Claim Missing Document
Check
Articles

Found 14 Documents
Search
Journal : SIGMA: Information Technology Journal

Penerapan Data Mining Untuk Klasifikasi Produk (Ok Dan Scrap) Pada Industri Ban Menggunakan Metode Naïve Bayes Donny Maulana; Yusup Solikhun
Jurnal SIGMA Vol 8 No 2 (2018): Maret 2018
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (453.995 KB)

Abstract

Abstrak Masih banyaknya ketidaksesuaian terhadap kualitas ban secara visual inspeksi. Visual inspeksi yang dilakukan sebelum proses pengiriman masih banyak ditemukan miss inspection tidak sesuai standar kualitas yang sudah ditentukan. Untuk itu diperlukan suatu sistem yang bisa mengklasifikasikan produk baik produk OK atau Scrap. Dari kriteria yang ditetapkan membutuhkan algoritma yang tepat untuk melakukan perhitungan agar hasil yang diberikan lebih akurat. Algoritma Naïve Bayes merupakan metode untuk klasifikasi dengan menggunakan teori probabilitas yang memiliki tingkat akurasi tinggi. Pengujian algoritma Naïve Bayes menggunakan tools Rapid Miner yang menghasilkan tingkat akurasi sebesar 96% dari 200 data yang diberikan. Algoritma ini tepat digunakan untuk klasifikasi produk. Terdapat 2 class yang dibutuhkan yaitu Ok dan Scrap. Kata kunci: Klasifikasi, Naïve Bayes, Rapid Miner, produk.
ANALISA TINGKAT KEPUASAN PELANGGAN TERHADAP PENJUALAN BEAUTY PRODUK PADA ONLINE SHOP DENGAN MENGGUNAKAN METODE NAIVE BAYES Donny Maulana; Emi Lia Nurjanah
Jurnal SIGMA Vol 10 No 4 (2019): Desember 2019
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (436.851 KB) | DOI: 10.37366/sigma.v10i1.477

Abstract

The development of technology is now making it easier and pampering humans, one example that we have known for a long time is shopping online. Besides that customer satisfaction becomes the main target in the business world, because customers are the main foundation in the establishment of a company and become the main goal. Efforts to improve customer satisfaction services in one of the stores in the biggest marketplace in shopee namely DeBeautyHouse, the authors analyze the level of satisfaction in the online shop through existing assessment data, as for the attributes that affect customer satisfaction, namely, product name, product type, product quality , product prices and product shipments. The method used in this study is Naive Bayes to determine the level of data accuracy. The results of this study obtained an accuracy rate of 96.00% with a recall value of 95,24% and a percision value of 100,00%. Keywords : Customer Satisfaction, Online Shop, Naive Bayes
Perancangan Sistem Informasi Perekrutan Karyawan Pada PT. SMAP Indonesia Berbasis Web Programing Donny Maulana
Jurnal SIGMA Vol 8 No 4 (2017): Desember 2017
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (468.164 KB) | DOI: 10.37366/sigma.v8i4.146

Abstract

Abstrak Kemajuan teknologi kian hari makin berkembang pesat, sehingga perusahaan membutuhkan tenaga kerja terampil yang dapat membawa perusahaan berkembang dan bersaing dengan perkembangan zaman, dan aspek informasi perekrutan mulai mendapatkan pandangan khusus, karena proses perekrutan yang tidak sesuai dengan kebutuhan perusahaan dapat menghambat laju berkembangnya perusahaan itu sendiri. Demikian pula yang terjadi pada PT. SMAP Indonesia, banyaknya permintaan karyawan dari tiap divisi sehingga membutuhkan para tenaga kerja yang terampil dan profesional dalam pekerjaannya. Sitem informasi recruitment merupakan sebuah metode perekrutan para calon tenaga kerja baru pada perusahaan dengan melewati segala tahapan-tahapan yang telah diberikan oleh perusahaan tersebut dan menggunakan media komunikasi elektronik modern seperti internet, sehingga sistem informasi perekrutan dapat dilaksanakan secara cepat dan tepat guna mendapatkan tenaga kerja yang sesuai dengan kebutuhan perusahaan. Untuk memperoleh data-data yang diperlukan selama penelitian, maka digunakan metodologi SDLC, dengan tahapan antara lain : analisis, design, coding and testing, penerapan, dan pemeliharaan. Dan melalui kegiatan antara lain : pengumpulan data dengan wawancara, observasi, dan studi pustaka. Data yang diperoleh kemudian dianalisis dan digambarkan dengan menggunakan metode data flow diagram. Hasil dari penelitian ini dalam bentuk aplikasi sistem informasi recruitment yang dapat memberikan kemudahan dalam proses perekrutan karyawan dan mendapatkan tenaga kerja sesuai kriteria perusahaan. Kata Kunci : Sistem, Tenaga Kerja, Recruitment, DFD
PENERAPAN DATA MINING UNTUK MEMPREDIKSI POLA NASABAH MENGGUNAKAN ALGORITMA C4.5 Donny Maulana; Raden Rangga Bramantya Putra
Jurnal SIGMA Vol 10 No 2 (2019): Desember 2019
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (264.886 KB)

Abstract

Data Mining merupakan proses analisa data dari sudut yang berbeda dan mengolahnya menjadi informasi-informasi penting yang bisa digunakan untuk meningkatkan keuntungan. Secara teknis, data mining dapat disebut juga sebagai proses untuk menemukan korelasi atau pola dari ratusan atau ribuan field. Pada data mining dapat digunakan metode decision tree untuk melakukan klasifikasi. Kredit tidak lagi menjadi hal yang asing bagi masyarakat luas, banyaknya kebutuhan membuat masyarakat mengambil kredit untuk memenuhi kebutuhan konsumtif mereka. Sering kali pembayaran kredit yang macet membuat bank kerepotan, karena semakin banyaknya nasabah yang membayar secara macet dapat berdampak buruk untuk kesehatan bank. Oleh karena itu, data nasabah dari Bank XYZ menjadi bahan acuan untuk menganalisis pola nasabah pemohon kredit. Pemohon kredit termasuk dalam kategori lancar, atau macet. Untuk mengatasi masalah tersebut, dapat digunakan metode decision tree. Sehingga penelitian ini bisa dijadikan acuan pihak Bank untuk menilai nasabah dengan record data yang ada untuk pengambilan kredit selanjutnya. Informasi yang ditampilkan berupa tingkat akurasi data nasabah lancar dan macet. Kemudian hasil akurasi dari aplikasi yang diimplementasikan akan dibandingkan dengan hasil menggunakan software rapidminer. Sehingga diperoleh akurasi dengan decision tree sebesar 95%. Dapat disimpulkan bahwa algoritma C4.5 dapat digunakan untuk melakukan klasifikasi dengan cukup baik dan dapat mengukur klasifikasi nasabah.
Pembelajaran Kosakata Dalam Bahasa Jepang Untuk Pemula Meliputi Angka Warna Dan Bentuk Bangun Datar Berbasis Android Donny Maulana
Jurnal SIGMA Vol 8 No 2 (2017): Juni 2017
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (398.117 KB) | DOI: 10.37366/sigma.v8i2.209

Abstract

Abstrak Penggunaan perangkat moblie seperti smartphone sudah menjadi kegiatan sehari-hari. Penggunaan smartphone ini tidak hanya digunakan sebagai sarana komunikasi saja melainkan sebagai media infromasi, bisnis, hiburan bahkan pembelajaran. Dengan adanya perangkat mobile sebagai media pembelajaran ini diharapkan dapat menambah pengetahuan pengguna dalam hal yang postif dalam penggunaan smartphone misalnya dalam hal bahasa seperti bahasa Jepang. Maka dari itu, penulis membuat aplikasi pembelajaran yang berbasis mobile dengan sistem operasi android dengan harapan para pengguna dapan menambah pengetahuan bahasa bagi pemula tentang bahasa Internasional. Aplikasi ini merupakan aplikasi pembelajaran kosakata bahasa jepang untuk pemula meliputi angka, warna, dan bangun datar dengan metode penelitian dan pengembangan aplikasi yaitu waterfall. Harapan penulis apliaksi pembelajaran ini dapat membantu pengguna dalam tahap awal pembelajaran tentang kosakata bahasa Jepang. Kata kunci : Pembelajaran, Android, Jepang, Angka, Warna, Bangun datar
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI PENDERITA PENYAKIT JANTUNG DI INDONESIA MENGGUNAKAN RAPID MINER Donny Maulana; Rezayadi Yahya
Jurnal SIGMA Vol 10 No 2 (2019): Desember 2019
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (257.66 KB)

Abstract

Penyakit jantung terjadi karena penyumbatan sebagian atau total dari suatu lebih pembuluh darah, akibat dari adanya penyumbatan maka dengan sendirinya suplai energi kimiawi ke otot jantung berkurang, sehingga terjadi gangguan keseimbangan antara suplai dan kebutuhan darah, penyakit jantung merupakan penyebab kematian tertinggi kedua setelah stroke. Penelitian ini bertujuan untuk mengetahui apakah teknik klasifikasi dengan penerapan algoritma naive bayes dapat digunakan untuk prediksi penyakit jantung, serta mendapatkan informasi mengenai akurasi, presicion dan recall yang didapat saat melakukan pengujian data pasien menggunakan algoritma naive bayes.Penelitian ini menggunakan teknik klasifikasi dan tahapan - tahapan pada data mining untuk klasifikasi data pasien yang menderita penyakit jantung dengan algoritma Naïve Bayes menggunakan tool RapidMiner, pengolahan data yang akan dijadikan dataset dalam penelitian ini. Dari data tersebut akan dibagi menjadi 80% data training dan 20% data testing. Hasil dari penelitian data menyatakan tingkat accurcy 70,00 %, persicion 77,9 % dan recall 82.10 % putuskan dalam klasifikasi naïve bayes. Berdasarkan penelitian yang sudah dilakukan mendapatkan kesimpulan bahawa teknik klasifikasi dengan penerapan algoritma Naïve Bayes dapat digunakan untuk melakukan prediksi ada penyakit jantung.
IMPLEMENTASI ALGORITMA APRIORI UNTUK ANALISA POLA FREKUENSI KERANJANG BELANJA PADA DATA PENJUALAN PRODUK TOKO MAHIRA Donny Maulana; Novita Sari
Jurnal SIGMA Vol 10 No 2 (2019): Desember 2019
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (359.61 KB)

Abstract

Dalam penelitian ini, dirumuskan masalah tentang bagaimana mengimplementasikan algoritma apriori dengan association rules atau yang biasa disebut dengan istilah market basket analysis, didefinisikan sebagai suatu itemset yang dibeli secara bersamaan oleh pelanggan dalam suatu transaksi dan alat yang ampuh untuk pelaksanaan strategi cross-selling. Metode ini dimulai dengan mencari sejumlah frequent itemset dan dilanjutkan dengan pembentukan aturan-aturan asosiasi (association rules). Algoritma Apriori adalah algoritma yang sangat populer untuk menemukan sejumlah frequent itemset dari data-data transaksi yang tersimpan dalam basis data. Dalam penelitian ini Algoritma Apriori digunakan untuk membantu menemukan sejumlah aturan asosiasi dari basis data transaksi penjualan pada Toko Mahira sehingga bisa diketahui item- item barang apa saja yang dibeli secara bersamaan, Hasil dari penelitian ini terbentuk aturan asosiasi dengan nilai confidence 100% berdasarkan parameter yang telah ditentukan yaitu minimum support 20% dan minimum confidence 50%, yaitu kombinasi item Sonice => Teh Gelas, Roma Sari => Teh Gelas, Yasmin=> Roma Sari, teh Gelas.
Penerapan Data Mining Metode Naive Bayes Untuk Diagnosa Penyakit Pneumonia Pada Balita Muhtajuddin Danny; Donny Maulana; Taufik Hidayat
Jurnal SIGMA Vol 8 No 2 (2018): Maret 2018
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (549.186 KB)

Abstract

Abstrak Terdapat beberapa kasus kematian pada anak khususnya balita yang meninggal akibat terkena penyakit pneumonia, menurut World Health Organization (WHO) memperkirakan kematian balita karena pneumonia di seluruh dunia sebesar 15%, dan pada tahun 2015 diperkirakan 922.000 kematian balita yang disebabkan oleh pneumonia. Saat ini teknologi dapat memberikan informasi yang cepat dan akurat khususnya di lingkungan kesehatan baik untuk tim kesehatan, dokter, perawat bahkan untuk pasien sendiri agar lebih mudah mengontrol kesehatan mereka. Data mining berhubungan dengan pencarian data untuk menemukan pola atau pengetahuan dari data keseluruhan, kumpulan data yang besar dapat menghasilkan sebuah data yang hasilnya dapat memberikan informasi pengetahuan yang baru. Pada penelitian ini akan dibahas tentang perancangan data mining menggunakan algoritma Naïve Bayes Classifier untuk menghitung probabilitas kemungkinan seorang pasien dengan gejala-gejala tertentu apakah mengidap penyakit pneumonia atau tidak sehingga dapat memberikan kontribusi kepada tim medis di lingkungan kesehatan untuk mengatahui dan menindak lanjut pasien yang terkena penyakit pneumonia. Kata kunci: Data Mining, Naïve Bayes Classifier, Pneumonia, Balita
ANALISA PEMBELIAN KONSUMEN DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA GALERI ELZATTA CIKARANG Donny Maulana; Maryatul Kiptiyah
Jurnal SIGMA Vol 10 No 2 (2019): Desember 2019
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (426.346 KB)

Abstract

Elzatta merupakan nama dari sebuah brand hijab Indonesia yang bergerak dibidang fashion muslimah, menciptakan berbagai produk fashion hijab dan pernak- perniknya yang berkualitas seperti kerudung, gamis, tunik dan aneka aksesoris lainya. Salah satu cabang Elzatta yang berada dicikarang, data penjualan pada Galeri Elzatta cikarang selama ini tidak tersusun dengan baik belum dimanfaatkan secara optimal, proses kegiatan penjualan terus berjalan data yang dihasilkan semakain lama akan semakin bertambah, data tersebut hanya sebagai arsip saja tanpa pengolahan lebih lanjut sehingga tidak memiliki nilai guna untuk dapat dimanfaatkan dengan baik. Untuk itu perlu dilakukan suatu analisa menggunakan data mining guna menghasilkan informasi dalam meningkatkan penjualan pada Galeri Elatta. Tujuan penelitian ini untuk menentukan pola pembelian konsumen dengan mencari keterkaitan item yang keluar bersamaan, dengan Metode data mining yang digunakan dalam penelitian ini adalah metode assosiasi rule. Assosiation rule merupakan salah satu teknik data mining dari algoritma apriori yang berfungsi untuk mencari hubungan antara produk pada keranjang belanja konsumen. Proses yang dilakukan untuk mengolah data dalam penelitian ini mengggunakan Tools RepidMiner, dari pengujian yang dilakukan dengan parameter yang ditentukan yaitu minimum support 20% dan minimum confidence 50% menghasilkan 2 aturan/rule validasi lift ratio sebesar 1.11. Dan Inner Kepala Kerudung dengan support 28,33% dan confidence 70,83% dengan validasi lift ratio sebesar 1.03. analisa data transaksi penjualan dapat diterapkan dengan baik, dan mampu menghasilkan suatu aturan asosiasi baru dari dataset transaksi penjualan, yaitu berupa kombinasi produk yang dibeli konsumen
Analisis Data Mining Kelayakan Calon Debitur Di Pt. Bank BRI Dengan Mengunakan Metode Klasifikasi Naive Bayes Ahmad Turmuzdy ZY; Donny Maulana; Maulana Sofyan
Jurnal SIGMA Vol 8 No 2 (2018): Maret 2018
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (340.256 KB)

Abstract

Abstrak Bank Rakyat Indonesia (BRI) adalah salah satu bank milik pemerintah yang terbesar di Indonesia. PT. Bank Rakyat Indonesia merupakan salah satu badan usaha perbankan yang melakukan usaha menghimpun dan menyalurkan dana masyarakat, terutama memberikan kredit dan jasa di lalu lintas pembayaran dan peredaran uang, serta memiliki beberapa unit produk, diantaranya pelayanan penyimpanan atau tabungan dan pelayanan perkreditan. Produk pembiayaan pada PT. Bank Rakyat Indonesia terdiri dari berbagai jenis produk, yaitu Kredit Umum Pedesaan (Kupedes) yang terdiri dari kredit Skala Micro (KSM), Kredit Komersial (KOM), Kredit BRIGuna (KBG), dan kredit yang bekerja sama dengan pemerintah yaitu Kredit Usaha Rakyat (KUR). Dengan begitu banyaknya calon debitur yang mengajukan kredit pada PT. Bank Rakyat Indonesia. Kemudian akan dilakukan uji kelayakan pada calon debitur PT. Bank Rakyat Indonesia menggunakan salah satu metode klasifikasi yaitu metode naive bayesian, untuk mengetahui calon debitur yang layak mendapatkan kredit pada PT. Bank Rakyat Indonesia dengan tingkat akurasi yang tinggi, agar tidak terjadi masalah ketika sedang berlangsungnya proses perkreditan pada PT. Bank Rakyat Indonesia. Kata kunci : Analisis, data mining, kelayakan, calon debitur, PT. Bank BRI , klasifikasi, naive bayes