Garuda - Garba Rujukan Digital

Penentuan Strategi Pengembangan Ternak Itik Albino Dengan Metode Analytical Hierarchiprocess (AHP) Muwanti, Apri; Bangun, Budianto; Irmayani, Deci
Jurnal Media Informatika Vol. 6 No. 2 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i2.5332

Itik Alabio merupakan rumpun unggas lokal dengan sebaran geografis asli Kalimantan dan salah satu Produk Unggulan Daerah (PUD). Akan tetapi, sektor peternakan Itik Alabio selama ini belum menunjukkan kontribusi yang signifikan terhadap perekonomian peternak maupun daerah. Perkembangan bisnis kuliner di daerah perkotaan membuka peluang terhadap pengembangan Itik Alabio di Kalimantan Selatan. Tujuan penelitian ini adalah untuk menganalisis sektor hulu hingga hilir Itik Alabio untuk digunakan sebagai dasar penyusunan strategi pemasarannya. Penelitian ini menggunakan pendekatan kualitatif. Data primer diambil melalui observasi dan wawancara dengan informan yang dipilih secara purposive sampling. Data dianalisis menggunakan analisis penetapan nilai (STP analysis) dan analisis bauran pemasaran (marketing mix analysis). Hasil penelitian ini menunjukkan bahwa segmen dan target pasar adalah masyarakat daerah perkotaan yang memiliki kemampuan ekonomi menengah ke atas. Perluasan jangkauan pasar melalui suplai cold meat untuk pangsa pasar perhotelan, restoran, dan pasar modern. Strategi pemasaran adalah dengan memperhatikan keunggulan tekstur, rasa, dan warna daging Itik Alabio sebagai daya jual, menentukan harga jual yang bersaing dengan kompetitor tanpa menurunkan kualitas, menambah jalur distribusi secara daring, dan meningkatkan promosi di platform digital.

A Review of Motion Sensors as a Home Security System and approach to the Internet of Things Project Lesmana, Yandri; Pane, Rahmadani; Hsb, Elysa Rohayani; Hakim, Lukman; Agusti, Nelly; Irmayani, Deci; adi, Puput Dani Prasetyo
Internet of Things and Artificial Intelligence Journal Vol. 1 No. 4 (2021): Volume 1 Issue 4, 2021 [November]
Publisher : Association for Scientific Computing, Electronics, and Engineering (ASCEE)

Home security is an essential factor and must be maintained; currently, the development of technology or security systems continues to be improved, one of which is Eye Retina and Artificial Intelligence. in this research, the use of Motion Sensors in Home Security, performance evaluation, and future development. In this time, more crimes occur in our environment, one of which is theft or breaking into people's homes in various areas; this problem is disturbing to residents in areas where these crimes often occur, even though so far, residents have used many methods to prevent crime, one of which is installing CCTV. However, thieves still have managed to escape the CCTV surveillance. But suppose we use a security system that can make a sound. In that case, the sound can make criminals cancel their intention to steal because the sound disturbs their concentration and can also wake the house owner or tell residents about a crime in the house. And in this article, I will describe a home security system. This system requires several supporting equipment, such as PIR, Arduino, Buzzer, and other tools.

A Review and Management of the 'Anugerah' Computer Shop Application Based on Android and iOS Mobile Irmayani, Deci; Siregar, Zakia El Husna; Sari, Mila Nirmala
Internet of Things and Artificial Intelligence Journal Vol. 4 No. 1 (2024): Volume 4 Issue 1, 2024 [February]
Publisher : Association for Scientific Computing, Electronics, and Engineering (ASCEE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31763/iota.v4i1.702

The need for e-commerce is primarily for business actors such as Anugerah PC, which is engaged in PC repair and sales services. Since the COVID-19 pandemic devastated the industrial world, more time has passed, and ideas have emerged to build digital-based applications, even mobile-based ones. Digital-based, for example, is the existence of an application website that is very user-friendly but needs development, such as the development of an Android mobile or iOS mobile application, depending on the operating system used by the mobile device. This research is one of the answers to this problem. Anugerah PC built a mobile-based application to answer the challenges in the current 5.0 industrial revolution era. So, with this application, Anugerah stores can get a lot of followers, especially customers who are ready to buy at Anugerah stores. Anugerah PC shop can be the best in sales through e-commerce with a very flexible Android Mobile system.

Prediksi Tweet Netizen Menggunakan Random Forest, Decision Tree, NaÃ¯ve Bayes, dan Ensemble Algorithm Harahap, Vivi Nadenia; Irmayani, Deci; Harahap, Syaiful Zuhri
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 1 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/jtiust.v6i1.1274

Gubernur DKI Jakarta saat ini, meski sudah terpilih sejak tahun 2017 selalu menarik untuk dibicarakan atau bahkan dikomentari. Komentar yang muncul berasal dari media secara langsung atau melalui media sosial. Twitter menjadi salah satu media sosial yang sering digunakan sebagai media untuk mengomentari gubernur terpilih bahkan bisa menjadi trending topic di media sosial Twitter. Netizen yang berkomentar pun beragam, ada yang selalu menge-Tweet kritik, ada yang berkomentar Positif, dan ada pula yang hanya me-retweet. Dalam penelitian ini, prediksi apakah Netizen aktif akan cenderung selalu menimbulkan komentar Positif atau Negatif akan dilakukan dalam penelitian ini. Model algoritma yang digunakan adalah Decision Tree, NaÃ¯ve Bayes, Random Forest, dan juga Ensemble. Data Twitter yang diolah harus melalui preprocessing terlebih dahulu sebelum dilanjutkan menggunakan Rapidminer. Dalam uji coba menggunakan Rapidminer dilakukan dalam empat kali uji coba dengan membagi menjadi dua bagian yaitu data testing dan data latih. Perbandingan yang dilakukan adalah 10% data pengujian: 90% data pelatihan, kemudian 20% data pengujian: 80% data pelatihan, kemudian 30% data pengujian: 70% data pelatihan, dan yang terakhir adalah 35% data pengujian: 65% data pelatihan. Rata-rata Akurasi untuk algoritma Decision Tree adalah 93,15%, sedangkan untuk algoritma NaÃ¯ve Bayes Akurasinya adalah 91,55%, kemudian untuk algoritma Random Forest adalah 93,41, dan yang terakhir adalah algoritma Ensemble dengan Akurasi sebesar 93,42%. sini. 65% data pelatihan. Rata-rata Akurasi untuk algoritma Decision Tree adalah 93,15%, sedangkan untuk algoritma NaÃ¯ve Bayes Akurasinya adalah 91,55%, kemudian untuk algoritma Random Forest adalah 93,41, dan yang terakhir adalah algoritma Ensemble dengan Akurasi sebesar 93,42%. sini. 65% data pelatihan. Rata-rata Akurasi untuk algoritma Decision Tree adalah 93,15%, sedangkan untuk algoritma NaÃ¯ve Bayes Akurasinya adalah 91,55%, kemudian untuk algoritma Random Forest adalah 93,41, dan yang terakhir adalah algoritma Ensemble dengan Akurasi sebesar 93,42%. sini.

ANALISA OPTIMASI DISTRIBUSI BARANG BANGUNAN MENGGUNAKAN METODE LEAST COST PADA UD . RAMA JAYA PERDAGANGAN Gultom, Gregorius Apri K; Sihombing, Volvo; Irmayani, Deci
MEANS (Media Informasi Analisa dan Sistem) Volume 6 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

Masalah transportasi adalah masalah pemrograman linier pada umumnya berhubungan dengan distribusi suatu produk dari beberapa sumber, dengan penawaran terbatas menuju beberapa tujuan dengan biaya tertentu pada biaya transportasi minimum. Tujuan dari model transportasi adalah merencanakan pengiriman suatu dari sumber tujuan sedemikian rupa untuk meminimalkan biaya transportasi. Beberapa teknik perhitungan sebagai bahan pertimbangan yang baik dalam membuat suatu kebijakan agar biaya pendistribusian minimal dapat tercapai oleh suatu usaha panglong, dalam hal ini untuk menentukan solusi awal yang layak digunakan metodeÂ Least Cost ( biaya minimum).

Prediksi Tweet Netizen Menggunakan Random Forest, Decision Tree, NaÃ¯ve Bayes, dan Ensemble Algorithm Harahap, Vivi Nadenia; Irmayani, Deci; Harahap, Syaiful Zuhri
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 1 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Gubernur DKI Jakarta saat ini, meski sudah terpilih sejak tahun 2017 selalu menarik untuk dibicarakan atau bahkan dikomentari. Komentar yang muncul berasal dari media secara langsung atau melalui media sosial. Twitter menjadi salah satu media sosial yang sering digunakan sebagai media untuk mengomentari gubernur terpilih bahkan bisa menjadi trending topic di media sosial Twitter. Netizen yang berkomentar pun beragam, ada yang selalu menge-Tweet kritik, ada yang berkomentar Positif, dan ada pula yang hanya me-retweet. Dalam penelitian ini, prediksi apakah Netizen aktif akan cenderung selalu menimbulkan komentar Positif atau Negatif akan dilakukan dalam penelitian ini. Model algoritma yang digunakan adalah Decision Tree, NaÃ¯ve Bayes, Random Forest, dan juga Ensemble. Data Twitter yang diolah harus melalui preprocessing terlebih dahulu sebelum dilanjutkan menggunakan Rapidminer. Dalam uji coba menggunakan Rapidminer dilakukan dalam empat kali uji coba dengan membagi menjadi dua bagian yaitu data testing dan data latih. Perbandingan yang dilakukan adalah 10% data pengujian: 90% data pelatihan, kemudian 20% data pengujian: 80% data pelatihan, kemudian 30% data pengujian: 70% data pelatihan, dan yang terakhir adalah 35% data pengujian: 65% data pelatihan. Rata-rata Akurasi untuk algoritma Decision Tree adalah 93,15%, sedangkan untuk algoritma NaÃ¯ve Bayes Akurasinya adalah 91,55%, kemudian untuk algoritma Random Forest adalah 93,41, dan yang terakhir adalah algoritma Ensemble dengan Akurasi sebesar 93,42%. sini. 65% data pelatihan. Rata-rata Akurasi untuk algoritma Decision Tree adalah 93,15%, sedangkan untuk algoritma NaÃ¯ve Bayes Akurasinya adalah 91,55%, kemudian untuk algoritma Random Forest adalah 93,41, dan yang terakhir adalah algoritma Ensemble dengan Akurasi sebesar 93,42%. sini. 65% data pelatihan. Rata-rata Akurasi untuk algoritma Decision Tree adalah 93,15%, sedangkan untuk algoritma NaÃ¯ve Bayes Akurasinya adalah 91,55%, kemudian untuk algoritma Random Forest adalah 93,41, dan yang terakhir adalah algoritma Ensemble dengan Akurasi sebesar 93,42%. sini.

Implementasi Metode MAUT dalam Analisis Penentuan Tenaga Pengajar Non ASN Terbaik Maulana, Imam; Irmayani, Deci; Suryadi, Sudi
Building of Informatics, Technology and Science (BITS) Vol 7 No 1 (2025): June (2025)
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i1.7460

The need for quality teaching staff is becoming increasingly important along with the development of technology and globalization, including in educational institutions such as SDN 115467 Kanopan Ulu. In addition to teaching staff from ASN, this school also relies on non-ASN staff who play a significant role in supporting the quality of education. However, the process of determining the best non-ASN teaching staff is often faced with the challenges of subjectivity and differences in assessment standards. To overcome this, this study proposes the implementation of a Decision Support System (DSS) based on the Multi Attribute Utility Theory (MAUT) method. The MAUT method allows for more objective, transparent, and fair decision-making by considering various assessment criteria, such as competence, experience, and contribution of teaching staff. In this study, non-ASN teaching staff data were analyzed using the Microsoft Excel application and DSS software during the research period in October 2024. Based on the application of this method, Tuti Alawiyah (A15) was ranked first with the highest score, namely 0.731. These results indicate that Tuti Alawiyah has the best performance according to the criteria used in the MAUT method, reflecting her superiority over other candidates. The results of the study indicate that the MAUT method is able to provide accurate and consistent evaluation results, thus supporting a more rational and in-depth decision-making process. This study not only provides theoretical contributions to the development of the DSS system, but also provides practical benefits for educational institutions to improve the motivation of non-ASN teaching staff and, overall, the quality of education. This topic is relevant to the needs of modern education in Indonesia, especially in efforts to improve the transparency and accuracy of teaching staff assessments.

Optimalisasi Kinerja Tenaga Kependidikan di MTSN 1 Labuhanbatu Selatan Studi Kasus Penggunaan Algoritma Naïve Bayes Rambe, Aida Zahrah Hasanati Br; Juledi, Angga Putra; Irmayani, Deci; Harahap, Syaiful Zuhri
Journal of Computer Science and Information System(JCoInS) Vol 6, No 3: JCoInS | 2025
Publisher : Universitas Labuhanbatu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36987/jcoins.v6i3.8034

This study aims to optimize the performance of Education personnel in MTsN 1 Labuhanbatu Selatan through the application of Naive Bayes algorithm for performance classification. The performance of Education personnel, including administrative, administrative, and service staff for one school year was analyzed using data involving attributes such as attendance, punctuality, productivity, and work attitude. Naive Bayes algorithm was chosen because of its ability to classify data accurately and efficiently despite the large amount of data. The results showed that the use of this algorithm can produce a more objective, accurate, and data-based evaluation system, as well as provide clearer insights in improving work efficiency and service to teachers and students. The evaluation of the model was conducted using accuracy, precision, recall, and F1-score metrics to ensure that the classification of educational staff performance can be done appropriately. The study also provides recommendations to improve data quality and the use of additional attributes to improve model performance.

Klasifikasi Tingkat Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbor (K-NN) Pada Data Akademik Perguruan Tinggi Efendi, Davina Rizky; Irmayani, Deci; Sihombing, Volvo
Journal of Computer Science and Information System(JCoInS) Vol 6, No 3: JCoInS | 2025
Publisher : Universitas Labuhanbatu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36987/jcoins.v6i3.8041

Higher education is an important factor in scoring quality human resources, where one indicator of success is the graduation rate of students on time. This study aims to classify the graduation rate of students using the algorithm K-Nearest Neighbor (K-NN) based on academic data which includes GPA, number of credits, frequency of repetition of courses, and attendance. The results of the classification showed that 30% of students successfully graduated on time, while the rest had delays. With the k-NN approach, it is expected that this model can help universities in predicting student graduation more accurately and optimizing academic interventions to improve graduation efficiency.

Title

Found 39 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 39 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 39 Documents
Search