Garuda - Garba Rujukan Digital

ALGORITMA REGRESI LINIER UNTUK MENINGKATKAN MODEL PREDIKSI PENJUALAN PADA TOKO DEVANJAYABAN Hardika, Hardika; 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.v13i2.6357

Penjualan ban mobil menghadapi tantangan akibat volatilitas pasar dan pola permintaan yang kompleks, sehingga diperlukan model prediksi yang andal. Penelitian ini mengembangkan model prediksi penjualan di Toko Devan Jaya Ban menggunakan regresi linear. Data historis penjualan bulanan (Januari–April 2024) dianalisis dengan metode Knowledge Discovery in Databases (KDD), mencakup seleksi data, preprocessing, transformasi, pemodelan, dan evaluasi. Model dibangun menggunakan RapidMiner dan dievaluasi dengan Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Relative Error (RE). Hasil menunjukkan performa baik dengan RMSE 1.778, MAE 1.478 ± 0.989, dan RE 6.81% ± 5.09%. Preprocessing, seperti normalisasi data dan pemilihan variabel relevan, meningkatkan akurasi model. Regresi linear terbukti efektif dalam memprediksi penjualan serta mendukung optimalisasi stok, perencanaan pemasaran, dan pengambilan keputusan bisnis. Pengembangan lebih lanjut dapat mencakup variabel eksternal seperti tren pasar, musim, dan faktor ekonomi, serta membandingkan regresi linear dengan algoritma pembelajaran mesin lain untuk model yang lebih adaptif.

Pada minimarket, produk merupakan bahan pokok yang akan dijual belikan. Produk di minimarket ini akan menentukan pengelompokkan data stok barang di Toko Toba. Dengan adanya masalah ini, perlu untuk menciptakan sistem baru menggunakan Rapidminer yang dapat Fauziah, Irfa Mulhimah; Amalia, Dita Rizki; Wahyudin, Edi; Mulyawan, Mulyawan; Kaslani, Kaslani
MEANS (Media Informasi Analisa dan Sistem) Volume 7 Nomor 2
Publisher : LPPM UNIKA Santo Thomas Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/means.v7i2.1852

In minimarkets, the product is a staple that will be sold and bought. The products in this minimarket will determine the grouping of stock data at the Toba Store. Given this problem, it is necessary to create a new system using Rapidminer that can group stock data at Toko Toba, which was carried out at the Toko Toba Sedong minimarket and carried out in November 2021-January 2022. This k-means algorithm will not be affected by the order of objects which has been used. In stock management that is carried out inaccurately and carelessly will cause very high and uneconomical storage costs, because there can be vacancies or excess goods and certain types of items. This study aims to group stock data using Rapidminer at Toba Stores into 2 clusters. The method that will be used in this research is using the K-Means Clustering method. This research is also strongly supported by 1 data mining tool, namely Rapidminer. Data mining on Rapidminer tools for cluster 0 there are 15 items and the data contained in it, for cluster 1 there are 9 data contained in it.

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

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.

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

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.

ALGORITMA REGRESI LINIER UNTUK MENINGKATKAN MODEL PREDIKSI PENJUALAN PADA TOKO DEVANJAYABAN Hardika, Hardika; 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.v13i2.6357

Penjualan ban mobil menghadapi tantangan akibat volatilitas pasar dan pola permintaan yang kompleks, sehingga diperlukan model prediksi yang andal. Penelitian ini mengembangkan model prediksi penjualan di Toko Devan Jaya Ban menggunakan regresi linear. Data historis penjualan bulanan (Januari–April 2024) dianalisis dengan metode Knowledge Discovery in Databases (KDD), mencakup seleksi data, preprocessing, transformasi, pemodelan, dan evaluasi. Model dibangun menggunakan RapidMiner dan dievaluasi dengan Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Relative Error (RE). Hasil menunjukkan performa baik dengan RMSE 1.778, MAE 1.478 ± 0.989, dan RE 6.81% ± 5.09%. Preprocessing, seperti normalisasi data dan pemilihan variabel relevan, meningkatkan akurasi model. Regresi linear terbukti efektif dalam memprediksi penjualan serta mendukung optimalisasi stok, perencanaan pemasaran, dan pengambilan keputusan bisnis. Pengembangan lebih lanjut dapat mencakup variabel eksternal seperti tren pasar, musim, dan faktor ekonomi, serta membandingkan regresi linear dengan algoritma pembelajaran mesin lain untuk model yang lebih adaptif.

Pengelolaan Stakeholder dalam Pendidikan Islam Muhamad Sidik, Asep Hilmi; Mulyawan, Mulyawan
Jawda: Journal of Islamic Education Management Volume 4 Number 1 April 2023
Publisher : Universitas Islam Negeri Walisongo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21580/jawda.v0i0.0.19611

Abstract: Pendidikan merupakan sesuatu yang paling penting untuk mencetak generasi yang akan datang dalam kemajuan negara melalui keilmuan yang dihasilkan. Manusia dalam menjalani kehidupan tidak bisa dilepaskan dengan lingkungan Pendidikan. Pendidikan tersebut kaitan erat dengan lingkungan keluarga, seoklah dan Masyarakat. Dimana ketiga komonen tersebut sangat berkaitan erat dalam mencetak dan mewujudkan Pendidikan yang sehat dan berkualitas. Dalam Pendidikan tentunya memiliki proses kehidupan yang Panjang dan kompleks. Manajemen Pendidikan tentunya berhubungan erat dengan stakeholders Pendidikan untuk meningkatkan sumber daya manusia yang memiliki kualitas dan bermutu tinggi. Tujuan dari pembahasan ini tentunya untuk mengetahui stakeholders dalam Pendidikan islam di dalam realitas Masyarakat muslim dewasa kini, menegetahui perkembangan Masyarakat globa, mengetahui kompetensi lulusan Pendidikan islam yang dibutuhkan dan mengetahui rancangan kompetensi lulusan. Kata kunci: : Stakeholders, Pendidikan dan Islam

Adaptation Strategy of the Bajo Fishermen towards Climate Change Herdiansyah, Herdis; Ningrum, Zarah Beby; Fitri, Ika Syiami; Mulyawan, Mulyawan
Jurnal Bina Praja Vol 10 No 2 (2018)
Publisher : Research and Development Agency Ministry of Home Affairs

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21787/jbp.10.2018.275-285

Climate change currently becomes the concern of policymakers and academics because the impact is already extensive. The Bajo People Community, located in Wakatobi, Southeast Sulawesi is a coastal community with a significant portion of its population living as fishermen. The people and fishermen in the Bajo people also felt the impact of climate change on the coastal and marine environment. The effect on the environment is very influential on the economic and social community of the Bajo People. This study aims to define the alternative to propose adaptation strategy to deal with climate change for fishermen. The benefit of this study is to provide input for planners, policymakers, and practitioners related to fisheries in the territory of Indonesia. Climate change adaptation is necessary to maintain the quality of life of fishers and to achieve the stability of available resources. This study used a literature study and Analytical Hierarchy Process (AHP) as its method to find the alternative strategy in order to face climate change. The plan proposed in this research are three, namely increasing knowledge and information about climate change, resource management, and livelihood diversification. The result of this research is that Bajo Fishermen need an appropriate adaptation strategy to mitigate the situation towards climate change issues, which is necessary to prevent the disruption of economic and social activities, focusing on the cognitive, practical and structured aspects that base on cultural values, norms, and customs of the Bajo people. This study found four useful variables to be used as coping strategies for climate change, which are social, ecological, economic and political alternatives. The four variables are strengthening the surveillance of epidemic disease, developing fish gear technology, improving proper water treatment management, and creating awareness of climate change for the fishermen community.

Pengaruh Dukungan Masyarakat dan Kebijakan Pemerintah terhadap Praktik Dasar Manajemen Pendidikan Islam di Pesantren Robithoh Kabupaten Bandung Meliawati, Linda; Mulyawan, Mulyawan
Innovative: Journal Of Social Science Research Vol. 5 No. 6 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

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

Pesantren sering digambarkan sebagai benteng moral umat, tetapi jarang dikaji dari sisi bagaimana lembaga ini dikelola secara profesional di tengah perubahan sosial dan kebijakan negara. Di sinilah letak daya tarik penelitian ini—membongkar sejauh mana kekuatan sosial dan dukungan struktural benar-benar memengaruhi efektivitas manajemen pendidikan Islam di tingkat pesantren. Penelitian ini berangkat dari fenomena konkret di Pondok Pesantren Robithoh Kabupaten Bandung, sebuah lembaga yang berkembang pesat dengan dukungan masyarakat kuat namun menghadapi keterbatasan administratif dalam penerapan kebijakan pemerintah. Menggunakan pendekatan kuantitatif verifikatif, data diperoleh melalui angket, wawancara, dan observasi terhadap 20 responden guru dan tenaga kependidikan. Instrumen diuji validitas dan reliabilitasnya (α = 0,831–0,897). Hasil analisis regresi menunjukkan bahwa dukungan masyarakat (X₁) dan kebijakan pemerintah (X₂) berpengaruh positif terhadap praktik dasar manajemen pendidikan Islam (Y) dengan koefisien determinasi R² = 0,553. Dukungan masyarakat memberikan pengaruh paling dominan (b₁ = 0,529), sedangkan kebijakan pemerintah berperan sebagai penguat struktural (b₂ = 0,149). Temuan ini menegaskan bahwa keberhasilan manajemen pendidikan Islam tidak hanya bergantung pada kemampuan internal lembaga, tetapi juga pada kolaborasi sinergis antara masyarakat sebagai energi sosial dan pemerintah sebagai penentu arah kebijakan. Sinergi keduanya menjadi kunci bagi pesantren untuk tumbuh adaptif, profesional, dan tetap berakar pada nilai-nilai keislaman. Kata kunci: dukungan masyarakat, kebijakan pemerintah, manajemen pendidikan Islam, pesantren, Robithoh

1D-CNN-Based Childhood Stunting Prediction through Socio-Economic Data Integration and Community Participation Bahtiar, Agus; Mulyawan, Mulyawan; Faqih, Ahmad; Lidina, Lidina; Fitria, Ananda Rizki
JISA(Jurnal Informatika dan Sains) Vol 8, No 2 (2025): JISA(Jurnal Informatika dan Sains)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/jisa.v8i2.2490

Stunting remains a significant global public health challenge, affecting approximately 148 million children under the age of five. This condition leads to long-term cognitive and physical deficits, particularly in low- and middle-income countries. Many existing prediction models fail to capture the complex interdependencies between nutritional, socio-economic, and environmental factors. To address this gap, our study introduces a 1D-Convolutional Neural Network (1D-CNN) model designed to predict childhood stunting using structured datasets collected from community health centers (Puskesmas) and validated by the Cirebon City Health Department (Dinas Kesehatan Kota Cirebon), Indonesia. The dataset includes anonymized records of children under five years old, comprising anthropometric measurements, socio-economic profiles, nutritional intake, and environmental indicators, gathered through household surveys and routine public health reporting. The proposed 1D-CNN architecture is optimized for structured data by integrating convolutional and pooling layers, dropout regularization, and dense classification layers. To enhance interpretability, we employ explainable AI (XAI) methods—SHAP and LIME—to reveal the relative influence of each feature in the model’s decision-making process. Additionally, the study applies a participatory validation approach through focus group discussions (FGDs) with community health workers, ensuring contextual relevance and ethical integrity. Experimental results demonstrate the superior performance of the proposed model, achieving 93.12% accuracy, with a precision of 97% and a recall of 89%, resulting in an F1-score of 93% across both stunted and non-stunted classes. These findings outperform traditional machine learning approaches and highlight the potential of AI-driven predictive frameworks for early stunting detection and policy-oriented health interventions. This research contributes to the advancement of data-driven public health strategies by integrating predictive analytics, community participation, and transparent AI methodologies

Title

Found 29 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 29 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 29 Documents
Search