No abstract

No abstract

No abstract

No abstract

Program promosi melalui berbagai media untuk meningkatkan dan menguatkan rekrutmen mahasiswa yang terdistribusi pada setiap program studi secara ideal dan setara diperlukan untuk membuat perguruan tinggi selalu bertumbuh. Demografis mahasiswa dapat menjadi karakteristik khusus dalam memilih program studi. Begitupun lata belakang pendidikan mahasiswa dan keluarga. Berdasarkan masalah yang telah dikemukakan sebelumnya, maka peneliti tertarik untuk melakukan penelitian terkait data pendaftaran mahasiswa. Secara spesifik pengolahan terhadap data secara konseptual dapat dilakukan menggunakan proses Data Mining. Salah satu proses dari Data Mining yang dapat memberikan pengetahuan tentang keterkaitan antar variabel data adalah Association-Rule Mining. Metode yang digunakan yaitu Predictive Apriori sebagai metode asosiasi untuk mengekstrak profil mahasiswa dari universitas untuk mendapatkan wawasan yang lebih baik tentang apa yang harus dilakukan tim pemasaran untuk memperkuat kampanye pemasaran.  Data tersebut akan diolah sehingga dapat dikenali karakteristik atau pola dari data-data yang ada dengan harapan dapat memberikan pengetahuan untuk dapat meningkatkan efektifitas promosi dan rekrutmen mahasiswa. Metode tersebut menghasilkan total 44456 rules, yang selanjutnya dilakukan filter berdasarkan rules yang mengandung atribut Prodi dan nilai akurasi minimum 90% (0.9). Rules yang dihasilkan akan dijadikan saran ajuan terhadap bagian pemasaran untuk melakukan pola roadshow atau promosi sesuai pola yang telah terbentuk.

No abstract

Bantuan Langsung Tunai (BLT) merupakan salah satu bentuk pemulihan ekonomi berupa jaring pengaman sosial. Pemberian keputusan kepada penerima BLT harus dilakukan dengan baik dan tepat sasaran. Selama ini pemberian dana bantuan sosial di Desa Cintajaya masih menggunakan masih menggunakan aplikasi pendukung seperti Microsoft Excel dan belum adanya database yang mendukung sehingga keakuratan data kurang terjamin. Dari akar permasalahan tersebut akan dibangun sebuah Sistem Pendukung Keputusan untuk menentukan penerima BLT di Desa Cintajaya dengan menggunakan metode Weighted Aggregated Sum Product Assesment (WASPAS). Dalam penelitian ini  diperlukan kriteria dan alternatif untuk mendapatkan solusi pengambilan keputusan penerimaan BLT. Sistem pendukung keputusan ini menggunakan sistem berbasis web agar penggunaanya efektif dan efisien. Berdasarkan hasil pengujian dapat disimpulkan bahwa sistem dapat berjalan sesuai dengan metode. Dari 83 alternatif di peroleh bahwa kandidat (ranking teratas) yang layak menerima Bantuan Langsung Tunai adalah 35 alternatif, dengan batasan nilai preferensi (Qi) yang berhak menerima bantuan minimal 0.46074091161547.

Abstrak - Salah satu keluhan yang terjadi pada usaha kafe yaitu banyaknya pelanggan yang menanyakan jenis menu disetiap transaksi, baik setiap jenis menu atau kombinasi beberapa jenis menu yang sebaiknya mereka pilih. Hal tersebut menjadikan satu transaksi harus diselesaikan dengan waktu yang lama. Jika hal tersebut terus berlanjut akan semakin banyak kesan negatif, sehingga pelanggan tidak mau kembali berkunjung. Dampak lainnya dapat mengakibatkan kerugian pihak manajemen dan menurunnya omset perusahaan. Untuk pembuatan kombinasi menu, tools yang akan digunakan pada percobaan ini adalah RapidminerStudio 9.10 dengan metode Association Rules dan algoritma FP-Growth. Data yang digunakan adalah transaksi penjualan Internet Learning Cafe selama 6 bulan terakhir, sebanyak 38.405 transaksi. Data transaksi berformat (.CSV) nantinya akan disesuaikan dengan perkembangan keadaan menu terbaru, pengurangan Items menu terendah dan lainnya. Pembentukan paket menu ditentukan berdasarkan support yaitu nilai yang menjelaskan berapa kali sebuah Itemset muncul dari sejumlah dataset dan nilai Confidence yang menampilkan seberapa sering relasi yang muncul diantara Itemset X dan Y. Untuk mendapatkan nilai tersebut data harus melalui 6 tahapan proses yaitu Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation dan Deployment. Setelah itu Rules atau Knowledge akan ditampilkan pada beberapa baris dengan nilai tertinggi.Kata Kunci: Data Mining, Association Rules, FP-Growth, Rapid Miner. Abstract -  One of the complaints that occurs in the cafe business is the number of customers who ask for the type of menu in each transaction, either each type of menu or a combination of several types of menus that they should choose. This makes one transaction to be completed in a long time. If this continues, there will be more and more negative impressions, so that customers do not want to come back to visit. Other impacts can result in management losses and a decrease in company turnover. For making menu combinations, the tools that will be used in this experiment are RapidminerStudio 9.10 with  Association Rules algorithm FP-Growth. The data used are Internet Learning Cafe sales transactions for the last 6 months, totaling 38,405 transactions. Transaction data in (.CSV) format will later be adjusted to the latest developments in the menu, reducing items the lowest menuThe formation of the menu package is determined based on support , which is a value that explains how many times an Itemset appears from a number of datasets and a Confidence that displays how often a relationship appears between  Itemset X and Y. To get this value the data must go through 6 stages of the process, namely Business Understanding, Data Understanding , Data Preparation, Modeling, Evaluation and Deployment. After that Rules or Knowledge will be displayed on several lines with the highest value.  Keywords: Data Mining, Association Rules, FP-Growth, Rapid Miner.