Data Mining adalah serangkaian proses yang memperkerjakan satu atau lebih teknik pembelajaran komputer untuk menganalisis dan mengekstrak pengetahuan secara otomatis atau serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak orang ketahui secara manual. Salah satu teknik dari Data Mining yang sering orang gunakan untuk melakukan prediksi pada data mahasiswa yang akan mengulang mata kuliah yaitu klasifikasi dengan algoritma C4.5.

Algoritma C4.5 yaitu sebuah algoritma yang berfungsi untuk membangun decisiontree (pengambilan keputusan). Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya untuk mem-break down proses pengambilan keputusan yang kompleks menjadi lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan [5]. AlgoritmaC.45 adalah salah satu algoritma induksipohon keputusan yaitu ID3 (IterativeDichotomiser 3). ID3_dikembangkan oleh J.Ross Quinlan. Dalam prosedur algoritmaID3, input berupa sampel training, labeltraining dan atribut. Algoritma C4.5merupakan pengembangan dari ID3.Beberapa pengembangan yang  pada C4.5 adalah sebagai antara lain bisa mengatasi missing value, bisa mengatasi continue data, dan pruning.

Komponen Source Code

Adapun komponen source code antara lain:

• Login, membatasi user yang bisa menggunakan aplikasi.
• Data Atribut, mengolah data atribut yang mana bisa untuk menambah, ubah, dan hapus.
• Data Nilai Atribut, mengolah data nilai atribut yang mana bisa untuk menambah, ubah, dan hapus. Nilai merupakan pilihan untuk masing-masing atribut
• Dataset, mengolah dataset yang mana bisa ditambah, ubah, dan hapus. Dataset juga bisa mengimport dari file csv dengan delimiter (pemisah) comma (,).
• Tree, menampilkan pohon keputusan.
• Perhitungan, melakukan proses perhitungan algoritma, yang hasilnya dapat kita cetak langsung.
• Ubah Password, mengubah password yang hanya bisa dilakukan oleh user dan login, dengan memasukkan password lama dan password baru.

[harga]

The post Source Code Data Mining Klasifikasi Algoritma C4.5 dengan PHP appeared first on Ahzafani Media.

Algoritma K-Nearest Neighbor (KNN) adalah sebuah metode untuk melakukan klasifikasi terhadap objek yang berdasarkan dari data pembelajaran yang jaraknya paling dekat dengan objek tersebut.

The post Data Mining Algoritma K-Nearest Neighbor (KNN) appeared first on Ahzafani Media.

• Terlebih dahulu cari frequent set L_k-1
• Kemudian Langkah menghubungkan Ck dengan menggabungkan L_k-1 dengan variabelnya sendiri L_k-1 x L_k-1
• Kemudian Langkah pemangkasan properti Apriori, setiap himpunan item berukuran k-1 yang kemunculannya tidak sering tidak dapat menjadi himpunan bagian dari himpunan item berukuran k yang kemunculannya sering, maka harus melakukan penghapusan.
• Dan mendapatkan Frequent set L_k telah terwujud.

Komponen Source Code Data Mining Apriori dengan CodeIgniter

Ahzafani Media menyediakan sebuah source code data mining asosiasi dengan metode apriori, berbasis web dengan framework codeigniter. Komponen dalam source code apriori ini antara lain:

• Login  untuk membatasi hak akses user yang bisa menggunakan aplikasi.
• Kategori untuk mengolah kategori atau item transaksi. Kategori bisa umtuk menambah, ubah, dan hapus.
• Data untuk mengolah data transaksi yang bisa tergabung per tanggal, sehingga dalam proses perhitungan bisa melakukan penyaringan data yang akan kalkulasi.
• Proses Apriori untuk mengolah data dengan metode apriori dengan menginputkan minimal support, minimal confidence, dan tanggal.
• Password untuk untuk mengubah pasword yang login.

Ahzafani media menyediakan berbagai macam source code di Disini

The post Source Code Data Mining Apriori CodeIgniter appeared first on Ahzafani Media.

Teknik Fuzzy C Means diperkenalkan pertama kali oleh Jim Bezdek pada tahun 1981. Konsep dasar fuzzy c means, pertama kali adalah menentukan pusat cluster yang akan menandai lokasi rata-rata untuk tiap-tiap cluster. Sesuai dengan namanya fuzzy yang berarti samar. Batas-batas klaster dalam k means adalah tegas (hard) sedangkan dalam fuzzy c means adalah soft.

Komponen Source Code Clustering Fuzzy C Means PHP

Aplikasi ini tersusun menggunakan bahasa pemrograman PHP. Design menggunakan bootstrap dan tema cyborg dari bootswatch.com. Fitur yang tersedia dalam aplikasi ini antara lain:

• Login, membatasi user yang bisa menggunakan aplikasi. Jika user login maka bisa mengolah data, oleh karena itu jika belum login maka user hanya bisa melakukan perhitungan saja.
• Kriteria, mengolah data kriteria apa saja untuk pengelompokan yang bisa tambah, ubah, hapus.
• Alternatif, mengolah data alternatif/sesuatu yang akan nanti untuk clustering.
• Nilai Alternatif, mengatur nilai alternatif untuk setiap kriteria. oleh karena itu ketika menambah alternatif atau kriteria baru, nilai otomatis terisi 0, user bisa mengubahnya.
• Perhitungan, melakukan proses clustering dengan metode fuzzy c means. oleh karena itu User perlu menginputkan jumlah cluster, maksimum iterasi, pembobot, dan epsilon. Jika inputan sudah sesuai dan berhasil terproses, akan menampilkan kelompok masing-masing alternatif dan grafik total anggota setiap cluster.

[harga]

The post Source Code Clustering Fuzzy C Means PHP appeared first on Ahzafani Media.

Data mining, sering juga disebut sebagai knowledge discovery in database (KDD) adalah kegiatan yang meliputi pengumpulan, pemakaian data, historis untuk menemukan keteraturan, pola atau hubungan dalam set data berukuran besar.

Algoritma Data Minning FP-Growth merupakan tinggakatan dari algoritma assosiasi apriori yang menggunakan alternatif frekuensi itemsets berdasarkan angka yang sering muncul pada setiap transaksi (frequent itemset) dalam sebuah kumpulan data. Konsep algoritma FP-Growth yaitu pembentukan pohon (tree) atau FP-Tree dalam pencarian frequent itemsets bukan menggunakan generate candidate pada proses algoritma Apriori. Dengan menggunakan konsep tersebut, algoritma FP-Growth menjadi lebih cepat dari pada algoritma Apriori. Metode FP-Growth terdapat beberapa tahapan utama, ada tiga yaitu:

1. Conditional pattern base,
2. Conditional FP-Tree, dan
3. Itemset Frequent

FP-Growth menggunakan konsep pembangunan tree dalam pencarian frequent itemsets. Hal tersebutlah yang menyebabkan algoritma FP-Growth lebih cepat dari algoritma Apriori. Karakteristik algoritma FP-Growth adalah struktur data yang implementasinya tergunakan adalah tree yang tersebut dengan FP-Tree. Dengan menggunakan FP-Tree, algoritma FP-Growth dapat langsung mengekstrak frequent itemset dari FP-Tree.

Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan asosiasi antara suatu kombinasi item. Interestingness measure yang oleh karena itu dalam data mining adalah :

• Support, adalah suatu ukuran yang menunjukkan seberapa besar tingkat dominasi suatu item atau itemset dari keseluruhan transaksi.
• Confidence, adalah suatu ukuran yang menunjukkan hubungan antar dua item secara conditional (berdasarkan suatu kondisi tertentu)

Komponen Source Code FP-Growth PHP

Adapun komponen source code antara lain:

• Login, Kesimpulannya membatasi user yang bisa menggunakan aplikasi.
• Data Transaksi, Kesimpulannya untuk mengolah data transaksi yang bisa tambah, ubah, hapus, maupun import langsung dari file csv.
• Perhitungan, melakukan proses perhitungan algoritma, yang hasilnya dapat tercetak langsung.
• Hasil Asosiasi, Hasil perhitungan berupa aturan asosiasi (Cssociation Rule).
• Ubah Password, oleh karena itu mengubah password yang hanya bisa user dan login, dengan memasukkan password lama dan password baru.

[harga]

The post Source Code Data Mining Asosiasi Metode FP-Growth PHP appeared first on Ahzafani Media.

Dalam Peramalan ( forecasting php ) merupakan seni dan ilmu untuk memperkirakan kejadian yang akan terjadi pada masa depan. Hal ini dapat melibatkan pengambilan data secara historis dan memproyeksikannya ke masa mendatang dengan suatu bentuk model matematis. Hal ini bisa juga merupakan prediksi intuisi yang bersifat subjektif.

Komponen Source Code Forecasting dengan PHP

Untuk mencoba langsung, bisa melihat demo aplikasinya di Demo Forecasting PHP. Komponen yang tersedia dalam source code ini antara lain:

• Login, untuk bisa mengolah data, oleh karena itu bisa menggunakan forecasting anda harus login terlebih dahulu.
• Jenis, mengolah data produk yang akan terproses peramalan, bisa tambah, ubah, hapus.
• Periode, mengolah data periode, serta menginputkan jumlah produk pada periode tersebut.
• Perhitungan, memproses perhitungan dengan menginputkan periode kapan yang ingin untuk tampil. Periode boleh menginputkan periode mendatang, sebelumnya, maupun yang sudah ada. Jika menginputkan periode yang sudah ada, akan muncul juga selisih dari hasil peramalan dengan data sesungguhnya.
• Bantuan, untuk mengolah bantuan yang nanti bisa terlihat oleh pengunjung website.

[harga]

The post Source Code Forecasting dengan PHP appeared first on Ahzafani Media.

Teknik Fuzzy C Means diperkenalkan pertama kali oleh Jim Bezdek pada tahun 1981. Oleh karena itu konsep dasar Fuzzy C Means, demikian pula demikian pula pertama kali adalah menentukan pusat cluster yang akan menandai lokasi rata-rata untuk tiap-tiap cluster. Kesimpulannya dengan kata lain fuzzy yang berarti samar. Batas-batas klaster dalam k-means adalah tegas (hard) sedangkan dala Fuzzy C Means adalah soft.

Komponen Source Code Cluestering Fuzzy C Means PHP

Source Code menggunakan bahasa pemrograman Native PHP. Design menggunakan bootstrap dan tema cyborg dari bootswatch.com. Fitur yang tersedia dalam aplikasi ini antara lain:

• Login, membatasi user yang bisa menggunakan aplikasi. Misalnya user login maka bisa mengolah data, selain itu jika belum login kesimpulannya user hanya bisa melakukan perhitungan saja
• Kriteria, mengolah data kriteria selain itu untuk pengelompokan yang bisa tambah, ubah, hapus.
• Alternatif, mengolah data alternatif/sesuatu yang akan nanti untuk clustering.
• Nilai Alternatif, kesimpulannya nilai alternatif untuk setiap kriteria. selain itu menambah alternatif atau kriteria baru, nilai otomatis berisi 0, user bisa mengubahnya.
• Perhitungan, melakukan proses clustering dengan metode fuzzy c means. Misalnya User perlu menginputkan jumlah cluster, maksimum iterasi, pembobot, dan epsilon. Oleh karena itu Jika inputan sudah sesuai dan berhasil diproses, akan menampilkan kelompok masing-masing alternatif dan grafik total anggota setiap cluster.

berikut gambaran dari tampilan source code cluestering fuzzy c means php. Oleh karena itu jika anda tertarik dan ingin mengetahui detail lebih lanjut tentang source code ini. ada dapat mengubungi kami melalu Whats App

[harga]

The post Source Code Clustering Fuzzy C Means dengan PHP appeared first on Ahzafani Media.

Dalam penugasan asosiasi dalam data mining digunakan untuk menemukan atribut yang muncul dalam satu waktu atau sekaligus. Salah satu implementasi atau penerapan dari asosiasi adalah market basket analysis atau analisis keranjang belanja.

Source code data mining  dalam Aturan Asosisasi atau Association Rule dengan menggunakan metode Apriori  yaitu Algoritma Apriori termasuk dalam jenis aturan asosiasi pada data mining. Selain apriori, banyak yang  termasuk pada golongan ini adalah metode generalized rule induction dan algoritma hash based. dengan Aturan yang menyatakan asosiasi antara beberapa atribut sering disebut affinity analysis atau market basket analysis. Analisis dengan asosiasi atau association with rule mining adalah sebuah teknik data mining untuk menemukan aturan assosiatif antara suatu kombinasi item yang berkaitan. Sebagai contoh aturan assosiatif dari analisa pembelian di suatu supermarket atau tempat perbelanjaan adalah dapat diketahuinya berapa besar kemungkinan atau peluang seorang pelanggan membeli sebuah sikat gigi bersamaan dengan membeli pasta gigi. Dengan pengetahuan tersebut pemilik supermarket atau tempat perbelanjaan dapat mengatur penempatan barang-barangnya atau merancang strategi pemasaran dengan memakai kupon diskon untuk kombinasi barang tertentu.

Komponen Source Code Data Minning Apriori PHP dan MySQL

Adapun komponen source code antara lain:

• Login, digunakan untuk membatasi user yang bisa menggunakan aplikasi.
• Data Transaksi, digunakan untuk mengolah data transaksi yang bisa ditambah, ubah, hapus, maupun import langsung dari file csv.
• Perhitungan, digunakan untuk melakukan proses perhitungan algoritma, yang hasilnya dapat dicetak langsung.
• Ubah Password, digunakan untuk mengubah password yang hanya bisa dilakukan oleh user dan login, dengan memasukkan password lama dan password baru.

[harga]

The post Source Code Data Mining Asosiasi Metode Apriori PHP appeared first on Ahzafani Media.