PELATIHAN DAN SIMULASI DATA MINING PADA SMA NEGERI 3 SEMARANG
Abstract
SMA Negeri 3 Semarang adalah salah satu dari beberapa SMA terbaik di kota semarang yang Siswa/i serta Gurunya mempunyai keahlian tinggi. Unsur utama yang dapat menaikkan keahlian SMA tersebut adalah telah dilakukannya kaloborasi dengan perguruan tinggi dalam kegiatan pelatihan dan peningkatan ilmu pengetahuan dari berbagai bidang, agar supaya dapat bersaing diera globalisasi. Sekarang ini menguatkan keahlian Siswa/i dan Guru merupakan hal utama, karena nantinya akan dapat bersaing dengan negara maju lainnya. Untuk menguatkan keahlian tersebut maka dilakukan pelatihan dan simulasi data mining di SMA Negeri 3 Semarang. Diawali dengan survei, kemudian dianalisis dan akhirnya dilaksanakan kegiatan pelatihan data mining. Hasil dari pengabdian masyarakat data mining ini adalah Siswa dan Guru mampu memahami data mining, contoh dan penerapannya, sehingga Siswa dan Guru memiliki pengetahuan khusus data mining yang berguna untuk meningkatkan kompetensi dan persaingan global.
References
K. Vadim, “Overview of different approaches to solving problems of data mining,” Procedia Comput. Sci., vol. 123, pp. 234–239, 2018, doi: 10.1016/j.procs.2018.01.036.
V. Plotnikova, M. Dumas, and F. Milani, “Adaptations of data mining methodologies: A systematic literature review,” PeerJ Comput. Sci., vol. 6, pp. 1–43, 2020, doi: 10.7717/PEERJ-CS.267.
G. Zhu, “Precision Retail Marketing Strategy Based on Digital Marketing Model,” Sci. J. Bus. Manag., vol. 7, no. 1, p. 33, 2019, doi: 10.11648/j.sjbm.20190701.15.
M. K. J. Pei, Jiawei Han, Data mining: Data mining concepts and techniques. 2012.
A. Novikov, “PyClustering: Data Mining Library,” J. Open Source Softw., vol. 4, no. 36, p. 1230, 2019, doi: 10.21105/joss.01230.
S. H. Bhojani and N. Bhatt, “Data Mining Techniques and Trends – A Review Commerce Computer Science Data Mining Techniques and Trends – A Review Assistant Professor-Anand Agriculture University-Anand - Gujarat Assistant Professor – RK University , Rajkot - Gujarat,” no. May 2016, pp. 1–4, 2018.
T. Marnoto, “Drying of Rosella (Hibiscus sabdariffa) Flower Petals using Solar Dryer with Double Glass Cover Collector,” Int. J. Sci. Eng., vol. 7, no. 2, pp. 155–160, 2014, doi: 10.12777/ijse.7.2.150-154.
S. A. N. Alexandropoulos, S. B. Kotsiantis, and M. N. Vrahatis, Data preprocessing in predictive data mining, vol. 34, no. January. 2019.
M. Sharma, S. Sharma, and G. Singh, “Performance analysis of statistical and supervised learning techniques in stock data mining,” Data, vol. 3, no. 4, pp. 1–16, 2018, doi: 10.3390/data3040054.
S. Rezig, Z. Achour, and N. Rezg, “Using data mining methods for predicting sequential maintenance activities,” Appl. Sci., vol. 8, no. 11, 2018, doi: 10.3390/app8112184.
L. Colonna, “A Taxonomy and Classification of Data Mining,” Sci. Technol. Law Rev., vol. 16, no. 2, pp. 309–369, 2013.
M. R. Ayyagari, “A Framework for Analytical CRM Assessments Challenges and Recommendations,” Int. J. Bus. Soc. Sci., vol. 10, no. 6, pp. 5–13, 2019, doi: 10.30845/ijbss.v10n6p2.
L. Kharb, “Data Mining- A Distinctive approach to CRM,” Ijsrnsc, vol. 7, no. 2, 2019.
G. Schuh et al., “Data mining definitions and applications for the management of production complexity,” Procedia CIRP, vol. 81, pp. 874–879, 2019, doi: 10.1016/j.procir.2019.03.217.
S. Chen, X. Li, R. Liu, and S. Zeng, “Extension data mining method for improving product manufacturing quality,” Procedia Comput. Sci., vol. 162, no. Itqm 2019, pp. 146–155, 2019, doi: 10.1016/j.procs.2019.11.270.
Abstract viewed = 426 times 
PDF : 333 times
Copyright (c) 2022 Setyo Budi, Farrikh Al Zami, Sendi Novianto, Asih Rohmani, Sri Winarno, Indra Gamayanto, Titien Suhartini Sukamto, Sasono Wibowo, Ramadhan Rakhmat Sani
This work is licensed under a Creative Commons Attribution 4.0 International License.
.png)
