Claim Missing Document
Check
Articles

Found 4 Documents
Search

Pemanfaatan Solver Excel Untuk Menentukan Mahasiswa Yang Layak Mendapatkan Beasiswa Anam, Moh. Syaiful; Ramadhan, Galang
Exact Papers in Compilation (EPiC) Vol. 6 No. 2 (2024): Mei 2024
Publisher : Lembaga Penelitian Pengabdian Masyarakat Universitas KH. A. Wahab Hasbullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32764/epic.v6i2.1162

Abstract

Pemrograman linier adalah salah satu teknik dalam bidang riset operasi yang bisa dipakai untuk menyelesaikan persoalan optimisasi. Dikarenakan seringnya terjadi kesalahan dalam memberikan beasiswa, penelitian ini menggunakan pemrograman linier dengan memanfaatkan Solver Excel untuk menentukan mahasiswa yang pantas menerima beasiswa. Solver Excel adalah sebuah fitur di Microsoft Excel yang berfungsi sebagai alat analisis untuk menyelesaikan permasalahan optimasi linier. Solver Excel dapat digunakan untuk mencari solusi yang memaksimalkan atau meminimalkan fungsi tujuan, dengan memperhatikan batasan-batasan yang telah ditentukan. Penelitian ini memanfaatkan data nilai akademik dan faktor lain yang relevan sebagai pembatas dalam model optimasi. Penelitian ini menghasilkan saran tentang mahasiswa yang pantas menerima beasiswa, berdasarkan pada model optimasi yang telah dikembangkan dengan mempertimbangkan perhitungan indeks prestasi kumulatif dan penghasilan orangtua. Dan yang mendapatkan kode 1 berarti layak diberikan beasiswa tersebut seperti Ana, Andi, Anin dan Aida.
Social Assistance Decision Support System Using the Naive Bayes Method Anam, Moh. Syaiful
Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer Vol 1 No 1: JTECS Januari 2021
Publisher : FAKULTAS TEKNIK UNIVERSITAS ISLAM KADIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32503/jtecs.v1i1.1433

Abstract

Covid-19 telah menjadi pandemi yang menyebar hampir ke seluruh penjuru dunia. Karena proses penularannya yang begitu cepat Dalam masa pandemi covid -19, pandemi ini menyebar ke seluruh sendi kehidupan dan salah satu yang paling menjadi perhatian adalah dibidang sosial ekonomi. Banyak terdapat bantuan Sosial (Bansos) yang disalurkan baik oleh pemerintah ataupun pihak swasta lain. Penelitian ini bertujuan untuk membuat sistem pendukung keputusan bantuan sosial menggunakan metode Naive Bayes, selanjutnya melakukan Analisa menggunakan tabel Confusion Matrix. Dalam menyelesaikan masalah dengan menggunakan metode Naive Bayes dari hasil pembahasan yang dilakukan dapat ditarik kesimpulan Naive Bayes dan aturan yang dihasilkan memiliki tingkat akurasi tinggi (good) yaitu sebesar 73% dan Sementara nilai Precision sebesar 92% dan Recall sebesar 86%. Sehingga metode Naive Bayes dapat diterapkan dalam menentukan prediksi yang lebih banyak dan potensial aturan yang dihasilkan untuk membantu menentukan pemberian bantuan sosial.
Sistem Pendukung Keputusan Seleksi Pemain Futsal dengan Menggunakan Metode Naive Bayes Anam, Moh. Syaiful; Utomo, Yudo Bismo; Kurniadi, Harso
Insect (Informatics and Security): Jurnal Teknik Informatika Vol. 11 No. 1 (2025): Maret 2025
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/insect.v11i1.4240

Abstract

Futsal is a sport that has a high level of competition, both at national and international levels. The success of a futsal team depends on the quality of the players selected, so player selection is an important aspect in building a competitive team. Player selection is usually based on the coach's experience, which can be subjective and less systematically measurable. Therefore, a more objective and accurate method is needed in the futsal player selection process. This study develops a Decision Support System (DSS) that aims to select futsal players using the naïve bayes method. This method is used because of its ability to perform probabilistic-based classification, which can help in assessing player eligibility based on several criteria. The parameters analyzed include technical skills, speed, endurance, passing accuracy, and other physical aspects. The results obtained from the calculation using the system with the naïve bayes method reached 90% with details of 9 appropriate results and 1 inappropriate result.
PENGEMBANGAN APLIKASI PREDIKSI HARGA MOTOR BEKAS BERBASIS REGRESI LINEAR BERGANDA DENGAN MEMPERTIMBANGKAN FAKTOR PENENTU HARGA Ardiansyah, Muhammad Riko; Utomo, Yudo Bismo; Anam, Moh. Syaiful
JUKOMPSI (Jurnal Komputer dan Sistem Informasi) Vol 3 No 2 (2025): Juni
Publisher : Teknik Komputer Fakultas Teknik Universitas Islam Kadiri (UNISKA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32503/jiscomp.v3i2.7001

Abstract

Dalam industri perdagangan motor bekas, penentuan harga jual seringkali bergantung pada intuisi pemilik showroom, yang dapat menimbulkan ketidakakuratan. Penelitian ini bertujuan mengembangkan aplikasi prediksi harga motor bekas menggunakan metode Regresi Linear Berganda. Data dikumpulkan melalui web scraping dari OLX dan catatan harga showroom. Model dikembangkan menggunakan algoritma Multiple Linear Regression[1] dan diimplementasikan dalam aplikasi web berbasis Flask. Hasil pengujian menunjukkan bahwa model memiliki tingkat akurasi tinggi dengan skor rata-rata 91,2%. Selain itu, hasil kuesioner user testing memperoleh rata-rata skor 4,5 dari 5, menunjukkan penerimaan yang baik dari pengguna showroom. Kesimpulannya, aplikasi ini mampu membantu showroom menetapkan harga motor bekas secara lebih objektif, cepat, dan efisien, serta mengurangi ketergantungan pada penilaian subjektif.