Claim Missing Document
Check
Articles

Found 13 Documents
Search

PENERAPAN ALGORITMA DECISION TREE DALAM KLASIFIKASI KETERLAMBATAN JAM MASUK KERJA KARYAWAN DENGAN RAPIDMINER Kanaya, Niquita Sepha; Panggabean, Suvriadi
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p451-458

Abstract

Banyak elemen yang berkontribusi, termasuk jarak ke tempat kerja, waktu keberangkatan dan bangun tidur, cuaca, moda transportasi, dan tingkat lalu lintas, menjadi pertimbangan ketika menilai keterlambatan karyawan. Oleh karena itu, untuk mengukur dan meramalkan keterlambatan karyawan, diperlukan pendekatan kategorisasi. Data karyawan dari BPJS Kesehatan Cabang Medan diklasifikasikan dalam penelitian ini dengan menggunakan pendekatan Decision Tree. Data survei, yang meliputi informasi jam bangun, jam berangkat, waktu perjalanan, cuaca, transportasi, dan status keterlambatan, dikumpulkan dari 150 karyawan. Dengan menggunakan metodologi pembagian data pelatihan dan pengujian, program RapidMiner digunakan untuk pemrosesan dan analisis data. Dengan akurasi maksimum 94,00%, temuan akhir dari penelitian ini menunjukkan bahwa algoritma Decision Tree dapat mengkategorikan data secara efektif. Hal ini menunjukkan bahwa, dengan menggunakan data yang diamati, model yang dikembangkan dapat digunakan untuk membantu memprediksi kemungkinan keterlambatan karyawan.
PREDIKSI KELAYAKAN PEMBERIAN KREDIT PADA NASABAH DI KSP BONA MANDIRI JAYA MENGGUNAKAN ALGORITMA DATA MINING C4.5 BR GULTOM, NANCY VERONICA; PANGGABEAN, SUVRIADI
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p37-44

Abstract

Penelitian ini bertujuan untuk membangun model klasifikasi dalam memprediksi kelayakan kredit nasabah ulang di KSP Bona Mandiri Jaya dengan menggunakan algoritma C4.5 dalam data mining. Data yang digunakan berjumlah 114 catatan nasabah tahun 2022, yang mencakup atribut riwayat pinjaman, jaminan, penghasilan bulanan, dan status kelayakan. Metode penelitian menerapkan teknik klasifikasi pohon keputusan dan dievaluasi menggunakan confusion matrix serta validasi split (80% data latih, 20% data uji) dengan bantuan aplikasi Rapid Miner. Hasil penelitian menunjukkan bahwa algoritma C4.5 mampu membentuk pohon keputusan dengan aturan klasifikasi yang mudah dipahami, seperti: JIKA riwayat pinjaman = lancar DAN penghasilan > 500000 MAKA layak. Model menunjukkan performa tinggi dengan akurasi sebesar 98,25%, precision 94,12% untuk kelas tidak layak dan 98,97% untuk kelas layak, serta recall masing-masing sebesar 94,12% dan 98,97%. Model prediktif ini diharapkan dapat membantu petugas kredit dalam membuat keputusan pemberian pinjaman yang lebih objektif, akurat, dan konsisten, serta mengurangi risiko gagal bayar dan mendukung pengelolaan keuangan koperasi yang lebih baik.
Analisis Sistem Antrian Multi-Channel pada SPBU Menggunakan Simulasi Monte Carlo untuk Prediksi Waktu Tunggu Kendaraan Purba, Jogi; Lbn Gaol, Anwar Shaleh; Waruwu, Stefen Agus; Panggabean, Suvriadi
Pendas : Jurnal Ilmiah Pendidikan Dasar Vol. 11 No. 02 (2026): Volume 11 Nomor 02, Juni 2026 Published
Publisher : Program Studi Pendidikan Guru Sekolah Dasar FKIP Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/jp.v11i02.47682

Abstract

The increasing number of motor vehicles each year has led to a growing demand for fuel at Public Fuel Filling Stations (SPBU). This condition causes long queues, especially when the service capacity is not balanced with the rate of vehicle arrivals. This study aims to analyze the efficiency of the SPBU service system using a multi-channel queueing model (M/M/c) combined with Monte Carlo simulation to estimate vehicle waiting times stochastically. Data were obtained through direct observation, including arrival times, service times, and the number of active service channels. Modeling and simulation were carried out using Python with the NumPy, Pandas, and Matplotlib libraries. The results show that the actual average waiting time was 81.92 minutes, while the Monte Carlo simulation produced an average of 87.94 minutes, with a difference of only 7.35%, indicating a high level of accuracy. The system utilization value (ρ) of 1.05 indicates an overloaded condition that leads to increased customer waiting times. The simulation results also show that adding one service channel can reduce the average waiting time by up to 30%. Thus, the combination of the M/M/c model and Monte Carlo simulation proves effective in describing the stochastic behavior of the queueing system at SPBUs and can serve as a basis for improving service efficiency.