Nama : Much.

Ade Trejana Oktora

Noreg : 5235 12 5007
Prodi : P.TIK NR 2012

Tugas Bahasa Indonesia Ke 1

1.1.

BAB I
PENDAHULUAN
Latar Belakang Masalah..

1.2.

Identifikasi Masalah.

1.3.

Pembatasan Masalah

1.4.

Perumusan Masalah..

1.5.

Tujuan Umum Penelitian.....

1.6.

Kegunaan Penelitian..
BAB II

2.1.2.5.
2.1.2.6.
2.1.2.7.
2.1.3.
2.1.3.1.
2.1.3.2.
2.1.4.
2.1.4.1.

6
7

KAJIAN TEORITIS DAN KERANGKA BERFIKIR

2.1.
Kajian Teoritis
2.1.1.
Prestasi Belajar....
2.1.1.1. Faktor yang Mempengaruhi Prestasi Belajar..................
2.1.2.
Data mining.
2.1.2.1. Pengertian Data mining...............
2.1.2.2. Proses KDD....................
2.1.2.3. Data................
2.1.2.4. Atribut Diskrit dan Kontinu................
Task Data Mining..............................................
Klasifikasi ..............................................
Algoritma Nave Bayes .............................................
UML (Unified Modeling Language) dan UP (Unified Process)...................
UML ..............................................
UP..............................................
Java ................................
Kelebihan Java .............................................

8
8
8
13
18
18
26
31
32
33
36
38
40
40
44
45
46

1.4.3. Paradigma OOP (Object Oriented Programming)..........................................

2.1.5 Basis Data...........................
2.1.5.1. Proses Pengembangan Basis Data ..........................................
2.1.5.2. MySQL............................................
2.2. Kerangka Berfikir................
BAB III METODOLOGI PENELITIAN ....
3.1. Tujuan Operasional Penelitian ................
3.2. Tempat dan Waktu Penelitian................
3.3. Metode Penelitian................
3.4. Instrumen Penelitian................
3.5. Pelaksanaan Penelitian ........................
3.5.1. Proses Pengembangan Software .........................
3.5.2. Identifikasi Masalah yang akan Dipecahkan Menggunakan Software
3.5.3. Dekskripsi Perangkat Lunak ..........................
3.5.4. Pembuatan Use Case ..........................
3.5.5. Identifikasi Class ...........................
3.5.6. Identifikasi Methode dan Atribute ......................
3.5.7. Pembuatan Class Diagram .........................
3.5.8. Desain Struktur Database......................
3.5.9. Pembuatan Activity Diagram........................
3.5.10. Pembuatan Communication Diagram .......................
3.5.11. Desain Visual GUI..
3.5.12. User Interface Flow Diagram......
3.5.13. Penulisan Coding
3.5.14. Integrasi....
3.5.15. Kriteria Pengujian Software.
BAB IV HASIL PENELITIAN.....
4.1. Hasil Pengujian Perangkat Lunak.............
4.2. Hasil Pengujian Data Mining ...............
4.3. Pembahasan Hasil Pengujian Perangkat Lunak...................
4.4. Pembahasan Hasil Pengujian Data Mining..............

48
51
52
52
53
56
56
56
56
56
57
57
58
59
61
62
63
65
70
71
76
78
86
87
88
88
98
98
108
113
114

BAB V KESIMPULAN, IMPLIKASI DAN SARAN.........

5.1. Kesimpulan...............
5.2. Implikasi Bidang Keteknikan dan Pendidikan ............
5.2.1. Implikasi Bidang Keteknikan......................
5.2.2. Implikasi Bidang Pendidikan .......................
5.3. Saran................

117
117
119
119
119
119

Komentar saya setelah membaca skripsi ini adalah dengan adanya pengembangan aplikasi Data
Mining menggunakan Algoritma Naive Bayes ini sangat membantu pekerjaan manusia dalam
pengelolaan DBMS (Database Management System). Dari yang sederhana yang hanya
menggunakan Microsoft Access sampai penggunaan yang cukup sulit seperti Oracle Database.

Perbandingan skripsi dengan beberapa artikel yang bersumber dari Internet

1. Data Mining : Serangkaian proses untuk menggali nilai tambah berupa informasi yang
selama ini tidak diketahui secara manual dari suatu basisdata dengan melakukan penggalian
pola-pola dari data dengan tujuan untuk memanipulasi data menjadi informasi yang lebih
berharga yang diperoleh dengan cara mengekstraksi dan mengenali pola yang penting atau
menarik dari data yang terdapat dalam basisdata.
sumber : http://www.metris-community.com/pengertian-data-mining-konsep-pdf/ pada
Rabu 26 Februari 2014 09.07 PM
2. Naive Bayes Algorithm : The Microsoft Naive Bayes algorithm is a classification algorithm based on
Bayes theorems, and provided by Microsoft SQL Server Analysis Services for use in predictive modeling.

Sumber : http://msdn.microsoft.com/en-us/library/ms174806.aspx pada Rabu 26 Februari

2014 09.11 PM

3. Unified Modeling Language : UML is an industry standard modeling language with a rich graphical
notation, and comprehensive set of diagramsand elements. A comprehensive UML modeling tool like Enterprise Architect is
the ideal way to take control of your software or business project now!

Sumber : http://www.sparxsystems.com.au/platforms/uml.html pada Rabu 26 Februari

2014 09.16 PM

4. Unified Process : The Essential Unified Process (EssUP) is a collection of practices that
together form the essential knowledge of a complete software development lifecycle.
Sumber: http://www.ivarjacobson.com/process_improvement_technology/essential_unified_pro
cess_software/ pada Rabu 26 Februari 2014 09.18 PM
5. Java : Java is a programming language expressly designed for use in
the distributed environment of the Internet. It was designed to have the "look and feel" of
the C++ language, but it is simpler to use than C++ and enforces an object-oriented
programming model.
Sumber : http://searchsoa.techtarget.com/definition/Java pada Rabu 26 Februari 2014 09.20 PM