Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

3.625

P-Index

This Author published in this journals

All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Analitika : Jurnal Magister Psikologi UMA Jurnal Teknik Informatika UNIKA Santo Thomas Jurnal Penelitian dan Pengkajian Ilmu Pendidikan: e-Saintika Informatika MEANS (Media Informasi Analisa dan Sistem) Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI) Jurnal Media Informatika Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) IKA BINA EN PABOLO : PENGABDIAN KEPADA MASYARAKAT

Hasibuan, Mila Nirmala Sari

Unknown Affiliation

Author-ID : 1230666

Aerospace Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Library & Information Science Mathematics Physics Public Health Social Sciences Other

Published : 23 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3

Sistem Pendukung Keputusan Penentuan Siswa Teladan Menggunakan Metode Simple Aditive Weighting (SAW) Lestari, Indah; Purnama, Iwan; Hasibuan, Mila Nirmala Sari
MEANS (Media Informasi Analisa dan Sistem) Volume 6 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

Untuk memotivasi siswa agar terus berprestasi, MTs Al Falah melakukan kegiatan pengembangan potensi siswa melalui penetapan siswa teladan. Namun, penentuan siswa teladan tidak didasarkan pada kemampuan akademik dan non-akademik, tetapi pada subjektivitas kepala sekolah dan guru. Sehingga banyak yang mengeluhkan keputusan pemilihan siswa teladan yang tidak tepat sasaran atau layak menjadi siswa teladan. Belum adanya sistem informasi yang mendukung penentuan siswa teladan di MTs Al Falah, Kurang tepat dalam menentukan siswa teladan di MTs Al Falah, sistem pendukung keputusan dalam Penentuan Siswa Teladan menggunakan metode Simple Additive Weighting (SAW) adalah berdasarkan 5 kriteria, yaitu nilai pengetahuan, nilai keterampilan, pangkat kelas, ekstrakurikuler, nilai-nilai ekstrakurikuler. Hasil yang diperoleh nantinya berupa rangking siswa teladan. Metode Simple Additive Weight dapat membantu pihak sekolah khususnya dalam menentukan sejumlah persoalan mengenai pendidikan, salah satunya adalah menentukan siswa teladan. Karena metode ini merupakan metode pembobotan penilaian kinerja masing-masing alternatif.

Model Data Mining untuk Perancangan Aplikasi Diagnostik Inflammatory Liver Disease Siahaan, Rahma Aulia; Nasution, Marnis; Hasibuan, Mila Nirmala Sari
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 1 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Hati merupakan organ vital bagi manusia. Penyakit hati adalah gangguan pada setiap fungsi hati.Diagnosis dini penyakit hati sangat penting agar dapat diobati dan diobati dengan cepat. Di bidang medis, mendiagnosis penyakit radang hati menjadi hal yang agak sulit dilakukan. Namun, ada catatan medis yang menyimpan gejala pasien. Hal ini tentunya sangat menguntungkan bagi tenaga medis atau dokter. Mereka dapat menggunakan catatan medis sebelumnya sebagai bahan untuk membuat keputusan tentang diagnosis penyakit pasien. Teknik analisis manual konvensional yang selama ini digunakan sudah tidak efektif lagi untuk diagnosis. Seiring dengan perkembangan sistem berbasis pengetahuan medis, tuntutan penggunaan sistem pengetahuan berbasis komputer sebagai teknik analisis dalam mendiagnosis penyakit menjadi semakin penting. Dalam studi ini, peneliti akan menerapkan dan membandingkan beberapa metode klasifikasi data mining, antara lain algoritma C4.5, NaÃ¯ve Bayes, dan k-Nearest Neighbor untuk mendiagnosis penyakit radang hati, kemudian membandingkan mana dari ketiga metode tersebut yang paling akurat. Berdasarkan hasil pengukuran performansi ketiga model menggunakan metode Cross Validation, Confusion Matrix dan ROC Curve, diketahui bahwa metode C4.5 merupakan metode terbaik dengan akurasi 70,99% dan under the curva (AUC). ) nilai 0,950, kemudian metode k-Nearest Neighbor dengan akurasi 67,19% dan nilai under the curve (AUC) 0,873, kemudian metode nave Bayes dengan tingkat akurasi 66,14% dan nilai under the curve (AUC) sebesar 0,742. kemudian bandingkan mana dari ketiga metode tersebut yang paling akurat. Berdasarkan hasil pengukuran performansi ketiga model menggunakan metode Cross Validation, Confusion Matrix dan ROC Curve, diketahui bahwa metode C4.5 merupakan metode terbaik dengan akurasi 70,99% dan under the curva (AUC). ) nilai 0,950, kemudian metode k-Nearest Neighbor dengan akurasi 67,19% dan nilai under the curve (AUC) 0,873, kemudian metode nave Bayes dengan tingkat akurasi 66,14% dan nilai under the curve (AUC) sebesar 0,742. kemudian bandingkan mana dari ketiga metode tersebut yang paling akurat. Berdasarkan hasil pengukuran performansi ketiga model menggunakan metode Cross Validation, Confusion Matrix dan ROC Curve, diketahui bahwa metode C4.5 merupakan metode terbaik dengan akurasi 70,99% dan under the curva (AUC). ) nilai 0,950, kemudian metode k-Nearest Neighbor dengan akurasi 67,19% dan nilai under the curve (AUC) 0,873, kemudian metode nave Bayes dengan tingkat akurasi 66,14% dan nilai under the curve (AUC) sebesar 0,742.

Aturan Asosiasi untuk Analisis Data Penjualan Produk Menggunakan Algoritma Apriori Ichlas, Al; Munthe, Ibnu Rasyid; Hasibuan, Mila Nirmala Sari
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 1 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Untuk meningkatkan transaksi penjualan, perusahaan harus mampu bersaing dengan pesaing lainnya sehingga diperlukan strategi yang tepat dalam menjalankan proses penjualan yang dilakukan. Selain strategi pemasaran, perusahaan harus mampu menganalisis produk yang dijual berdasarkan jumlah penjualan yang telah terjadi sehingga perusahaan dapat melihat produk mana yang lebih dominan diminati konsumen sehingga perusahaan dapat menentukan penjualan yang lebih efektif. strategi. PT. Surya Indah City adalah perusahaan yang bergerak di bidang penjualan berbagai macam pakaian dan aksesoris. Dalam upaya meningkatkan penjualan produknya, diperlukan suatu analisis untuk dapat meningkatkan pendapatan perusahaan dengan memanfaatkan data transaksi penjualan yang dimilikinya. Untuk menganalisis hubungan antara produk pakaian dan aksesoris yang lebih dominan dijual dengan produk pakaian dan aksesoris lainnya yang tersedia, digunakan algoritma data mining yaitu algoritma apriori. Dengan bantuan aplikasi tanagra untuk melakukan proses perhitungan, produk dominan yang diminati konsumen dapat ditentukan. Dengan menggunakan dua variabel yang memenuhi support dan minimum confidence maka dapat disimpulkan bahwa produk yang paling banyak terjual adalah dari jenis pakaian yaitu baju dan celana. Disimpulkan bahwa hasil aturan asosiasi akhir diketahui, jika Anda membeli kemeja, Anda akan membeli celana dengan dukungan 50% dan kepercayaan 75%. Jika Anda membeli celana, Anda akan membeli pakaian dengan dukungan 50% dan kepercayaan 85%. Dengan bantuan aplikasi tanagra untuk melakukan proses perhitungan, produk dominan yang diminati konsumen dapat ditentukan. Dengan menggunakan dua variabel yang memenuhi support dan minimum confidence maka dapat disimpulkan bahwa produk yang paling banyak terjual adalah dari jenis pakaian yaitu baju dan celana. Disimpulkan bahwa hasil aturan asosiasi akhir diketahui, jika Anda membeli kemeja, Anda akan membeli celana dengan dukungan 50% dan kepercayaan 75%. Jika Anda membeli celana, Anda akan membeli pakaian dengan dukungan 50% dan kepercayaan 85%. Dengan bantuan aplikasi tanagra untuk melakukan proses perhitungan, produk dominan yang diminati konsumen dapat ditentukan. Dengan menggunakan dua variabel yang memenuhi support dan minimum confidence maka dapat disimpulkan bahwa produk yang paling banyak terjual adalah dari jenis pakaian yaitu baju dan celana. Disimpulkan bahwa hasil aturan asosiasi akhir diketahui, jika Anda membeli kemeja, Anda akan membeli celana dengan dukungan 50% dan kepercayaan 75%. Jika Anda membeli celana, Anda akan membeli pakaian dengan dukungan 50% dan kepercayaan 85%. Disimpulkan bahwa hasil aturan asosiasi akhir diketahui, jika Anda membeli kemeja, Anda akan membeli celana dengan dukungan 50% dan kepercayaan 75%. Jika Anda membeli celana, Anda akan membeli pakaian dengan dukungan 50% dan kepercayaan 85%. Disimpulkan bahwa hasil aturan asosiasi akhir diketahui, jika Anda membeli kemeja, Anda akan membeli celana dengan dukungan 50% dan kepercayaan 75%. Jika Anda membeli celana, Anda akan membeli pakaian dengan dukungan 50% dan kepercayaan 85%.

Co-Authors Adi, Panggih Nur Ahra, Ahra Amelia, Tri Suci Aprilianto, Muhammad Arfi Pratama, Hubban Benyamin Situmorang Cantika, Putri Talia Ichlas, Al Indah Lestari, Indah Irmayani, Deci Iwan Purnama Kartikaningsih, Reni Manurung, Romtika Mayang Sari Muhammad Halmi Dar Munazhif, Nanda Fahrezi Munthe, Ibnu Rasyid Muti'ah, Rahma Nasution, Fitri Aini Nasution, Marnis Pane, Rahmadani Puji Rahayu Rambe, Tiara Syavitri Riyanto, Tiara Rohana, R. Sadina, Icha Dzulfahani Saragih, Siti Zahara Siahaan, Rahma Aulia Sihombing, Volvo Sinaga, Novica Handayani Siregar, Marlina Syaiful Zuhri Harahap Violita, Putri Yanris, Gomal Juni Yullyana, Yullyana

Title

Found 23 Documents
Search

Abstract

Abstract

Abstract

Title Search

Found 23 Documents Search

Abstract

Abstract

Abstract

Title

Found 23 Documents
Search