Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : bit-Tech

Implementasi Metode Profile Matching dalam Sistem Pendukung Keputusan untuk Seleksi Penerimaan Siswa Baru Wedo, Mhd; Widi Nurcahyo, Gunadi; Sovia, Rini
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2229

Abstract

Kemajuan teknologi informasi telah memberikan kontribusi signifikan dalam berbagai bidang, termasuk pendidikan. Salah satu tantangan dalam dunia pendidikan adalah proses seleksi penerimaan siswa baru yang sering kali memerlukan pengambilan keputusan yang cepat, objektif, dan akurat. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web dengan menerapkan metode Profile Matching dalam proses penerimaan siswa baru di SMPN 1 Kerinci. Metode Profile Matching dipilih karena kemampuannya dalam membandingkan kompetensi individu dengan standar yang telah ditetapkan, sehingga dapat mengurangi subjektivitas dalam proses seleksi. Penelitian ini menggunakan pendekatan kuantitatif dengan metode eksperimen, yang melibatkan pengumpulan data nilai akademik dan non-akademik calon siswa, serta implementasi algoritma Profile Matching dalam sistem berbasis web. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu meningkatkan efisiensi dan akurasi proses seleksi dengan mengurangi waktu yang dibutuhkan dalam penilaian serta memberikan hasil yang lebih transparan. Pengujian sistem dilakukan menggunakan metode black box testing, yang menunjukkan bahwa semua fitur sistem berfungsi dengan baik. Selain itu, analisis perbandingan dengan metode seleksi konvensional menunjukkan peningkatan objektivitas dalam pengambilan keputusan. Dengan demikian, penerapan SPK berbasis web dengan metode Profile Matching dapat menjadi solusi inovatif bagi institusi pendidikan dalam meningkatkan transparansi, akurasi, dan efisiensi seleksi penerimaan siswa baru. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem serupa di berbagai lembaga pendidikan lainnya.
Analisis Prediksi Penjualan Suku Cadang Motor dengan Metode Monte Carlo Rais, Edo Rinaldi; Sovia, Rini; Sumijan
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2231

Abstract

Peramalan penjualan merupakan salah satu aspek penting dalam strategi manajemen bisnis, terutama dalam industri otomotif yang memiliki pola permintaan yang fluktuatif. Manajemen stok yang tidak optimal dapat menyebabkan overstock atau stockout, yang berdampak pada efisiensi operasional dan kepuasan pelanggan. Penelitian ini bertujuan untuk menerapkan metode Monte Carlo dalam memprediksi penjualan suku cadang motor di Bengkel Ilham Motor, guna meningkatkan akurasi prediksi dan membantu optimalisasi pengelolaan persediaan barang. Metode penelitian ini menggunakan data historis penjualan tahun 2024, yang dianalisis melalui beberapa tahapan: penentuan distribusi probabilitas, pembangkitan angka acak, simulasi Monte Carlo, dan validasi hasil prediksi. Implementasi metode ini dikembangkan dalam sistem berbasis web, menggunakan PHP sebagai bahasa pemrograman dan MySQL sebagai basis data. Hasil penelitian menunjukkan bahwa metode Monte Carlo mampu memberikan tingkat akurasi prediksi yang tinggi, dengan rincian sebagai berikut: oli (95,33%), kampas rem (99,59%), lampu depan (97,27%), saringan udara (97,53%), busi (95,78%), dan sil karet (97,32%). Prediksi yang dihasilkan memungkinkan bengkel untuk menentukan jumlah stok yang lebih optimal, sehingga dapat menghindari kelebihan maupun kekurangan persediaan. Selain itu, sistem berbasis web yang dikembangkan terbukti dapat mempercepat analisis data dan membantu dalam pengambilan keputusan bisnis yang lebih akurat. Kesimpulan dari penelitian ini adalah bahwa metode Monte Carlo dapat diandalkan sebagai pendekatan prediktif dalam perencanaan stok suku cadang motor. Untuk pengembangan lebih lanjut, disarankan agar model ini dikombinasikan dengan teknik machine learning atau mempertimbangkan faktor eksternal seperti tren pasar dan harga bahan baku guna meningkatkan akurasi prediksi.