Claim Missing Document
Check
Articles

PENERAPAN ALGORITMA K-MEANS UNTUK OPTIMALISASI KLASTERISASI PENJUALAN OBAT DI APOTEK PERJUAGAN Pajri, Riki; Suarna, Nana; ali, Irfan; Indriya Efendi, Dendy
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.v9i1.12472

Abstract

Perkembangan teknologi informasi telah memberikan peluang signifikan dalam meningkatkan efisiensi manajemen penjualan dan stok di sektor farmasi, termasuk apotek. Namun, tantangan utama yang dihadapi adalah ketepatan dalam mengelompokkan produk berdasarkan pola penjualan, yang dapat memengaruhi ketersediaan stok dan pengambilan keputusan strategis. Penelitian ini bertujuan untuk menerapkan algoritma K-Means guna meningkatkan efektivitas klasterisasi data penjualan obat di Apotek Perjuangan. Metode penelitian menggunakan pendekatan Knowledge Discovery in Databases (KDD), dengan analisis data yang dilakukan melalui aplikasi RapidMiner. Data primer diperoleh melalui observasi langsung terhadap transaksi penjualan selama periode tertentu. Hasil penelitian menunjukkan bahwa klasterisasi optimal dicapai dengan nilai K=5, menghasilkan Davies-Bouldin Index (DBI) sebesar 0,415. Klasterisasi ini mampu mengelompokkan produk berdasarkan tingkat penjualan yang tinggi, sedang, dan rendah, sehingga mendukung strategi pengelolaan stok yang lebih efisien. Penelitian ini memberikan kontribusi dalam pengambilan keputusan berbasis data untuk meminimalkan risiko overstock dan stockout, sekaligus meningkatkan kualitas manajemen stok obat di apotek
PREDIKSI PERSETUJUAN PINJAMAN MENGGUNAKAN DATASET LOAN APPROVAL MENGGUNAKAN ALGORITMA KLASIFIKASI Amal Rois, Moh. Ichlasul; Dwilestari, Gifthera; Suarna, Nana
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.v9i1.12486

Abstract

Persetujuan pinjaman merupakan aspek kritis dalam industri keuangan yang mempengaruhi kelancaran operasional bank dan lembaga keuangan. Namun, proses evaluasi permohonan pinjaman seringkali memakan waktu dan rawan kesalahan manusia. Oleh karena itu, diperlukan sistem prediksi yang efektif untuk meningkatkan akurasi dan efisiensi persetujuan pinjaman. Penelitian ini bertujuan untuk mengembangkan model prediksi persetujuan pinjaman menggunakan dataset Loan Approval dengan menerapkan algoritma klasifikasi. Masalah yang dihadapi adalah bagaimana mengidentifikasi faktor-faktor penting yang mempengaruhi persetujuan pinjaman dan membangun model yang dapat memprediksi hasil dengan tingkat akurasi yang tinggi. Metode yang digunakan dalam penelitian ini melibatkan pengumpulan dan praproses data, eksplorasi data untuk memahami distribusi dan karakteristiknya, serta penerapan berbagai algoritma klasifikasi seperti Logistic Regression, Decision Tree, dan Random Forest. Model yang dibangun kemudian dievaluasi menggunakan metrik kinerja seperti akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan kinerja terbaik dengan akurasi mencapai 85%, precision 83%, recall 82%, dan F1-score 82%. Temuan ini menunjukkan bahwa penggunaan algoritma klasifikasi dapat membantu lembaga keuangan dalam membuat keputusan persetujuan pinjaman yang lebih tepat dan efisien, sehingga dapat mengurangi risiko kredit macet dan meningkatkan kepuasan pelanggan. Penelitian ini memberikan kontribusi penting dalam bidang teknologi keuangan dengan mengusulkan model prediksi yang dapat diimplementasikan dalam sistem penilaian kredit yang lebih cerdas dan responsif.
IMPLEMENTASI ALGORITMA REGRESI LINIER DALAM MEMPREDIKSI KEUNTUNGAN CV. XYZ Auliya, Suci; Suarna, Nana; Ali, Irfan; Susana, Heliyanti
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.v9i1.12593

Abstract

Latar belakang penelitian ini adalah pentingnya memahami pengaruh variabel Harga Pokok Penjualan (HPP) terhadap keuntungan perusahaan dalam melakukan analisis keuntungan. Penelitian ini bertujuan menganalisis dan memprediksi keuntungan penjualan pakan ternak di Perusahaan XYZ yang berdomisili di Kabupaten Cirebon. Penelitian ini menggunakan data penjualan bulanan selama tahun 2023 dan 2024, yang mencakup minggu ke, HPP, jumlah penjualan (Qty), total tagihan, total pembayaran, dan margin keuntungan. Data ini diolah melalui teknik preprocessing untuk memastikan kualitasnya sebelum dianalisis menggunakan algoritma regresi linier. Model ini digunakan untuk mempelajari hubungan antara variabel-variabel tersebut dan memprediksi margin keuntungan secara akurat. Hasil penelitian menunjukkan bahwa HPP memiliki koefisien sebesar 0,143, yang berarti setiap kenaikan HPP akan meningkatkan margin keuntungan sebesar 0,143 dengan asumsi variabel lain tetap. Prediksi margin menggunakan model ini juga menunjukkan akurasi tinggi, dengan nilai Root Mean Squared Error (RMSE) sebesar 2%. Temuan ini menunjukkan bahwa algoritma regresi linier adalah alat yang efektif untuk memprediksi keuntungan dan dapat diterapkan pada perusahaan dengan skala data serupa untuk mendukung perencanaan bisnis yang lebih baik
KLASIFIKASI HASIL PENJUALAN PAKAIAN MENGGUNAKAN ALGORITMA C4.5 PADA TOKO PAKAIAN RIA BUSANA Firmansyah, Fajar; Suarna, Nana; Prihartono, Willy
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.v9i1.12683

Abstract

Industri fashion saat ini mengalami peningkatan permintaan yang pesat, dengan konsumen semakin memperhatikan tren pakaian dan memilih berbagai merek untuk memenuhi kebutuhan mereka. Namun, salah satu masalah yang sering dihadapi oleh bisnis pakaian adalah kesulitan dalam mengelola stok, terutama dalam menentukan produk yang laris dan tidak laris di pasar, yang sering menyebabkan overstock atau kekurangan persediaan. Penelitian ini bertujuan untuk menganalisis perilaku pembelian konsumen terhadap produk fashion di RIA Busana menggunakan metode algoritma C4.5. Algoritma ini diterapkan untuk mengidentifikasi faktor-faktor yang memengaruhi keputusan pembelian konsumen berdasarkan data historis yang mencakup transaksi pembelian, preferensi konsumen, dan karakteristik demografi. Metode ini menghasilkan pohon keputusan yang dapat memberikan wawasan mengenai pola pembelian, dengan kategori produk yang terbagi menjadi 'best seller' dan 'non-best seller'. Tujuan penelitian ini adalah untuk membantu mengoptimalkan pengelolaan stok di gudang, menghindari penumpukan stok produk yang tidak laku, dan memastikan kestabilan stok pakaian yang laris. Data dikumpulkan dari transaksi penjualan dan digunakan untuk mengklasifikasikan produk berdasarkan algoritma C4.5, yang diimplementasikan melalui alat RapidMiner. Hasil penelitian menunjukkan bahwa algoritma C4.5 efektif dalam menentukan keakuratan klasifikasi produk terlaris dan tidak laris, sehingga membantu meminimalkan masalah overstock dan kekurangan stok di gudang, yang dapat meningkatkan efisiensi operasional dan daya saing bisnis.
Usability Testing pada Aplikasi Kas Berbasis Android dan Teknologi API menggunakan Metode System Usability Scale Al Muharom, Nurul Ibnu; Suarna, Nana; Dana, Raditya Danar
Jurnal Informatika Terpadu Vol 10 No 1 (2024): Maret, 2024
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jit.v10i1.1099

Abstract

Cash management applications are used to store transaction data and create cash in and cash out reports that are more effective than using books. However, currently no usability testing has been carried out so it is quite difficult to determine future application development steps. The aim of this research is to measure the level of usefulness of an Android-based cash management application using the System Usability Scale (SUS) method, namely a 10-question Likert scale questionnaire distributed to respondents with the final result being a score of 0-100. The number of respondents was 15 people who were CV employees. Jaya Mukti. This test was carried out to determine the level of user convenience and satisfaction. The results of the research obtained a score of 84.7, this score shows a percentile level of 96%, Grade Scale A, Acceptability Ranges are in the Acceptable category, meaning acceptable, and the Adejctive Rating is in the Excellent category. If correlated with NPS, it falls into the promoter category, meaning users will recommend the application. These results show that the application can be accepted by users and is very good and above the established usability value standards. This research also produced 4 recommendations for improvement based on the results of questionnaire answers so that they can be used as evaluation for future application development.
KLASIFIKASI ABJAD DALAM BAHASA ISYARAT MENGGUNAKAN ALGORITMA RANDOM FOREST Wirdiyan, Farhan Azfa; Suarna, Nana; Ali, Irfan
JurTI (Jurnal Teknologi Informasi) Vol 8, No 2 (2024): DESEMBER 2024
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v8i2.4673

Abstract

Pengenalan bahasa isyarat merupakan tantangan signifikan dalam pengembangan teknologi informasi, terutama dalam menciptakan komunikasi inklusif bagi penyandang disabilitas pendengaran. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem klasifikasi alfabet bahasa isyarat, khususnya pada Sistem Isyarat Bahasa Indonesia (SIBI), menggunakan algoritma Random Forest. Sistem ini dirancang untuk memfasilitasi komunikasi yang inklusif antara penyandang disabilitas pendengaran dan masyarakat umum. Tahapan penelitian mencakup pengumpulan data gerakan tangan yang diperoleh melalui perekaman menggunakan webcam dan kemudian dikelompokkan berdasarkan label alfabet,Tahap preprocessing data bertujuan untuk normalisasi dan augmentasi guna meningkatkan variasi input kemudian di lakukan proses untuk mengekstrak landmark tangan melalui framework Mediapipe, yaitu titik-titik referensi posisi jari dan tangan, Tahap pelatihan model menggunakan algoritma Random Forest dengan pembagian data latih dan uji, serta Tahap pengujian sistem secara real-time untuk mengevaluasi akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan sistem mampu mengenali alfabet SIBI dengan akurasi 100%, membuktikan efektivitas metode Random Forest dalam menangani klasifikasi pola yang kompleks. Esensi penelitian ini terletak pada kontribusinya dalam mendukung komunikasi inklusif melalui teknologi kecerdasan buatan. Sistem ini menawarkan solusi praktis untuk mengatasi hambatan komunikasi antara penyandang disabilitas pendengaran dan masyarakat umum, sekaligus mendorong pengembangan teknologi inklusif. Dengan hasil yang sangat akurat, penelitian ini memberikan dampak sosial yang signifikan, membuka peluang bagi pengembangan sistem komunikasi berbasis AI yang lebih adaptif, seperti integrasi dengan aplikasi mobile dan fitur text-to-speech, sehingga memperluas aksesibilitas dan mendukung interaksi sosial yang lebih inklusif.
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENINGKATKAN MODEL PENGELOMPOKAN DAN KINERJA JARINGAN WI-FI SECARA OPTIMAL Fauzan, Akmal; Suarna, Nana; Ali, Irfan; Susana, Heliayanti
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6272

Abstract

Penelitian ini mengimplementasikan algoritma K-Means Clustering untuk menganalisis pola penggunaan jaringan Wi-Fi, guna meningkatkan efisiensi pengelolaan bandwidth dan kualitas layanan. Data berupa kecepatan internet, biaya layanan, dan lokasi pelanggan diolah menggunakan RapidMiner, menghasilkan klaster dengan nilai Davies-Bouldin Index (DBI) sebesar 0.006, menunjukkan kualitas klaster yang sangat baik. Hasilnya memberikan wawasan mendalam tentang segmentasi pelanggan dan pola penggunaan layanan untuk pengambilan keputusan strategis. Algoritma KMeans terbukti efektif dalam optimalisasi sumber daya jaringan, serta menjadi dasar pengembangan sistem monitoring real-time dan teknologi data mining untuk pengelolaan jaringan Wi-Fi skala besar.
DEEP LEARNING ALGORITMA YOLOV8 UNTUK MENINGKATKAN ANALISIS KEPADATAN LALU LINTAS Hidayattullah, Rizky; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.5749

Abstract

Kemacetan lalu lintas merupakan salah satu masalah serius di berbagai kota besar. Diperlukan sebuah algoritma deteksi objek secara real-time yaitu YOLOv8 . Namun, untuk mengeksplorasi efektivitas algoritma YOLOv8 (You Only Look Once version 8) dalam mendeteksi dan menganalisis kemacetan lalu lintas. Maka dilakukan pemadaman pola kemacetan, menghitung volume lalu lintas, serta memberikan informasi kondisi lalu kecepatan untuk mengurangi kemacetan. Data yang digunakan meliputi dataset sekunder dari website open source Roboflow dan data primer hasil observasi langsung di Jalan Perum Arum Sari Angsana 2, Kecomberan, Kecamatan Talun, Kabupaten Cirebon, Jawa Barat 45171, Indonesia. Proses penelitian mencakup pelatihan model YOLOv8 menggunakan dataset yang telah diberi anotasi untuk mendeteksi kendaraan, dan menghitung volume kendaraan yang ada. Setelah pelatihan, model diuji menggunakan dataset video untuk memutar performanya dalam kondisi nyata, mencakup berbagai waktu dan kondisi pencahayaan, seperti pagi, dan siang. Hasil penelitian menunjukkan bahwa model YOLOv8 mencapai tingkat akurasi deteksi yang tinggi, dengan presisi sebesar 0.930, recall 0.919, F1-score 0.930, mAP50 0.975, dan mAP50-95 0.748. Model ini mampu mendeteksi dan menghitung jumlah kendaraan secara akurat pada kondisi lalu lintas, baik padat maupun lancar. Temuan ini membuktikan potensi besar algoritma YOLOv8 dalam penerapan teknologi berbasis kecerdasan buatan untuk pengelolaan lalu lintas perkotaan maupun pemukiman.
Pelatihan Pola Dan Segmentasi Citra Bagi Dosen Kopertip Indonesia Untuk Mendukung Penelitian Multidisiplin Mulyawan; Suarna, Nana; Jaya Muhammad Ramadhan, Gildan; Alfian Nur Rahmat, Muhammad
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 3 : April (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pattern recognition and image segmentation are visual data analysis techniques with broad applications in various research fields. This Community Service Program aims to provide training on pattern recognition and image segmentation for lecturers of Kopertip Indonesia. This training seeks to enhance lecturers' understanding and ability to apply these techniques as tools to support multidisciplinary research. The training material includes the fundamentals of image processing, various pattern recognition methods, image segmentation algorithms, and case studies of applications in cross-disciplinary research contexts. It is hoped that this activity can encourage the improvement of quality and interdisciplinary research collaboration within Kopertip Indonesia.
Optimalisasi Branding Dan Packaging Produk UMKM Untuk Peningkatan Daya Saing Di E-Commerce Suarna, Nana; Dienwati Nuris, Nisa; Ibnu Abas, Mohamad; Alfian Nur Rahmat , Muhammad
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 3 : April (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Micro, Small, and Medium Enterprises (MSMEs) play a crucial role in the economy but often face obstacles in increasing product value, especially within the e-commerce ecosystem. This Community Partnership Program aims to optimize branding and packaging for partner MSME products to be more competitive and attractive in the digital market. The implementation methods include analyzing the condition of the MSMEs, providing intensive training on effective branding strategies and attractive as well as functional packaging design, followed by implementation assistance on e-commerce platforms. The expected outcomes of this activity are an enhanced brand image, improved visual appeal of products, as well as increased selling value and expanded online market reach for the partner MSMEs.
Co-Authors Abdul Rasyid Ade Kurnia, Dian Adrian, Teguh Afiasari, Nur Aini Nurul Ainisa, Nurul Al Maeni, Nurul Al Muharom, Nurul Ibnu Alfian Nur Rahmat , Muhammad Alfian Nur Rahmat, Muhammad Alfudola, Mahfudz Amal Rois, Moh. Ichlasul Amalia, Rosnita Amarda, Juan Ameliana, Nikan Amer, Abdu Shobarudin Andi Setiawan Anggara, Doni Anggriani, Sulistia Anita Yuliyanti Apriliana Janatu Marwa Arif Fitriyanto, Goffar Arifqi, Tri Aulia Putri, Adinda Auliya, Suci Awaludin, Ade Ayuni, Putri baihaqqi, Farisky Dadang Sudrajat Dalifah, Nurul Danar Dana, Raditya Dendy Indriya Efendi Dewanty Rafu, Maria Dewi, Sophiyanti Dienwati Nuris, Nisa Dienwati, Nisa Dwi Prasetyo Dwilestari , Gifthera Efendi , Dendy Indriya Effendy, Dendy Indria Fachry Abda El Rahman Fadhil, Fadhil Yudistianto FAUZAN, AKMAL Fikri Ulumudin, Achmad Fikri, Moh.Yusuf Firmansyah, Fajar Frihandiansah, Riyandi Fuadi Ahmad, Cecep Gifthera Dwilestari Gilang Perwati, Intan Hamdan Mubarok, Nabil Hartiansyah, Fernandar Dwi Hermawan, Bagus Hermawan, Ramdan Hidayah, Nurni Hidayat, Pierre Galuh Hidayattullah, Rizky Ibnu Abas, Mohamad Iin, Iin Illahi, Asep Wahyu Indriya Efendi, Dendy Irfan Ali, Irfan Irma Purnamasari, Ade JUBAEDAH JUBAEDAH, JUBAEDAH Julianti, Okta Nur Khaeru, Abdullah Kholifa, Nur Kusmawanti, Nisa Laelatul Azizah, Novi Lestari, Gifthera Dwi Luthfi, Achmad Mar’atun Sholihah, Oliffia Masjunedi, Masjunedi Maulida, Nida Muhamad Andika, Agus Muhammad Taufik Hidayat, Muhammad Muharam, Arbi Adi Muharromah, Oom Mulyawan Mustofa, Kafit Nining Rahaningsih Nugraha, Rifqi Nugroho, Rizwar Adi Nur Amalia, Ocsana Nur Apriliani, Nur Nurdin Nurhayah, Nurhayah Nuri Nuri Nurjanah, Nurul Nurliana, Nicky NURUL AZIZAH Nurwanda, Nurwanda Nurzaman Nurzaman Odi Nurdiawan Oktaviany, Nurul Pajri, Riki Peni Peni Pii, Iwan Pratama, Denni Pratiwi, Intan Pratiwi, Yulita Prihartono, Wiily Prihartono, Willy PUJI LESTARI Purnamasari, Ade Irma Putriana, Puput R, Nining Raditya Danar Dana Rahaning, Nining Rahaningsi, Nining Ramadhan, Gildan Jaya Muhammad Ramdani, Rizki Retnasari, Peni Rinaldi Dikananda, Arif Rinata, Ustri Ani Rini Astuti Riyana, Iis Rohendi, Ghina Fitria Rohman, Dede Rokhmatan Khaerullah, Rizal Sajidan, Dzikri Samodra Anugrah, Syawal Saniyah, Nilta Saputra, Adi Zulkarnaen Sariah Sariah Sayuti Hanapiah, Neneng Sidik, Rahmat Siti Nurhasanah Solihudin, Dodi Suarna, Annisa Annastia Susana, Heliayanti Susana, Heliyanti Talia, Agita Hany Tati Suprapti Taulani, Taulani Tri Ginanjar Laksana Triawan, Eri Triya, Pita Widiya, Putri Wirdiyan, Farhan Azfa Wulandari, Maryam Yudhistira Arie Wijaya Zaelani, Nursehan Zeya Sebastian, Muhammad