ANALISIS DATA UNTUK MENENTUKAN TARGET PEMASARAN YANG TEPAT DAN MENINGKATKAN PEMBELAJARAN SISWA DENGAN MENGGUNAKAN ORANGE DATA MINING
Keywords:
Pengabdian kepada Masyarakat, Orange Data Mining, Literasi Data, Pemasaran, Pembelajaran Berbasis DataAbstract
Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk meningkatkan literasi data di kalangan siswa SMK melalui pelatihan penggunaan Orange Data Mining, sebuah perangkat lunak open-source yang memungkinkan analisis data secara visual dan interaktif. Kegiatan ini dilaksanakan di SMK Sasmita Jaya 1, Pamulang, dengan melibatkan siswa dari jurusan Teknik Komputer dan Jaringan. Pelatihan difokuskan pada dua aspek utama, yaitu pemanfaatan data mining untuk strategi pemasaran yang lebih tepat sasaran dan untuk mendukung proses pembelajaran berbasis data. Metode pelaksanaan meliputi sosialisasi konsep dasar data mining, pengenalan antarmuka Orange, serta praktik langsung dalam mengolah dan menganalisis dataset. Materi yang disampaikan mencakup teknik klasifikasi, klasterisasi, dan visualisasi data, dengan studi kasus terkait perilaku pelanggan dan analisis pola belajar siswa. Hasil kegiatan menunjukkan bahwa peserta mampu memahami dan mengimplementasikan konsep dasar analisis data dengan baik. Mereka juga menunjukkan peningkatan minat terhadap teknologi data dan pemahaman mengenai penerapannya dalam kehidupan nyata, baik di bidang bisnis maupun pendidikan. Kegiatan ini tidak hanya memberikan keterampilan teknis, tetapi juga mendorong pola pikir berbasis data (data-driven mindset) sejak dini.
References
Agung Nugraha, O. N. (2022). PENERAPAN DATA MINING METODE K-MEANS CLUSTERING UNTUK ANALISA PENJUALAN PADA TOKO YANA SPORT. JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 6 No. 2, September 2022, 849-855.
Aisyah Nurul Izza, D. E. (2022). ANALISIS SENTIMEN OBJEK WISATA DI PROVINSI SULAWESI SELATAN BERDASARKAN ULASAN PENGUNJUNG MENGGUNAKAN METODE RANDOM FOREST CLASSIFIER. Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI) Vol. 3, No. 2, Desember 2022, 97-105.
Amin Elhan, M. K. (2022). Analisis Sentimen Pengguna Twitter terhadap Vaksinasi COVID-19 di Indonesia menggunakan Algoritme Random Forest dan BERT. Jurnal Ilmu Komputer Agri Informatika Volume 9 Nomor 2, 199–211.
Debby Alita, A. R. (2020). Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier. Jurnal Komputasi Vol. 8 No. 2, 2020, 50-58.
Dinda Safitri, S. S. (2023). ANALISIS PENGGUNAAN ALGORITMA KLASIFIKASI DALAM PREDIKSI KELULUSAN MENGGUNAKAN ORANGE DATA MINING. RABIT: Jurnal Teknologi dan Sistem Informasi Univrab, Volume 8 No. 1 | Januari 2023 , 75-81.
Evita Fitri, Y. Y. (2020). Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine. TRANSFORMATIKA, Vol.18, No.1, July 2020, 71-80.
Fanka Angelina Larasati, D. E. (2022). Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 6, No. 9, September 2022, 4305-4313.
Fransiska Vina Sari, A. W. (2019). ANALISIS SENTIMEN PELANGGAN TOKO ONLINE JD.ID MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER BERBASIS KONVERSI IKON EMOSI. Jurnal SIMETRIS, Vol. 10 No. 2 November 2019, 681-686.
Hairani, A. Z. (2020). PELATIHAN PENGENALAN DATA SCIENCE UNTUK MENINGKATKAN KEMAMPUAN DALAM PENGOLAHAN DATA. Jurnal Abdidas Volume 1 Nomor 3 Tahun 2020, 95-99.
Hana Chyntia Morama, D. E. (2022). Analisis Sentimen berbasis Aspek terhadap Ulasan Hotel Tentrem Yogyakarta menggunakan Algoritma Random Forest Classifier. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 6, No. 4, April 2022, 1702-1708.
Hozairi, A. S. (2021). IMPLEMENTASI ORANGE DATA MINING UNTUK KLASIFIKASI KELULUSAN MAHASISWA DENGAN MODEL K-NEAREST NEIGHBOR, DECISION TREE SERTA NAIVE BAYES. Jurnal Ilmiah NERO Vol. 6 No. 2, 133-144.
Indriyanti, N. I. (2022). IMPLEMENTASI ORANGE DATA MINING UNTUK PREDIKSI HARGA BITCOIN. JURNAL RESPONSIF, Vol. 4No.2 Agustus 2022 E-ISSN:2685-6964, 118-125.
James Sanger, R. F. (2007). The Text Mining Handbook: Advanced Approaches In Analyzing Unstructured Data. New York: Cambridge Universiry Press.
Muhammad Reza Utama Pulungan, D. E. (2022). Analisis Sentimen Ulasan Aplikasi PeduliLindungi dengan Metode Random Forest. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 6, No. 9, September 2022, 4378-4385.
Muhammad Yusril Aldean, P. N. (2022). Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 di Twitter Menggunakan Metode Random Forest Classifier (Studi Kasus: Vaksin Sinovac). Journal of Informatics, Information System, Software Engineering and Applications (J. OF INISTA) VOL. 4, NO. 2, PP.064-072, MEI 2022 , 64-72.
Ni Made Ary Novita Dewi, P. S. (2022). Klasifikasi Data Penjualan Dengan Metode K-Nearest Neighbor Pada Pt. Terang Abadi Raya. Jurnal Sistem Informasi dan Komputer Terapan Indonesia (JSIKTI) Vol.5, No.1, September 2022, 11-20.
Samosir, F. T. (2019). The Effectiveness of Youtube as a Student Learning Media (Study at the Faculty of Social and Political Sciences, University of Bengkulu). Record and Library Journal, 4(2), 81–91. https://doi.org/10.20473/rlj.V4-I2.2018, 81-91.
Suci Amaliah, M. N. (2022). Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi Di Kedai Kopi Konijiwa Bantaeng. VARIANSI: Journal of Statistics and Its Application on Teaching and Research Vol. 4 No. 2 (2022), 121-127.
Sugiyono. (2018). Metode Penelitian Pendidikan Pendekatan Kualitatif, Kuantitatif dan R & D. Bandung: Alfabeta.
Tala, F. Z. (2003). A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia. The Netherlands: Universiteit van Amsterdam.
Thifal Fadiyah Basar, D. E. (2022). Analisis Sentimen Pengguna Twitter terhadap Pembayaran Cashless menggunakan Shopeepay dengan Algoritma Random Forest. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 6, No. 3, Maret 2022, 1426
Windu Gata, P. (2017). Akurasi Text Mining Menggunakan Algoritma K-Nearest Neighbour pada Data Content Berita SMS. Jurnal Format Volume 6 Nomor 1 Tahun 2017, 1-13.
