Article Per Year (5 Year)
p-Index From 2021 - 2026
5.662
P-Index
This Author published in this journals
All Journal J-SAKTI (Jurnal Sains Komputer dan Informatika) JURTEKSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Sistem Cerdas EDUMATIC: Jurnal Pendidikan Informatika Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) Jutsi: Jurnal Teknologi dan Sistem Informasi J-SAKTI (Jurnal Sains Komputer dan Informatika) J-Com (Journal of Computer) Jurnal Ipteks Terapan : research of applied science and education Jurnal Abdimas Hawari Journal of Computers and Digital Business Jurnal Bangun Abdimas Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Journal Of Computer Science And Technology Journal Of Indonesian Social Society Fusion : Journal of Research in Engineering, Technology and Applied Sciences
Wiwin Handoko
Sekolah Tinggi Manajemen Informatika Dan Komputer Royal
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
ANALISIS DAN PERANCANGAN SISTEM INVENTORY BERBASIS WEB DI PT. AGRO PUTRA LESTARI Lestari, Widia; Efendi, Bachtiar; Handoko, Wiwin
J-Com (Journal of Computer) Vol. 4 No. 3 (2024): NOVEMBER 2024
Publisher : STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/j-com.v4i3.3311

Abstract

industry. PT. Agro Putra Lestari experienced problems in the process of recording incoming and outgoing goods as well as checking stock of goods which was still done manually. This manual process is prone to errors and data redundancy which can cause major problems in inventory management. Therefore, it is necessary to develop a web-based inventory system to overcome this problem. This inventory system was designed using the CodeIgniter 3 framework to build dynamic, fast and easy web applications, and uses MySQL as the data storage medium. Data collection techniques through direct observation and interviews. The result of this design is an inventory system that is effective and efficient in the process of recording incoming and outgoing goods as well as stock management at PT. Agro Putra Lestari. This system is expected to help increase efficiency and accuracy in inventory management and make it easier for owners to monitor stock reports in real-time.            Keywords: Information Systems, Inventory, Incoming and Outgoing Goods, CodeIgniter, PHP  Abstrak: PT. Agro Putra Lestari merupakan perusahaan yang bergerak di bidang industri pertanian kelapa sawit. PT. Agro Putra Lestari tersebut menghadapi masalah dalam proses pencatatan barang masuk dan keluar serta pengecekan stok barang yang masih dilakukan secara manual. Proses manual ini rentan terhadap kesalahan dan redundansi data, yang dapat menyebabkan masalah besar dalam pengelolaan persediaan barang. Oleh karena itu, diperlukan pengembangan sistem inventori berbasis web untuk mengatasi masalah tersebut. Sistem inventori ini dirancangan menggunakan framework CodeIgniter 3 untuk membangun aplikasi web yang dinamis, cepat, dan mudah, serta menggunakan MySQL sebagai media penyimpanan datanya. Teknik pengumpulan data melalui observasi dan wawancara langsung. Hasil dari rancangan tersebut adalah sebuah sistem inventori yang efektif dan efisien dalam proses pencatatan barang masuk dan keluar serta pengelolaan stok baang di PT. Agro Putra Lestari. Sistem ini diharapkan dapat membantu meningkatkan efisiensi dan akurasi dalam pengelolaan persediaan barang serta memudahkan pemilik dalam memantau laporan stok barang secara real-time. Kata kunci: Sistem Informasi, Inventory, Barang Masuk dan Barang Keluar, CodeIgniter, PHP
Sosialisasi Digitalisasi Data Dalam Upaya Efisiensi Dan Efektifitas Kerja Pada Disdagper Kota Tanjungbalai Wiwin Handoko; Muhammad Iqbal; Indra Ramadona Harahap
Journal Of Indonesian Social Society (JISS) Vol. 2 No. 1 (2024): JISS - Februari
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jiss.v2i1.208

Abstract

Perkembangan teknologi informasi dan fenomena globalisasi telah menjadi pemicu perubahan budaya kerja di sektor pemerintahan, termasuk dalam lingkup Dinas Perdagangan dan Perindustrian di Kota Tanjungbalai. Adopsi digitalisasi data menjadi solusi yang sangat penting untuk meningkatkan efisiensi dan daya saing di sektor perdagangan dan perindustrian. Kegiatan sosialisasi ini mengeksplorasi permasalahan dalam pengelolaan data konvensional dan mengulas dampak positif dari implementasi digitalisasi, terutama dalam konteks pengambilan keputusan strategis. Proses sosialisasi digitalisasi data di Dinas Perdagangan dan Perindustrian mengharuskan pendekatan yang holistik dengan melibatkan pihak terkait dan pengguna, termasuk kolaborasi dengan pihak eksternal yang memiliki keahlian khusus. Melalui kegiatan pengabdian masyarakat, tim yang terdiri dari dosen dan mahasiswa mengimplementasikan sosialisasi digitalisasi data dengan langkah-langkah terstruktur, mencakup identifikasi kebutuhan, perencanaan kegiatan, pembentukan tim, penyusunan materi, pelaksanaan sosialisasi, dan evaluasi. Hasilnya melibatkan penerimaan positif dari Disdagper, permohonan rekomendasi untuk pengembangan aplikasi, dan perubahan positif dalam pengelolaan data. Kesimpulannya adalah bahwa melalui komitmen terhadap inovasi, Disdagper berupaya menciptakan lingkungan kerja yang adaptif, efisien, dan mampu bersaing dalam era digital.
PERBANDINGAN NAIVE BAYES DAN C45 DALAM KLASIFIKASI TES KESEHATAN MAHASISWA BARU AKBID AS-SYIFA Sembiring, Feby Wulandari; Handoko, Wiwin; Batu Bara, Firdha Agis Utami; Sulaseh, Sulaseh
JUTSI: Jurnal Teknologi dan Sistem Informasi Vol. 2 No. 3 (2022): OCTOBER 2022
Publisher : LPPM STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jutsi.v2i3.1882

Abstract

Abstract: Medical test is important to determine the health of a person's body so they are often carried out and have even become one of the requirements for an institution to accept new members such as the As-Syifa Midwifery Academy which conducts medical tests for prospective new students. The problem is that so far the classification system for recapitulation of medical test results is still done manually, thus slowing the performance of the campus and it is feared that there will be damage to the data format. The problem solving technique above is carried out with a data mining process using Naïve Bayes and Decision Tree C45 where the two algorithms are compared to find the 1 best classification algorithm to be implemented in the system. The dataset uses data on the recapitulation of the results of the 2018 new student health tests sourced from the Administration (TU) of Akbid As-Syifa. The comparison uses 4 data testing models and the confusion matrix as the performance evaluation value of the modeling algorithm. The modeling results obtained that the Decision Tree C45 algorithm is superior and suitable to be implemented with an accuracy rate of 100% while Naïve Bayes has a maximum accuracy rate of 96%. The purpose of this study was to help Akbid As-Syifa classify the results of the health test of prospective new students. Keywords: Medical test; Prospective new students; Naïve Bayes; C45.  Abstrak: Tes kesehatan merupakan hal penting untuk mengetahui kesehatan tubuh seseorang sehingga banyak dilakukan bahkan telah menjadi salah satu persyaratan bagi sebuah lembaga untuk menerima anggota baru seperti halnya Akademi Kebidanan (Akbid) As-syifa yang melakukan tes kesehatan bagi calon mahasiswa baru. Permasalahannya selama ini sistem klasifikasi rekapitulasi hasil tes kesehatan masih dilakukan secara manual sehingga memperlambat kinerja pihak kampus serta dikhawatirkan adanya kerusakan format data. Adapun teknik penyelesaian masalah diatas dilakukan dengan proses data mining menggunakan  Naïve Bayes dan Decision Tree C45 dimana kedua algoritma tersebut dibandingkan untuk mencari 1 algoritma klasifikasi terbaik unutk diimplementasikan dalam sistem. Dataset menggunakan data rekapitulasi hasil tes kesehatan calon mahasiswa baru tahun 2018 bersumber dari Tata Usaha (TU) Akbid As-syifa. Perbandingan menggunakan 4 model pengujian data dan confusion matrix sebagai nilai evaluasi performa dari pemodelan algoritma tersebut. Hasil pemodelan diperoleh algoritma Decision Tree C45 lebih unggul dan cocok untuk diimplementasikan dengan tingkat akurasi 100% sedangkan Naïve Bayes tingkat akurasinya maksimal sebesar 96%. Tujuan penelitian ini adalah membantu pihak Akbid As-syifa mengklasifikasikan hasil tes kesehatan calon mahasiswa baru. Kata Kunci: Tes kesehatan; Calon Mahasiswa Baru; Naïve Bayes; C45.
PREDIKSI PENERIMAAN BANTUAN PIP PADA SMKS AL-FURQON BATUBARA DENGAN METODE NAÏVE BAYES Aini, Nur; Handoko, Wiwin; Nurhaliza, Rizky
JUTSI: Jurnal Teknologi dan Sistem Informasi Vol. 4 No. 1 (2024): FEBRUARY 2024
Publisher : LPPM STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jutsi.v4i1.2971

Abstract

Abstract: The PIP program is assistance for poor students which is provided to students from families who are poor and cannot carry out learning activities at school. At Al-Furqon Private Vocational School, Batubara Regency, there are still problems in the decision-making process to determine which students are entitled to PIP scholarships, so researchers apply the Naïve Bayes method. Naive Bayes is a simple probabilistic forecasting method based on the application of Bayes' theorem (or Bayes' rule) with the assumption of independence (non-independence) in the selection of PIP recipient students with the criteria of Report Card Value, Parent's Dependents, Parent's Income, and KIP Recipients using the above calculations. The report card value is 75 dependent parents, more than 3 people with income below IDR 1,500,000 and those who do not receive PKH so that 74 people receive PIP results and 117 people do not receive results. In calculating the Naive Bayes method using Python tools, the accuracy results were 96%.Keywords: data mining; naïve bayes; scholarship pip Abstrak: Program PIP termasuk beasiswa untuk siswa tidak mampu yang disajikan kepada siswa dari keluarga miskin dan tidak bisa melaksanakan kegiatan pembelajaran di sekolah. Pada SMK Swasta Al-Furqon Kabupaten Batubara masih menghadapi masalah dalam cara mengambil keputusan untuk penentuan peserta didik yang berwenang atas bantuan PIP sehinga peneliti menerapkan pendekatan Naïve Bayes. Naive Bayes suatu metode prediksi probabilistik sederhana yang berlandaskan pada teorema Bayes dengan hipotesis independensi (non-independent) dalam pemilihan peserta didik penerima PIP dengan kriteria Nilai Raport, Tanggungan Ortu, Penghasilan Ortu, dan Penerima PKH dengan perhitungan nilai raport diatas 75, tanggungan ortu lebih dari 3 orang, penghasilan dibawah Rp 1.500.000 dan tidak menerima PKH sehingga mendapatkan hasil yang Diterima PIP sebanyak 74 orang dan yang Tidak Diterima sebanyak 117 orang. Dalam perhitungan metode Naive Bayes dengan tools jupyter notebook dari anaconda mendapatkan hasil akurasi 97%.Kata Kunci: data mining; naïve bayes; beasiswa pip
ANALISIS PREDIKSI KELULUSAN MAHASISWA PROGRAM STUDI SISTEM INFORMASI STMIK ROYAL KISARAN MENGGUNAKAN METODE NAIVE BAYES Khairani, Dinda; Intan, Septy Nur; Handoko, Wiwin
JUTSI: Jurnal Teknologi dan Sistem Informasi Vol. 4 No. 1 (2024): FEBRUARY 2024
Publisher : LPPM STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jutsi.v4i1.3038

Abstract

Abstract: Universities are responsible for creating graduates who have adequate skills. Measuring student graduation rates is considered a critical parameter in achieving this goal. This research was conducted to determine the number of graduates from each classification, namely graduating on time or not accurately. Bearing in mind that STMIK Royal Kisaran already has B accreditation. The success of students in graduating on time has a significant impact on the assessment elements in the accreditation process of higher education institutions. The use of the Naïve Bayes Algorithm method in applying data mining can be a solution to overcome the problem of determining the number of graduations. Naïve Bayes is a technique or method in the field of Data Mining that uses probability and statistics to make predictions. This method is able to project opportunities for future events based on past experience. The dataset in this research is STMIK Royal Kisaran Student Graduation data in 2017 as many as 608 student data which were divided into 2 (two) with a ratio of 70:30, 425 training data and 183 testing data managed to obtain an accuracy value of 61%. The Naïve Bayes algorithm produces the following results: precision for the negative class is 45%, for the positive class is 96%; recall for the negative class was 97%, for the positive class was 44%; f1-score for the negative class is 62%, for the positive class is 61%; and accuracy of 61%.Keywords: Graduation; Data Mining; Naïve Bayes Abstrak: Perguruan tinggi bertanggung jawab untuk menciptakan lulusan yang memiliki keterampilan yang memadai. Pengukuran tingkat kelulusan mahasiswa dianggap sebagai parameter kritis dalam mencapai sasaran ini. Adapun penelitian ini dilakukan untuk menentukan jumlah kelulusan dari masing-masing klasifikasi yaitu Lulus tepat waktu atau tidak secara akurat. Mengingat bahwa STMIK Royal Kisaran sudah memiliki akreditasi B. Keberhasilan mahasiswa dalam lulus tepat waktu memiliki dampak signifikan terhadap penilaian unsur dalam proses akreditasi institusi pendidikan tinggi. Penggunaan metode Algoritma Naïve Bayes dalam penerapan data mining dapat menjadi solusi untuk mengatasi permasalahan penentuan jumlah kelulusan. Naïve Bayes adalah sebuah teknik atau metode dalam bidang Data Mining yang menggunakan probabilitas dan statistik untuk melakukan prediksi. Metode ini mampu memproyeksikan peluang kejadian di masa mendatang berdasarkan pengalaman masa lalu. Dataset dalam penelitian ini adalah data Kelulusan Mahasiswa STMIK Royal Kisaran pada tahun 2017 sebanyak 608 data mahasiswa yang dibagi menjadi 2 (dua) dengan rasio 70:30, 425 data training dan 183 data testing berhasil memperoleh nilai akurasi sebesar 61%. Algoritma Naïve Bayes menghasilkan hasil sebagai berikut: presisi untuk kelas negatif sebesar 45%, untuk kelas positif sebesar 96%; recall untuk kelas negatif sebesar 97%, untuk kelas positif sebesar 44%; f1-score untuk kelas negatif sebesar 62%, untuk kelas positif sebesar 61%; dan akurasi sebesar 61%.Kata kunci: Kelulusan; Data Mining; Naïve Bayes
Co-Authors . Zulfan Abdul Karim Syahputra Amalia Amalia Andhini Asri Awaliyah Arifin Andika Nanda Manurung Anlersi, Azelia Zeta Aprianto, M. Sura Ari Dermawan Ari Dermawan Arifin, Andhini Asri Awaliyah Bachtiar Efendi, Bachtiar Batu Bara, Firdha Agis Utami Depy Rahmadani Desi Sri Pasca Sari Sembiring, Desi Sri Pasca Sari Desy Julika Sari dewi Antika Dinda Khairani Elvie Yanti Fatimah Syamsul Fauziah, Rizky Feby Wulandari Sembiring Firdha Agis Utami Batu Bara Fuji Sriutami Hambali Hambali Hambali Hambali Harahap, Indra Ramadona Hari Jalsa Marpaung Helmiah, Fauriatun Hidayatullah Hidayatullah Imam Frandika Intan, Septy Nur juwita sari Juwita Sari Khairani, Dinda Khairini Utami Br.Siagian Maulana, Cecep Muhammad Ardiansyah Sembiring Muhammad Iqbal Muhammad Iqbal Muhammad Iqbal Nasution, Auliana Natasya, Tri Adetia Nofriadi Nofriadi Nur Aini Nurhaliza, Rizky Nurwati Nurwijayanti Pane, Siti Fatimah Sitorus Parini Parini Rahma Diana Daulay Rahmiatun Nisa Ricki Ananda Riki Andri Yusda Riyadi, Rahmad Rizaldi Rozi Juliantika Sembiring, Feby Wulandari Septy Nur Intan Siregar, Iqbal Kamil Siti Nurhalimah Sofana Bayor Hud Sri Wahyuni SRI WULANDARI Sulaseh Sulaseh Sulaseh, Sulaseh Sutri Pahdianingsi Syahputra, Abdul Karim Vivi Amalianti Nasution VIvi Amalianti Nasution Widia Lestari Wulan Dayu Wulan Fentari Sibarani Yollanda Putry Zulfan Efendi Zulkhairani, Zulkhairani