STUDI LITERATUR PEMANFAATAN METODA DATA MINING DALAM BIDANG FILANTROPI DI INDONESIA
Abstract
Data mining merupakan kegiatan untuk mempelajari kemungkinan pola atau keteraturan pada basis data yang berukuran besar. Saat ini teknik data mining digunakan oleh berbagai organisasi dalam berbagai bidang untuk menguatkan daya saing. Tidak ketinggalan, lembaga filantropi saat ini telah menggunakan data mining untuk mengolah data dan pada sistem informasi yang mereka miliki. Tujuan makalah ini melakukan studi literatur terhadap penelitian pemanfaatan data mining di bidang filantropi selama tiga tahun terakhir. Protokol yang digunakan untuk menelusuri dan menyeleksi adalah metode PRISMA. Hasil review literatur menggambarkan bahwa lembaga filantropi di tahun 2019 hingga tahun 2021 telah menggunakan berbagai metode data mining dalam mengolah data dan sistem informasi yang mereka miliki. Dari sekian banyak metoda atau algoritma yang ada, paling sering digunakan adalah klasifikasi, disusul sistem pendukung keputusan dan asosiasi
References
2. Afifah, A. L. N, 2020, Analisis Prediksi dan Faktor Pendukung Kesuksesan Crowdfunding Berbasis Donasi Menggunakan Algoritma C4.5 dan K-Nearest Neighbor (Studi Kasus: Kitabisa.com), Program Studi Teknik Industri Fakultas Teknologi Industri Universitas Islam Indonesia Yogyakarta.
3. Aggarwal, C, 2015, Data mining. Springer International Publishing, New York.
4. Coastera, F. F., Yusa, M., Lediwara, N., & Sari, J. P, 2020, Analisis Performa Algoritma Naïve Bayes Untuk Penentuan Kelayakan Pendonor Darah, Jurnal VOI (Voice Of Informatics), 9(1), 37–46.
5. Gunawan, E., Wahyudi, J., & Sari, Y, 2021, Pendekatan Berbasis Kecerdasan Buatan Dengan Metode Naïve Bayes Untuk Website Baznas, Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM), 6(1), 1–8. https://doi.org/10.20527/jtiulm.v6i1.68
6. Han, J., & Kamber, M, 2006, Data mining Concepts and Techniques (Second Edition), Morgan Kaufmann Publishers. San Fransisco.
7. Mulyawan, A. R., Gata, W., & Alfarizi, S, 2020, Marketing Maps Pada Lembaga Amil Zakat Menggunakan Algoritma Clustering Dan Association Rules, Sistemasi, 9(1), 36. https://doi.org/10.32520/stmsi.v9i1.572
8. Mutmainah, S., Pangesti, N. Y., & Ashari, M. R. A, 2019, Teknik Klasifikasi dengan menggunakan Multilayer Perceptron untuk donor darah di Semarang
9. Pertiwi, D. P., & Anggrainingsih, R, 2019, Evaluation Of Campaign Categories On Kitabisa.Com By Naive Bayes Classifier Method, 8(1), 8.
10. Pradanti, D. C, 2019, Implementasi metode Weight Product (WP) dan Simple Additive Weighting (SAW) dalam pemilihan panti asuhan penerima dana donatur di Kota Malang, Universitas Islam Negeri Maulana Malik Ibrahim
11. Provost, F., & Fawcett, T, 2013, Data Science for Business, O’Reilly Media
12. Piegorsch, Walter W, 2015, Statistical data analytics: foundations for data mining, informatics, and knowledge discovery, John Wiley & Sons.
13. Syadzali, C, 2020, Data mining Menggunakan Algoritma K-Nearest Neighbor Untuk Analisa Perilaku Pelanggan Pada Sistem Layanan Penggalangan Dana Online, Sekolah Pascasarjana Universitas Diponegoro.
14. Usman, S., Aziz, F., & Lutfi, M, 2021, Sistem Pendukung Pengambilan Keputusan Pemberian Bantuan Dengan Metode AHP, Jurnal Media Informatika Budidarma, https://doi.org/10.30865/mib.v5i2.2870
15. Yahya, M., & Parenreng, J. M, 2019, Sistem Cerdas Distribusi Logistik Bencana: Studi Kasus untuk Penanganan Bencana di Indonesia.
Copyright (c) 2022 Fakultas Teknik Universitas Darma Persada
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright
