Banyaknya toko swalayan yang ada di Makassar menjadi sebuah tantangan tersendiri bagi Toko Krisna Mart untuk bersaing di industri perdagangan itu sendiri. Oleh karena itu dibutuhkan adanya proses Data Mining dalam hal pengumpulan dan pengolahan data dengan menggunakan metode association rules mining atau lebih dikenal dengan sebutan market basket analysis untuk mengetahui hubungan antar barang pada satu dataset sebagai sebuah strategi dari Toko Krisna Mart. Market basket analysis terdiri dari beberapa tahap. Tahap pertama merupakan pengumpulan data serta informasi. Tahap kedua ialah pengolahan data serta menggunakan algoritma Hash-Based untuk membentuk association rules. Tahap ketiga melakukan perancangan sistem untuk menggambar proses pada sistem dengan memakai flowchart. Tahap keempat membentuk sistem dari hasil perancangan yang sudah ditentukan. Tahap kelima pengujian sistem memakai black box testing dengan menguji serangkaian kondisi input serta output sesuai spesifikasi sistem yang sudah ditentukan, dan terakhir menginterprestasikan hasil dari penelitian ini. Dari hasil uji coba dengan minimal support 5% dan minimal confidence 20% menghasilkan output berupa 6 list association rules. Hasil association rules ini akan menjadi ajuan pemilik toko swalayan Krisna Mart dalam peletakan barang untuk mempermudah konsumen dalam melakukan transaksi. Keywords : Data Mining, Market Basket Analysis, Association Rules, Algoritma Hash-Based

Vespa menjadi skuter legendaris yang tak lekang oleh waktu. Populasi Vespa dengan mesin 2 tak, alias Vespa lawas masih banyak berseliweran dan sangat mudah dijumpai. Banyak pengguna sepeda motor vespa klasik yang tak paham mengenai perbaikan kendaraan sehingga, butuh mekanik atau bengkel jika kendaraan mereka mengalami masalah ataupun kerusakan.   Apabila   kendaraan   motor   mereka   mengalami kerusakan maka perlu dibawa ke bengkel untuk diperbaiki oleh ahlinya. Namun masih adanya kendala yang dialami mekanik yaitu harus mencari tahu apa permasalahannya, dikarenakan banyak mekanik atau teknisi baru yang belum paham tentang kerusakan-kerusakan motor vespa tersebut. Pada penelitian ini penulis membuat sistem pakar berbasis web untuk mendiagnosis kerusakan pada motor vespa klasik. Metode penelitian menggunakan forward chaining untuk mengukur suatu fakta berdasarkan gejala-gelaja kerusakan pada motor vespa klasik. Pada sistem ini diinput tujuh jenis kerusakan dan masing-masing kerusakan memiliki minimal empat gejala kerusakan sebagai basis pengetahuan ahli. Adapun proses analisis kerusakan digunakan metode forward chaining dan penentuan kerusakannya. Dengan adanya aplikasi sistem pakar ini, dapat memudahkan pemilik motor untuk mengetahui gejala kerusakan motornya, dan untuk montir atau mekanik pemula dapat memudahkan menganalisa/memperbaiki kerusakan motor vespa klasik.    Vespa is a legendary scooter that is timeless. The population of Vespas with 2 stroke engines, aka old Vespas, is still a lot around and very easy to find. Many Users of classic Vespa motorbikes do not understand vehicle repair, so they need a mechanic/workshop if their vehicle is damaged. And if their motor vehicle is damaged, it needs to be taken to a garage to be repaired by an expert. However, there are still obstacles where mechanics have to find out what the problem is, because many new mechanics or technicians don't understand about the damage to the Vespa motorbike. In this study, the authors created a web-based expert system to diagnose damage to classic Vespa motors. The research method uses forward chaining to measure a fact based on the symptoms of damage to the classic Vespa motor. In this system, seven types of damage are input and each damage has at least four damage symptoms as an expert knowledge base. The damage analysis process uses the forward chaining method and determines the damage. With this expert system application, it can make it easier for motorbike owners to find out symptoms of motorbike damage, and for beginner mechanics or mechanics it can make it easier to analyze/repair damage to classic Vespa motorbikes.

The 2010 eruption of Mount Merapi and the resulting rain lava in Central Java's Kab. Sleman DIY and Magelang Regency damaged homes and infrastructure. According to the Head of BNPB Regulation No. 5, the Community Rehabilitation and Reconstruction and Community-Based Settlement program plan is utilized to repair and rebuild properties damaged by the 2011 Merapi eruption. Two thousand five hundred sixteen residences that will stay in the area have been built permanently due to this initiative. Occupancy rates (permanent occupancy) are used by the World Bank's Key Performance Indicators (KPI) to gauge a program's effectiveness. The database has information on how the software was used and proved successful. Databases, essential tools for introducing new data patterns and revealing previously hidden information, are used in data mining. This study applies the KNN algorithm to classify the house's occupancy status data after Mount Merapi's eruption. The accuracy results obtained from the classification of 82.03%, and the performance of the results through the AUC obtained a value of 0.935.

No abstract