Article Per Year (5 Year)
p-Index From 2021 - 2026
4.022
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Bina Praja JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknik Informatika C.I.T. Medicom MEANS (Media Informasi Analisa dan Sistem) International Journal of Engineering, Science and Information Technology Jawda: Journal of Islamic Education Management Innovative: Journal Of Social Science Research Jurnal Sistem Informasi dan Manajemen
Mulyawan, Mulyawan
Unknown Affiliation
Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
KOMPARASI ALGORITMA APRIORI DAN FP-GROWTH UNTUK MEMBERIKAN STRATEGI DISKON Lorentiana Wijayanti, Rima; Kurniawan, Rudi; Mulyawan, Mulyawan; Herdiana, Ruli; Susana, Heliyanti
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.v8i1.8935

Abstract

PT Menara Intermode memiliki data yang besar terkait penjualan tas brand En-ji Collection secara offline. Data ini dapat memberikan informasi atau pola terkait penjualan. Penulis menemukan permasalahan dalam mengidentifikasi pola pembelian transaksi karena terbatasnya menganalisis data tersebut. PT Menara Intermode memerlukan strategi pemasaran yang tepat. Kebiasaan belanja pelanggan dapat dicari pola nya dengan menggunakan teknik data mining. Dengan menggunakan teknik data mining penulis mempunyai tujuan untuk memberikan strategi diskon kepada konsumen. Tahap pertama dimulai dengan pengumpulan data, data yang yang telah dikumpulkan sebanyak 2.343 data transaksi, kemudian dilakukan data selection yang dimana melakukan pemilihan atribut yang penting sehingga memiliki hasil. Setelah data selection, dilakukan preprocessing pada data yang dimana untuk mengecek kerangkapan data dan menggunakan data sesuai kebutuhan. Setelah data preprocessing, dilakukan data transformasi yaitu dilakukan penyesuaian format data dalam bentuk tabular untuk proses data mining. Pada tahap data mining diterapkan menggunakan algoritma Apriori dan FP-Growth melalui pengujian RapidMiner. Hasil dari penelitian ini Algoritma Apriori menghasilkan 2 rules sedangkan algoritma FP-Growth menghasilkan 19 rules dengan minimum support 0,1 atau 10% dan minimum confidence 0,4 atau 40% yang dapat digunakan untuk memberikan strategi diskon kepada konsumen.
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENENTUKAN POLA PEMBELIAN MAKANAN DI WARMINDO Destriyanah, Riska; Kaslani, Kaslani; Wahyudin, Edi; Dwilestari, Gifthera; Mulyawan, Mulyawan
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.v8i2.8969

Abstract

Di dalam dunia bisnis diperlukan suatu usaha yang maksimal agar mendapatkan keuntungan. Strategi pemasaran yang tepat dapat dilihat pada pola pembelian konsumen yang di peroleh dari transaksi penjualan terhadap Makanan Warung Indomie atau Warmindo. Informasi mengenai pola pembelian customer pada Warmindo yang kurang akurat ini menyebabkan ketidaktahuan perusahaan mengenai kerugian yang didapatinya. Penelitian ini bertujuan untuk menganalisis pola pembelian pelanggan di Warmindo menggunakan algoritma FP-Growth yang diimplementasikan melalui software RapidMiner. Pada penelitian ini ditemukan beberapa hasil aturan asosiasi yang nantinya akan digunakan sebagai bahan pengambilan keputusan untuk kemajuan Perusahaan dan mendatangkan laba atau keuntungan. Hasil dari penelitian ini berupa aturan asosiasi menggunakan algoritma FP-Growth yang bertujuan untuk memberikan rekomendasi dua items atau menu kepada pelanggan dengan menggunakan nilai minimum support 30% dan minimum confidence 80%
CLUSTERING JENIS SUMBER AIR DI PROVINSI JAWA BARAT MENGGUNAKAN ALORITMA K-MEDOIDS Apriliyani, Ela; Nurhakim, Bani; Eka Permana, Sandy; Dwilestari, Gifthera; Mulyawan, Mulyawan
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.v8i2.8982

Abstract

Air sangat penting bagi seluruh makhluk hidup di Bumi karena merupakan kebutuhan dasar yang harus dipenuhi dan dikonsumsi. Sumber air merupakan fondasi ekosistem dan keanekaragaman hayati. Terbatasnya ketersediaan air menunjukkan pentingnya melindungi dan mengelola penggunaannya secara bijaksana. Perubahan iklim dapat mempengaruhi siklus air di bumi. Dengan data sumber air yang di keluarkan dalam periode 1 tahun sekali oleh Dinas Pemberdayaan Masyarakat Tujuan penelitian ini adalah mengelompokkan jenis sumber air dengan metode K-Medoids dan menganalisis hasilnya dengan implementasinya menggunakan RapidMiner. Penelitian ini menghasilkan sebanyak 3 cluster, pada masing-masing cluster memiliki anggota yang berbeda. Cluster 0 memiliki 200 item, cluster 1 memiliki 96 items, dan cluster 2 memiliki 160 items yang, dengan total dari ketiga cluster tersebut sebanyak 456 items.
PENGELOMPOKAN WILAYAH JAWA BARAT BERDASARKAN INDEKS KEDALAMAN KEMISKINAN DAN JUMLAH PENDUDUK MISKIN MENGGUNAKAN K-MEDOIDS Prakoso, Salfim; Mulyawan, Mulyawan; Lukman Rohmat, Cep; Fathurrohman, Fathurrohman
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.v8i3.9609

Abstract

Kemiskinan merupakan isu krusial, identifikasi, pemahaman dan pengelompokkan kabupaten dan kota berdasarkan tingkat kemiskinan penting untuk merancang kebijakan yang tepat guna mengatasi masalah tersebut. Dengan menggunakan metode K-Medoids Clustering data Indeks Kedalaman Kemiskinan (IKK) dan Jumlah Penduduk Miskin (JPM) dikelompokkan. Sumber data yang digunakan berasal dari Open Data Jabar. Pada tahap awal penelitian, dilakukan analisis terhadap IKK dan JPM di setiap kabupaten-kota di Jawa Barat. Hasil analisis menunjukkan adanya variasi yang signifikan dalam tingkat kemiskinan dan jumlah penduduk miskin kabupaten/kota. Berdasarkan perbedaannya, dilakukan penerapan metode K-Medoids Clustering untuk mengelompokkan kabupaten-kota ke dalam klaster yang memiliki karakteristik kemiskinan serupa. Percobaan hasil eksperimen untuk mencari nilai DBI dilakukan sebanyak 6 kali, menunjukkan bahwa nilai paling optimal ditemukan pada K=6 dengan nilai DBI -0.358, dengan Kelompok Cluster_0 menunjukkan level tertinggi, diikuti oleh Cluster_4 sebagai kelompok tinggi, Cluster_3 dan Cluster_1 sebagai kelompok sedang, serta Cluster_2 dan Cluster_5 sebagai kelompok dengan tingkat yang lebih rendah. Temuan ini dapat digunakan sebagai dasar bagi pemerintah daerah dalam merumuskan kebijakan dan alokasi sumber daya untuk mengatasi masalah kemiskinan secara lebih tepat dan spesifik di masing-masing klaster. Selain itu metodologi yang diterapkan dalam penelitian ini dapat menjadi panduan bagi studi serupa di wilayah lain yang juga mengalami masalah kemiskinan.
ANALISIS TEKNIK BOOTSTRAP AGGREGATING DENGAN ALGORITMA DECISION TREE UNTUK MEMPREDIKSI DATA TRACER LULUSAN Nurhakim, Bani; Mulyawan, Mulyawan; Lukman Rohmat, Cep
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10940

Abstract

Ketidaksesuaian antara bidang kerja lulusan dengan kompetensi mereka di bidang pekerjaan masing-masing, yang tidak sesuai dengan latar belakang pendidikan dan keahlian mereka, memiliki dampak signifikan terhadap fleksibilitas pekerjaan dan dapat mempengaruhi kinerja kerja. Langkah antisipatif yang dapat digunakan untuk pengambilan keputusan terkait penelitian yang dilakukan, dan menurut hasil wawancara dengan manajemen tracer study STMIK IKMI Cirebon, hingga saat ini, informasi mengenai prediksi kesesuaian pekerjaan lulusan belum diperoleh, meskipun prediksi tersebut diperlukan untuk mempersiapkan sumber daya manusia agar bekerja sesuai dengan kompetensi mereka. Penelitian ini merupakan penelitian eksperimental dan studi kasus menggunakan metode Knowledge Discovery in Database (KDD). Algoritma yang digunakan adalah pohon keputusan C4.5 dengan teknik bootstrap aggregating. Dengan menganalisis, mengimplementasikan, dan mengeksperimenkan model yang akan menghasilkan evaluasi akurasi model pohon keputusan C4.5 terbaik dengan teknik bootstrap aggregating. Kesesuaian bidang kerja lulusan dipengaruhi oleh atribut yang paling dominan, yaitu IPK lulusan (100%) dengan IPK tertinggi maksimal 3,71 untuk 12 orang, usia lulusan (97,4%) dengan 776 lulusan yang termuda berusia 21 tahun, dan durasi studi (53,85%). Sementara itu, atribut yang paling sedikit mempengaruhi kesesuaian bidang kerja lulusan adalah tahun kelulusan (10,4%). Model optimasi klasifikasi terbaik diperoleh melalui pengaturan parameter gain ratio, menghasilkan model prediksi yang sangat baik. Berdasarkan evaluasi akurasi model terbaik, skor akurasi adalah 95,27% dan skor AUC adalah 98,60%.
OPTIMASI MODEL KLASIFIKASI TINGKAT KEMATANGAN BUAH MANGGA DENGAN METODE YOLO11 Gusnanto, Ferdi; Rahaningsih, Nining; Danar Dana, Raditya; Mulyawan, Mulyawan
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.v9i1.12591

Abstract

Klasifikasi tingkat kematangan buah mangga secara akurat penting untuk mendukung efisiensi sektor pertanian, terutama dalam menentukan waktu panen optimal. Namun, variasi pencahayaan dan latar belakang pada citra sering memengaruhi akurasi model. Penelitian ini menggunakan YOLO11, algoritma deteksi objek terbaru, untuk meningkatkan klasifikasi tingkat kematangan mangga dalam empat kategori: unripe, early ripe, partially ripe, dan ripe. Dataset diperoleh dari Kaggle, melibatkan proses preprocessing seperti resizing dan pembagian data, serta pelatihan model dengan penyesuaian parameter seperti learning rate dan batch size. Model YOLO11 berhasil mencapai akurasi 97,3%, precision 97,5%, recall 97,3%, dan F1-score 97,3%, menunjukkan performa tinggi dalam mengklasifikasikan kematangan mangga. Namun, pengujian dengan webcam mengungkapkan tantangan dalam kondisi pencahayaan bervariasi, terutama untuk kelas kematangan yang kompleks. Hal ini mengindikasikan kebutuhan optimasi tambahan seperti augmentasi data. Penelitian ini membuktikan efektivitas YOLO11 untuk klasifikasi kematangan mangga, sekaligus menunjukkan potensi pengembangan lebih lanjut. Temuan ini diharapkan dapat berkontribusi pada teknologi pertanian cerdas dan membuka peluang penelitian dalam penerapan deteksi real-time berbasis citra di bidang agrikultur.
IMPLEMENTASI DATA MINING PADA KETEPATAN PENGIRIMAN BARANG DENGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS Dikananda, Arif Rinaldi; Wijaya, Nurjana Adi; Mulyawan, Mulyawan; Faqih, Ahmad
JURSIMA Vol 10 No 3 (2022): Jursima Vol.10 No.3
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v10i3.472

Abstract

Abstract The development of digital technology E-commers is increasing, online shop goods delivery services are needed to support daily needs. The delivery man is in charge of sending goods to customers, with the delivery of goods applications can monitor delays in delivery of goods to customers so as to obtain data on delays in delivery of goods or called Over SLA. However, in processing the data, they still use manuals with Microsoft Excel so that they are lacking in providing more accurate information such as the accuracy of the accuracy of the delivery of goods, grouping of data on delays in the delivery of goods. The method used in this study by utilizing data mining using the K-Nearest Neighbors or KNN algorithm to classify or group data on delays in shipping goods. This method is used in data mining using Rapidminer machine learning applications. This study aims to classify data on delivery of goods and grouping data on timeliness of delivery so that data can be processed properly so as to produce information about the accuracy of delivery of goods by delivery man, to be more effective and faster in presenting data and classifying data. Keywords: Data mining, Classification, K-Nearest Neighbor (KNN).
Comparing optimization hyperparameter long short term memory for rainfall prediction model Nur Hermawan, Ilham; Martanto, Martanto; Dikananda, Arif Rinaldi; Mulyawan, Mulyawan
Jurnal Teknik Informatika C.I.T Medicom Vol 16 No 6 (2025): January : Intelligent Decision Support System (IDSS)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/cit.Vol16.2025.942.pp405-414

Abstract

Improving the accuracy of weather prediction, especially rainfall, is very important in various sectors such as agriculture, water resource management, and disaster mitigation. This research aims to optimize the Long Short-Term Memory (LSTM) model in rainfall prediction through the application of hyperparameter optimization using two main techniques: Grid Search and Bayesian Optimization (Optuna). This hyperparameter optimization includes finding the best configuration of important parameters, such as the number of LSTM units, batch size, learning rate, and number of epochs. A historical rainfall dataset from BMKG is used, which is then divided into training and test data to build and test the prediction model. Grid Search performs a thorough exploration of all possible parameter combinations, while Optuna uses a probabilistic Bayesian approach to speed up the optimization process. The results show that hyperparameter optimization significantly improves the performance of LSTM models. The model optimized with Optuna produces a Mean Squared Error (MSE) value of 0.179578 with an execution time of 105.26 seconds, while Grid Search has an MSE of 0.286778 with an execution time of 457.69 seconds. The lower MSE value indicates that the Optuna model has a smaller prediction error, making it more accurate in predicting rainfall. The faster execution time of Optuna also confirms its efficiency in finding the optimal hyperparameter configuration compared to Grid Search. The conclusion of this study confirms that hyperparameter optimization plays an important role in improving the prediction accuracy of LSTM for rainfall. The developed method is expected to be the basis for the development of other weather prediction models as well as support decision-making in various sectors that rely on weather prediction. In addition, this research opens up opportunities for further studies in the optimization of deep learning models in handling complex climate data.
IMPLEMENTASI ALGORITMA REGRESI LINEAR UNTUK MODEL PREDIKSI PENJUALAN DI TOKO AMANDA BROWNIES Syahri, Ibnu Nava; Martanto, Martanto; Dikananda, Arif Rinaldi; Mulyawan, Mulyawan
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.v13i2.6337

Abstract

Teknologi informasi telah mendorong pengembangan metode prediksi berbasis data untuk meningkatkan efisiensi bisnis, termasuk di industri ritel. Amanda Brownies Outlet Kesambi Cirebon menghadapi tantangan dalam memprediksi penjualan akibat pola konsumen yang dinamis. Penelitian ini bertujuan untuk mengembangkan model prediksi penjualan menggunakan regresi linear guna meningkatkan akurasi dan efisiensi pengelolaan stok. Pendekatan CRISP-DM digunakan dalam penelitian ini, dengan enam tahap utama: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Data penjualan dari Juni hingga Agustus 2024 digunakan sebagai sumber utama analisis. Model dibangun menggunakan RapidMiner dengan pembagian data 70% untuk pelatihan dan 30% untuk pengujian. Evaluasi model menunjukkan nilai Root Mean Squared Error (RMSE) sebesar 16,890, yang mengindikasikan tingkat kesalahan prediksi yang rendah. Hasil ini menunjukkan bahwa model regresi linear dapat membantu pengelolaan stok secara lebih efektif, mengurangi risiko kelebihan atau kekurangan stok, dan mendukung optimalisasi rantai pasokan. Temuan ini menegaskan efektivitas regresi linear dalam prediksi penjualan dan membuka peluang untuk pengembangan model lebih lanjut dengan mempertimbangkan variabel tambahan atau algoritma machine learning yang lebih kompleks.
ANALISIS PREDIKSI PENJUALAN TISU MENGGUNAKAN REGRESI LINEAR Ardhanur, Ichlas; Martanto, Martanto; Dikananda, Arif Rinaldi; Mulyawan, Mulyawan
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.v13i2.6310

Abstract

Abstrak. Penelitian ini dilakukan untuk mendukung pengambilan keputusan dalam strategi produksi dan distribusi penjualan tisu yang efisien. Dalam dunia bisnis yang semakin kompetitif, prediksi penjualan yang akurat menjadi elemen penting untuk memastikan ketersediaan produk sesuai dengan permintaan pasar sekaligus menghindari kelebihan atau kekurangan stok. Model regresi linear dipilih dalam penelitian ini karena kesederhanaannya, penerapannya yang luas, dan kemampuannya untuk memberikan gambaran hubungan antara variabel-variabel tertentu terhadap penjualan. Penelitian ini bertujuan untuk memprediksi penjualan tisu menggunakan regresi linear dan mengevaluasi keakuratan modelnya melalui metrik R-squared (R²), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan bahwa model regresi linear dapat menjelaskan 83% variasi data penjualan tisu (R² = 0,83), menunjukkan efektivitas model ini dalam menggambarkan hubungan variabel. Namun, nilai RMSE sebesar 78,34 dan MAE sebesar 56,69 menunjukkan adanya kesalahan prediksi yang signifikan. Oleh karena itu, disarankan untuk menambahkan variabel prediktor lain, seperti faktor musiman atau promosi, serta menggunakan model lebih kompleks, seperti regresi non-linear atau Random Forest, untuk hasil yang lebih akurat. Penelitian ini menyimpulkan bahwa regresi linear merupakan metode dasar yang bermanfaat, tetapi pengembangan model dan data yang lebih komprehensif diperlukan untuk meningkatkan akurasi prediksi.
Co-Authors Ade Rizki Rinaldi Ahmad Faqih Amalia, Dita Rizki Apriliyani, Ela Ardhanur, Ichlas Danar Dana, Raditya Destriyanah, Riska Dikananda, Arif Rinaldi Dwi Lestari, Putri Eka Permana, Sandy Fathurrohman Fathurrohman Fauziah, Irfa Mulhimah Fitri, Ika Syiami Fitriyah, Anis Gifthera Dwilestari Gusnanto, Ferdi Hardika Hardika, Hardika Helia, Anggun Herdiana, Ruli Herdis Herdiansyah Iin, Iin Karimah, Ayu Kaslani Lorentiana Wijayanti, Rima Lukman Rohmat, Cep Martanto . Meliawati, Linda Miftahul Anwar, Arif Muhamad Sidik, Asep Hilmi Muhammad Muhammad Muhammad Rizki Ningrum, Zarah Beby Nining Rahaningsih Nur Hermawan, Ilham Nurhakim, Bani Prakoso, Salfim Prasetiya, Tio Pujianti, Anisa Rahman, M R F Rizki Rinaldi, Ade Rohman, Dede Rudi Kurniawan Supriatna, Reza Suryati Suryati Susana, Heliyanti Syahri, Ibnu Nava Tohidi, Edi Wahyudin, Edi Wijaya, Nurjana Adi