjadikan peserta lebih aktif sekaligus menambah teman. Setelah memahami bermacam-macam algoritma yang digunakan dalam Data Mining, pembaca menjadi memiliki banyak alternatif untuk dijadikan pilihan ketika ingin menerapkan algoritma Data Mining untuk menyelesaikan permasalahan sehari-hari. Kesalahan penggunaan metode mengakibatkan kerugian bagi pelakunya. Contohnya di swalayan pengumpulan identitas email pelanggan dilakukan dengan memasukkan data secara manual. Aktivitas tersebut membutuhkan waktu lama, rawan terjadi kesalahan dan membutuhkan biaya tinggi.

Miftahul Huda, M.Kom, M.Kom,

Algoritma Data Mining banyak dimanfaatkan ilmuwan dari berbagai penjuru dunia untuk mencari solusi permasalahan yang terjadi di dalam kehidupan nyata.

Data Mining

Semakin banyak dan mudahnya data yang terkumpul namun kurang begitu maksimal untuk mengetahui kandungan informasi di dalamnya membuat adanya suatu teknik yang dikenal sebagai Data Mining untuk melakukan ekstraksi data sehingga mendapatkan informasi yang secara tersembunyi. Buku ini dapat digunakan sebagai pedoman dasar untuk mengetahui dan mengembangkan serta mengaplikasikan metode yang digunakan dalam data mining.

Lailil Muflikhah, Dian Eka Ratnawati, Rekyan Regasari MP, Dian Eka Ratnawati, Rekyan Regasari MP, Dian Eka Ratnawati, Rekyan Regasari MP, Dian Eka Ratnawati, Rekyan Regasari MP,

Data Mining: Algoritma dan Implementasi dengan Pemrograman PHP

Era industri 4.0 dengan pilar utama, yaitu Internet of Things (IoT), cloud computing, artificial intelligence, dan big data telah memproduksi banyak sekali data. Penumpukan data tersebut akan menjadi masalah, karena data tersebut akan menjadi "sampah" dalam memori dan tidak bermanfaat. Agar data tersebut menjadi bermanfaat perlu diekstraksi agar menjadi informasi/pola/pengetahuan baru. Metode untuk ekstraksi data tersebut dinamakan data mining. Data mining didefinisikan sebagai proses ekstraksi suatu data (sebelumnya tidak diketahui, bersifat implisit, dianggap tidak berguna) menjadi informasi atau pengetahuan atau pola dari data yang jumlahnya besar. Buku ini mengupas tuntas algoritma-algoritma untuk proses pengolahan data menjadi informasi dalam data mining. Dalam buku ini akan dijelaskan secara teoritis (definisi dan penghitungan manual algoritma) dan aplikatif (implementasi dan testbed penghitungan manual algoritma menggunakan bahasa pemrograman PHP), dan jenis algoritma data mining, seperti algoritme k-Nearest Neighbor, algoritme Naïve Bayes, algoritme ID3, algoritme C4.5, algoritme CART, serta algoritme K-Means.

Joko Suntoro,

Era industri 4.0 dengan pilar utama, yaitu Internet of Things (IoT), cloud computing, artificial intelligence, dan big data telah memproduksi banyak sekali data.

Data Mining : Konsep dan Aplikasi

Bab 1 - Pengantar ...................................................................... 1 1.1. Data Mining : Apa dan Mengapa? ............................. 1 1.2. Fungsi Data Mining ...................................................... 3 Bab 2 - Proses Datamining ...................................................... 5 2.1. Proses Data Mining ....................................................... 5 2.2. Model Cross Standar Ptocess Industrial Data Mining/ CRISP-DM ...................................................................... 8 Bab 3 - Memahami Data .......................................................... 13 3.1. Macam-macam data ...................................................... 13 3.2. Macam-macam atribut .................................................. 15 3.3. Statistik diskriptif data .................................................. 21 Bab 4 - Pemrosesan Awal data ................................................ 23 4.1. Pengantar pemrosesan awal data ................................ 23 4.2. Membersihkan data ....................................................... 27 4.3. Transformasi data .......................................................... 27 4.4. Integerasi Data ............................................................... 28 4.5. Normalisasi Data ........................................................... 28 4.6. Memasukkan data yang hilang (Missing Data) ......... 29 4.7. Identifikasi noise ............................................................ 29

Mulaab,

Bab 1 - Pengantar ...................................................................... 1 1.1.

Previous 1..7 8 9 10 111213 14 15 16..202 Next