Claim Missing Document
Check
Articles

IMPLEMENTASI NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PENERIMA BANTUAN SOSIAL Fatmawati, Aisyah; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8714

Abstract

Pemberian bantuan sosial artinya suatu upaya untuk membantu masyarakat yang membutuhkan. Tetapi, pada mendistribusikan bantuan sosial, krusial buat memastikan bahwa bantuan tersebut diberikan pada mereka yang benar-benar membutuhkannya. Penelitian ini bertujuan untuk berbagi suatu model prediksi kelayakan penerima bantuan sosial menggunakan metode Naive Bayes. Metode Naive Bayes dipilih karena kemampuannya pada mengatasi masalah pembagian terstruktur mengenai menggunakan dataset yang kompleks. Model ini memanfaatkan perkiraan independensi antar-fitur yang mempermudah perhitungan probabilitas kelas. Pada konteks ini, kelas yg diprediksi merupakan "kelayakan" atau "tidak kelayakan" menjadi penerima bantuan sosial. Penelitian ini dibutuhkan dapat menyampaikan kontribusi dalam menaikkan efisiensi serta keadilan pada pendistribusian bantuan sosial dengan memanfaatkan metode Naive Bayes, diperlukan dapat menghasilkan model yang dapat dengan seksama memprediksi kelayakan penerima bantuan sosial sesuai informasi yang tersedia. Implementasi model ini di lapangan diharapkan bisa membantu lembaga penyedia bantuan sosial untuk mengoptimalkan sumber daya mereka dan memastikan bantuan disalurkan pada yang benar-benar membutuhkan. Dari perhitungan tersebut, nilai akurasi hasil pengujian klasifikasi menggunakan algoritma Naive Bayes adalah sebesar 86.36%.
PENERAPAN ALGORTMA X-MEAN MENENTUKAN PENERIMA BANTUAN SOSIAL Jaelani, Ahmad; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8828

Abstract

Pertambahan jumlah data keluarga tidak mampu di Desa Jatipancur dapat berpotensi mengakibatkan dampak buruk akibat peningkatan jumlah penduduk. Masalah ketidakseimbangan keluarga tidak mampu dapat menyebabkan masalah kemiskinan dan tekanan penduduk. Tujuan penelitian ini adalah Mendapatkan hasil cluster dari penerima bantuan Sosial dala pengaplikasian metode x-mean, mengetahui kelompok penerima bantuan sosial dan cluster terbaik. Penelitian menggunakan pendekatan data mining dengan menerapkan Algoritma X-Means Clustering. Algoritma X-Means diimplementasikan menggunakan software Ms. Excel dan Rapidminer. Penelitian ini menggunakan data dari Badan Pusat Statistik (BPS) Jatipancur, Data yang digunakan melibatkan 7 atribut dan mencakup periode tahun 2019-2023. Hasil pengelompokan menggunakan X-Means menghasilkan 10 cluster, Cluster 1 mendekati nilai sempurna dengan Davies Bouldin Index sebesar 0.002, Jarak antara cluster terbaik adalah pada cluster 1 dengan jumlah 0.000, serta Performance terdekat ada pada cluster 0 dengan nilai 5.672.239.884.760. Peneliti berharap penelitian ini dapat membantu Desa Jatipancur dalam proses penyaluran bantuan dan Optimalisasi dalam penyaluran bantuan yang lebih tepat sasaran.
ANALISIS PENJUALAN ROTI PADA DISTRIBUTOR MY ROTI MENGGUNAKAN METODE REGRESI LINEAR BERDASARKAN NILAI RMSE Julkarnaen, Agus; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9426

Abstract

Pada saat ini roti menjadi salah satu kebutuhan pokok dalam kehidupan. Komposisi gizi roti bervariasi bergantung pada jenis tepung yang dipakai serta bahan tambahan lainnya. My roti menjual roti dari berbagai macam merk. Tujuan dari penelitian ini adalah untuk memprediksi penjualan roti pada 3 bulan berikutnya pada data penjualan roti merk My roti distributor bandung timur. Regresi linear digunakan sebagai metode prediksi dengan jumlah roti yang terjual sebagai variabel Y dan periode penjualan roti sebagai variabel X. RMSE (Root Mean Squared Error) dan Relative Error digunakan untuk memutar hasil prediksi. Hasil kategori prediksi Entry pada bulan pertama terjual 564unit, pada bulan kedua 569 unit dan bulan ketiga 575 unit dan kategori Mid pada bulan pertama terjual 63 unit, pada bulan kedua 64 unit dan bulan ketiga 65 unit. Hasil evaluasi nilai RMSE pada kategori Entry 83.318, sedangkan nilai Relative Error kategori Entry 13.25% dan Nilai RMSE kategori Mid 17.721, sedangkan Nilai Relative Error kategori Mid 17.42%. Prediksi penjualan handphone menggunakan metode regresi linier ini dapat dikatakan tergolong dalam kategori cukup atau bisa digunakan.
PENERAPAN DATAMINING DALAM MENENTUKAN POLA PENJUALAN PRODUK MENGGUNAKAN ALGORITMA FP-GROWTH Gunia, Euis; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9506

Abstract

Perkembangan bisnis di era digital menuntut penggunaan teknologi untuk meningkatkan efisiensi dan efektivitas operasional. Penelitian ini fokus pada penerapan datamining menggunakan algoritma FP-Growth dalam konteks penjualan produk di toko spesial juice dan sop buah. Tujuan penelitian ini yaitu untuk menerapkan datamining dengan algoritma FP-Growth guna menentukan pola penjualan produk yang relevan dan memberikan kontribusi signifikan terhadap keberhasilan toko spesial juice dan sop buah. Metode yang digunakan melalui pendekatan penelitian dengan mengumpulkan data penjualan historis dari toko tersebut. Selanjutnya, algoritma FP-Growth diterapkan untuk mengidentifikasi pola penjualan yang signifikan dari dataset tersebut. Hasil yang paling banyak memberikan dukungan (support) dan confident yaitu 0.064 dengan nama minuman adalah: Air kelapa murni, Alpuket, Es kelapa gula putih, Es tape ketan, Mangga, Sop buah.
PENERAPAN ALGORITMA DECISION TREE DALAM KLASIFIKASI PENYAKIT STROKE OTAK Hendriyansyah, Hendriyansyah; Irma Purnamasari, Ade; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9602

Abstract

Stroke adalah gangguan kesehatan serius yang memiliki tingkat kematian tinggi, sehingga penanganan cepat sangat penting untuk mengurangi risiko komplikasi dan kerusakan otak. Studi ini menggunakan pendekatan Knowledge Discovery in Databases dan mengimplementasikan algoritma decision tree untuk melakukan klasifikasi penyakit stroke. Hasilnya menunjukkan tingkat akurasi sebesar 85.81%, recall sebesar 86.12%, dan presisi sebesar 85.85%. Dengan demikian, langkah-langkah pencegahan dapat diimplementasikan lebih efektif, membantu mengurangi dampak stroke pada tingkat kesehatan masyarakat.
MENGOPTIMALKAN KEPUASAN PENGGUNA: ANALISIS SENTIMEN REVIEW APLIKASI GRAB DI INDONESIA Suryana, Aldi; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9688

Abstract

Sebagai perusahaan terkemuka di sektor transportasi dan teknologi di Asia Tenggara, Grab, didirikan pada 2012 di Malaysia sebagai platform pemesanan taksi melalui aplikasi. Pertumbuhan pesat perusahaan ini menciptakan kebutuhan untuk strategi analisis sentimen guna meningkatkan layanan dan kepuasan pengguna. Penelitian ini menggunakan pendekatan eksperimental dan kuantitatif dengan fokus pada ulasan aplikasi Grab di Google Play Store. Penggunaan teknik web scraping melalui Google Play Scraper mengumpulkan 1000 data ulasan. Hasil analisis sentimen menggunakan metode klasifikasi Naïve Bayes dimana metode ini merupakan metode pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilistik dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan menunjukkan tingkat akurasi sebesar 87%, dengan presisi 86%, dan recall 97%. Tahapan preprocessing, seperti case folding, tokenizing, stopwords, dan stemming, memastikan kualitas data sebelum klasifikasi. Evaluasi menggunakan Confusion Matrix di Google Colaboratory menunjukkan kinerja memuaskan, mengidentifikasi sentiment masyarakat pengguna aplikasi Grab. Tingkat akurasi 87% memberikan gambaran rinci tentang kemampuan model dalam menangani variasi sentimen, termasuk presisi, recall, dan F1-score. Penerapan metode klasifikasi Naïve Bayes dalam analisis sentimen aplikasi Grab terbukti efektif, memberikan wawasan berharga untuk pengembangan layanan yang lebih baik.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK KLASIFIKASI DIAGNOSIS PENYAKIT LAMBUNG Hartini, Tuti; Irma Purnamasari, Ade; Bahtiar, Agus; Kaslani, Kaslani
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12183

Abstract

Keterbatasan akses layanan Kesehatan spesialis untuk diagnosis penyakit lambung masih menjadi tantangan utama di wilayah pedesaan seperti desa Sukamulya. Hal ini, menyebabkan keterlambatan penanganan dan potensi memburuknya kondisi Kesehatan Masyarakat setempat. Penelitian ini bertujuan untuk mengembangkan model deteksi penyakit lambung menggunakan Algoritma K-means Clustering yang disesuaikan dengan kondisi Kesehatan Masyarakat setempat. Metode yang digunakan adalah Algoritma K-means Clustering dengan menganalisis data dari 300 pasien yang dikumpulkan selama 3 bulan di puskesmas Desa Sukamulya. Attribut yang digunakan mencangkup usia, jenis gejala, dan diagnosis awal untuk pengelompokkan penyakit lambung seperti Gastritis, ulkus peptikum, GERD, dan maag. Hasil penelitian ini menunjukkan nilai Davies Bouldin Index (DBI) terbaik ada pada kluster 6 dengan nilai DBI -0.488, dengan distribusi anggota: kluster 0: 68 items, cluster 2: 9 items, cluster 3: 49 items, cluster 4: 59 items, dan kluster 5: 57 items. Model ini juga berpotensi memberikan wawasan baru tentang penggunaan teknologi pembelajaran mesin dalam konteks Kesehatan pedesaan dan dapat menjadi landasan untuk pengembangan kebijakan Kesehatan yang lebih berbasis teknologi dan inklusif. Hasil penelitian ini diharapkan dapat mendorong adopsi teknologi dalam bidang pelayanan Kesehatan serta meningkatkan literasi digital Masyarakat dan tenaga Kesehatan di wilayah pedesaan
K-Means Algorithm to Improve Leaf Image Clustering Model for Rice Disease Early Detection Gina Regiana; Irma Purnamasari, Ade; Bahtiar, Agus; Tohidi, Edi
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.840

Abstract

This research aims to improve the accuracy of rice leaf image clustering in early disease detection using the K-Means algorithm. The approach used involves the Knowledge Discovery in Databases (KDD) method, which includes data selection, pre-processing, data transformation, data mining, evaluation, and presentation of results. The dataset used consists of images of healthy leaves and leaves infected with diseases such as Bacterial Leaf Blight, Brown Spot, and Leaf Smut. The images are processed through grayscale conversion, noise removal, size adjustment, and data augmentation. The K-Means algorithm is applied to cluster image features based on visual similarity. Evaluation results using Silhouette Score showed that the best clustering was obtained at K=2 with a score of 0.8340, resulting in two main clusters separating healthy and infected images. This study concludes that the K-Means algorithm is able to improve the efficiency and accuracy of rice disease detection, so that it can assist farmers in taking early preventive measures and increase agricultural productivity. This implementation shows significant potential in the development of smart agriculture technology.
PENINGKATAN MODEL POLA PEMBELIAN MENU DI METAMOR SPACE MENGGUNAKAN ALGORITMA FP-GROWTH Lutfiah, Lutfiah; Irma Purnamasari, Ade; Bahtiar, Agus; Wahyudin, Edi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13039

Abstract

Metamor Space adalah sebuah café di Cirebon yang dihadapkan pada tantangan untuk memahami pola pembelian pelanggan yang bervariasi, guna meningkatkan kepuasan pelanggan dan mengoptimalkan strategi pemasaran. Penelitian ini bertujuan untuk menerapkan algoritma FP-Growth dalam menganalisis data transaksi pelanggan, sehingga dapat mengidentifikasi pola pembelian signifikan. Algoritma FP-Growth dipilih karena kemampuannya dalam mengelola data besar secara efisien tanpa perlu pemrosesan ulang yang kompleks, menjadikannya cocok untuk analisis Association Rules yang dapat mengungkap keterkaitan antara menu yang sering dipesan bersamaan oleh pelanggan. Data yang digunakan adalah data transaksi penjualan di Metamor Space selama periode 1-30 Oktober 2024, dengan total 201 transaksi 954 record. Proses analisis dilakukan dengan menetapkan support sebesar 0,5556 atau 55,56% dan confidence sebesar 0.5, yang dapat mendukung strategi promosi dan pengelolaan menu yang lebih efektif. Hasil penelitian menunjukkan pola pembelian yang dominan, seperti menu "Choco Galaxy dan Roti Bakar" yang sering dipesan bersamaan. Temuan ini memberikan wawasan bagi Metamor Space dalam menyusun program promosi, seperti diskon bundling atau rekomendasi produk. Selain itu, pola ini membantu café dalam mengatur stok bahan baku dengan lebih efisien, meminimalkan risiko kelebihan atau kekurangan stok.
PENGGUNAAN ALGORITMA FP-GROWTH UNTUK MENINGKATKAN POLA PENJUALAN PERLENGKAPAN HEWAN PELIHARAAN DI 23 PETSHOP Rahmawati, Novi; Irma Purnamasari, Ade; Bahtiar, Agus
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13116

Abstract

Data mining telah menjadi alat yang sangat penting dalam mengatasi tantangan analisis data besar-besaran dan mendukung pengambilan keputusan yang lebih cerdas di berbagai sektor, Tujuannya adalah menemukan pola, tren, atau informasi yang dapat membantu perkiraan atau pengambilan keputusan di berbagai industri. Karena persaingan usaha yang semakin bervariasi, produsen perlu mempunyai rencana yang matang untuk mencapai tujuannya. Diantara metode utama yang diterapkan produsen untuk menangkis persaingan dan mempertahankan kelangsungan bisnis mereka adalah pemasaran melalui penggunaan data pembelian dari database yang dapat memberikan rincian tren penjualan pelanggan pada data transaksi dengan menerapkan metode Market Basket Analysis untuk mengidentifikasi barang yang dibeli sekaligus. Berdasarkan data perdagangan yang kemudian diproses menggunakan Rapid Miner Studio menggunakan algoritma fp-growth, maka perdagangan akan selesai. Salah satu manfaat dari proses data mining ini adalah dapat membantu bisnis dalam memperoleh angka dan kuantitas penjualan serta mengungkap informasi baru. Menurut temuan penelitian, data mining menggunakan algoritma FP-Growth bisa dalam menganalisis perilaku pelanggan dan direkomendasikan dalam ulasan produk untuk barang berkualitas tinggi. Oleh karena itu, produk yang sering dibeli secara kooperatif ditangani dengan hati-hati oleh pemilik toko. Dapat dihasilkan beberapa pola penjualan dalam penelitian ini dan dimanfaatkan untuk keberlangsungan toko.