Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Bulletin of Information Technology (BIT)
Kusmanto
Universitas Al Washliyah Labuhanbatu
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Metode SAW Dan MAUT Dalam Sistem Pendukung Keputusan Menentukan Verietas Nanas Terbaik Rahmad Aditiya; Angga Putra Juledi; Kusmanto; Andi Ernawari; Muhammad Bobbi Kurniawan Nasution
Bulletin of Information Technology (BIT) Vol 7 No 2 (2026)
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v7i2.2993

Abstract

This research aims to assist farmers and agribusiness practitioners in determining the best pineapple variety in a more objective and systematic manner. Ultimately, this will positively impact the productivity and quality of pineapple yields, providing greater economic benefits to farmers and agribusiness practitioners. To address this issue, a Decision Support System (DSS) was employed using the SAW and MAUT methods. The SAW method is a simple and easily implemented MCDM method. It works by assigning weights to each criterion and then calculating the total score for each alternative based on these weights. On the other hand, the MAUT method is a more comprehensive approach to multi-criteria decision-making. This method is based on utility theory, which considers the decision-maker's preferences regarding various attributes or criteria. By using the SAW and MAUT methods, we can determine the best pineapple variety selection based on the available data. From the previously collected data, this study uses 5 criteria: Size (30%), Taste (25%), Skin Color (20%), Water Content (15%), and Texture (10%). The implementation of the SAW and MAUT methods revealed that the best pineapple variety is A5 (MD2) with a score of 0.9125 using the SAW method and a score of 2.2062 using the MAUT method. The last-ranked alternative, A10, shared the same ranking.
Penerapan Data Mining Untuk Prediksi Penjualan Roti Terlaris Menggunakan Metode K-Nearest Neighbor Arifin Munthe; Kusmanto; Basyarul Ulya
Bulletin of Information Technology (BIT) Vol 6 No 2: Juni 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v6i2.1978

Abstract

Penelitian ini dilakukan untuk memprediksi penjualan roti terlaris menggunakan metode K-Nearest Neighbor (KNN) pada Pabrik Roti SAMAWA Rantauprapat. Dengan memanfaatkan teknik data mining, penelitian ini bertujuan memberikan informasi yang akurat bagi pengambilan keputusan penjualan. Data mining merupakan proses untuk menemukan pola tersembunyi dalam data, sedangkan metode KNN adalah algoritma klasifikasi yang bekerja berdasarkan kedekatan jarak antar data. Model klasifikasi ini efektif untuk menganalisis data numerik dan memetakan data baru berdasarkan data historis. Penelitian ini menggunakan pendekatan kuantitatif dengan tahapan pengumpulan data, preprocessing, pembagian data training dan testing, serta evaluasi model menggunakan aplikasi Orange. Data yang digunakan sebanyak 150 data penjualan, dan analisis dilakukan dengan menggunakan algoritma KNN untuk proses klasifikasi. Hasil klasifikasi menunjukkan bahwa dari 100 data testing, sebanyak 59 diklasifikasikan sebagai "laris" dan 41 sebagai "tidak laris". Evaluasi model menghasilkan nilai akurasi sebesar 85% dan AUC sebesar 0,948, yang menunjukkan performa model cukup tinggi. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode KNN efektif digunakan dalam memprediksi penjualan roti terlaris. Model ini diharapkan dapat membantu pihak pabrik dalam mengelola stok dan strategi pemasaran dengan lebih baik.
Co-Authors Andi Ernawari Angga Putra Juledi Arifin Munthe Basyarul Ulya Muhammad Bobbi Kurniawan Nasution Rahmad Aditiya