Jurnal atau procceeding

 

Nama : Febry

Npm   : 52417294

Kelas  : 4IA19

Jurnal 1

Judul Jurnal : Penerapan data mining: Perawatan kesehatan diabetes pada pasien muda dan tua

Metode Yang Digunakan : Oracle Data Miner (ODM), menggunakan teknik data mining berbasis regresi. algoritma support vector machine

Tujuan : mengidentifikasi efektivitas jenis pengobatan yang berbeda untuk kelompok usia yang berbeda.

Hasil & Pembahasan : untuk seorang dokter, beberapa hasil logis dan klinis masuk akal, tapi tidak semua. Hasil yang si peroleh di sini menggaris bawahi kebutuhan untuk mencocokan data yang tersedia dengan kueri yang menghasilkan secara klinis informasi yang berarti. ketidak cocokan dapat mengakibatkan statistik analisis data yang sesuai, tetapi secara klinis tidak sesuai.

Kesimpulan : Penelitian ini menyimpulkan bahwa pasien diabetes lanjut usia harus diberi penilaian dan rencana pengobatan itu disesuaikan dengan kebutuhan dan gaya hidup mereka. Kesadaran kesehatan masyarakat tindakan sederhana seperti diet rendah gula, olahraga, dan menghindari obesitas harus dipromosikan oleh penyedia layanan kesehatan.

 

Jurnal 2

Judul Jurnal : Penerapan Data Mining Pada Ekspor Buah-Buahan Menurut Negara Tujuan Menggunakan K-Means Clustering

Metode Yang Digunakan : K-Means, Clustering

Tujuan : mengelompokkan objek-objek berdasarkan karakteristik yang dimiliki dalam mengcluster ekspor buah-buahan berdasarkan negara tujuan.

Hasil & Pembahasan : Dalam melakukan clustering, data yang diperoleh akan dihitung terlebih dahulu berdasarkan jumlah ekspor buah buahan pada tahun 2002-2015 berdasarkan negara tujuan. Hasil penjumlahan berdasarkan 2 kriteria penilaian yakni berat bersih (netto) dan nilai FOB

Kesimpulan : Data diolah Untuk melakukan penilaian terhadap hasil ekspor buah-buahan berdasarkan negara tujuan dapat menerapkan metode clustering K-Means. Data diolah untuk memperolah nilai dari produksi ekspor buah-buahan berdasarkan negara tujuan. Data tersebut diolah menggunakan Rapidminner untuk ditentukan nilai centroid dalam 3 cluster yaitu cluster tingkat ekspor tinggi, cluster tingkat ekspor sedang dan cluster tingkat ekspor rendah. Cetroid data untuk cluster tingkat ekspor tinggi 904.276,5, Cetroid data untuk cluster tingkat ekspor sedang 265.501 dan Cetroid data untuk cluster tingkat ekspor rendah 34.280,1.

 

 Jurnal 3

 Judul Jurnal : Penerapan Datamining pada Data Gempa Bumi Terhadap Potensi Tsunami di Indonesia

 Metode Yang Digunakan : Algoritma Naïve Bayes Classifier (NBC)

 Tujuan : untuk mendapatkan informasi/data yang dibutuhkan didalam menyelesaikan berbagai macam masalah dan bermanfaat memberikan sebuah solusi atas masalah yang ada

 Hasil & Pembahasan : Berdasarkan dari data yang sudah dikumpulkan dan juga tahapan preprosesing atau pengelompokan data. Sehingga dapat dibuat data baru yang sudah melalui tahapan Preprosessing tersebut, dimana data tersebut yang akan digunakan pada tahap pemrosesan dan ditarik kesimpulannya.

 Kesimpulan : Berdasarkan hasil dan pembahasan dapat ditarik kesimpulan bahwasaannya dengan menerapkan algoritma Naïve Bayes Classifier (NBC) pada data gempa bumi terhadap potensi tsunami di Indonesia bisa mengetahui kemungkinan efek yang diakibatkan pada gempa bumi.Dengan data testing yang digunakan efek dihasilkan adalah Potensi Tsunami.

 

 Jurnal 4

Judul Jurnal : Penerapan Data Mining Untuk Mengetahui Tingkat Kekuatan Beton Yang Dihasilkan Dengan Metode Estimasi Menggunakan Linear Regression

Metode Yang Digunakan : algoritma linear regression, Cross Validation dan evaluasinya menggunakan Root Mean Square Error (RMSE) .

Tujuan : Dengan aplikasi ini akan mempermudah pembuatan dalam menghitung kekuatan beton yang nantinya akan dihasilkan pada saat pembangunan.

Hasil & Pembahasan : Dengan adanya perhitungan tingkat kekuatan beton maka akan mempermudah perusahaan dalam menghitung komponen atau bahan – bahan yang akan digunakan. dengan memanfaatkan data pembangunan yang selama ini sudah ada dari berbagai bangunan yang sudah dibuat

Kesimpulan : Dengan adanya aplikasi perhitungan kekuatan beton yang nantinya dihasilkan saat pembangungan maka akan memudahkan dalam meningkatkan kualitas beton yang bagus dan memiliki ketahanan yang kuat. Sehingga akan bisa mengetahui hasilnya sesuai dengan rencana. Dimana penggunaan metode Linear Regression sangat baik untuk pemecahan kasus perhitungan kekuatan beton yang akan dihasilkan berdasarkan komponen yang digunakan. Hal ini menjadikan Linear Regression menjadi alternatif lain sebagai metode yang layak dijadikan acuan untuk mengembangkan model estimasi pada kasus – kasus lain. Serta dapat dikembangkan menjadi sebuah sistem pendukung keputusan untuk menghitung kekuatan beton yang akan dihasilkan.

 

 Jurnal 5

Judul Jurnal : Penerapan Data Mining pada Populasi daging Ayam Ras Pedaging Di Indonesia Berdasarkan Provinsi Menggunakan K-Means Clustering.

Metode Yang Digunakan : K-Means, Clustering

Tujuan : untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimiliki serta untuk meminimalkan fungsi objektif yang diatur dalam proses pengelompokan.

Hasil & Pembahasan : Dalam melakukan clustering, data yang diperoleh akan dihitung terlebih dahulu berdasarkan jumlah populasi daging ayam ras pedaging pada tahun 2009-2016 berdasarkan provinsi. Setelah diakumulasikan maka akan didapatkan nilai dari seluruh populasi ayam ras pedaging menurut provinsi. Kemudian data tersebut akan masuk ke tahapan clustering dengan menerapkan algoritma K-Means untuk mengcluster data menjadi tiga cluster. Dari 34 data populasi ayam ras pedaging berdasarkan provinsi dapat dikertahui, 1provinsi cluster tingkat populasi tinggi yakni Jawa Barat, 6provinsi cluster tingkat populasi sedang yakni Sumatera Utara, Jawa Tengah, Jawa Timur, Banten, Kalimantan Selatan dan Kalimantan Timur dan 27provinsi lainnya termasuk cluster tingkat populasi rendah.

Kesimpulan : Data diolah untuk memperolah nilai dari populasi ayam ras pedaging menurut provinsi. Data tersebut diolah menggunakan Ms. Excel untuk ditentukan nilai centroid dalam 3 cluster yaitu cluster tingkat populasi tinggi, cluster tingkat populasi sedang dan cluster tingkat populasi rendah. Cetroid data untuk cluster tingkat populasi tinggi 904.276,5, Cetroid data untuk cluster tingkat populasi sedang 265.501 dan Cetroid data untuk cluster tingkat populasi rendah 34.280,1.