Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science
Nathanael Dennis Gunawan
Universitas Tarumanagara
Computer Science & IT

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

Found 2 Documents
Search

 1 
KLASIFIKASI KINERJA PENGIRIMAN LOGISTIK BERBASIS PREDIKSI ETA MENGGUNAKAN MACHINE LEARNING DI PT. DE BESTA TRANS Nathanael Dennis Gunawan; Jap Tji Beng; Novario Jaya Perdana; Dhira Francesco; Dennis Matthew
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 6 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/gpwqvh82

Abstract

Efisiensi waktu pengiriman adalah faktor terpenting dalam menjaga kinerja operasional logistik. Sebelumnya, PT. De Besta Trans sudah memiliki model prediksi Estimated Time of Arrival (ETA) untuk memperkirakan waktu tiba pengiriman, namun sampai sekarang masih belum terdapat sistem evaluasi yang menilai tingkat ketepatan pengiriman. Penelitian ini bertujuan untuk mengembangkan model klasifikasi kinerja pengiriman berbasis hasil prediksi ETA menggunakan algoritma Machine Learning. Data yang digunakan termasuk hasil prediksi ETA, waktu sampai, durasi aktual serta variabel lain seperti rute dan sopir. Metode yang digunakan meliputi preprocessing data, pembentukan label kategori (clustering), dan pelatihan model klasifikasi menggunakan algoritma K-Nearest Neighbors, Random Forest dan Logistic Regression. Proses evaluasi dilakukan dengan menggunakan metrik accuracy, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model Logistic Regression menunjukkan performa terbaik dengan tingkat akurasi sebesar 99,76%. Hasil tersebut membuktikan bahwa integrasi prediksi ETA dengan klasifikasi kinerja dapat meningkatkan efektivitas sistem evaluuasi logistik secara lebih efisien. Kata Kunci: Machine Learning, Estimated Time of Arrival (ETA), Logistic Regression, Klasifikasi, Kinerja Pengiriman
OPTIMALISASI SISTEM PRESENSI KARYAWAN BERBASIS WEB Mikhael Edo Sinambela; Jap Tji Beng; Wasino Wasino; Nathanael Dennis Gunawan; Sultan Said Abdul Rahman
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 6 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/rzrchz27

Abstract

Presensi manual di PT. XYZ menyebabkan keterlambatan rekap, inkonsistensi pencatatan, dan meningkatnya beban administrasi. Artikel ini menyajikan perancangan dan implementasi modul presensi berbasis web yang menstandarkan proses hadir dan pulang, mencegah duplikasi, serta menyediakan rekap periodik yang siap diekspor. Metode Waterfall diterapkan secara berurutan dalam ruang lingkup presensi, mencakup analisis kebutuhan, perancangan arsitektur dan basis data, implementasi antarmuka serta logika validasi, dan dokumentasi operasional. Hasil penerapan menunjukkan alur kerja presensi yang lebih ringkas: dimulai dari login, dilanjutkan pencatatan hadir atau pulang, proses validasi di sisi server, penyimpanan dengan waktu dari server, dan penyusunan rekap. Pendekatan ini meningkatkan akurasi data, mempercepat penyusunan laporan, dan memperkuat akuntabilitas presensi di PT. XYZ. Kata Kunci: Sistem Presensi, Web, PHP, Waterfall, sistem berbasis web
Co-Authors Dennis Matthew Dhira Francesco Jap Tji Beng Mikhael Edo Sinambela Novario Jaya Perdana Sultan Said Abdul Rahman Wasino Wasino