Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal Journal Of Computer Science And Technology Fusion : Journal of Research in Engineering, Technology and Applied Sciences
Wiwin Handoko
Universitas Royal
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Materials Science & Nanotechnology

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Penerapan Metode Naive Bayes Dalam Memprediksi Kelayakan Penerima Bantuan Sosial Beras Miskin Di Kelurahan Sidomulyo Elvie Yanti; Rahma Diana Daulay; Rozi Juliantika; Wiwin Handoko
Journal of Computer Science and Technology (JOCSTEC) Vol 3 No 3 (2025): JOCSTEC - September
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jocstec.v3i3.573

Abstract

Bantuan sosial adalah salah satu program utama pemerintah untuk meningkatkan taraf hidup masyarakat. Salah satu program bantuan sosial yang menjadi perhatian pemerintah adalah bantuan Raskin (beras untuk keluarga miskin). Pengelolaan program bantuan sosial Raskin di Kelurahan Sidomulyo selama ini dilakukan dengan cara manual, yang mengakibatkan ketidakakuratan data dan ketidaktepatan sasaran penerima bantuan. Penelitian ini bertujuan untuk memperbaiki akurasi dan efisiensi proses seleksi penerima bantuan Raskin dengan menerapkan model Naive Bayes. Model ini digunakan untuk mengelompokkan data penerima berdasarkan kriteria, seperti kondisi rumah, status kepemilikan rumah, tanggungan keluarga, dan jumlah penghasilan. Berdasarkan penelitian yang dilakukan menggunakan data dari 300 kepala keluarga, model ini berhasil mencapai tingkat akurasi sebesar 81,66%. Hasil penelitian menunjukkan bahwa 60,3% kepala keluarga dinyatakan layak menerima bantuan, sedangkan 39,7% tidak layak. Implementasi model Naive Bayes diharapkan dapat meningkatkan transparansi, keadilan, dan efisiensi dalam pelaksanaan program bantuan sosial di masa yang akan datang. 
Penerapan K-Means Clustering Untuk Segmentasi Penjualan Di Minimarket Mardi Dengan Pendakatan Machine Learning Imam Frandika; Sofana Bayor Hud; Wiwin Handoko
Journal of Computer Science and Technology (JOCSTEC) Vol 3 No 3 (2025): JOCSTEC - September
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jocstec.v3i3.574

Abstract

Perkembangan teknologi informasi mendorong pemanfaatan machine learning dalam analisis data penjualan untuk mendukung pengambilan keputusan bisnis. Minimarket Mardi memiliki beragam produk dengan pola pembelian yang bervariasi, sehingga diperlukan metode analisis yang mampu mengelompokkan data penjualan secara lebih terstruktur. Penelitian ini menerapkan algoritma K-Means Clustering untuk melakukan segmentasi penjualan berdasarkan atribut tertentu, seperti kategori produk, jumlah penjualan, serta frekuensi transaksi. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan, penentuan jumlah klaster optimal dengan metode Elbow, serta implementasi algoritma K-Means. Hasil analisis menunjukkan terbentuknya beberapa klaster yang merepresentasikan pola penjualan produk di Minimarket Mardi, mulai dari produk dengan tingkat penjualan tinggi, sedang, hingga rendah. Segmentasi ini dapat membantu manajemen minimarket dalam merancang strategi pemasaran yang lebih tepat sasaran, pengelolaan stok yang lebih efisien, serta peningkatan pelayanan kepada konsumen. Dengan demikian, penerapan K-Means Clustering terbukti efektif dalam mendukung pengambilan keputusan berbasis data di sektor ritel.
Prediksi Kelayakan Mustahiq Zakat Fitrah di Masjid Nur Hadi Menggunakan Metode Naïve Bayes M. Sura Aprianto; Siti Fatimah Sitorus Pane; Tri Adetia Natasya; Wiwin Handoko
Fusion : Journal of Research in Engineering, Technology and Applied Sciences Vol. 2 No. 1 (2025): Fusion - April
Publisher : PT. Faaslib Serambi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66341/fusion.v2i1.276

Abstract

Perkembangan teknologi informasi telah memberikan dampak signifikan dalam pengelolaan zakat, khususnya zakat fitrah. Zakat fitrah merupakan kewajiban umat Islam untuk membantu kaum dhuafa yang membutuhkan. Namun, proses penentuan mustahiq (penerima zakat) sering kali dilakukan secara manual, sehingga berisiko terjadi ketidaktepatan. Penelitian ini bertujuan untuk mengembangkan sistem prediksi kelayakan mustahiq zakat fitrah menggunakan metode Naïve Bayes di Masjid Nur Hadi, Kelurahan Dadimulyo, Kecamatan Kota Kisaran Barat. Metode Naïve Bayes dipilih karena kemampuannya dalam klasifikasi berbasis probabilitas dengan asumsi independensi antar-atribut. Data yang digunakan mencakup atribut seperti golongan, pendapatan, jumlah tanggungan, tempat tinggal, dan kondisi kesehatan. Pendekatan penelitian menggunakan metode CRISP-DM yang meliputi enam tahap, yaitu pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Hasil analisis menunjukkan bahwa sistem prediksi ini memiliki akurasi sebesar 88%. Dari 104 data mustahiq, sebanyak 74 orang (71,2%) dinyatakan layak menerima zakat, sedangkan 30 orang (28,8%) dinyatakan tidak layak. Evaluasi kinerja model menunjukkan nilai precision untuk kelas positif sebesar 85%, untuk kelas negatif sebesar 100%; nilai recall untuk kelas positif sebesar 100%, untuk kelas negatif sebesar 60%; serta F1-score untuk kelas positif sebesar 92%, dan kelas negatif sebesar 75%. Penelitian ini membuktikan bahwa metode Naïve Bayes mampu meningkatkan efisiensi dan akurasi dalam penentuan kelayakan mustahiq zakat fitrah. Sistem ini diharapkan dapat mendukung pengambilan keputusan yang lebih objektif dan transparan, sehingga zakat dapat disalurkan secara tepat sasaran dan memberikan manfaat maksimal bagi mustahiq yang membutuhkan.
Pengklasifikasian Tingkat Penjualan Sparepart Mobil di Putra Motor Menggunakan Algoritma K-Means Clustering Siti Nurhalimah; Sri Wahyuni; Wiwin Handoko
Fusion : Journal of Research in Engineering, Technology and Applied Sciences Vol. 2 No. 1 (2025): Fusion - April
Publisher : PT. Faaslib Serambi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66341/fusion.v2i1.277

Abstract

K-Means adalah salah satu metode pengelompokan data non-hierarki (partisi) yang bertujuan untuk membagi data ke dalam dua atau lebih kelompok berdasarkan kesamaan tertentu . Dalam penelitian ini, analisis data mining dilakukan menggunakan metode K-Means. Metode ini memungkinkan data yang telah diperoleh dikelompokkan ke dalam beberapa cluster berdasarkan kesamaan atau kemiripan antar data. Data dengan karakteristik yang serupa akan dikelompokkan dalam cluster yang sama, sementara data dengan karakteristik berbeda akan masuk ke cluster lain. Data dengan karakteristik yang serupa akan dikelompokkan dalam cluster yang sama, sementara data dengan karakteristik berbeda akan masuk ke cluster lain Pembuatan model clustering dilakukan dengan menggunakan K-Means Clustring untuk mengelompokkan tingkat penjualan sparepart mobil pada Putra Motor berdasarkan jumlah total dan total penjualan dari bulan januari sampai bulan juni 2024. Algoritma ini diterapkan melalui software Jupyter Notebook, menggunakan data yang telah diambil dari Putra Motor. Proses dimulai dengan menjalankan Jupyter Notebook, kemudian membuat file baru dengan format ipnyb dan mengaktifkan fungsi-fungsi yang terdapat didalam python. Hasil analisis menunjukkan bahwa terdapat 62 data dalam kategori penjualan sedang, 31 dalam rendah, dan 17 dalam tinggi. Temuan ini memberikan wawasan penting bagi Putra Motor untuk meningkatkan strategi pemasaran dan manajemen persediaan. Dengan sistem yang lebih efisien, perusahaan dapat mengurangi modal yang terjebak dalam persediaan dan meningkatkan profitabilitas. Penelitian ini juga menekankan pentingnya penerapan teknologi dalam analisis data untuk pengambilan keputusan yang lebih baik di sektor otomotif  
Co-Authors Elvie Yanti Imam Frandika M. Sura Aprianto Rahma Diana Daulay Rozi Juliantika Siti Fatimah Sitorus Pane Siti Nurhalimah Sofana Bayor Hud Sri Wahyuni Tri Adetia Natasya