Audit Sistem Informasi

Pengertian Audit Sistem Informasi Menurut Para Ahli – Kata audit sudah umum dikenal di dunia perekonomian. Pada awalnya kata audit ini identik dengan pemeriksaan keuangan dilingkungan perbankan. Terdapat definisi para ahli tentang audit diantaranya adalah:

1. Alvin A. Arens dan James K.Loebbecke “Auditing is the accumolatuin and evaluation of evidence about information to dtermine and report on the degree of correspondence between the information and establishe criteria. Examining ought to be finished by a skillful autonomous individual”.
   Mengacu pada definisi diatas maka audit ialah pengumpulan dan evaluasi terhadap bukti untuk menentukan derajat kesesuaian anatar informasi dan criteria yang telah ditetapkan. Hal ini berarti dalam pelaksanannya evaluasi dilakukan mengacu pada sejumlah criteria tertentu untuk menentukan derajat kinerja yang telah dicapai.
2. Ron Weber (1999) “SI Auditing is the process of collecing and evaluating evidence to determine whether a computer system safeguards assets, maintains data integrity, allows organizational goals to the achieved effectively and uses resources efficiently”.
   Seperti halnya didefiniskan diatas bahwa audit SI ialah proses mengumpulkan dan mengevaluasi fakta untuk memutuskan apakah sistem komputer yang merupakan aset bagi perusahaan terlindungi, integritas data terpelihara, sesuai dengan tujuan organisasi untuk mencapai efektifitas dan efisiensi dalam penggunaan sumber daya.

Tujuan Audit Sistem Infromasi
Proses audit sistem informasi dilakukan dengan tujuan akan tercapainya perbaikan atau peningkatan kinerja terkait dengan keamanan asset, integritas data serta efektifitas dan efisiensi penggunaan sistem.

Beberapa objek yang menjadi tujuan audit adalah meliputi:
a.) Objek Perlindungan Aset (Asset Safeguarding Objectives)
Aset SI didalam organisasi adalah HW, SW, fasilitas, user (konwledge), file data, dokumentasi sistem dan persediaan barang. Sebaiknya semua aset harus dilindungi oleh sistem pengendalian internal.
b.) Objek Integritas Data (Data Integrity Objectives)
Integriti data ialah konsep dasar didalam audit SI. Data terdiri dari atribut-atribut yang berisi: kelengkapan, dapat dipercaya, bersih dan benar. Jika integritas data tidak dipelihara, maka organisasi tidak akan mendapatkan represntasi data yang benar untuk suatu aktifitas, akibatnya organisasi tidak dapat berkompetisi.
c.) Objek Efektivitas Sistem (System Effectiveness Objectives)
Audit efektivitas sering dilakukan setelah sistem berjalan untuk beberapa waktu. Manajemen membutuhkan hasil audit efektivitas untuk mengambil keputusan apakah sistes terus dijalankan atau dihentikan sementara untuk proses modifikasi.
d.) Objek Efisiensi Sistem (System Efficiency Objectives)

Efisiensi SI dilakukan dengan cara menggunakan sumber daya minimum untuk menyelesaikan suatu tujuan objek. Variasi sumber daya terdiri dari mesin, waktu, peripheral, S/W sistem dan pekerja. Tujuan dari perlindungan aset, integritas data, efektivitas sistem dan efisiensi sistem dapat dicapat dengan baik jika manajemen organisasi meningkatkan sistem pengendalian onternalnya.
Sebagian besar tipe penyalahgunaan komputer adalah:

• Hacking
• Virus
• Illegal Physical Access
• Abouse of Privilages

Jenis Penyalah Gunaan Komputer

1. Destruction of asset (perusahaan aset)
2. Theft of asset (pencurian aset)
3. Modification of asset (modifikasi aset)
4. Privacy violaction (pelanggaran privasi)
5. Discruption of Operations (pengacauan operasi)
6. Unauthorized use of asset (penyalahgunaan otorisasi aset)
7. Physical harm to personnel (kejahatan fisik terhadap personal.     

sUMBER :
http://www.pendidikanmu.com/2015/05/pengertian-audit-sistem-informasi.html

APA YANG DIMAKSUT ANIMASI, DESIGN GRAFIS DAN 3D

APA ITU ANIMASI ?

Animasi adalah gambar begerak berbentuk dari sekumpulan objek (gambar) yang disusun secara beraturan mengikuti alur pergerakan yang telah ditentukan pada setiap pertambahan hitungan waktu yang terjadi. Gambar atau objek yang dimaksud dalam definisi di atas bisa berupa gambar manusia, hewan, maupun tulisan. Pada proses pembuatannyam sang pembuat animasi atau yang lebih dikenal dengan animator harus menggunakan logika berfikir untuk menentukan alur gerak suatu objek dari keadaan awal hingga keadaan akhir objek tersebut. Perencanaan yang matang dalam perumusan alur gerak berdasarkan logika yang tepat akan menghasilkan animasi yang menarik untuk disaksikan.

Apabila kita perhatikan penjelasan sebelumnya, maka dapat disimpulkan bahwa terdapat dua hal penting yang harus diperhatikan dalam pembuatan animasi, yaitu Objek/ gambar dan alur gerak.

Atau juga Animasi merupakan suatu teknik menampilkan gambar berurut sedemikian rupa sehingga penonton merasakan adanya ilusi gerakan (motion) pada gambar yang ditampilkan. Secara umum ilusi gerakan merupakan perubahan yang dideteksi secara visual oleh mata penonton sehingga tidak harus perubahan yang terjadi merupakan perubahan posisi sebagai makna dari istilah ‘gerakan’. Perubahan seperti perubahan warna pun dapat dikatakan sebuah animasi.

Dalam bidang grafika pemodelan visual dapat dikategorikan sebagai dua kelompok yaitu pemodelan geometrik dan pemodelan penampilan (appearance). Pemodelan geometrik merupakan representasi dari bentuk objek yang ingin ditampilkan sedangkan pemodelan penampilan membuat representasi sifat visual atau penampakan objek tersebut. Contoh sifat visual diantaranya warna dan tekstur. Berdasarkan definisi animasi di atas bahwa sebuah animasi disusun oleh himpunan gambar yang ditampilkan secara berurut maka animasi dapat dikatakan sebuah fungsi terhadap waktu. Gambar dapat didefinisikan sebagai koleksi deskripsi geometris dan visual ataupun dapat berupa citra. Pada gambar yang merupakan koleksi deskripsi, maka animasi didefinisikan sebagai fungsi yang memetakan waktu kepada perubahan parameter-parameter dari deskripsi. Pada gambar yang merupakan citra, animasi didefinisikan sebagai fungsi yang memetakan waktu kepada tiap elemen citra

Jenis-jenis Animasi

    Dari tehnik pembuatanya animasi yang ada pada saat ini dapat dikategorikan menjadi 3, yaitu :

1. Animasi Stop-motion

2. Animasi Tradisional

3. Animasi Komputer

Software Animasi

     Saat ini terdapat banyak jenis software animasi yang beredar di pasaran, dari software yang punya kemampuan sederhana hingga yang komplek. Dari sisi fungsi penggunaan software animasi dapat dikelompokan menjadi menjadi Software Animasi 2 Dimensi dan Software Animasi 3 Dimensi.

1. Software Animasi 2 Dimensi

    Adalah software yang digunakan untuk membuat animasi tradisional (flat animation), umumnya mempunyai kemampuan untuk menggambar, mengatur gerak, mengatur waktu, beberapa dapat mengimpor suara.

Contoh dari software Animasi 2 D ini, antara lain :

• Macromedia Flash
• Macromedia Director
• ToonBoom Studio
• Adobe ImageReady
• Corel Rave
• Swish Max
• Adobe After Effect

2. Software Animasi 3 Dimensi

    Software Animasi 3D mempunyai fasilitas yang canggih untuk membuat animasi 3D. Fasilitas dan kemampuan tersebut antara lain membuat obyek 3D, pengaturan gerak kamera, pemberian efek, import vidio dan suara, serta masih banyak lagi. Beberapa software animasi 3 D mempunyai kemampuan khusus misalnya untuk animasi figurel (manusia), animasi landscape (pemandangan) dll

Contoh Software 3D antara lain :

• 3 D Studio Max
• Poser (figurel animation)
• Bryce (landscape animation)
• Vue

Cinema 4 D

• Blender  

APA ITU DESAIN GRAFIS ?

Suatu bentuk komunikasi visual yang menggunakan gambar untuk menyampaikan informasi atau pesan seefektif mungkin. Dalam disain grafis, teks juga dianggap gambar karena merupakan hasil abstraksi simbol-simbol yang bisa dibunyikan. disain grafis diterapkan dalam disain komunikasi dan fine art. Seperti jenis desain lainnya, disain grafis dapat merujuk kepada proses pembuatan, metoda merancang, produk yang dihasilkan (rancangan), atau pun disiplin ilmu yang digunakan (disain).

Menurut saya desain Grafis Adalah suatu karya atau seni yang bebas untuk kita berekpresi sesuka kita, Dan kita bisa lakukan dengan cara bagaiman kita mengepresikan pola gambarnya dan di dalam gambar tersebut kita bisa merancang/mendesain gambar tersebut.

Apakah hubungan desain grafis dan seni rupa ?

Desain grafis merupakan turunan dari ilmu seni rupa, ilmu seni rupa sendiri mempunyai cabang lain yang luas seperti : seni murni, seni tekstil / mode, desain interior, desain produk dan sebagainya.

Ada banyak software desain grafis yang bisa kamu gunakan untuk belajar desain. Berikut adalah tool yang dugunakan dalam desain grafis 

Adobe Photoshop

Photoshop sudah menjadi standar dalam industri desain grafis saat ini. Banyak kalangan profesional menghasilkan karya editing dan manipulasi foto yang luar biasa dengan bantuan Photoshop tersebut.

Mengganti background, manipulasi foto, membuat antarmuka desain suatu program (user interface), membuat rancangan desain web, gambar 3D, dan masih banyak lagi dapat dilakukan dengan menggunakan Photoshop

Gimp sangat populer di kalangan pengguna Linux, terutama karena sifatnya yang gratis dan open source. Namun Gimp tidak hanya tersedia untuk Linux saja, melainkan juga tersedia untuk Windows dan Mac OSX.

Krita

Krita mempunyai antarmuka atau tampilan program yang mirip dengan Adobe Photoshop CC. Krita bisa digunakan untuk mengedit foto, namun lebih difokuskan untuk menggambar. Yang juga menjadi nilai plus Krita adalah bisa digunakan untuk membuat gambar vektor seperti halnya Adobe Ilustrator.

APA ITU 3D?

3D atau disebut ruang, adalah bentuk dari benda yang memiliki panjang, lebar, dan tinggi. Istilah ini biasanya digunakan dalam bidang seni, animasi, komputer dan matematika.

1.  Autodesk Maya

Maya adalah sebuah perangkat lunak keluaran Autodesk. Sangat baik digunakan untuk kamu berkreasi dan permodelan. Maya juga memiliki alat simulasi yang memudahkan penggunanya. Tentunya banyak orang yang memanfaatkannya untuk animasi VFX karena kelebihannya itu. Bagaimana tidak, dengan menambahkan beberapa tulang dan menggunakan teknik rigging, Maya dapat membuat karakter yang kita buat bergerak. Psst, software ini laris loh di kalangan animator hollywood.

2. Autodesk 3Ds Max

Secara harfiah 3Ds max adalah kakak dari Maya dan sama-sama keluaran Autodesk. Dalam beberapa sisi, software ini lebih rumit dari Maya. Namun, cukup mudah digunakan dalam mode script untuk permainan, sehingga 3Ds max biasanya digunakan untuk membuat game.

3. Blender

Blender adalah salah satu aplikasi grafik 3D dari open source paling terkemuka di dunia. Tapi jangan salah, meskipun free kualitas Blender tidak kalah saing loh. Ia adalah sebuah perangkat lunak yang memungkinkan pembuatan banyak konten 2D dan 3D, mulai dari modeling, texturing, lighting, animation dan video post-processing. Sayangnya, software animasi ini sedikit sulit untuk digunakan.

4. Cinema 4D

Ini adalah software yang dianjurkan untuk pemula. Karena Cinema tidak serumit 3Ds max dan Maya, serta tidak membutuhkan spesifikasi komputer tinggi. Namun, hasil yang diperoleh tetap sama baik seperti software 3D lainnya.

5. Posser

Adalah perangkat lunak 3D yang digunakan hanya untuk modeling karakter manusia. Hasil yang ditampilkan sangat bagus dan lebih realistis dari yang lainnya. Sangat mudah juga untuk digunakan.

6. Zbrush

Adalah software yang hanya digunakan untuk modeling 3D, texturing, dan pahat. Sangat bagus digunakan untuk membuat monster atau karakter-karakter hasil imajinasi kamu. Kamu juga dapat mengekspor model 3D dari software lainnya untuk memberikan tulang dengan teknik rigging dan menggerakannya.

7. Autodesk Mudbox

Software yang satu ini mempunyai kegunaan yang sama seperti Zbrush hanya saja lebih sulit untuk digunakan. Tapi kualitas yang dihasilkan sangat bagus. Biasanya digunakan untuk permodelan karakter 3D tingkat tinggi.

8. Carrara

Adalah perangkat lunak keluaran DAZ 3D. Berbeda dengan yang lainnya, software satu ini digunakan untuk membuat simulasi. Seperti banjir, kecelakaan mobil, ledakan api, dan lainnya. Carrara juga bisa mengkomposisikan antara animasi simulasi dan rekaman nyata.

Nah, itu adalah sedikit penjelasan tentang software animasi yang biasa digunakan animator profesional. Tertarik untuk mempelajarinya lebih jauh? IDS | International Design School menyediakan Sekolah Animasi dan Kursus Animasi untuk kamu yang ingin memperdalam passion kamu dalam bidang animasi. Kamu juga bisa dapat gelar bachelor dari Universitas Ternama di luar negeri, lho!

Saran 

Menurut saya animasi ,desain grafis ,dan 3D itu adalah seni . semuanya mempunyai kelebihannya masing masing dan dalam membuat suatu desain mempunyai tingkat kesulitan yang berbeda beda. untukmasing masing tools yang digunakan tergantung kebutuhan pemakainya .

Desain sendiri merupakan proses pemikiran dan perasaan yang akan menciptakan sesuatu, dengan menggabungkan fakta, konstruksi, fungsi dan estetika untuk memenuhi kebutuhan manusia atau Desain grafis juga bias diartikan suatu konsep pemecahan masalah rupa, warna, bahan, teknik, biaya, guna dan pemakaian yang diungkapkan dalam gambar dan bentuk.

Dalam desain grafis masalahnya mencakup berbagai bidang seperti teknik perencanaan gambar, bentuk, simbol, huruf, fotografi dan proses cetak disertai pula dengan pengetahuan tentang bahan dan biaya.  desain grafis juga diterapkan dalam media elektronik, yang sering kali disebut sebagai desain interaktif atau desain multimedia.

 

Sumber :

http://www.widyayuwana.ac.id/2016/11/21/bincang-seru-e-learning-dan-desain-grafis-animasi-di-liputan6-com/

https://id.wikipedia.org/wiki/Animasi

https://eituzed.blogspot.co.id/2014/10/pengertian-prinsip-dan-unsur-desain.html

KEJAHATAN DI INTERNET

CYBER

“MARAKNYA KEJAHATAN CYBER MELALUI SOFTWARE ILEGAL”

KOMPAS.com - Serangan cyber banyak terjadi di Indonesia, baik yang berkutat di dalam negeri maupun menyasar target di luar negeri. Indonesia bahkan sempat tercatat sebagai salah satu sumber serangan cyber terbesar di dunia, menurut data perusahaan penyedia layanan cloud Akamai, pada 2013 lalu. Mengapa cyber attack marak di Tanah Air? Pihak Microsoft menjelaskan salah satu kemungkinan penyebabnya adalah penggunaan software bajakan yang masih marak, berikut ketidaktahuan konsumen mengenai bahaya cyber. Sudimin Mina, Software Asset Management Microsoft, mencontohkan pengunduhan aplikasi mobile dari sumber meragukan di internet, yang sering disusupi malware. "Program berbahaya ini kerap meminta izin (permission) untuk mengakses macam-macam data dari ponsel, seperti daftar kontak, lalu langsung diberikan tanpa pikir panjang,” kata Sudimin dalam konferensi pers sosialisasi bahaya penggunaan software bajakan di Jakarta, Jumat (30/9/2016).

Begitu permission diberikan, malware akan bisa mencuri data pribadi dan mengirimkannya ke server penjahat cyber yang membuat program jahat tersebut. Sementara, di Indonesia belum ada undang-undang yang khusus mengatur privasi dan keamanan data di ranah cyber sehingga menurut Sudimin hal semacam ini tidak bisa ditindaklanjuti, kalaupun pelakunya bisa ditangkap.

Karena itu, dia mengimbau para pengguna perangkat digital, terutama mobile, agar lebih berhati-hati karena benteng pertahanan pertama adalah diri sendiri. “Di dunia online, akuntabilitas tertinggi itu ada di tangan individu.” ujarnya.

Gara-gara “keygen"

Senada dengan Sudimin, Sekretaris Jenderal Masyarakat Indonesia Anti-Pemalsuan, Justisiari P. Kusumah mengatakan bahwa maraknya penggunaan software bajakan merupakan salah satu faktor yang menyumbang tingginya trafik serangan cyber yang tercatat berasal dari Indonesia.

Justisiari mengatakan para pengguan software bajakan kerap mengunduh software “keygen” untuk memperoleh serial number yang diperlukan untuk mengaktivasi software ilegalnya.

Seperti aplikasi mobile yang diperoleh dari sumber meragukan, keygen alias key generator ini seringkali ditumpangi malware, entah berupa virus, trojan, atau program berbahaya jenis lain.

http://iqbalrizkyug.blogspot.sg/search?updated-max=2016-11-06T20:21:00-08:00&max-results=7

Begitu komputer terinfeksi malware dari keygen, sang penjahat cyber pembuat malware pun bisa mencuri informasi ataupun menjadikan komputer pengguna software bajakan sebagai “zombie” untuk melancarkan serangan cyber.

“Keygen diperoleh dari luar negeri seperti Eropa Timur atau China. Tapi, karena dipakainya di Indonesia, maka yang terdeteksi adalah IP dari Indonesia,” kata Justisiari. “Kalau angka software bajakan turun, angka serangan cyber pun akan turun juga,” pungkasnya.

Setelah sempat mencapai puncak sebagai sumber serangan cyber terbesar pada 2013, “peringkat” Indonesia kini telah menurun.

Serangan Cyber Indonesia Turun, Juara 4 Sedunia

Namun, menurut data terkini dari Akamai State of the Internet untuk kuartal II 2016, Indonesia masih tercatat dalam 20 besar daftar negara sumber serangan cyber, bersama dengan China, Rusia, dan AS.

Penulis          : Oik Yusuf

Editor  : Reska K. Nistanto

#

            Pendapat saya bahwa indonesia perlu adanya sosialisasi/edukasi tentang bahaya penggunaan software berbayar bajakan yang didapatkan dengan mudah dengan cara ilegal. Cara ini dapat diberikan untuk para mahasiswa, umum, maupun kalangan masyarakat awam. Begitu juga peran pemerintah dalam menghadapi maraknya cycber attack diindonesia yang sudah menyebar kemana-mana. Masih banyak perusahaan besar diindonesia yang menggunakan software bajakan untuk kepentingan perusahaan itu sendiri, hal ini menyebabkan sipembuat software dapat mengambil data-data perusahaan/masyarakat dengan mudah menggunakan aplikasi ilegal yang digunakannya.

            Pasal 72 ayat 3 UU Hak Cipta berbunyi, “Barangsiapa dengan sengaja dan tanpa hak memperbanyak penggunaan untuk kepentingan komersial suatu program komputer dipidana dengan pidana penjara paling lama 5 (lima) tahun dan/atau denda paling banyak Rp. 500.000.000,00 (lima ratus juta rupiah)” . Dengan demikian, tidak ada alasan bagi kita untuk menggunakan program komputer secara tidak sah/ilegal.

            Hak cipta untuk program komputer biasanya hanya berlaku untuk jangka waktu 50 tahun. Setelah masa waktu itu berakhir, biasanya ciptaan menjadi milik umum. Biasanya, pemilik hak cipta kembali memperbaharui hak cipta dari produknya dengan melakukan revisi dan mendaftarkan kembali ke lembaga Hak Cipta.

            Karena dari pada itu saya menghimbau kepada  para pengguna perangkat digital, terutama mobile, agar lebih berhati-hati karena benteng pertahanan pertama adalah diri sendiri.

            Memang ada software diluaran sana yang memberikan license kepada umum secara gratis, namun hal ini tidak bisa dipakai secara permanen atau jangan waktu dan ada developer pun meminta permision untuk mengakses data kita melalui permintaan pertama pada saat kita melakukan instalasi program tersebut, 

            Ada 2 pilihan solusi yang dapat diambil untuk menghindari kegiatan menggunakan software bajakan. Solusi pertama, menggunakan software windows yang asli dan berlisensi dengan biaya yang sangat mahal. Yang kedua, kalau tidak mau keluar banyak uang, gunakan open source software, seperti Linux dan open source software lainya sebagai alternatif pengganti windows.

          

Lebih bagus jika kita bisa mengembangkan software-software opensource lebih canggih yang dapat menguntungkan negara dan diri kita pribadi.

DATA MINING

BAB 1

PENDAHULUAN

A.    Latar Belakang

Penyimpanan dokumen secara digital berkembang dengan pesat seiring meningkatnya penggunaan komputer. Kondisi tersebut memunculkan masalah untuk mengakses informasi yang diinginkan secara akurat dan cepat. Oleh karena itu, walaupun sebagian besar dokumen digital tersimpan dalam bentuk teks dan berbagai algoritma yang efisien untuk pencarian teks telah dikembangkan, teknik pencarian terhadap seluruh isi dokumen yang tersimpan bukanlah solusi yang tepat mengingat pertumbuhan ukuran data yang tersimpan umumnya. Pencarian informasi (Information Retrieval) adalah salah satu cabang ilmu yang menangani masalah ini yang bertujuan untuk membantu pengguna dalam menemukan informasi yang relevan dengan kebutuhan mereka dalam waktu singkat. Aplikasi pencarian informasi yang telah ada salah satunya adalah web mining untuk pencarian berdasarkan kata kunci dengan teknik clustering. Selain itu, pada dokumen dilakukan juga text mining dan perhitungan jumlah kata, dari jumlah kata tersebut dilakukan pengklusteran dengan metode CLHM (Centroid Linkage Hierarchical Method). Untuk jumlah klusternya, pemakai tidak mengetahui berapa jumlah yang tepat untuk mengklusterkan dokumen-dokumen tersebut. Untuk itu, dipakailah metode Hill Climbing yang bertugas untuk melakukan identifikasi terhadap pergerakan varian dari tiap tahap pembentukan kluster dan menganalisa polanya sehingga jumlah kluster akan terbentuk secara otomatis. Penggunaan  text mining, pengklusteran dengan CLHM dan proses Hill Climbing Automatic Clustering sangat memudahkan pemakai karena menghasilkan kluster secara otomatis dan tepat dengan waktu yang cepat.

B.     Tujuan

1.      Untuk memenuhi tugas mata kuliah Sistem Manajemen Basis Data.

2.      Untuk mengetahui lebih luas tentang Data Mining.

3.      Untuk menambah pengetahuan.

C.     Rumusan Masalah

1.      Apa yang dimaksud dengan Data Mining ?

2.      Apa fungsi dan tujuan dari Data Mining ?

3.      Bagaimana penerapan Data Mining dalam kehidupan?

BAB II

PEMBAHASAN

A.   Pengertian Data Mining

Banyak sekali definisi mengenai apa itu data mining. Data mining merupan suatu alat yang memungkinkan para pengguna untuk mengakses secara cepat data dengan jumlah yang besar. Pengertian yang lebih khusus dari data mining, yaitu suatu alat dan aplikasi menggunakan analisis statistik pada data. Data mining adalah suatu proses ekstraksi atau penggalian data dan informasi yang besar, yang belum diketahui sebelumnya, namun dapat dipahamidan berguna dari database yang besar serta digunakan untuk membuat suatu keputusanbisnis yang sangat penting. Data mining menggambarkan sebuah pengumpulan teknik-teknik dengan tujuan untuk menemukan pola-pola yang tidak diketahui pada data yang telah dikumpulkan. Data mining memungkinkan pemakai menemukan pengetahuan dalam data database yang tidak mungkin diketahui keberadaanya oleh pemakai.

Data mining merupakan proses semi otomatik yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi pengetahuan potensial dan berguna yang tersimpan di dalam database besar. (Turban et al, 2005 ). Data mining adalah bagian dari proses KDD ( Knowledge Discovery in Databases) yang terdiri dari beberapa tahapan seperti pemilihan data, pra pengolahan, transformasi, data mining, dan evaluasi hasil (Maimon dan Last, 2000). KDD secara umum juga dikenal sebagai pangkalan data.

B.   Fungsi dan Tujuan Data Mming

1.      Fungsi Data mining

Data Mining mengidentifikasi fakta- fakta atau kesimpulan-kesimpulan yang di sarankan berdasarkan penyaringan melalui data untuk menjelajahi pola-pola atau anomali-anomali data. Data Mining mempunyai 5 fungsi:

a.       Classification

Classification, yaitu menyimpulkan definisi-definisi karakteristik sebuah grup. Contoh: pelanggan-pelanggan perusahaan yang telah berpindah kesaingan perusahaan yang lain.

b.      Clustering

Clustering, yaitu mengindentifikasikan kelompok-kelompok dari barang-barang atau produk-produk yang mempunyai karakteristik khusus(clustering berbeda dengan classification, dimana pada clustering tidak terdapat definisi-definisi karakteristik awak yang di berikan pada waktu classification.)

c.       Association

Association, yaitu mengidentifikasikan hubungan antara kejadian-kejadian yang terjadi pada suatu waktu, seperti isi-isi dari keranjang belanja.

d.      Sequencing

Hampir sama dengan association, sequencing mengidentifikasikan hubungan-hubungan yang berbeda pada suatu periode waktu tertentu, seperti pelanggan-pelanggan yang mengunjungi supermarket secara berulang-ulang.

e.       Forecasting

Forecasting memperkirakan nilai pada masa yang akan datang berdasarkan pola-pola dengan sekumpulan data yang besar, seperti peramalan permintaan pasar.

2.      Tujuan Data Mining

Tujuan data mining antara lain:

a.      Explanatory

Untuk menjelaskan beberapa kondisi penelitian, seperti mengapa penjualan truk pick up meningkat di colorado.

b.      Confirmatory

Untuk mempertegas hipotesis, seperti halnya 2 kali pendapatan keluarga lebih suka di pakai untuk membeli peralatan keluarga, di bandingkan dengan satu kali pendapatan keluarga.

c.       Exploratory

Menganalisis data untuk hubungan yang baru yang tidak di harapkan, seperti halnya pola apa yang cocok untuk kasus penggelapan kartu kredit.

C.   Penerapan Data Mining

Dalam bidang apasaja data mining dapat diterapkan? Berikut beberapa contoh bidang penerapan data mining:

-          Analisa pasar dan manajemen

Solusi yang dapat di selesaikan dengan Data Mining, diantaranya: Menembak target pasar, Melihat pola beli pemakai dari waktu ke waktu, Cross-Market analysis, Profil Customer, Identifikasi kebutuhan Customer, Menilai loyalitas Customer, Informasi Summary.

a.       Analisa Perusahaan dan Manajemen resiko

Solusi yang dapat diselesaikan dengan data mining diantaranya: Perencanaan keuangan dan evaluasi aset, perencanaan sumber daya (resource planning), persaingan (competition).

b.      Telekomunikasi

Sebuah perusahaan telekomunikasi menerapkan data mining untuk melihat dari jutaan transaksi yang masuk, transaksi mana sajakah yang masih harus ditangani secara manual

c.       Keuangan

Financial Crimes Enforcement Network di Amerika Serikat baru-baru ini menggunakan data mining untuk menambang triliyunan dari berbagai subyek seperti property, rekening bank dan transaksi keuangan lainnya untuk mendeteksi transaksi-transaksi keuangan yang mencurigakan (Seperti money laundry)

d.      Asuransi

Australian Health Insurance Commision menggunakan data mining untuk mengidentifikasi layanan lesehatan yang sebenarnya tidak perlu tetapi tetap dilakukan oleh peserta asuransi.

e.       Olahraga

IBM Advanced Scout menggunakan data mining untuk menganalisis statistik permainan NBA ( jumlah shots blocked, assists dan fouls ) dalam rangka mencapai keunggulan bersaing ( competitive advantage ) untuk tim New York Knicks dan Miami Heat.

D.   Metodologi Data Mining

sebagai salah satu bagian dari sistem informasi, data mining menyediakan perencanaan dari ide hingga implementasi akhir. Komponen-komponen dari rencana data mining adalah sebagai berikkut.

1.      Analisa Masalah (Analyzing the Problem)

Data asal atau data sumber harus bisa ditaksir untuk dilihat apakah data tersebut memenuhi kriteria data mining.

Kualitas kelimpahan data adalah faktor utama untuk memutuskan apakah data tersebut cocok dan tersedia sebagau tambahan. Hasil yang diharapkan dari dampak data mining harus dengan hati-hati dimengerti dan dipastikan bahwa data yang diperlukan membawa informasi yang bisa diekstrak.

2.      Mengekstrak dan Membersihkan Data (Extracting dan Cleansing The Data)

Data pertama kli diekstrak dari data aslinya, seperti dari OLTP basis data, text file, Microsoft Acces Database, dan bahkan dari spreadsheet, lalu data tersebut diletakan dalam data warehouse yang mempunyai sruktur yang sesuai dengan data model secara khas.

      Data Transformation Service (DTS) dipakai untuk mengekstrak dan membersihkan data dari tidak konsistennya dan tidak kompatibelnya dengan format yang sesuai.

3.      Validitas Data (Validating the Data)

Sekali data telah diekstrak dan dibersihkan, ini adalh latihan yang bagus untuk menelusuri model yang telah kita ciptakan untuk memastikan bahwa semua data yang ada adalah data sekarang dan tetap.

4.      Membuat dan Melatih Model (Creatig and Training the Model)

Ketika algoritma diterapkan pada model, struktur telah dibangun. Hal ini sangatlah penting pada saat ini  untuk melihat data yang telah dibangun untuk memastikan bahwa data tersebut  menyerupai fakta di dalam data sumber.

5.      Query Data dari Model Data Mining (Querying the Model Data)

Ketika model yang telah cocok diciptakan dan dibangun, data yang telah dibuat tersedia untuk mendukung keputusan. Hal ini biasanya melibatkan penulisan front end query aplikasi dengan program aplikasi/suatu program basis data.

6.      Evaluasi Validitaas dari Mining Model (Maintaining the Validity of the Data Mining Model)

Setelah moddel data mining terkumpul, lewat bebrapa waktu, karakteristik data awal seperti granularitas dan validitas mungkin berubah. Karena model data mining dapat terus berubah seiring perkembangan waktu.

E.    Proses Data Mining

Fase-fase dimulai dari data mentah dan berakhir dengan pengetahuan atau informasi yang telah diolah, yang didapatkan sebagai hasil dari tahapan-tahapan berikut:

a.       Data Cleansing, juga dikenal sebagai data cleansing, ini adalah sebuah fase dimana data-data tidak lengkap, mengndung error dan tidk konsisten dibuang dari koleksi data, sehingga data yang telah bersih relevan dapat digunakan untuk diproses ulang untuk penggalian pengetahuan(discovery knowledge)

b.      Data Integration, pada tahap ini terjadi integrasi data,dimana sumber-sumber data yang berulang(multiple data), file-file yang berulang(multiple file), dapat dikombinasikan dan digabungkan kedalam suatu sumber.

c.       Data Selection, pada langkah ini, data yang relevan terhadap analisis dapat dipilih dan diterima dari koleksi data yang ada.

d.      Data Transformation, juga dikenal sebagai data consolidation. Pada tahap ini, dimana data-data yang telah terpilih, ditransformasikan kedalam bentuk-bentuk yang cocok untuk prosedur penggalian (meaning proedure) dengan cara melakukan normalisasi dan agregasi data.

e.       Data Mining, tahap ini adalah tahap yang paling penting, dengan menggunakan teknik-teknik yang diaplikasikan untuk mengekstrak pola-pola potensial yang berguna.

f.       Pattern Evaluation, pada tahap ini, pola-pola menarik dengan jelas mempresentasikan pengetahuan telah diidentifikasi berdasarkan measure yang telah diberikan.

g.      Knowledge Representation, ini merupakan tahap terakhir dimana pengetahuan yang telah ditemukan secara visual ditampilkan kepada user.Tahap penting ini menggunakan teknik visualisasi untuk membantu user dalam mengerti dan menginterpresentasikan hasil dari data mining.

F.    Teknik Data Mining

Sebelum mengetahui teknik-teknik yang dapat digunakan dalam data mining terdapat empat operasi yang dapat dihubungkan dengan data mining sebagai berikut.

a.       Predictive modeling, ada dua teknik yang dapat dilakukan dalam predictive modeling, yaitu:

·         Classification

Digunakan untuk membuat dugaan awal tentang class yang spesifik untuk setiap record dalam database dari satu setnilai class yang mungkin

·         Value Prediction

Digunakan untuk memperkirakan nilai numeric yang kontinu yang trasosiasi dengan record database. Teknik ini menggunakan teknik statistic klasik dari linier regression dan nonlinier regression.

b.      Database segmentation

Tujuan dabase segmentation adalah untuk mempartisi database menjadi sejumlah segmen, cluster, atau record yang sama, dimana record tersebut diharapkan homogen.

c.       Link analysis

Tujuan link analysis adalah untuk membuat hubungan antara record yang individual atau sekumpulan record dalam database. Aplikasi pada link analysis meliputi product affinity analysis, direct marketing, dan stock price movement.

d.      Deviation detection

Teknik ini sering kali merupakan sumber dari penemuan yang benar karena teknik ini mengidentifikasi outlier yang mengekspresikan deviasi dari ekspektasi yang telah diketahui sebelumnya. Operasi ini dapat ditampilkan menggunakan teknik statistik dan visualisasi.

Aplikasi deviation detection misalnya pada deteksi penipuan dalam penggunaan kartu kredit dan klaim asuransi, quality control, dan defect tracing.

 Dalam data mining terdapat dua tipe teknik yaitu:

1.      Teknik Klasik (Classical Technique) yang terdiri atas:

a.       Statistic

Statistik adalah cabang ilmu matematika yang mempelajari tentang sekumpulan dan deskripsi data yang akan digunakan dalam membuat laporan tentang informasi yang penting agar seseorang dapat membuat keputusan yang berguna. Salah satu keuntungan statistik adalah menampilkan database dalam tampilan ber-level tinggi yang menyediakan informasi-informasi yang berguna tanpa perlu mengerti setiap record secara detail.

b.      Nearest Neighbour

Teknik prediksi pengelompokan dan nearest neighbour merupakan teknik yang tertua yang digunakan dalam data mining. Nearest neighbour merupakan teknik prediksi yang hampir sama dengan pengelompokan, untuk memperkirakan apakah nilai prediksi ada dalam satu record, mencari kesamaan nilai prediktor didalam basis data historis dan menggunakan nilai prediksi dari record yang “Terdekat” untuk tidak membagi-bagikan record.

c.       Pengelompokan (Clustering)

Pengelompokan merupakan metode yang mengklasifikasikan data kedalam kelompok-kelompok berdasarkan kriteria masing-masing data. Biasanya,teknik ini dipakai untuk memberikan pengguna akhir sebuah gambaran level atas dari apa yang telah terjadi didalam basis data. Pengelompokan terkadang digunakan untuk segmentasi.

2.      Teknik generasi selanjutnya (The Next Generation Technique)

Decision Tree (Pohon Keputusan)

Pohon keputusan merupakan model prediktif yang dapat digambarkan seperti pohon, dimana setiap node didalam struktur pohon tersebut mewakili sebuah pertanyaan yang digunakan untuk menggolongkan data. Struktur ini dapat digunakan untuk membantu memperkirakan kemungkinan nilai setiap atribut data.

Beberapa hal menarik tentang tree:

a.       Tree ini membagi data pada setiap cabangnya tanpa kehilangan data sedikit pun. Jumlah total record pada node parent sama dengan jumlah total record yang ada node children.

b.      Sangat mudah dimengerti bagaimana sebuah model dibangun, kebalikan dengan model dari neural network atau dari statistik standar.

c.       Mudah untuk menggunakan model ini jika kita mempunyai target pelanggan yang sepertinya tertarik dengan penawaran marketing.

Dari perspektif bisnis, decision tree dapat dilihat sebagai pembuatan segmentasi dari data set yang orisinil. Segmentasi ini dilakukan untuk beberapa alasan tertentu, misalnya untuk prediksi dari beberapa potong informasi penting. Meskipun decision tree sendiri dan algoritma yang membuat decision tree itu mungkin saja sangat kompleks, namun hasil yang ditampilkan dengan cara yang mudah dimengerti sangat membantu untuk pengguna bisnis. Decision tree sering kali dikembangkan untuk statistican dalam mengotomatisasi proses menentukan field mana dari database mereka yang benar-benar berguna untuk terkorelasi dengan masalh tertentu yang sedang mereka usahakan untuk mengerti. Karena itu, algoritma decision tree cenderung mengotomatisasi seluruh proses pembuatan hipotesis dan kemudian melakukan validasi yang lebih komplit dalam cara yang lebih terintegrasi dibanding dengan teknik data mining lainnya.

Decision tree biasanya digunakan untuk berbagai kebutuhan:

a.       Eksplorasi

Teknologi decision tree dapat digunakan untuk eksplorasi data set dan masalah bisnis. Hal ini biasanya dilakukan dengan mencari predictor dan nilai yang dipilih untuk setiap bagian/cabang dari tree tersebut.

b.      Preprocessing data

Teknologi ini juga dapat digunakan untuk mengolah daan memproses data yang dapat digunakan pada algoritma lain, misalnya neural network, nearest neighbour, dan lain-lain. Hal itu karena algoritma lain memerlukan waktu yang relatif lama untuk dijalankan jika terdapat jumlah predictor dalam jumlah besar untuk digunakan sebagai model sehingga teknik decision tree biasanya digunakan pada tahap pertama data mining untuk menciptakan subset yang berguna dari predictor baru kemudian hasil tersebut akan dapat dimasukkan pada teknik data miing yang lain.

c.       Prediksi

Para analis menggunakan teknik ini untuk membangun sebuah model prediktif yang efektif.

Decision tree mempunyai beberapa keuntungan sebagai berikut :

a.       Decision tree mudah dimengerti dan diinterprestasikan.

b.      Penyiapan data untuk decision tree adalahutama dan tidak dibutuhkan.

c.       Decision tree dapat mengatasi, baik data nominal maupun kategorial.

d.      Decision tree merupakan model white box.

e.       Decision tree dapat melakukan validasi terhadap model dengan tes statistik. Hal itu akan memungkinan untuk menghitung reliabilitad model.

Decision  tree meruakan teknik yang kuat, dapat bekerja baik dengan data yang besar dalam waktu yang singkat.

Kelebihan Data Mining :

1. Kemampuan dalam mengolah data dalam jumlah yang besar.

2. Pencarian Data secara otomatis.

Kekurangan Data Mining :

1. Kendala Database ( Garbage in garbage out ).

2. Tidak bisa melakukan analisa sendiri. 

PENUTUP

A.   Kesimpulan

Pada proses Data Mining hal yang paling penting adalah pada tahap “Data Mining” dengan menggunakan teknik-teknik yang diaplikasikan untuk mengekstrak pola-pola potensial yang berguna.

B.   Saran

Berikut adalah saran yang mungkin perlu dilakukan dalam pengembangan selanjutnya dimasa yang akan datang terhadap aplikasi data mining dengan metode clustering:

·           Dimasa yang akan datang dalam pengembangan selanjutnya, guna lebih memaksimalkan pendukung keputusan yang akan diambil, misalkan untuk kepentingan memudahkan kegiatan promosi bisa ditambahkan sebuah fasilitas berupa fasilitah pengiriman email kepada customer

·           Dalam studi kasus ini, item yang digunakan sebagai data proses dalam pembentuk sebuah cluster hanya didasarkan pada satu item saja yaitu pembacaan frekuensi id customer yang ada ditabel transaksi berdasarkan id customer yang ada ditabel customer. Pada pengembangan selanjutnya disarankan untuk pengambilan data proses tidak hanya berdasarkan satu item saja, mungkin juga bisa dilakukan dengan pembacaan lebih dari satu item. Misalnya id barang ataupun total harga yang dibayarkan untuk transaksinya, sehingga bisa diketahui barang apa saja yang biasa dibeli customer pada sebuah klaster maupun besarnya jumlah total harga yang dibayarkan oleh customer terhadap transaksi yang dilakukannya. Dengan demikian klaster yang dibentuk tidak hanya tiga klaster tapi mungkin lebih dari pada itu dan informasi yang didapatkanpun menjadi lebih banyak.

DAFTAR PUSTAKA

Indrajani,S.Kom.,MM.(2011).Pengantar dan Sistem Basis Data.PT Elex Media Komputindo,Jakarta.

https://www.google.com/search?q=proses+data+mining

http://blog-elok.blogspot.sg/2015/01/makalah-data-mining.html

Natural Language Interface to Database

Natural Language Interface to Database
 

Database yang mendapatkan terpenting dalam berbagai macam bidang aplikasi menggunakan sistem informasi swasta dan publik. Database dibangun dengan tujuan untuk memfasilitasi kegiatan penyimpanan data, pengolahan, dan pengambilan terkait dengan pengelolaan data dalam sistem informasi. Karena kemajuan dan di-mendalam aplikasi teknologi komputer, aplikasi luas teknologi web di beberapa daerah menjadi akurat, database telah menjadi repositori dari volume besar data dalam database relasional, untuk mengambil informasi dari database, salah satu kebutuhan untuk merumuskan query sedemikian rupa bahwa komputer akan memahami dan menghasilkan output yang diinginkan. Query Language (SQL) norma terstruktur yang dikejar di hampir semua bahasa untuk sistem database relasional. Norma-norma SQL didasarkan pada interpretasi Boolean query. Tetapi beberapa persyaratan pengguna mungkin tidak dijawab secara eksplisit oleh sistem query klasik. Hal ini karena fakta bahwa karakteristik persyaratan 'tidak bisa diungkapkan dengan bahasa query biasa. Banyak aplikasi database baru generasi menetapkan manajemen informasi cerdas memerlukan interaksi efisien antara pengguna dan basis data. Dalam beberapa kali, ada meningkatnya permintaan untuk pengguna non-ahli untuk query database relasional dalam bahasa yang lebih alami meliputi variabel linguistik dan hal, bukannya beroperasi pada nilai-nilai atribut.

Oleh karena itu ide untuk menggunakan bahasa alami bukan SQL telah mendorong pengembangan jenis baru metode pengolahan yang disebut Antarmuka Bahasa Alam ke sistem database (NLIDB). NLIDB adalah langkah menuju pengembangan sistem database cerdas (IDBS) untuk meningkatkan pengguna dalam melakukan query fleksibel dalam database.

 

Natural Language Interface to Database (NLIDB)

 

Natural Language Interface to Database merupakan daerah panas penelitian sejak lama. Tujuan dari Natural Language Interface to Database System adalah untuk menerima permintaan dalam bahasa Inggris atau bahasa alam lainnya dan mencoba untuk 'memahami' mereka atau kita dapat mengatakan bahwa bahasa alami interface untuk database (NLIDB) adalah sistem yang menerjemahkan kalimat bahasa alami ke dalam query database. Meskipun penelitian awal telah dimulai sejak akhir tahun enam puluhan , NLIDB tetap sebagai masalah penelitian terbuka.

Natural language interface to a database (Nlidb) merupakan sebuah sistem yang digunakan untuk mendapatkan informasi yang tersimpan dalam basis data dengan menggunakan masukan yang menggunakan bahasa alami (Androutsopoulos, dkk, 1995). Sistem untuk mendapatkan informasi dalam basis data telah lama diteliti yakni di tahun 1961 dengan sistem yang bernama Green’s BASEBALL dan sistem LUNAR di tahun 1972 (Copestake dan Jones, 1989). NLP menawarkan banyak manfaat jika digunakan untuk mengambil informasi dalam sistem basis data namun diperlukan usaha untuk menterjemahkan bahasa query (Lewis dan Jones, 1996).

Penggunaan NLP untuk mendapatkan informasi dalam basis data kini semakin banyak diharapkan karena semakin banyaknya pengguna yang ingin mendapatkan informasi dengan berbagai macam perangkat dari laptop sampai dengan telepon genggam. Dengan demikian memiliki sistem antarmuka NLP untuk sistem basis data yang dapat diandalkan merupakan hal yang pokok. Antarmuka NLP ke sistem basis data harus mampu mengerti apa yang diharapkan oleh pengguna (Popescu, dkk, 2005).

Sebuah sistem NLIDB lengkap akan menguntungkan kita dalam banyak cara. Siapapun dapat mengumpulkan informasi dari database dengan menggunakan sistem seperti .Additionally, mungkin mengubah persepsi kita tentang informasi dalam database. Secara tradisional, orang yang digunakan untuk bekerja dengan bentuk; harapan mereka sangat tergantung pada kemampuan formulir. NLIDB membuat seluruh pendekatan yang lebih fleksibel, karena itu akan memaksimalkan penggunaan database.

Ada banyak aplikasi yang dapat mengambil keuntungan dari NLIDB. Di PDA dan ponsel lingkungan, tampilan layar tidak selebar komputer atau laptop. Mengisi formulir yang memiliki banyak bidang dapat membosankan: satu mungkin harus menavigasi melalui layar, untuk menggulir, untuk mencari nilai-nilai scroll Box, dll Sebaliknya, dengan NLIDB, satu-satunya pekerjaan yang perlu dilakukan adalah dengan mengetikkan pertanyaan serupa dengan SMS (Short Messaging System).

 

Sub Komponen NLIDB

 

Komputasi ilmuwan telah membagi masalah akses bahasa alami ke database menjadi dua sub-komponen:

• Komponen Linguistic

• komponen database

Komponen linguistik

Hal ini bertanggung jawab untuk menerjemahkan masukan bahasa alami ke dalam query formal dan menghasilkan respon bahasa alami berdasarkan hasil dari database pencarian.

 

Database Komponen

 

Ia melakukan fungsi Database Management tradisional. Sebuah leksikon adalah tabel yang digunakan untuk memetakan kata-kata input alami ke objek formal (nama relasi, atribut nama, dll) dari database. Kedua parser dan juru semantik memanfaatkan leksikon. Sebuah generator bahasa alami mengambil tanggapan resmi sebagai masukan, dan memeriksa pohon parsing untuk menghasilkan respon bahasa alami yang memadai. sistem database bahasa alami memanfaatkan pengetahuan sintaksis dan pengetahuan tentang database sebenarnya dalam rangka untuk benar berhubungan masukan bahasa alami dengan struktur dan isi dari database tersebut. pengetahuan sintaksis biasanya berada dalam komponen linguistik dari sistem, khususnya dalam analisa sintaks sedangkan pengetahuan tentang database sebenarnya berada sampai batas tertentu dalam model data semantik digunakan. Pertanyaan yang dimasukkan dalam bahasa alami diterjemahkan ke dalam sebuah pernyataan dalam bahasa query formal. Setelah pernyataan itu jelas terbentuk, query diproses oleh sistem manajemen database untuk menghasilkan data yang dibutuhkan. Data ini kemudian diteruskan kembali ke komponen bahasa alami di mana rutinitas generasi memproduksi versi bahasa permukaan respon.

 

BENTUK

 

Contoh Antarmuka berbasis bahasa alami:

Cetak daftar semua mahasiswa yang mempunyai IP semester lebih besar dari 3,0. Bahasa diatas kemudian diterjemahkan ke dalam instruksi yang ekuivalen dengan dbase atau foxpro, sebagai :

DISPLAY ALL FOR IPSEM > 3.0

Atau dalam dialek Turbo Pascal

while not eof (T) do

begin

 readln(T,S) ;

if S.IpSem > 3.0 then

writeln(S.NamaMahasiswa);
End;

            Contoh: program segitiga bintang piramid pada java :

import java.util.Scanner;

public class segitiga {

public static void main (String [] args){

Scanner  scan= new Scanner (System.in);

System.out.print("Masukan Jumlah Bintang :");

 int bil = scan.nextInt();

 for (int a=1; a<=bil; a++){

 for (int b=bil; b>=a; b--){

 System.out.print("*");

}

System.out.println("");

}

}

}

Kekurangan dan Kelebihan

Kelebihan : - kita dapat mempermudah memahami bahasa alami ke dalam bahasa query

                      - Sudah dibuatnya aplikasi dimobile

Kekurangan : aplikasi yang tidak mudah didapat. 

 

Kesimpulan dan Saran

 

Kesimpulan : Dengan adanya Natural Language Interface to Database kita dapat memahami baik bahasa alami dan query dan lebih fleksibel. Menghasilkan sebuah aplikasi yang mampu melakukan query terhadap data yang disimpan dalam basis data relasional dengan menggunakan bahasa Indonesia. Pertanyaan yang diajukan dalam aplikasi ini masih terbatas dan disesuaikan dengan aturan produksi yang dibangun. Pertanyaan yang tidak sesuai dengan aturan produksi yang ditetapkan akan diberikan pesan kesalahan atau diabaikan. Membebaskan pertanyaan menjadi lebih luas adalah saran yang bisa dilakukan untuk penelitian selajutnya sehingga pengguna dapat memiliki variasi pertanyaan yang lebih banyak.

Saran : Agar kita ahli dalam membuat database kita bisa menggunakan System Natural Language Interface to Database bagi pemula maupun senior. Diharapkan karena semakin banyaknya pengguna yang ingin mendapatkan informasi dengan berbagai macam perangkat dari laptop sampai dengan telepon genggam. Dengan demikian memiliki sistem antarmuka untuk sistem basis data yang dapat diandalkan merupakan hal yang pokok. Antarmuka ke sistem basis data harus mampu mengerti apa yang diharapkan oleh pengguna

Referensi :

http://ijcsi.org/papers/IJCSI-8-2-600-608.pdf

http://ramadhanu-adlian.blogspot.co.id/2016/11/natural-language-interface-to-database.html

http://jurtek.akprind.ac.id/sites/default/files/12-19-Raharjo.pdf

http://www.pendidikanmu.com/2015/04/ragam-dialog-interaksi-manusia-dan-Komputer.html