DATA MINING PENGOLAHAN DATA CALON PEKERJA MIGRAN INDONESIA (PMI) DENGAN PENERAPAN METODE KLUSTERING K-MEANS DAN METODE KLASIFIKASI K-NEAREST NEIGHBOR (KNN): STUDI KASUS PT. SAM

DEDY, DEDY (2020) DATA MINING PENGOLAHAN DATA CALON PEKERJA MIGRAN INDONESIA (PMI) DENGAN PENERAPAN METODE KLUSTERING K-MEANS DAN METODE KLASIFIKASI K-NEAREST NEIGHBOR (KNN): STUDI KASUS PT. SAM. S1 thesis, Universitas Mercu Buana Jakarta.

Preview

Text (HAL COVER)
01 COVER.pdf
Download (1MB) | Preview

Text (BAB I)
02 BAB 1.pdf
Restricted to Registered users only
Download (294kB)

Text (BAB II)
03 BAB 2.pdf
Restricted to Registered users only
Download (266kB)

Text (BAB III)
04 BAB 3.pdf
Restricted to Registered users only
Download (39kB)

Text (BAB IV)
05 BAB 4.pdf
Restricted to Registered users only
Download (1MB)

Text (BAB V)
06 BAB 5.pdf
Restricted to Registered users only
Download (95kB)

Text (BAB VI)
07 BAB 6.pdf
Restricted to Registered users only
Download (561kB)

Text (DAFTAR PUSTAKA)
08 DAFTAR PUSTAKA.pdf
Restricted to Registered users only
Download (89kB)

Text (LAMPIRAN)
09 LAMPIRAN.pdf
Restricted to Registered users only
Download (1MB)

Abstract

Informasi adalah suatu hal yang sangat penting bagi perusahaan untuk melaksanakan proses bisnisnya secara efektif dan efisien. Informasi dapat diperoleh dari hasil pengolahan data, salah satunya adalah dengan proses Data Mining. Data Mining dapat menggali dan mengolah data menjadi suatu informasi yang sangat penting dan berguna yang mungkin belum diketahui sebelumnya. Clustering menganalisis objek data dimana label kelas tidak diketahui dan dapat digunakan untuk menentukan label kelas tidak diketahui dengan cara mengelompokkan data untuk membentuk kelas baru. Klasifikasi adalah proses menemukan model (fungsi) yang menjelaskan dan membedakan kelas-kelas atau konsep, dengan tujuan agar model yang diperoleh dapat digunakan untuk memprediksikan kelas atau objek yang memiliki label kelas tidak diketahui. Metode clustering diterapkan dalam penelitian ini untuk menghasilkan kelompok (kluster) data yang dapat menggambarkan pola kemiripan karakteristik data atribut penilaian kualitatif penentu dan data atribut lamanya waktu Calon Pekerja Migran Indonesia (CPMI) tersebut dari perekrutan sampai dengan berangkat ke luar negeri untuk bekerja (perhitungan waktu dari tanggal masuk Balai Latihan Kerja (BLK) dan tanggal keberangkatan). Sedangkan Metode klasifikasi KNN diterapkan untuk mengolah dataset hasil pengolahan K-Means sebelumnya dengan tujuan untuk menghasilkan pola klasifikasi data dalam memprediksi klasifikasi nilai atribut data pendukung CPMI baru. Kata Kunci: Klustering, Klasifikasi, CPMI, K-Means, KNN

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41518110182
Uncontrolled Keywords:	Klustering, Klasifikasi, CPMI, K-Means, KNN
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika > 004.6 Interfacing and Communications/Tampilan Antar Muka (Interface) dan Jaringan Komunikasi Komputer
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	Dede Muksin Lubis
Date Deposited:	24 May 2022 04:56
Last Modified:	24 May 2022 04:56
URI:	http://repository.mercubuana.ac.id/id/eprint/61695

Actions (login required)

View Item