ABSTRAKSI: Klasifikasi merupakan salah satu kegiatan populer dalam Data Mining yang selalu bersentuhan dengan data berukuran kecil sampai besar. Dalam klasifikasi dataset biasanya langsung dimuat ke dalam memori dan kadang tanpa perhitungan kapasitas memori, akibatnya sering kali proses klasifikasi berjalan lambat karena terlalu banyak file-swapping. Solusi paling sederhana yang biasa terpikirkan adalah menambah kapasitas memori, namun menambah memori saja tidak akan menyelesaikan masalah apabila data yang dimuat terus bertambah.
Dalam Tugas Akhir ini diperkenalkan solusi alternatif selain menambah kapasitas memori, yaitu dengan memecah dataset menjadi beberapa bagian dan dimuat serta diproses bergantian. Solusi inilah yang disebut sebagai pendekatan partisi terhadap data training.
Kata Kunci : dataset, file-swapping, partisi, klasifikasi, memoriABSTRACT: Classification as one of the most popular task in Data Mining always in touch with small until large data. In the case of classification, dataset usually be load in memory without calculation of memory capacity, so classification often running slow because of file-swapping. The simpliest solution by adding memory capacity is not enough to solve the problem if the data to be load become bigger.
this TA will introduce the alternative solution except adding memory capacity, by partitioning the dataset to some pieces then loading and processing each pieces one by one. This solution called partition approach to data training.
Keyword: dataset, file-swapping, partition, classification, memory