Article Per Year (5 Year)
p-Index From 2021 - 2026
3.339
P-Index
This Author published in this journals
All Journal JURNAL INSTEK (Informatika Sains dan Teknologi) METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi JURNAL TEKNOLOGI DAN OPEN SOURCE INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi JATI (Jurnal Mahasiswa Teknik Informatika) Information System Journal (INFOS) IC Tech: Majalah Ilmiah SmartComp Jurnal Pendidikan Teknologi Informasi (JUKANTI) Bestikom: Jurnal Pengabdian Kepada Masyarakat IC Tech: Majalah Ilmiah
DARMAWAN, ARIEF SOMA
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search

 1   2   3   4 
Segementasi Nasabah Tabungan Pada BMT XXX dengan Metode Fuzzy C Means dan Model RFM darmawan, arief soma; Sugianti, Devi; Syaifudin, Anas
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 10, No 2 (2021): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v10i2.2355

Abstract

Setiap perusahaan akan berlomba lomba untuk meningkatkan pelayanan kepada pelanggan, agar pelanggan tidak berpindah ke pesaing. BMT XXX juga tidak menginginkan nasabahnya berpindah ke pesaing. Pada tahun 2019 nasbah BMT XXX mencapai 4882 nasabah, akan tetapi yang aktif melakukan transaksi penabungan hanya 1392 nasabah. BMT mengalami kesulitan dalam menginterpretasikan data, karena data yang tersaji dalam bentuk manual. Untuk membantu BMT dalam mengelompokkan nasabah yang potensial menggunakan metode fuzzy C Means dan model RFM (Recency, Frequency, dan  Monetary). Metode Fuzzy C means  digunakan karena dapat menggelompokkan data yang lebih besar dan lebih kokoh pada data oulier, dalam menentukan cluster atau kelompok dengan derajat keanggataan. Langkah langkah metode penelitian yang dilakukan adalah pengumpulan data, pengolahan data, metode yang diusulkan, eksperimen metode, validasi hasil atau pengujina. Hasil pengujian dengan Davies Bouldin Index diperoleh 0,464 dengan jumlah klaster sebanyak 6. Dengan kelas nasbah superstar sebanyak 79 nasabah, golden sebanyak 462 nasabah, typical customer  124 nasabah, occantional customer sebanyak 271 nasabah, everyday sopper  239 nasabah, dormant cusomer  217 nasabah. Dengan adanya data tersebut dapat digunakan oleh BMT XXX pengambilan keputusan dalam hal menentukan strategi marketing untuk meningkatkan pelanggan agar pelanggan selalu aktif melakukan penabungan. Kata Kunci : Segementasi nasabah, fuzzy c means, RFM
Naïve Bayes, Neural Network dan K-Nearest Neighbor untuk Klasifikasi Topik Tugas Akhir Wibowo, Ari Putra; Widiyono, Widiyono; Saifudin, Anas; Darmawan, Arief Soma; Budihartono, Eko
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 4 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i4.4251

Abstract

Pemilihan topik atau judul skripsi menentukan mahasiswa dalam menyelesaikan pengerjaan skripsi tepat waktu, hal ini juga berpengaruh dalam kebutuhan akreditasi program studi. Namun penentuan topik atau judul skripsi menjadi hal yang cukup sulit untuk mahasiswa, beberapa penelitian mengenai klasifikasi topik skripsi telah banyak dilakukan untuk mengelolompokkan topik atau judul skripsi sesuai dengan konsentrasi keahliannya sehingga memberikan informasi yang dapat membantu mahasiswa. Pada penelitian ini dilakukan perbandingan model klasifikasi untuk mengetahui model klasifikasi terbaik dalam klasifikasi topik  atau judul skripsi. Ada tiga model klasifikasi yang dibangun dalam penelitian ini dengan menggunakan algoritma Naïve Bayes, Neural Network dan K-Nearest Neighbor. Evaluasi hasil dilakukan dengan metode cofusion matrix untuk mengetahui nilai akurasi, presisi, recall dan f-score. Dari hasil eksperimen menunjukkan bahwa model klasifikasi dengan algoritma Neural Network memiliki nilai akurasi paling tinggi dengan nilai 94,1% sedangkan nilai akurasi paling rendah adalah model klasifikasi Naïve Bayes dengan nilai 79% .
Case Based Reasoning Untuk Mendeteksi Penyakit Kucing Dengan Metode KNN Darmawan, Arief Soma; Sugianti, Devi; Halim, Muhammad Faisal
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 2 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i2.3452

Abstract

Kucing adalah hewan kesayangan yang sangat populer dikalangan masyarakat Indonesia. Ketersediaan dokter tidak sebanding dengan banyaknya masyarakat yang mencintai kucing serta pemilik juga banyak yang belum mengetahui cara pemeliharaan dengan benar. Jenis penyakit yang dialami kucing sangat banyak maka dari itu membutuhkan penanganan dan pengobatan yang berbeda-beda. Maka untuk dapat mendiagnosa penyakit pada kucing dibutuhkan sebuah sistem dengan berbasis Case Based Reasoning(CBR) dengan metode K Nearest Neighbor. Case Base Reasoning (CBR) dapat penyelesaikan masalah berdasarkan masa lalu yang sama untuk menyelesaikan masalah yang baru, dalam memecahkan kasus baru maka mengingat kasus lama. Algoritma K Nearest Neighbor memilih data  sejumlah K yang paling dekat dari data baru. Metode penelitian yang digunakan adalah CHRISP –DM (Cross Industry Process for data mining)  dengan tahapan sebagai berikut: Fase Pemahaman Bisnis, Fase Pemahaman data, Fase Pengolahan Data, Fase Pemodelan, Fase Evaluasi dan Fase penyebaran. Data yang didapat 320 data, setelah melalukan fase pengolahan data menjadi 250 data. Pengujian akurasi didapatkan akurasi yang paliing tinggi adalah dengan menggunakan nilai K= 3 dengan tingkat akurasi sebesar 97 %.
Penerapan Algoritma Apriori untuk Menentukan Pola Asosiasi Penjualan Di PT KOI Jaya Delapan Syahputra, Gilang; Risqiati, Risqiati; Darmawan, Arief Soma
INFOMATEK Vol 28 No 1 (2026): Juni 2026 (In Progress)
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v28i1.38023

Abstract

Perusahaan dituntut mampu mengelola data penjualan secara efektif untuk mendukung pengambilan keputusan bisnis yang tepat, namun PT KOI Jaya Delapan sebagai industri tekstil belum memanfaatkan data penjualan yang besar untuk mengetahui hubungan pola antara produk yang sering dibeli pelanggan, sehingga promosi yang dilakukan kurang tepat sasaran. Penelitian ini memiliki tujuan untuk menemukan pola asosiasi produk penjualan menggunakan algoritma Apriori sebagai dasar penyusunan strategi pemasaran dan pengelolaan stok di PT KOI Jaya Delapan. Metode yang dipakai yaitu Association Rule Mining dengan Algoritma Apriori pada 50 data transaksi penjualan bulan April 2025 yang melibatkan 6 jenis produk. Parameter yang ditetapkan adalah Minimum Support 0.1 (10%) dan Minimum Confidence 70%. Hasil analisis Frequent 1-Itemset menunjukkan produk KOI Biru (Support 72%) dan KOI Merah (Support 58%) adalah produk paling dominan. Kombinasi dengan Support tertinggi adalah KOI Merah dan KOI Biru (Support 40%), mengindikasikan prioritas Co-stocking. Satu-satunya aturan asosiasi yang lolos ambang batas Minimum Confidence adalah KOI Hijau,KOI Biru dengan nilai Confidence 75%. Kesimpulan dari temuan ini adalah aturan KOI Hijau, KOI Biru merupakan dasar utama yang teruji kuat untuk menyusun strategi penjualan silang (Cross-selling) dan Bundling produk. Pola ini juga menjadi acuan untuk memperkirakan kebutuhan stok bersama.
Menentukan Pola Asosiasi Penjualan di Minimarket Sakpore SMK Negeri 2 Pekalongan menggunakan Algoritma Apriori Dyen, Vincent Mallvino Putra; Darmawan, Arief Soma; Risqiati, Risqiati
INFOMATEK Vol 28 No 1 (2026): Juni 2026 (In Progress)
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v28i1.40181

Abstract

Perkembangan ritel modern menuntut pengelolaan data transaksi agar dapat mendukung pengambilan keputusan bisnis yang tepat dan akurat, termasuk pada minimarket yang berfungsi sebagai unit bisnis praktik. Dilakukannya penelitian ini memiliki tujuan menemukan pola asosiasi penjualan menggunakan algoritma Apriori dan menghasilkan sistem rekomendasi barang pada Minimarket Sakpore SMK Negeri 2 Pekalongan guna membantu pengelolaan stok dan strategi penjualan. Metodologi yang dipakai adalah tahapan Knowledge Discovery in Databases (KDD) yang meliputi seleksi data, pembersihan data, transformasi data, proses data mining atau hasil dan pembahasan menggunakan algoritma Apriori, dan evaluasi hasil. Data yang digunakan berupa 254 transaksi penjualan pada bulan April 2025. Hasil penelitian menunjukkan bahwa algoritma Apriori mampu mengidentifikasi beberapa aturan asosiasi yang relevan, dengan nilai minimum minimum support yaitu 0,1(10%) dan minimum confidence yaitu 50%. Salah satu aturan asosiasi dengan nilai confidence tertinggi adalah pembelian Aice Semangka 65g yang diikuti dengan pembelian le minerale 330ml dengan nilai confidence yaitu sebesar 53% yang menunjukkan adanya kecenderungan pembelian kedua produk tersebut. Pola asosiasi ini dapat dimanfaatkan sebagai dasar pemberian rekomendasi produk dan penyusunan strategi promosi seperti paket penjualan produk atau bundling produk yang sering dibeli secara bersamaan. Kesimpulan dari temuan ini adalah bahwa penerapan algoritma Apriori ini mampu mengidentifikasi pola asosiasi pembelian produk berdasarkan data penjualan, salah satunya adalah kecenderungan pembelian produk Aice Semangka 65g dan le minerale 330ml, pola asosiasi yang telah diperoleh ini selaras dengan tuuan penelitian dan dapat dimanfaatkan sebagai dasar dalam strategi promosi seperti bundling produk serta pengelolaan stok yang menjadi lebih efektif.
PERAMALAN PENJUALAN ASINAN BUAH MENGGUNAKAN HOLT WINTERS PYTHON DI TOKO BERBUAH DINGIN Mohammad Bagas Irianto; Widiyono Widiyono; Arief Soma Darmawan
Jurnal Pendidikan Teknologi Informasi (JUKANTI) Vol 8 No 2 (2025): JURNAL PENDIDIKAN TEKNOLOGI INFORMASI (JUKANTI) EDISI NOPEMBER 2025
Publisher : Universitas Citra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37792/jukanti.v8i2.1882

Abstract

ABSTRAKPenelitian ini bertujuan untuk meramalkan penjualan asinan buah tahun 2025 menggunakan metode Holt–Winters Exponential Smoothing sebagai dasar perencanaan persediaan dan strategi bisnis. Data diperoleh dari catatan penjualan bulanan Januari 2023–Desember 2024 melalui metode dokumentasi. Tahap prapemrosesan dilakukan dengan smoothing untuk mereduksi fluktuasi acak, pembersihan outlier agar hasil lebih stabil, serta normalisasi untuk menyamakan skala data. Selanjutnya, data dibagi menjadi data latih untuk membangun model dan data uji untuk mengevaluasi akurasi. Holt–Winters dipilih karena mampu menangkap pola tren dan musiman dalam data penjualan. Evaluasi akurasi menggunakan Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan nilai MAE sebesar 20,18 dan MAPE 9,13%, yang termasuk kategori sangat akurat karena MAPE < 10%. Pola peramalan menggambarkan penurunan penjualan di pertengahan tahun serta peningkatan kembali di akhir tahun, sejalan dengan perilaku konsumsi masyarakat pada periode tertentu. Berdasarkan hasil penelitian, dapat disimpulkan bahwa metode Holt–Winters efektif digunakan untuk meramalkan penjualan asinan buah, serta bermanfaat bagi pelaku usaha dalam mengoptimalkan manajemen persediaan dan merumuskan strategi penjualan yang sesuai dengan pola musiman yang teridentifikasi. Kata kunci : forecasting, holt-winters, inventory, mae, mape, penjualan ABSTRACT This study aims to forecast fruit pickle sales in 2025 using the Holt–Winters Exponential Smoothing method as a basis for inventory planning and business strategy. The data were obtained from monthly sales records from January 2023 to December 2024 through documentation. Preprocessing included smoothing to reduce random fluctuations, outlier removal to ensure stability, and normalization to unify data scaling. The dataset was then divided into training data for model building and testing data for accuracy evaluation. The Holt–Winters method was chosen because it can capture both trend and seasonal components in sales data. Model accuracy was measured using Mean Absolute Error (MAE) and Mean Absolute Percentage Error (MAPE). The results show that the model achieved an MAE of 20.18 and a MAPE of 9.13%, which is categorized as highly accurate since the MAPE value is below 10%. The forecast pattern indicates a sales decline in the middle of the year followed by an increase towards the end of the year, reflecting seasonal consumer behavior. In conclusion, the Holt–Winters method is effective in forecasting fruit pickle sales and can support business owners in optimizing inventory management and designing sales strategies aligned with identified seasonal patterns. Keywords: forecasting, holt-winters, inventory, mae, mape, sales
Predicting Tablet Drug Expenditures Using Python-Based Facebook Prophet in Pharmaceutical Installations Kaka Rizki Maulana; Widiyono Widiyono; Arief Soma Darmawan
JURNAL TEKNOLOGI DAN OPEN SOURCE Vol. 8 No. 2 (2025): Jurnal Teknologi dan Open Source, December 2025
Publisher : Universitas Islam Kuantan Singingi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36378/jtos.v8i2.4907

Abstract

The increasing complexity of pharmaceutical logistics requires accurate forecasting to ensure drug availability and minimize the risk of stock shortages. This study aims to develop a forecasting model to predict monthly tablet drug expenditure in the Pharmacy Department. The research stages include problem identification, data collection from historical drug expenditure records, data pre-processing, and implementation of the forecasting model. The method used is Facebook Prophet, which was chosen for its ability to capture seasonal patterns, trends, and holidays in time series data. Model performance evaluation was conducted using Mean Absolute Percentage Error (MAPE) and Mean Absolute Error (MAE). The results showed that the model produced an MAE of 3,621.25 and a MAPE of 4.93%, indicating that the prediction accuracy level was in the good category. These findings prove that the Prophet method is capable of providing reliable results in drug expenditure forecasting. The results of this study are expected to support decision-making in drug requirement planning and improve the efficiency of pharmaceutical logistics management.
IMPLEMENTASI DATA MINING PADA TRANSAKSI ANGKRINGAN UPIN IPIN MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGIDENTIFIKASI KETERIKATAN ANTAR PRODUK Alif Naufal Zaqi; Risqiati Risqiati; Arief Soma Darmawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17614

Abstract

Angkringan Upin Ipin merupakan usaha kuliner UMKM yang memiliki aktivitas transaksi penjualan harian, namun data transaksi yang tersedia belum dimanfaatkan secara optimal untuk mengetahui pola pembelian pelanggan. Permasalahan yang dihadapi adalah sulitnya mengidentifikasi keterikatan antar produk yang sering dibeli secara bersamaan, sehingga pengelolaan stok dan strategi penjualan belum berbasis data. Karena strategi penjualan yang dilakukan belum berbasis data menyebabkan penentuan stok barang dan penataan menu hanya didasarkan dari pemikiran subjektif dari pemilik angkringan. Dampaknya, sering terjadi ketidakseimbangan stok, seperti penumpukan item tertentu yang kurang diminati atau kehabisan stok pada menu yang memiliki keterikatan kuat, yang pada akhirnya berpotensi menurunkan efisiensi operasional dan pendapatan harian. Penelitian ini bertujuan untuk mengidentifikasi pola keterikatan antar produk pada transaksi penjualan Angkringan Upin Ipin menggunakan algoritma Apriori. Metode yang diterapkan adalah Knowledge Discovery in Databases (KDD) dengan pendekatan kuantitatif, menggunakan 50 data transaksi penjualan periode Desember 2025. Proses analisis dilakukan melalui tahap seleksi data, pembersihan data, transformasi data, serta penerapan algoritma Apriori dengan minimum support 30% dan minimum confidence 90%. Hasil penelitian menunjukkan bahwa produk dengan nilai support tertinggi adalah Bakso dan Kulit sebesar 64%, diikuti Usus sebesar 60% dan Nasi sebesar 56%. Kombinasi Nasi dan Bakso memiliki nilai support tertinggi pada 2-itemset sebesar 46%. Selain itu, diperoleh 12 aturan asosiasi dengan nilai confidence hingga 100% dan nilai lift ratio lebih dari 1, yang menunjukkan keterikatan kuat antar produk. Hasil ini dapat dimanfaatkan sebagai dasar pengambilan keputusan dalam pengelolaan stok, penataan menu, dan strategi penjualan pada Angkringan Upin Ipin.
ANALASIS POLA PEMBELIAN ONDERDIL SEPEDA MENGGUNAKAN ALGORITMA APRIORI PADA TOKO ONDERDIL SLAMET Mohammad Lukman Maulana; Risqiati Risqiati; Arief Soma Darmawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17778

Abstract

Persaingan bisnis yang kompetitif menuntut Toko Onderdil Slamet untuk memanfaatkan data transaksi penjualan yang selama ini hanya diabaikan dan berfungsi sebagai arsip saja. Permasalahan utama yang dihadapi adalah kesulitan dalam manajemen stok dan penentuan tata letak barang (layout) yang strategis, karena belum mengetahui pola pembelian konsumen seperti apa. Hasil dari penelitian ini bertujuan untuk menganalisis pola pembelian produk onderdil sepeda untuk menemukan aturan asosiasi antar barang yang sering dibeli konsumen secara bersama. Metode yang digunakan untuk memecahkan masalah ini adalah Knowledge Discovery in Database (KDD) dengan algoritma apriori. Proses analisis ini dilakukan pada data transaksi penjualan dengan menetapkan nilai minimum support 20% dan minimum confidence 55%. Hasil dari penelitian ini menunjukan terbentuknya association rules yang sangat kuat pada kategori komponen roda, dimana aturan yang kuat adalah “Jika membeli Ban Luar maka akan membeli Ban Dalam” dengan nilai support 21.8% dan confidence 90.5%. Berdasarkan hasil analisa tersebut, kepada pemilik toko direkomendasikan untuk menempatkan stok Ban Luar dan Ban Dalam secara berdampingan atau berdekatan serta memastikan stok kedua barang tersebut agar tidak kosong untuk mencegah hilangnya potensi penjualan.
ANALISIS POLA PEMBELIAN KONSUMEN MENGGUNAKAN ALGORITMA APRIORI UNTUK OPTIMASI PENATAAN PRODUK PADA TOKO SNACK BAROKAH Halim Kharis; Risqiati Risqiati; Arief Soma Darmawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18323

Abstract

Perkembangan teknologi informasi mendorong pemanfaatan data transaksi penjualan sebagai dasar pengambilan keputusan bisnis, khususnya dalam memahami pola pembelian konsumen. Namun, pada Toko Snack Barokah, data transaksi penjualan masih belum dimanfaatkan secara optimal untuk mendukung penataan produk. Penelitian ini bertujuan untuk menganalisis pola pembelian konsumen menggunakan algoritma Apriori serta memberikan rekomendasi optimasi penataan produk berdasarkan hasil analisis tersebut. Metode yang digunakan adalah data mining dengan teknik association rule mining, melalui tahapan pengumpulan data transaksi, preprocessing, transformasi data, dan penerapan algoritma Apriori. Data yang digunakan terdiri dari 50 data transaksi penjualan yang dikumpulkan dari catatan penjualan harian Toko Snack Barokah. Algoritma Apriori diterapkan dengan nilai minimum support sebesar 0,2 dan minimum confidence sebesar 0,5. Hasil penelitian menunjukkan bahwa produk Nabati, Roti, dan Teh Botol merupakan produk yang sering dibeli baik secara individu maupun dalam kombinasi. Aturan asosiasi Roti → Nabati memiliki nilai confidence tertinggi sebesar 0,78 dan nilai lift sebesar 2,18, yang menunjukkan adanya hubungan pembelian yang kuat antar produk. Berdasarkan hasil tersebut, direkomendasikan agar produk-produk yang memiliki keterkaitan tinggi ditempatkan berdekatan dalam rak penjualan guna meningkatkan kenyamanan berbelanja dan mendorong pembelian tambahan (cross-selling).
Co-Authors Alif Naufal Zaqi ARI PUTRA WIBOWO Ari Putra Wibowo Devi Sugianti Dyen, Vincent Mallvino Putra Eko Budihartono, Eko Faizal Kurniawan Halim Kharis Halim, Muhammad Faisal Hapsoro, Hermanus Wim Hapsoro, Wim Indrayanti, Indrayanti Inonu, Ismet Kaka Rizki Maulana Mohammad Bagas Irianto Mohammad Lukman Maulana Putri Rastya Rosmila Risqiati Risqiati Risqiati Risqiati Risqiati, Risqiati Saifudin, Anas Shaela, Pamela Sugianti, Devi Sulistiyaningsih, Riski Syahputra, Gilang Syaifudin, Anas Wahyu Setianto Wahyu Setianto Wahyu Setianto, Wahyu WIBOWO, ARI PUTRA Widiyono Widiyono Widiyono, Widiyono