DATA MINING MENGGUNAKAN ROUGH SET DALAM MENGANALISA MODAL UPAH PRODUKSI PADA INDUSTRI SERAGAM SEKOLAH (Studi Kasus: Toko Sukses Bengkulu)

Putra, Rahman Arief (2019) DATA MINING MENGGUNAKAN ROUGH SET DALAM MENGANALISA MODAL UPAH PRODUKSI PADA INDUSTRI SERAGAM SEKOLAH (Studi Kasus: Toko Sukses Bengkulu). Masters thesis, Universitas Putra Indonesia YPTK.

[img]
Preview
Text (ABSTRAK)
THESIS_RAHMAN ARIEF PUTRA_172321015_ABSTRAK.pdf

Download (26kB) | Preview
[img]
Preview
Text
THESIS_RAHMAN ARIEF PUTRA_172321015_BAB I.pdf

Download (43kB) | Preview
[img]
Preview
Text (BAB I)
THESIS_RAHMAN ARIEF PUTRA_172321015_BAB I.pdf

Download (43kB) | Preview
[img]
Preview
Text (DAFTAR PUSTAKA)
THESIS_RAHMAN ARIEF PUTRA_172321015_Daftar Pustaka.pdf

Download (99kB) | Preview
[img] Text (FULL TEXT)
THESIS_RAHMAN ARIEF PUTRA_172321015_FULL TEXT.pdf
Restricted to Repository staff only

Download (2MB)

Abstract

Dalam sebuah industri sangat membutuhkan dana, salah pengelolaan atau tidak tersedianya dana dapat berdampak buruk bagi indsutri tersebut, salah satunya pada toko sukses yang masih menggunakan modal internal yaitu modal dari hasil penjualan toko itu sendiri, hasil penjualan tidak selalu mencukupi untuk membayarkan uang upah produksi yang menyebabkan keterlambatan pembayaran yang berdampak buruk pada kinerja pekerja dan industri itu sendiri, KDD adalah proses menentukan informasi berguna dalam sebuah data set, data mining yang merupakan tahapan dari KDD pada penelitian ini dilakukan dengan menggunakan metode Rough set, dengan tahapan Decision System, Equivalence Class, Discernibility Matrix, Discernibility Matrix Modulo D, Reduct, dan Generate Rule, data upah produksi pada toko sukses dapat dimanfaatkan untuk menemukan solusi dalam menganalisa upah produksi yang kerap tidak tercapai, Hasil penelitian menemukan 81 rule dari 6 reduct dari 11 Equivalence Class yang memberikan informasi baru yaitu faktor penyebab tidak tercapainya modal upah produksi, faktor utama ialah upah jahit, upah obras, dan upah potong yang tinggi disaat bersamaan.

Item Type: Thesis (Masters)
Subjects: 0 Research > Ilmu Komputer > Data Mining dan KDD
0 Research > Ilmu Komputer
Divisions/ Fakultas/ Prodi: Fakultas Ilmu Komputer > Magister Ilmu Komputer (S2)
Depositing User: Fani Alivia S.S.i
Date Deposited: 30 Mar 2023 06:54
Last Modified: 30 Mar 2023 06:54
URI: http://repository.upiyptk.ac.id/id/eprint/4449

Actions (login required)

View Item View Item