Claim Missing Document
Check
Articles

Found 38 Documents
Search

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.
Klasifikasi Citra Buah Jeruk Mandarin dan Kelapa Menggunakan Algoritma PCA dan Metode K-Nearest Neighbor (KNN) Adinda Syalsabila; Saputra, Randy; Ridwan Sutri; Riyan Saputra; Sovia, Rini
JPG: Jurnal Pendidikan Guru Vol. 6 No. 2 (2025): JPG: Jurnal Pendidikan Guru
Publisher : Fakultas Keguruan dan Ilmu Pendidikan, Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/jpg.v6i2.19351

Abstract

Dalam era digitalisasi, pengolahan citra digital menjadi salah satu bidang yang berkembang pesat, terutama dalam klasifikasi objek. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra buah, khususnya jeruk mandarin dan kelapa, dengan memanfaatkan algoritma Principal Component Analysis (PCA) dan metode K-Nearest Neighbor (KNN). PCA digunakan untuk mereduksi dimensi fitur citra, sehingga mengurangi kompleksitas komputasi dan meningkatkan efisiensi proses klasifikasi. Sementara itu, KNN diterapkan sebagai metode klasifikasi untuk mengidentifikasi jenis buah berdasarkan fitur yang telah diekstraksi. Dataset yang digunakan terdiri dari sejumlah citra jeruk mandarin dan kelapa yang diambil dalam kondisi pencahayaan dan latar belakang yang bervariasi. Hasil eksperimen menunjukkan bahwa kombinasi PCA dan KNN mampu mencapai tingkat akurasi yang tinggi dalam klasifikasi citra buah, dengan akurasi rata-rata mencapai 95%. Temuan ini menunjukkan potensi besar dari pendekatan ini untuk diterapkan dalam sistem klasifikasi otomatis di industri pertanian dan perdagangan buah. Penelitian ini juga membuka peluang untuk pengembangan lebih lanjut dengan mengintegrasikan teknik machine learning lainnya untuk meningkatkan akurasi dan efisiensi sistem.
Performance Analysis With Wireless Lan Networks Using The Quality Of Service Method Wahyudi, Anggy; Hadi, Aulia Fitrul; Sovia, Rini
JITCE (Journal of Information Technology and Computer Engineering) Vol. 4 No. 01 (2020)
Publisher : Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jitce.4.01.45-48.2020

Abstract

The use of the internet currently has very high mobility, both used for streaming, browsing, downloading and uploading data. Along with the changing times and the demands for information services that are fast, precise, and accurate, making the network a major need, especially in the world of education. The use of internet facilities requires management to manage each data. For this reason, there is a need for Quality of Service on the network to optimize the distribution of networks evenly and fairly for each client and network user. The results of the study show that network quality by implementing Quality of Service is more optimal and network distribution is more even and stable
OPTIMIZING THE SELECTION OF THE BEST EDUCATIONAL TEACHING AIDS SUPPLIER IN DECISION-MAKING USING THE MOORA METHOD Rani, Maha; Christy, Tika; Ardiansyah, Ricki; Sovia, Rini
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 11, No 3 (2025): Juni 2025
Publisher : Universitas Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i3.3883

Abstract

Abstract: In the business world, supplier selection plays a crucial role in ensuring smooth company operations. Suppliers are responsible for providing raw materials with consistent quality, timely delivery, and competitive prices. The supplier selection process requires evaluation based on various criteria such as product quality, availability, packaging, price, and warranty. Currently, SNM Store places orders by contacting suppliers one by one via telephone to inquire about item availability. This method is time-consuming and may lead to delays in fulfilling item requirements. To address this issue, a Decision Support System (DSS) is needed to assist in efficiently determining the best supplier. One method that can be used in this system is MOORA (Multi-Objective Optimization on the Basis of Ratio Analysis). MOORA is known to be effective in handling multi-criteria decision-making by simultaneously optimizing multiple objectives. This method also reduces subjectivity by assigning weights to each criterion and uses simple and fast calculations to evaluate the available alternatives. The objectives of this research are to identify the key criteria in supplier selection, apply the MOORA method in an efficient and user-friendly evaluation and selection process, and improve the operational efficiency of SNM Store in procurement so that item availability can be ensured in a timely manner. Keywords: decision support system ; MOORA; supplier Abstrak: Dalam dunia bisnis, pemilihan supplier memegang peranan penting dalam memastikan kelancaran operasional perusahaan. Supplier bertanggung jawab menyediakan bahan baku dengan kualitas konsisten, pengiriman tepat waktu, dan harga kompetitif. Proses seleksi supplier memerlukan evaluasi terhadap berbagai kriteria seperti kualitas produk, ketersediaan, pengemasan, harga, dan garansi. Toko SNM saat ini melakukan pemesanan dengan menghubungi supplier satu per satu melalui telepon untuk menanyakan ketersediaan barang. Metode ini memakan waktu dan dapat menyebabkan keterlambatan dalam pemenuhan kebutuhan barang. Untuk mengatasi hal tersebut, diperlukan sistem pendukung keputusan (Decision Support System) yang dapat membantu dalam menentukan supplier terbaik secara efisien. Salah satu metode yang dapat digunakan dalam sistem ini adalah MOORA (Multi-Objective Optimization on the Basis of Ratio Analysis). MOORA dikenal efektif dalam menangani keputusan multi-kriteria dengan mengoptimalkan berbagai tujuan secara bersamaan. Metode ini juga mengurangi subjektivitas melalui pemberian bobot pada tiap kriteria dan menggunakan perhitungan yang sederhana serta cepat dalam mengevaluasi alternatif yang tersedia. adapun tujuan dari penelitian ini adalah untuk mengidentifikasi kriteria-kriteria penting dalam pemilihan supplier, menerapkan metode MOORA dalam proses evaluasi dan seleksi yang efisien dan mudah digunakan, serta meningkatkan efisiensi operasional Toko SNM dalam hal pengadaan barang agar ketersediaan barang dapat terjamin tepat waktu. Kata kunci: MOORA; sistem penunjang keputusan; supplier; 
PENDIAGNOSAAN PENYAKIT KARIES GIGI MENGGUNAKAN FUZZY EXPERT SYSTEM DENGAN KOMBINASI METODE FUZZY LOGIC TSUKAMOTO DAN CERTAINTY FACTOR Dila, Rahmah; Wirdawati, Wira; Rinaldi Chan, Fajri; Harnaranda, Jefri; Sovia, Rini
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13855

Abstract

Penyakit karies gigi atau yang biasa disebut gigi berlubang merupakan penyakit gigi yang berawal dari gigi berlubang yang menjadi masalah serius jika tidak ditangani dengan baik. Dampak awal dimulai dari gigi keropos, gigi berlubang, dan gigi patah. Penyakit ini akan membahayakan nyawa manusia jika tidak diatasi dengan cepat. Oleh sebab itu, sangat penting dilakukan diagnosis dini agar dapat dilakukan pencegahan atau pengobatan lebih awal. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis fuzzy expert system yang menggabungkan metode fuzzy logic Tsukamoto dan certainty factor untuk mendiagnosis penyakit karies gigi. Metode fuzzy logic memungkinkan sistem untuk menangani ketidakpastian dan ambiguitas dalam gejala yang dilaporkan oleh pasien, sementara certainty factor memberikan bobot pada informasi yang ada untuk menghasilkan keputusan yang lebih akurat. Dengan menggunakan pendekatan ini, sistem diharapkan dapat memberikan rekomendasi diagnosis yang lebih baik dan membantu dokter gigi dalam pengambilan keputusan. Metode certainty factor dan fuzzy logic Tsukamoto mendiagnosa masalah Karies Gigi untuk menghitung tingkat akurasi jenis masalah yang dialami berdasarkan gejala-gejala yang dirasakan oleh Pasien. Dari pengujian diperoleh hasil tingkat akurasi sebesar 41,82 %. Sistem pakar yang dihasilkan dapat membantu pasien dalam berkonsultasi untuk menangani masalah penyakit Karies Gigi dan Penelitian ini diharapkan dapat menjadi langkah awal dalam penerapan teknologi informasi untuk meningkatkan kesehatan gigi dan mulut di masyarakat.
PERBANDINGAN KINERJA PCA-KNN DAN LDA DALAM KLASIFIKASI JENIS KUPU-KUPU: ANALISIS AKURASI DAN EFEKTIVITAS Chairunnissa Deliva Akbar, Syifa; Agus Salim, David; Rahmad, Rahmad; Khomsi, Ahmad; Sovia, Rini
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13863

Abstract

Kupu-kupu merupakan serangga yang tergolong dalam ordo Lepidoptera atau serangga bersayap sisik. Keanekaragaman spesies kupu-kupu menjadi objek penelitian yang menarik dalam bidang ekologi, biologi, dan ilmu komputer, khususnya dalam bidang pengolahan citra digital dan kecerdasan buatan. Penelitian ini membandingkan kinerja metode Principal Component Analysis (PCA) dengan K-Nearest Neighbor (KNN) dan Linear Discriminant Analysis (LDA) dalam mengklasifikasikan jenis kupu-kupu Chestnut dan Clouded Sulphur. Perbandingan ini dilakukan untuk mengevaluasi efektivitas metode reduksi dimensi PCA dalam meningkatkan efisiensi klasifikasi dibandingkan dengan pendekatan pemisahan kelas berbasis LDA. PCA digunakan untuk mereduksi dimensi data guna meningkatkan efisiensi klasifikasi, sedangkan KNN dan LDA berperan sebagai algoritma klasifikasi dengan pendekatan yang berbeda dalam memisahkan kelas data. Hasil penelitian ini menunjukkan bahwa penggunaan metode PCA dalam klasifikasi citra kupu-kupu Chestnut dan kupu-kupu Clouded Sulphur dapat meningkatkan efisiensi dan keakuratan sistem secara signifikan. Hal ini dibuktikan dengan akurasi yang dicapai oleh PCA-KNN sebesar 93,3%, sedangkan LDA-KNN hanya mancala 80%.
KLASIFIKASI CITRA DALAM IDENTIFIKASI KOL DAN WORTEL MENGGUNAKAN ALGORITMA LDA DAN KNN Nurdiansyah, Ali; Erlanda, Hadrian; Syafril, Syafril; Roza, Yesi Betriana; Sovia, Rini
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.2894

Abstract

Abstract: Agriculture is an important sector in the Indonesian economy, where vegetables such as cabbage (Brassica oleracea var. capitata) and carrots (Daucus carota subsp. sativus) play a significant role in meeting the nutritional needs of the community. With the increasing demand for fresh vegetable products, it is important to ensure accurate and efficient identification of these types of vegetables. Mistakes in identification can result in economic losses and affect the quality of products reaching consumers. Image processing technology and machine learning algorithms offer promising solutions to this problem. Image classification, which involves visual analysis of vegetable images, can be used to identify species based on features extracted from the image. Based on these problems, researchers are interested in conducting research on image classification of 2 types of vegetables, namely cabbage and carrots using the KNN and LDA algorithms. From this system, the accuracy results of the classification of green cabbage, purple cabbage and carrots using the KNN and LDA methods were 92.8571%. This research is expected to provide new insights into the use of modern technology to support the preservation and utilization of vegetable types and sustainability. Keyword: Hybrid Intelligence System; Vegetable Classification; Image Processing; LDA; KNN Abstrak: Pertanian merupakan sektor penting dalam perekonomian Indonesia, di mana sayuran seperti kubis (Brassica oleracea var. capitata) dan wortel (Daucus carota subsp. sativus) memiliki peran signifikan dalam memenuhi kebutuhan gizi masyarakat. Dengan meningkatnya permintaan akan produk sayuran segar, penting untuk memastikan identifikasi yang akurat dan efisien terhadap jenis-jenis sayuran ini. Kesalahan dalam identifikasi dapat mengakibatkan kerugian ekonomi dan mempengaruhi kualitas produk yang sampai ke konsumen. Teknologi pemrosesan citra dan algoritma pembelajaran mesin menawarkan solusi yang menjanjikan untuk masalah ini. Klasifikasi citra, yang melibatkan analisis visual dari gambar sayuran, dapat digunakan untuk mengidentifikasi spesies berdasarkan fitur-fitur yang diekstraksi dari citra tersebut. Berdasarkan permasalahan tersebut maka peneliti tertarik untuk melakukan penelitian mengenai klasifikasi citra 2 jenis sayuran yaitu kol dan wortel menggunakan algoritma KNN dan LDA. Dari sistem tersebut didapatkan hasil akurasi dari klasifikasi jenis sayur kol hijau, kol ungu dan wortel menggunakan metode KNN dan LDA sebesar 92.8571 %. Penelitian ini diharapkan dapat memberikan wawasan baru dalam penggunaan teknologi modern untuk mendukung pelestarian dan pemanfaatan jenis sayur dan berkelanjutan. Kata kunci: Hybrid Intelligence System; Klasifikasi Sayur; Pengolahan Citra; LDA; KNN
IDENTIFIKASI TINGKAT KEMATANGAN BUAH MANGGA MENGGUNAKAN METODE K-MEANS CLUESTERING DAN MEDIAN FILTER Yanti, Rahma; Yasmin, Nabilla; Putra, Kharisma Utama; Irawan, Hendri; Sovia, Rini
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.2893

Abstract

Abstract: This study aims to develop an automatic system for identifying the ripeness level of mangoes using the K-Means Clustering and Median Filter methods. The background of this research is based on the agricultural industry's need for an objective ripeness assessment, as manual methods are often subjective and inefficient. The K-Means Clustering method is used to categorize mango ripeness based on skin color characteristics, while the Median Filter is applied to enhance image quality by reducing noise before clustering. This study utilizes a dataset of 120 mango images, consisting of 47 images for training and 73 images for testing. The results indicate that the combination of these two methods achieves a classification accuracy of 98%. These findings contribute to the development of digital image processing technology for applications in the agricultural and food industries. Keyword: Ripeness identification, K-Means Clustering, Median Filter, Image Processing, Mango. Abstrak: Penelitian ini bertujuan untuk mengembangkan sistem identifikasi tingkat kematangan buah mangga secara otomatis menggunakan metode K-Means Clustering dan Median Filter. Latar belakang penelitian ini didasarkan pada kebutuhan industri pertanian dalam menentukan tingkat kematangan mangga secara objektif, mengingat metode manual sering kali subjektif dan kurang efisien. Metode K-Means Clustering digunakan untuk mengelompokkan tingkat kematangan mangga berdasarkan karakteristik warna kulit, sedangkan Median Filter diterapkan untuk meningkatkan kualitas citra dengan mengurangi noise sebelum dilakukan proses klasterisasi. Penelitian ini menggunakan dataset sebanyak 120 citra mangga, yang terdiri dari 47 citra untuk pelatihan dan 73 citra untuk pengujian. Hasil penelitian menunjukkan bahwa kombinasi kedua metode ini mampu mengklasifikasikan tingkat kematangan mangga dengan akurasi sebesar 98%. Temuan ini memberikan kontribusi dalam pengembangan teknologi pemrosesan citra digital untuk aplikasi dalam industri pertanian dan pangan. Kata kunci: Identifikasi kematangan, K-Means Clustering, Median Filter, Pengolahan Citra, Mangga.
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.
PENERAPAN METODE SIMPLE ADDITIVE WEIGHTING DALAM PEMILIHAN MEDIA PROMOSI SEKOLAH (STUDI KASUS DI MTS LABORATORIUM UIN BUKITTINGGI) Nabila, Tuti; Nurcahyo, Gunadi Widi; Sovia, Rini
Jurnal Sistem Informasi dan Informatika (Simika) Vol. 8 No. 2 (2025): Jurnal Sistem Informasi dan Informatika (Simika)
Publisher : Program Studi Sistem Informasi, Universitas Banten Jaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47080/6he5pd48

Abstract

Schools play a strategic role in organizing learning and implementing promotional strategies to increase student enrollment. The use of information technology in promotions is crucial for enhancing institutional competitiveness. MTs Laboratorium UIN Bukittinggi faces challenges in determining the most effective promotional media among various alternatives. While several media have been implemented, the selection process lacks a systematic analytical approach, making it difficult to measure effectiveness objectively. This study applies the Simple Additive Weighting (SAW) method to determine the most effective promotional media. This study represents the first application of the SAW method for selecting school promotional media based on multi-criteria decision-making. The methodology includes defining criteria and weights, inputting alternative data, assessing suitability ratings, normalizing the decision matrix, and ranking alternatives. The dataset was collected from MTs Laboratorium UIN Bukittinggi, evaluating five media alternatives based on four criteria: promotion duration, reach, information completeness, and production cost. The results show that direct socialization achieved the highest final score of 0.91, followed by websites (0.51), banners (0.49), brochures (0.472), and social media (0.33). These findings provide practical guidance for schools in selecting promotional media that are both effective and efficient in attracting prospective students, optimizing resource allocation, and enhancing promotional impact. This study confirms that the SAW method effectively selects promotional media and can assist educational institutions in improving their promotional strategies