MODEL DINAMIS PERGERAKAN REVOLUSI SOSIAL DUNIA MENGGUNAKAN PENDEKATAN KUALITATIF DENGAN UJI APRIORI, DATA KUBIKAL DAN PREDIKSI

JURNAL MASYARAKAT INFORMATIKA INDONESIA JMII Vol 2, No. 1, Januari-Maret 2017 ISSN: 2541-5093

MODEL DINAMIS PERGERAKAN REVOLUSI SOSIAL DUNIA MENGGUNAKAN PENDEKATAN KUALITATIF DENGAN UJI APRIORI, DATA KUBIKAL DAN PREDIKSI Feri Sulianta Fakultas Teknik, Jurusan Teknik Informatika Universitas Widyatama Jalan Cikutra 204A, Bandung, Indonesia [email protected]

Abstrak Seperti dikatakan oleh para pakar bidang gender politik dan sosiolog terjadi problematik yang muncul dengan adanya revolusi sosial dunia yang berakibat pada disintegrasi masyarakat manusia secara individu, kebingungan gender, secara kelompok termasuk pula keluarga. Problem seperti perang antar gender, dan konflik komunitas sosial hanyalah bagian dari akibat yang terjadi karena revolusi sosial. Hanya saja, kondisi sosial masyarakat dunia merupakan subyek yang sulit diukur termasuk pula dalam mengidentifikasi parameter di dalamnya. Maka dari itu perlu dibuatkan model yang akan mewakili subyek sosial masyarakat dunia yang juga mampu yang memunculkan dinamika perubahan sosial. Ruang lingkup sosial dibatasi untuk secara spesifik mengalamati gender politik. Dalam kasus ini, metode kualitatif mampu menangkap ruang lingkup kajian dan variabel perihal revolusi sosial yang terjadi. Kebenaran pemilihan variabel dalam metode ini akan diujikan terlebih dahulu sebelum membangun formasi data kubikal yang akan menampung data-data yang menjadi bukti adanya revolusi sosial dunia. Data pergerakan revolusi sosial ini akan diprediksi menggunakan teknik data mining untuk melihat hasil akhir dalam jangka waktu tertentu perihal kondisi yang terjadi di masyarakat. Hasil prediksi ini dapat dijadikan dasar gagasan untuk memberikan konsultasi edukatif ranah sosial perihal urgensi masyarakat terkait politik gender dan sebagai masukkan bagi tokoh-tokoh pembuat kebijakan dalam menyikapi revolusi sosial.

Prediksi, revolusi sosial dunia, data mining , data kubikal, metode kualitatif, aturan asosiasi

Abstract Experts on gender politics and sociologists express the problematic with the world of social revolution that resulted in the disintegration of individual human societies, gender confusion, as a group including the family. Problems such as the war between the sexes, and social community conflict is just part of the consequences that occur because of social revolution. However, social conditions the world is a subject that is difficult to measure including to identify the parameters in it. Therefore needs to be made the subject of a model which will represent the social world that is also capable to address the dynamics of social change. The scope is limited to specific social with the political gender studies. In this case, a qualitative method is able to capture the scope of the study and variables concerning social revolution that occurred. Truth selection of variables in this method will be tested first before building a data cubical information that will collect data that is providing clues to the social revolution the world. Data movement is a social revolution would be predicted using data mining techniques to see the final results within a specified period, concerning conditions that occur in the community. The results of these predictions can be used as the basis of the idea to provide educational consultation concerning the social aspects of public importance related to gender politics and as the figures entered for policy makers in addressing the social revolution.

Kata kunci :

Jurnal Nasional JMII 2017

18


Keywords : Predictions, world social revolutions, data mining, data cubes, qualitative methods, association rules

I. PENDAHULUAN Berdasarnya pernyataan para ahli perihal konflik dan problem sosial masyarakat, maka hendak dicari tahu tindakan-tindakan preventif dan pembuatan kebijkan dalam mengakamati masalah sosial terkait politik gender. Dikarenakan kondisi sosial dunia merupakan lingkungan yang holistik dan memiliki banyak aspek yang membentuknya, merupakan tantangan besar dalam mencari tahu unsur-unsur yang relevan untuk digunakan sebagai parameter dalam memodelkan revolusi sosial dunia, yang dapat digunakan sebagai alat dalam mengamati pergerakan revolusi sosial dan problem yang terjadi. Menjadi tantangan dalam mengakomodasi pembuatan model ini. Tidak semua masalah dapat dirumuskan dengan pendekatan kuantitatif, hal ini mengacu pada tingkat abstraksi dari lingkungan dan masalah yang ada. Bagi masalah yang memiliki tingkat abstraksi tinggi dan bahkan terkesan tidak tidak realistis, metode kualitatif dapat dijadikan pilihan. Berdasarkan penelitian terdahulu dikatakan bahwa metode kualitatif secara potensial bermanfaat dalam membangunan teori-teori ilmu sosial. Membangun model untuk sistem yang kompleks menjadi lebih mudah. Hanya saja metode ini memerlukan waktu, serta perangkat pendukung lainnya, metode kuantitatif dan teknik statistik dan komputasi digunakan untuk mengaplikasikan metode kualitatif dan juga proses uji[4][5][6][15]. Secara teknis, dalampenelitian ini, teknik-teknik statistik dan data mining digunakan untuk membangkitkan pola dari data-data yang menjadi parameter dan faktor penentu pergerakan revolusi sosial. Kumpulan data-data ini dipilih sedemikian rupa menggunakan pendekatan kualitatif mengacu pada minat orang-orang terhadap kata-kata kunci utama istilah gender politik, juga kata-kata bentukan baru yang muncul seiring revolusi sosial terus berkembang, beberapa kata bernada negatif dan kontradiktif ikut dimunculkan sehubungan pendekatan kualitatif.

Sehubunga data-data terhadulu dalam lima tahun terakhir dan akan lebih baik jika menggunakan data yang jauh lebih banyak dimulai tahun 1970-an karena pergerakan revolusi gender yang mencuat pada tahun-tahun tersebut, hingga kini, data time series memperlihatkan tendensi pelemahan minat orang dalam mencari kata-kata kunci positif yang terelasi dengan kata kunci yang menjadi kemunculan revolusi sosial, sedangkan ada penguatan minat orang-orang terhadap kata-kata kunci yang kontradiktif dengan kemunculan revolusi sosial. Hal ini masih belum dapat dilihat jelas kemana pergerakan revolusi sosia, meskipun para pakar mengatakan adanya titik balik yakni antitesis. Banyak problem yang juga muncul seiring perkembangan revolusi sosial, dan model inidibuat untuk juga mengakomodasi keberadaan problem-problem tersebut.

II. KAJIAN LITERATUR Berdasarkan penelitian terdahulu bahwa metode kualitatif dapat memodelkan kondisi yang sifatnya komplek dan dalam penelitian metode kualitatif dapat dikombinasikan dengan metode kuantitatif. Salah satu contoh dari data kualitatif yakni: bahwa berdasarkan pernyataan seoarang nara sumber yang adalah pergerakan bidang gender politik, menyatakan sebagai berikut:

…bahwa ‘ABC’ tidak sepopuler kelihatannya, banyak yangsebenarnya menyatakan tidak dan diam tidak bergeming sewaktu dihadaapkan dengan aksiaksi ‘ABC’….

Selanjutnya adalah mendapatkan data yang mana data-data kuantitatif didapat sebagai berikut, bahwa data-data statistik yang dikutip dari US. Bereau of Labor Statistic perihal rasio pekerja berdasarkan gender, didapati tendensi bahwa terjadi penurunan jumlah para pekerja pria dari tahun ke tahun dimulai sejak tahun 1950 hingga 2010-an, sebaliknya terjadi kenaikan jumlah pekerja wanita seiring waktu. Seperti tertera pada grafik berikut ini[8]:


19


Sejak awal pergerakan sosial masyarakat dan pemikiran yang dicetuskan oleh para tokoh feminis tertentu, keluarga dipandang sebagai pengekang utama wanita dan dengan bertumbuhnya feminisme mempengaruhi wanita, maka kualitas keluarga tradisional mengalami kemerosotan. Paham tersebit ditularkan oleh orang ke orang lain, dari kelompok ke orang dan dari orang ke kelompok, maka dari itu dampaknya pun luar biasa terhadap keluarga tradisional, seiring maraknya problem keluarga, paham ini terus tumbuh subur [1][2][3][7][11]. Gambar 1. Penurunan persentase pekerja pria di Amerika Serikat

Beberapa data startistik yang dipertimbangkan untuk disertakan dalam model berdasarkan metode kualitatif dipercontohkan sebagai berikut[8]: Jumlah tenaga kerja laki-laki terus mengalami penurunan selama beberapa tahun terakhir. Pada tahun 1950, hampir setiap pria masuk kedalam angkatan kerja, mencakup mereka yang bekerja dan mereka aktif melamar pekerjaan. Jumlahnya terus mengalami penurunan di awal tahun 1956 menjadi 97,7%, dan meluncur ke rekor terendah pada akhir 2012.

Gambar 2. Peningkatan persentase pekerja wanita di Amerika Serikat

Jumlah para pria didapati mendekam di penjara, penyandang cacat, selebihnya tidak dapat menemukan pekerjaan dan menyerah untuk mencari pekerjaan

Fakta-fakta pada grafik di gambar satu dan dua, dalam penelitian kualitatif menjadi salah satu parameter yang berperan dalam pergolakan revolusi sosial masyarakat. Lebih lanjut lagi berdasarkan sumber tertentu dikatakan bahwa revolusi sosial mendorong para wanita untuk terjun ke lapangan kerja, hal ini berdampak pada keluarga, berdampak pula pada berbagai elemen lain yang didapati kontradiktif dengan paham kelompok tertentu, hal ini akan menjadi parameter lainnya untuk disertakan dalam memodelkan pergerakan revolusi sosial yang membawa pada perubahan di masyarakat. Seperti dikutip dalam buku yang mengalamati pergerakan sosial tersebut dikatakan bahwa dalam wawancaranya dengan The Guardian, Diane berkata: “Orang-orang yang bertumbuh pada era feminisme umumnya memiliki pandangan yang sangat beragam tentang keluarga, dimana sejak dulu keluarga seharusnya terdiri dari pria dan wanita heteroseksual, dengan anak dan ibu di rumah[8][11].

Persentase pria di Amerika Serikat yang memiliki pekerjaan menempati porsi kurang dari 65 persen berdasarkan data tahun 2016. Temuan lain yang juga diertakan dalam model kualitatif yakni ketertarikan dan penurunan minat kelompok masyarakat terhadap kasus, konten dan berita seputar politik gender, seperti yang diperlihatkan pada Gambar 3 s.d Gambar 10.

Gambar 3. Diagram peningkatan signifikan bagi orangorang yang mencari kata kunci ‘Y’ di Google


20


Gambar 4. Diagram yang memperlihatkan pola yag sama dengan dua kata kunci pada Google

Gambar 5. Pelemahan minat orang mengakses kata kunci ‘X’ pada Google

Gambar 6. Dua kata kunci ‘Y1’ dan Y2’ yang memiliki relevansi berdasarkan metode kualitatif

dunia perihal ‘Y’. Komunitas yang juda dinamakan identik dengan kata kunci ‘Y’ menyediakan atmosfir bagi audiensinya untuk berdiskusi, bertukar pikiran dan pandangan bahkan berdebat, tidak jarang mereka menyatakan ketidaksetujuan untuk kasus tertentu, misalnya menganalisa perihal suatu kondisi terpapar feminisme atau tidak. Contoh diskusi yang terjadi dalam komunitas ini misalnya adalah perfilm-an yang dijustifikasi bahwa Hollywood saat ini yang disinyalir menjadi ajang propaganda feminisme. Sumber-sumber data pada mensin pencari adalah salah satu yang menjadi parameter peminatan dan perbincangan orang-orang termasuk konflik sosial. Berbagai sumber lain seperti berbagai konten pada jejaring sosial dapat digunakan sebagai wujud meminatan dan perbincangan orang-orang terhadap konflik sosial yang berimbas pada revolusi sosial. Berdasarkan temuan kualitatif inilah, maka kata kunci ‘Y’ menjadi salah satu parameter yang berperan penting dalam memodelkan revolusi sosial, terkait meningkatnya orang-orang yang menggunakan kata kunci dalam mencari kontenkonten melalui mesin pencari. Sedangkan jika ditelahan mendapat kata kunci ini terelasi pula dengan berbagai kata kunci lain bidang gender politik, kata-kata yang dikatakan selaras datau kontradiktif. Kondisi ini membangun keterhubungan jika A maka B atau jika A maka bukan B dan seterudnya untuk berbagai variasi kata dan jumlah kata kunci.

Gambar 8. Peningkatkan kata kunci ‘Y’ Gambar 7. Pemetaan kata kunci ‘Y’ dalam ruang lingkup lokasi geografis dunia

Korekasi kata kunci disertakan dalam penelitian karena dalam metode kualitatif, karena hal ini menjelaskan dan berpengaruh pada revolusi sosial. Lebih lanjut, istilah ‘Y’ yang menjadi paham yang berseberangan dengan ‘X’ mulai mencuat di tahun 2005 dan terus mengalami pertumbuhan dari tahun ke tahun. Member komunitas ini pun aktif setiap jamnya untuk melansir informasi dari seantero

Gambar 9. Pemetaan kata kunci ‘Y’ dalam ruang lingkup lokasi geografis dunia


21


variabel dengan variabel lainnya sebagai berikut [9][12][13]:

Gambar 10. Berbagai kata kunci relevan perihal ‘Y’

Dari daftar-daftar kata kunci dan fakta-fakta pendukung lain yang diambil dari biro statistik, hal ini akan dijadikan bagian dari model keterhubungan yang untuk jangka panjang memjadi alat dalam memodelkan revolusi sosial. Teknik-teknik semisal data mining menjadi alat pembelajaran pola terhadap data-data masa lalu, integrasi metode kualitatif dengan data mining menjadi strategi dalam membangun ruang penelitian yang dulunya tidak tersentuh dalam membangun relasi.

III. ANALISIS DAN PERANCANGAN Langkah pertama yang harus dialamati dalam memindai ruang lingkup yakni membuat model kualitatif perihal revolusi sosial dunia, dengan mencari tahu variabel-variabel yang bertanggung jawab dan berpengaruh pada terbentuknya revolusi sosial, variabel ini dibagi kedalam dua jenis yakni variabel dependen dan variabel independen. Variabel independen merupakan variabel yang menjadi peubah utama dari model, sedangkan variabel dependen adalah variabel yang bergantung pada variabel lain untuk membuat perubahan. Dalam kasus ini metode kualitatif mengcu pada satu nara sumber dapat dijadikan dasar untuk memindai data kualitatif sebaai dasar model revolusi sosial. Dalam kasus model revolusi sosial, contoh variabel Independen adalah salah satu istilah yang disebut sebagai sebut saja ‘Y’ menjadi wakil dari konten yang menjadi ketertarikan masyarakat perihal perang gender, sedangan variabel dependen yang adalah ‘Y1’ yang berpengaruh sehubungnan maraknya ketertarikan orang terhadap konten ‘Y’. Untuk kasus yang lebih komplek melibatkan banyak variabel, perlu ditentukan pula variabelvariabel yang menjelaskan hubungan antara satu

-

Variabel Independen: merupakan jenis variabel yang tidak dipengaruhi variabel lain.

-

Variabel Dependen: merupakan jenis variabel yang dipengaruhi variabel lain.

-

Variabel Moderator: variabel yang mempengaruhi korelasi antar dua variabel.

-

Variabel Intervening: jenis variabel yang mempengaruhi hubungan aantara variabel independen dengan variabel dependen, dan variabel ini menjadi perntara yang membatuk hubungan yang tidak langsung antara variabel dependen dan independen..

-

Variabel Kendali: variabel yang mempengaruhi variabel terikat, tetapi dalam penelitian keberadaannya besifat netral.

Berdasarkan variabel inilah maka akan dibangun data kauliatatif yang menjadi dasar konstruksi perihal korelasi antar data, yang disimpan dalam skema data kubikal yang multidimensi, struktur basis datadan juga data yang tersimpan didalamnya nantinya dilanjutkan dengan proses mining.

Gambar 11. Diagram blok langkah kerja menghasilkan prediksi pergerakan revolusi sosial dunia

Kubikal data Membangun kubikal data dilakukan setelah dibuat korelasi antar variabel, biasanya dalam basis


22


data korporasi, keterhubungan data ini dibangun dengan aturan bisnis yangsifatnya general, sedangkan dalam kasus ini korelasi dibangun berdasarkan penelitian kualitatif yang siatnya subjektif. Hal ini mampu melingkupi bebagai ranah pernelitianyang dulunya tidak tersentuh karena kurangnya dasar pengetahuan. Proses normalisasi dilakukan untuk memenuhi tahap NF3 bentuk normal ketiga, NF4 dann BNC bergantung pada field dan efisiensi kubikal data. Sedangkan keterhubungan dan referensisal integrity rules terpelihara pada kontainer basis data sewaktu mendefinisikan struktur basis data dan juga tabeltabelnya. Proses membangun kubikal data pada dasarnya menjadi bagian dari preparasi datayakni transformasi data sedemikian sehingga data siap ditindak lanjuti dengan teknik data mining untuk menggali pola dan juga untuk keperluan prediksi, dalam hal ini memprediksi pergerakan revolusi sosial dunia. Semakin banyak parameter yang ditemukan dalam pendekatan kualitatif, maka semakin bervariasi dan semakin tinggi tingkat kebenaran hasil prediksi dan semakin luas ruang lingkup prediksi.

Proses data mining diberlakukan yang tujuannya adalah menyiapkan data dan membangun pola dari data. Detail dari proses data mining dapat dilihat pada Gambar 12, mencakup memilih sumber data, transformasi data, membangun pola dan inteprestasi dari pola data[13][14][16][17][18].

Gambar 12. Diagram blok mining secara umum[10][19]

Aturan asosiasi yang dinayakan baik dan menegaskan kebenaraan metode kualitatif, yakni jika didapatkan konfiden sebesar >= 70%. Aturan asosiasi ini akan ditindaklanjuti dengan proses prediksi[10][19]. Aturan asosiasi Dalam kasus ini, temuan pola mining mengacu pada membangun aturan asosiasi yang menjelaskan korelasi variabel ‘jika dan maka’, misalnya: -

Jikaterjadi peningkatan minat pencarian terhadap konten ‘Y1’ akan juga berkontribusi pada meningkatnya minat terhadap material ‘Y2’

-

Jika terjadi peningkatkan minat pencarian terhadap material ‘Y’ maka akan berdampak pada pelemahan minat terhadap material ‘X1’ dan ‘X2’.

Langkah demi langkah algoritma Apriori dijelaskan sebagai berikut di bawah ini: 1.

Menentukan minimum confident yang sama atau lebih tinggi dari 70% dan support yang sama atau lebih tinggi dari 50%.

2.

Memindai kumpulan data untuk mengidentifikasi item frequent yang memiliki support dan confident seperti yang didefinisikan pada langkah pertama.

3.

Membangkitkan kandidat dari frequent item.

4.

Item non frequent akan dieliminasi.

5.

Memindai kumpulan data untuk mengidentifikasi Kandidat yang dikatakan frequent.

Gambar 11. Data kubikal yang menyimpan data utuk memetakan pergerakan revolusi sosial dunia

Data kubikal ini akan dilakukan analisa, mencaup drilling data generalisasi, sumarisasi, slicing dan dicing yang kemudian data yang dilipilh iniakan ditindaklanjuti dengan analisa data mining dalam wjud aturan asosiasi untuk melihat kebenaran dari korelasi yang sudah dipilih melalui metode kualitatif.


23


6.

Jika tidak ada kandidat yang dipertimbangkan kemudian lanjutkan ke langkah 7 lain pergi ke langkah 2.

7.

Aturan asosiasi yang menunjukkan dasar dari frequent item yang ditetapkan.

Berdasarkan penelitian sebelumnya, aturan asosiasi yang dikatakan kuat adalah aturan asosisasi dengan tingat konfiden sebesar >= 70%.

pada pohon akan terus dibentuk, dan proses eksekusi membangun cabang pada tahap ini akan berhenti jika misalnya tidak lagi ditemukan variasi baru. 2. Pohon yang sudah terbentku pada langkah pertama akan dipangkasa dengan teknik regresi. 3. Langkah ketiga, yaitu untuk menghindari kondisi yang fluktuatif dan menghindari inkonsistensi, digunkaan teknik smoothing akan merekonstruksi bentuk pohon logika, termasuk cabang-cabang dan daun. 4. Langkah lebih lanjut yakni menggabungkan proses rekonstruksi dengan model linear yang akan menghasilkan nilai prediks. Algoritma prediksi ini dipilih atas dasar kepemilikan data yang lengkap dan melibatkan banyak sumber datayang terlasi satu sama lain. Sedemikian sehingga diharapkan prediski yang menjadi bagian dari model ini mampu membangun tingkat kebenaran prediksi lebih dari 70%.

Gambar 10. Algoritma Apriori dalam membangun aturan asosiasi

Algoritma Prediksi

Proses yang menajdi bagian dari model ini mengambil data dari ragam sumber salah satunya dari minat seseorang terkait konten internet dengan mengacu pada berbagai kata kunci berdasarkan metode kualitatid yang berhubungan kuat dengan pergerakan revolosu sosial dunia, disamping itu berbagai data-data tambahan disertakan pula mencakup sebab akibat yang disinyalir muncul karena adanya revolusi sosial. Beberapa sampel data yang dimaksud dapat dilihat pada tabel 1 dan tabel 2.

Untuk memprediksi berdasarkan korelasi aturan asosiasi yang telah dihasilkan dan juga pergerakan data secara keseluruhan, maka dalam kasus ini metode prediksi akan dilakukan menggunakan M5P. Algoritma M5P akan menganalisis dan membuat nilai output dengan koleksi nilai-nilai contoh dan fitur vektor, serta waktu perhitungan prediksi keterbatasan rentang yang diinginkan. Pada dasarnya, algoritma ini akan membuat dan melaksanakan pohon keputusan rekonstruksi dengan fungsi regresi linear, untuk setiap node terbentuk. Ada empat langkah utama untuk melakukannya: 1. Induksi pohon keputusan yang menjadi dasar untuk membangun pohon logika, cabang Jurnal Nasional JMII 2017

24


Tabel 1. Sampel data dari kemunculan kata kunci tertentu dalam suatu region per minggunya

dukungan dalam model. Yakni tingkat confidence >= 70% dan tingkat kebenaran prediksi >=70%.

IV. KESIMPULAN DAN SARAN Pendekatakan kualitatif menjadi solusi dalam mnenentukan parameter guna memodelan pergerakan revolusi sosial dunia, hal ini dimungkinkan dengan menggunakan cukup satu nara sumber yang relevan. Metode kuantitatif, komputasi dan statistik sehubungan data mining dan data kubikal menjadi alat yang mampu memodelkan revolusi dunia ini menjadi model yang terukur.

Tabel 2. Sampel data dari kemunculan kata kunci tertentu berbasiskan negara

Sehubungan data-data yang dipilih melalui pendekatan kualitatif, akan diujikan sehingga parameter dapat dikatakan relevan dengan data sehubungan revolusi sosial dunia. Teknik-teknik membangun data kubikal sanggup memetakan data multideminsi ini dengan memperhatikan integritas basis data sehingga model dapat dipelihara melalui keterhubungan antar elemen yang menjadi tindak lanjut dari metode kualittaif. Data yang sudah tersimpan tersebut akan ditindaklanjuti dengan ragam teknik mining sehingga siap untuk dikelola lebih lanjut untuk menambang pola data. Pengujian lebih lanjut dalam membangun aturan asosiasi adalah wujud dari pembuktian kelayakan pernyataan kualitatif dan realisasi keterhubungan antara elemen-elemen dari model kualitatif. Teknik Mining kategori prediksi diimplementasikan untuk melihat pergerakan revolusi sosial dunia dimasa depan, dan pengujian prediksi dilakukan dalam jangka waktu yang terbatas guna memastikan akurasi hasil prediksi. Model pergerakan revolusi sosial dengan metode kualitatf dan tersebut menjadi kerangka kerja yang akan ditindaklanjuti guna keperluan prediksi dan simulasi, wujudnya adalah sistem pendukung keputusan dalam membuat kebijakan ranah sosial.

Metode kualittatif yang menjadi dasar dalam meodelkan revolusi sosial dunia akan diuji dengan teknik-teknik penentuan pola dan dalam prosesnya, langkah ini dapat dilakukan secara repetitif hingga kondisi tertentu dicapai, hal ini dikarenakan temuan data baru atau penilaian ulag akibat minimnya nilai pola yang terbentuk yang menjelaskan kurangnya

REFERENSI [1]. Abdul Karim . KERANGKA STUDI FEMINISME (Model Penelitian Kualitatif tentang Perempuan dalam Koridor Sosial Keagamaan) . Fikrah, Vol. 2, No. 1, Juni 2014


25


[2]. Agrawal, R., Srikant, R., Fast Algorithms for Mining Association Rules. IBM Almaden Research Center 650 Harry Road, San Jose, CA 95120. Proceedings of the 20th VLDB Conference Santiago, Chile. 1994.

Analysis. World Development. Vol. 30, No. 3, pp. 511–522, 2002. 2002 Published by Elsevier Science Ltd

[3]. Amir B. Qualitative Research in Sociology. SAGE Publications Ltd. London 2004.

. Qualitative Data Mining and Its Applications. Journal of Computing and Information Technology - CIT 11, 2003, 3, 145-150

[4]. Blaxter, L, Hughes, C and Tight, M (1996) How to Research, Buckingham, Open University Press.

[14]. John F. Elder IV, Ph.D.. Data Mining with Qualitative and Quantitative Data. iianalytics.com. 2011.

[5]. Bryman, A (1988) Quantity and Quality in Social Research, London, Routledge.

[15]. Natasha Mack. Qualitative Research Methods: A Data Collector’s Field Guide. Family Health International. 2005

[6]. Burns, R (2000) Introduction to Research Methods, London, Sage. [7]. Dr. Marzuki, M.Ag., KAJIAN AWAL TENTANG TEORI-TEORI GENDER. PKn dan Hukum FISE UNY) [8]. Feri Sulianta. Awaken The Giant – bangkitnya Revolusi Sosial Dunia. Leutikaprio Publications. Desember 2016. [9]. Gumilar Rusliwa Somantri. Memahami Metode Kualitatif. Makara, Sosial Humaniora, Vol. 9, No. 2, Desember 2005: 57-65 [10]. Han,Jiawei., Kamber, Micheline., Data Mining:Concepts and Techniques. Morgan Kaufmann Publishers 2006 [11]. How feminism is to blame for the breakdown of the family, by Left-winger Diane Abbott. [http://www.dailymail.co.uk/news/article2256850/How-feminism-blame-breakdownfamily-Left-winger-Diane-Abbott.html]. [12]. White, Howard. Institute of Development Studies, Brighton, UKCombining Quantitative and Qualitative Approaches in Poverty

[13].

[16]. Sulianta, Feri. . Customer Profiling Pada Supermarket Menggunakan Algoritma K-Means Dalam Memilih Produk Berdasarkan Selera Konsumen Dengan Daya Beli Maksimum. Jurnal Ilmiah Teknologi Informasi Terapan, Vol 1, No 1 (2014), ISSN: 2407-3911. [17]. Sulianta, Feri. Mining Food Industry’s Multidimensional Data to Produce Association Rules using Apriori Algorithm as a basis of Business Strategy. IEEE. Issue 28, March 2013. [18]. Sulianta, Feri. Mining Transactional Data To Produce Extended Association Rules Using Collaborative Apriori, Fsa-Red And M5p Predictive Algorithm As A Basis Of Business Actions. Prosiding WISS. 2016. [19]. Witten,Ian., Frank, Eibe., Data Mining – Practical Machine Learning Tool and techniques. Morgan Kaufmann Publishers 2005 page :6 ; page: 27 paragraph 1 ; page : 112-118, page 47-86.


26

MODEL DINAMIS PERGERAKAN REVOLUSI SOSIAL DUNIA MENGGUNAKAN PENDEKATAN KUALITATIF DENGAN UJI APRIORI, DATA KUBIKAL DAN PREDIKSI

Recommend Documents