Claim Missing Document
Check
Articles

Found 3 Documents
Search

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN PENERIMA BANTUAN MENGGUNAKAN METODE FUZZY SUGENO Utami wardah; Vivin Wulandari; Khairul Saleh
Jurnal Intelek Insan Cendikia Vol. 3 No. 1 (2026): JANUARI 2026
Publisher : PT. Intelek Cendikiawan Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penentuan kelayakan penerima bantuan merupakan aspek penting untuk memastikan bantuan yang disalurkan tepat sasaran dan sesuai dengan kriteria yang telah ditetapkan. Dalam penelitian ini, dikembangkan sebuah sistem pendukung keputusan berbasis logika fuzzy menggunakan metode Sugeno untuk menentukan tingkat kelayakan penerima bantuan. Metode Sugeno dipilih karena kemampuannya menghasilkan keluaran numerik yang lebih presisi sehingga dapat mendukung proses pengambilan keputusan secara objektif. Parameter masukan yang digunakan meliputi tingkat pendapatan, jumlah tanggungan, kondisi tempat tinggal, dan status pekerjaan, yang masing-masing direpresentasikan dalam fungsi keanggotaan fuzzy. Sistem ini dibangun menggunakan aturan fuzzy IF–THEN dengan keluaran berupa nilai kelayakan dalam rentang 0–100. Hasil pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi kelayakan penerima bantuan secara akurat dan konsisten serta sesuai dengan penilaian manual. Dengan adanya sistem ini, proses penentuan penerima bantuan dapat dilakukan secara lebih efektif, transparan, dan tepat sasaran.
Analisis Pola Penjualan Produk Pulsa Menggunakan Algoritma K-Means Clustering untuk Segmentasi Tingkat Popularitas Produk : Penelitian Yunita Sari; Bambang Irwansyah; Siti Gkhonia; Vivin Wulandari; Utami Wardah Hafiz; Santi Kayani Siregar
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 April - Juni
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.5330

Abstract

Penjualan produk pulsa merupakan aktivitas bisnis yang memiliki tingkat dinamika tinggi seiring dengan meningkatnya kebutuhan masyarakat terhadap layanan telekomunikasi. Permasalahan yang sering dihadapi pelaku usaha adalah kurang optimalnya pemanfaatan data transaksi penjualan untuk memahami pola permintaan dan tingkat popularitas produk. Penelitian ini bertujuan untuk menganalisis pola penjualan produk pulsa dan melakukan segmentasi tingkat popularitas produk menggunakan algoritma K-Means Clustering. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan memanfaatkan data sekunder berupa riwayat transaksi penjualan pulsa selama periode satu tahun. Data yang diperoleh melalui tahapan prapengolahan meliputi pembersihan, transformasi, dan normalisasi data sebelum dianalisis menggunakan algoritma K-Means. Jumlah cluster ditetapkan sebanyak tiga kelompok yang merepresentasikan kategori popularitas tinggi, sedang, dan rendah. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan produk pulsa secara jelas berdasarkan karakteristik penjualannya. Produk dengan jumlah transaksi tinggi tergolong dalam cluster popularitas tinggi dan memberikan kontribusi terbesar terhadap total penjualan, sedangkan produk dengan transaksi rendah berada pada cluster popularitas rendah.
Implementasi Metode Learning Vector Quantization (LVQ) pada Sistem Pendukung Keputusan Klasifikasi Prestasi Siswa : Penelitian Yunita Sari; Siti Gkhonia; Vivin Wulandari; Utami Wardah Hafiz; Wanayumini
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 3 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 3 (Januari 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i3.5116

Abstract

Penilaian prestasi siswa merupakan bagian penting dalam proses evaluasi pendidikan karena berperan sebagai dasar pengambilan keputusan akademik. Namun, proses klasifikasi prestasi siswa masih banyak dilakukan secara konvensional sehingga berpotensi menghasilkan penilaian yang kurang objektif. Penelitian ini bertujuan untuk mengimplementasikan metode Learning Vector Quantization (LVQ) pada sistem pendukung keputusan dalam mengklasifikasikan prestasi siswa berdasarkan data nilai pengetahuan. Penelitian menggunakan pendekatan kuantitatif dengan metode eksperimental, memanfaatkan data nilai pengetahuan mata pelajaran Al-Qur’an Hadis kelas III B MIN 3 Asahan semester I tahun pelajaran 2023/2024 yang berjumlah 27 siswa. Empat nilai sumatif digunakan sebagai atribut input dan dikelompokkan ke dalam tiga kategori prestasi, yaitu tinggi, sedang, dan rendah. Data dinormalisasi menggunakan metode min–max, kemudian dibagi menjadi data latih dan data uji dengan proporsi 70% dan 30%. Hasil pengujian menunjukkan bahwa metode LVQ mampu mengklasifikasikan prestasi siswa dengan tingkat akurasi sebesar 87,50%. Kesalahan klasifikasi terjadi pada data dengan nilai yang berada di batas antar kategori prestasi. Temuan ini menunjukkan bahwa metode LVQ efektif digunakan sebagai alat bantu pengambilan keputusan akademik yang berbasis data dan dapat meningkatkan objektivitas dalam penilaian prestasi siswa.