Claim Missing Document
Check
Articles

Found 2 Documents
Search

Optimization of Entropy and MOORA Methods for Comparison of Family Vehicles in Indonesia Santoso Setiawan; Syamsul Bahri; Wahyudin; Popon Handayani
Jurnal Infortech Vol. 8 No. 1 (2026): June 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v8i1.12652

Abstract

This study addresses the issue of subjectivity in determining criteria weights within multi-criteria decision-making for selecting family vehicles in Indonesia. Decision-making in this context often involves multiple factors such as comfort, accommodation, design, features, and fuel consumption, which can lead to biased results if weights are assigned subjectively. To overcome this limitation, this research proposes a combination of the Entropy method and the MOORA (Multi-Objective Optimization on the Basis of Ratio Analysis) method within a decision support system framework. The Entropy method is utilized to objectively calculate the weights of each criterion based on data variability, thereby minimizing human bias, while the MOORA method is applied to rank the available vehicle alternatives. The research adopts a quantitative approach by analyzing several popular family vehicles, including Honda BR-V, Mitsubishi Xpander, Suzuki Ertiga, Hyundai Stargazer, and Toyota Avanza. The results indicate that the integration of Entropy and MOORA methods produces more objective and consistent rankings. Based on the calculated preference values, Toyota Avanza achieved the highest rank, followed by Mitsubishi Xpander and Hyundai Stargazer, while Suzuki Ertiga and Honda BR-V ranked lower. In conclusion, the Entropy–MOORA combination proves to be effective in enhancing the objectivity and accuracy of decision-making. This approach can be applied to other multi-criteria problems, providing a systematic and reliable decision support model.
Analisis Pola Penyakit Pasien Untuk Perencanaan Kebutuhan Obat di Klinik Batara Menggunakan K-Means Clustering Maria Erviana Asinta Lensi; Santoso Setiawan; Taransa Agasya Tutupoly
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.11596

Abstract

Pengelolaan persediaan obat yang kurang tepat di klinik sering kali memicu terjadinya ketidakseimbangan stok, baik berupa kekosongan obat saat permintaan tinggi maupun penumpukan pasokan yang berisiko kedaluwarsa. Penelitian ini bertujuan untuk menganalisis pola penyakit pasien di klinik Batara guna mendukung perancangan kebutuhan obat yang lebih efektif dan efisien. Metode yang digunakan adalah data mining dengan algoritma K-Means Clustering, yang diimplementasikan melalui perangkat lunak Orange Data Mining. Dataset yang dianalisis mencakup 2.831 rekam medis pasien rawat jalan dengan atribut utama berupa kategori keluhan penyakit. Proses preprocessing data melibatkan pembersihan data serta transformasi data serta transformasi fitur menggunakan teknik One-Hot-Encoding untuk mengubah data kategorial menjadi bentuk biner. Berdasarkan pengujian multi-skenario, konfigurasi tiga klster (K=3) menghasilkan nilai rata-rata Silhouette Score tertinggi sebesar 0,506, yang menunjukan struktur pemisahan kelompok yang cukup kuat dan valid. Hasil klasterisasi menunjukan bahwa klaster 1 mencakup 1.627 pasien (57,47%) yang mereprentasikan polapenyakit umum harian dengan variasi gejala yang tinggi. Kaster 2 mencakup 707 pasien (24l97%) yang secara homogen didominasi oleh penderita infeksi saluran pernapasan akut (ISPA). Klaster 3 mencakup 467 pasien (16,56%) dengan keluhan penyakit yang lebih spesifik. Rekomendasi hasil penelitiian ini dapat digunakanoleh pihak manajemen dan farmasi klinik Batara dalam menetapkan kebijakan stok pengaman untuk obat harian serta penjadwalan pengadaanobat ISPA secara terstruktur.