UDiNus Repository

Analisa Data Mining Menggunakan Metode Bayes Untuk Mengukur Tingkat Kerusakan Mesin Motor (Studi Kasus Pada AHASS Astra Motor Kudus)

YUNUS, PRADIKA (2014) Analisa Data Mining Menggunakan Metode Bayes Untuk Mengukur Tingkat Kerusakan Mesin Motor (Studi Kasus Pada AHASS Astra Motor Kudus). Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (236Kb) | Preview
    [img]
    Preview
    PDF
    Download (3869b) | Preview

      Abstract

      Data mining merupakan sebuah proses untuk menganalisis sekumpulan data yang dapat menghasilkan sebuah pengetahuan atau informasi baru sebagai alat pendukung pengambilan keputusan. Dalam penyusunan tugas akhir ini penulis menemukan permasalahan yang terdapat pada bengkel motor AHASS Astra Motor Kudus dalam menentukan tingkat kerusakan motor yang sering dialami oleh konsumen. Dengan diterapkannya teknik data mining pada dataset bengkel AHASS penulis dapat mengukur tingkat kerusakan yang sering dialami oleh konsumen. penulis menerapkan metode klasifikasi sebagai salah satu fungsi data mining untuk menemukan pola dari serangkaian himpunan data menggunakan algoritma Naive Bayes. Metode ini diterapkan pada database AHASS Astra Motor Kudus dengan menganalisis data servis yang yang tersimpan.penerapan metode ini dilakukan dengan cara menghitung suatu nilai yang terdapat dari tiap elemen untuk nantinya diklasifikasi berdasarkan hasil yang diperoleh dari perhitungan yang telah dilakukan. Hasil dari analisa yang telah dilakukan dengan algoritma Naive Bayes ini diharapkan dapat dimanfaatkan oleh manager sebagai alat untuk mendukung pengambilan keputusan dalam menentukan kebijakan yang akan diambil kedepan pada AHASS Astra Motor Kudus.

      Item Type: Article
      Subjects: Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Sistem Informasi
      Divisions: Fakultas Ilmu Komputer
      Depositing User: Psi Udinus
      Date Deposited: 10 Oct 2014 17:44
      Last Modified: 16 Nov 2014 15:06
      URI: http://eprints.dinus.ac.id/id/eprint/12871

      Actions (login required)

      View Item