Sebanyak 18 item atau buku ditemukan

PANDUAN LENGKAP KLASIFIKASI DOKUMEN ARSIP PROGRAM STUDI MENGUNAKAN SUPPORT VECTOR MACHINE

PANDUAN LENGKAP KLASIFIKASI DOKUMEN ARSIP PROGRAM STUDI MENGUNAKAN SUPPORT VECTOR MACHINE

Source Code kode program yang merangkaian suatu pernyataan atau deklarasi yang ditulis dalam bahasa pemrograman komputer. Internship proses untuk menuangkan ilmu yang telah dipelajari sebagai praktek untuk memiliki pengalaman kerja guna ...

Basis Data

Book chapter ini disusun oleh sejumlah akademisi dan praktisi sesuai dengan kepakarannya masing-masing. Buku ini diharapkan dapat hadir memberi kontribusi positif dalam ilmu pengetahuan khususnya terkait dengan Basis Data. Sistematika buku Basis Data ini mengacu pada pendekatan konsep teoritis dan contoh penerapan. Buku ini terdiri atas 14 bab yang dibahas secara rinci, diantaranya: Pengantar basis data, Lingkungan basis data, Model basis data relational, Relational key, Bahasa model relational, Pengenalan SQL berseta contohnya, Advanced SQL, RDBMS, Pengenalan database, Oracle, Konsep dasar ER, Transformasi ER ke model data relational, Normalisasi, Studi kasus ERD ke model data relational.

Buku ini diharapkan dapat hadir memberi kontribusi positif dalam ilmu pengetahuan khususnya terkait dengan Basis Data. Sistematika buku Basis Data ini mengacu pada pendekatan konsep teoritis dan contoh penerapan.

Rekayasa Perangkat Lunak

Book cahpter ini disusun oleh sejumlah akademisi dan praktisi sesuai dengan kepakarannya masing-masing. Buku ini diharapkan dapat hadir memberi kontribusi positif dalam ilmu pengetahuan khususnya terkait dengan rekayasa perangkat lunak. Sistematika buku rekayasa perangkat lunak ini mengacu pada pendekatan konsep teoritis dan contoh penerapan. Buku ini terdiri atas 12 bab yang dibahas secara rinci, diantaranya: Konsep dan bagian Rekayasa Perangkat Lunak, Model Proses Perangkat Lunak, Analisis dan proses kebutuhan perangkat lunak, Spesifikasi dan Validasi Kebutuhan, Konsep dasar, konteks, Proses, dan Prinsip Perancangan Perangkat Lunak, Isu mendasar dalam perancangan perangkat lunak, Alat Bantu Perancangan (DFD), Alat Bantu Perancangan (UML), Disain Antar Muka (User Interface), Konsep dasar dan teknik dalam pengujian perangkat lunak dan Pemeliharaan Perangkat Lunak.

Buku ini diharapkan dapat hadir memberi kontribusi positif dalam ilmu pengetahuan khususnya terkait dengan rekayasa perangkat lunak. Sistematika buku rekayasa perangkat lunak ini mengacu pada pendekatan konsep teoritis dan contoh penerapan.

Memulai Project Menggunakan Microsoft Visual Basic.NET 2010

DATA MINING

Pengolahan Data Menjadi Informasi dengan RapidMiner

BAB I PENDAHULUAN 1.1 PENGERTIAN DATA MINING Definisi sederhana dari data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di database yang besar. Dalam jurnal ilmiah, data mining juga dikenal dengan nama Knowledge Discovery in Database (KDD). Data mining didefinisikan sebagai satu set teknik yang digunakan secara otomatis untuk mengeksplorasi secara menyeluruh dan membawa ke permukaan relasi-relasi yang kompleks pada set data yang sangat besar. Set data yang dimaksud di sini adalah set data yang berbentuk tabulasi, seperti yang banyak diimplementasikan dalam teknologi manajemen basis data relasional. Akan tetapi, teknik-teknik data mining dapat juga diaplikasikan pada representasi data yang lain, seperti domain data spatial, berbasis teks, dan multimedia (citra). 1.2 SEJARAH DATA MINING Data mining muncul sekitar tahun 90-an. Data Mining memang salah satu cabang ilmu komputer yang relatif baru. Dan sampai sekarang orang masih memperdebatkan untuk menempatkan data mining di bidang ilmu mana, karena data mining menyangkut database, kecerdasan buatan (artificial intelligence), statistik, dan sebagainya. Ada pihak yang berpendapat bahwa data mining tidak lebih dari machine learning atau analisa statistik yang berjalan di atas database. Namun pihak lain berpendapat bahwa database berperanan penting di data mining karena data mining mengakses data

Data mining didefinisikan sebagai satu set teknik yang digunakan secara otomatis untuk mengeksplorasi secara menyeluruh dan membawa ke permukaan relasi-relasi yang kompleks pada set data yang sangat besar.

DATA MINING

Kebutuhan akan data mining perkembangan komputerisasi telah menghasilkan kumpulan data yang cukup besar sehingga secara otomatis telah tersimpan di dalam database dan menghasilkan tumpukan data ataupun yang sering disebut gudang data. Ketersediaan data yang melimpah, kebutuhan akan informasi (pengetahuan) sebagai pendukung pengambilan keputusan untuk membuat solusi bisnis. Data yang menumpuk di dalam database sangat bermanfaat dan dapat digunakan sebagai acuan pada aktivitas berikutnya jika dikelola dengan baik. Pengelolaan yang dimaksud adalah bagian dari ekstraksi data atau bagian dari penambangan data sehingga akan menghasilkan pola baru untuk dijadikan sebagai bagian dari keputusan. Data mining muncul sekitar tahun 90-an. Data mining memang salah satu cabang ilmu komputer yang relatif baru. Dan sampai sekarang orang masih memperdebatkan untuk menempatkan data mining di bidang ilmu mana, karena data mining menyangkut database, kecerdasan buatan (artificial intelligence), statistik dan sebagainya.

Data mining muncul sekitar tahun 90-an. Data mining memang salah satu cabang ilmu komputer yang relatif baru.

Data Mining Konsep Dan Penerapannya

Penambangan data atau dikenal sebagai data mining telah menarik banyak perhatian di kalangan industri informasi dan masyarakat secara keseluruhan dalam beberapa tahun terakhir, karena ketersediaan data yang sangat besar dan kebutuhan yang mendesak untuk mengolah data tersebut menjadi informasi dan pengetahuan atau knowledge yang berguna. Informasi dan pengetahuan yang diperoleh dapat dimanfaatkan untuk berbagai aplikasi mulai dari analisis pasar, deteksi penipuan, dan retensi pelanggan, hingga pengendalian produksi dan eksplorasi sains. Penambangan data dapat dilihat sebagai hasil dari evolusi alami teknologi informasi. Buku ini berisi konsep data mining secara lengkap beserta penerapan dan contoh kasusnya. Tujuan buku ini adalah memberi pemahaman tentang langkah-langkah dalam KDD (Knowledge Discovery Data), konsep data mining beserta penerapannya. Kelebihan buku ini adalah menyajikan langkah-langkah penerapan data mining dengan menyajikan contoh kasus, rumus dan penyelesaian secara detail dari algoritma-algoritma populer dalam data mining. Buku ini dilengkapi dengan contoh studi kasus algoritma-algoritma populer dalam data mining yang mewakili metode Classification, Association dan Clustering. Dengan membaca buku ini, diharapkan pembaca dapat melakukan praktik proses penambangan data dengan algoritma sesuai kebutuhannya. Buku ini sangat berguna bagi mahasiswa, dosen maupun peneliti untuk menunjang penguasaan algoritma data mining yang digunakan dalam penelitiannya. Data Mining Konsep Dan Penerapannya ini diterbitkan oleh Penerbit Deepublish dan tersedia juga dalam versi cetak.

Data Mining Konsep Dan Penerapannya ini diterbitkan oleh Penerbit Deepublish dan tersedia juga dalam versi cetak.

Metode Penalaran Dalam Kecerdasan Buatan

Manajemen Sumber Daya Manusia; Suatu Pendekatan Fungsional Teoretis Dan Aplikatif