Claim Missing Document
Check
Articles

Found 13 Documents
Search

Sistem Penunjang Keputusan dalam Penentuan Prioritas Pembanguanan Menggunakan Metode Trus Base dengan Topsis Beni Aktavera; Sumijan
Jurnal Informatika Ekonomi Bisnis Vol. 2, No. 4 (December 2020)
Publisher : SAFE-Network

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (496.959 KB) | DOI: 10.37034/infeb.v2i4.76

Abstract

Village communities need empowerment in order to develop community welfare and independence to increase attitudes, knowledge, behavior, skills, and priority needs of the village community, including development. villages must be done well in an effort to community village. Village development has an context. Research is to assist Merangin district in making decisions to determine priorities for sub-district development, Merangin Regency which refers to the Regional Long-Term Development Plan (RPJPD). 2018-2019 and 2020 budgets while the decision-making method to solve existing problems is to use increased public participation using a trust-based (trust-based). With the TOPSIS (Technique For Others Preference by Similarity to Ideal Solution) method. With the method to be used, this system can provide information in the form of proposals which are prioritized to be implemented which are aligned with the Regional Long-term Development Plan (RPJPD) and the National Medium Term Development Plan (RPJMN) so that village development can be carried out properly, the TOPSIS method used was able to overcome the weaknesses in the old system and gave 90% accurate results in determining the development priorities of Merangin Regency using the method TOPSIS, and the application of the topsis method for this system could contribute to the results of ranking alternative development priorities in Kab. Merangin to the maximum.
KLASIFIKASI PRODUK MENGGUNAKAN ALGORITMA DECISION TREE Beni Aktavera; Harma Oktafia Lingga Wijaya
Jurnal Teknologi Informasi Mura Vol 15 No 1 (2023): Jurnal Teknologi Informasi Mura Juni
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v15i1.1959

Abstract

Kehadiran teknologi informasi juga berdampak positif bagi perusahaan. Teknologi informasi menjadikan sebuah perusahaan lebih teratur dan lebih mudah dalam pengoperasianya. Perusahaan menggunakan teknologi informasi dalam banyak hal seperti pengolahan data. Pengolahan data disebuah perusahaan adalah hal penting yang harus dilakukan agar pemimpin perusahaan dapat menilai kinerja dari perusahaan itu. Pengolahan data menjadi sangat mudah apabila menggunakan Data Mining, karena data mining berhubungan erat dengan pengolahan data. Masalah dalam penelitian ini adalah pengelolaan data yang masih menggunakan Microsoft Excel sehingga belum dapat mengklasifikasikan produk yang laris dan produk yang kurang laris serta permintaan konsumen yang beragam sehingga pengelolaan data manual menggunakan microsoft excel belum mampu mengetahui pola pembelian konsumen. Metode Decision Tree adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Konsep dari pohon keputusan adalah mengubah data menjadi decision tree dan aturan-aturan keputusan [1]. Keunggulan dari metode Decision Tree yaitu jika daerah pengambilan keputusan yang sebelumnya kompleks dan rumit, dapat diubah menjadi lebih simpel dan spesifik. data pada penelitian ini menggunakan bahasa pemprograman Python dengan akurasi 0,871.
KLASIFIKASI PRODUK MENGGUNAKAN ALGORITMA DECISION TREE Aktavera, Beni; Wijaya, Harma Oktafia Lingga
Jurnal Teknologi Informasi Mura Vol 15 No 1 (2023): Jurnal Teknologi Informasi Mura Juni
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v15i1.2264

Abstract

Kehadiran teknologi informasi juga berdampak positif bagi perusahaan. Teknologi informasi menjadikan sebuah perusahaan lebih teratur dan lebih mudah dalam pengoperasianya. Perusahaan menggunakan teknologi informasi dalam banyak hal seperti pengolahan data. Pengolahan data disebuah perusahaan adalah hal penting yang harus dilakukan agar pemimpin perusahaan dapat menilai kinerja dari perusahaan itu. Pengolahan data menjadi sangat mudah apabila menggunakan Data Mining, karena data mining berhubungan erat dengan pengolahan data. Masalah dalam penelitian ini adalah pengelolaan data yang masih menggunakan Microsoft Excel sehingga belum dapat mengklasifikasikan produk yang laris dan produk yang kurang laris serta permintaan konsumen yang beragam sehingga pengelolaan data manual menggunakan microsoft excel belum mampu mengetahui pola pembelian konsumen. Metode Decision Tree adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Konsep dari pohon keputusan adalah mengubah data menjadi decision tree dan aturan-aturan keputusan [1]. Keunggulan dari metode Decision Tree yaitu jika daerah pengambilan keputusan yang sebelumnya kompleks dan rumit, dapat diubah menjadi lebih simpel dan spesifik. data pada penelitian ini menggunakan bahasa pemprograman Python dengan akurasi 0,871.
IMPLEMENTASI DAN ANALISIS ASOSIASION RULE MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA FP GROWTH Aktavera, Beni; Satrianansyah, Satrianansyah; Elmayati, Elmayati; Wijaya, Harma Oktafia Lingga
Jurnal Teknologi Informasi Mura Vol 16 No 1 (2024): Jurnal Teknologi Informasi Mura JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v16i1.2284

Abstract

Analisis asosiasi merupakan teknik data mining yang digunakan untuk menemukan hubungan atau pola tersembunyi antara item dalam sebuah dataset. Dua algoritma populer yang sering digunakan dalam analisis asosiasi adalah Algoritma Apriori dan Algoritma FP-Growth. Algoritma Apriori bekerja dengan prinsip mencari frekuensi itemset yang muncul dalam dataset. Proses ini dimulai dengan mengidentifikasi item-item yang paling sering muncul, kemudian memperluasnya menjadi kombinasi item yang lebih besar dan memeriksa frekuensinya. Algoritma ini menggunakan konsep support dan confidence untuk mengukur kekuatan asosiasi antara item. Support mengukur seberapa sering suatu itemset muncul dalam dataset, sedangkan confidence mengukur seberapa sering item B muncul di transaksi yang mengandung item A. Meskipun Algoritma Apriori efektif dalam menemukan aturan asosiasi, algoritma ini bisa menjadi tidak efisien pada dataset yang sangat besar karena harus melakukan banyak iterasi dan memindai dataset berkali-kali. Sebagai alternatif, Algoritma FP-Growth menggunakan pendekatan yang berbeda dengan membangun struktur data yang disebut FP-Tree (Frequent Pattern Tree) untuk menyimpan informasi tentang frekuensi itemset dalam dataset [1]. FP-Tree memungkinkan Algoritma FP-Growth untuk memindai dataset hanya dua kali, yang membuatnya lebih efisien dibandingkan dengan Algoritma Apriori. Setelah membangun FP-Tree, algoritma ini kemudian menggunakan teknik divide-and-conquer untuk menemukan itemset yang sering muncul tanpa harus melakukan iterasi berulang kali. Studi perbandingan antara Algoritma Apriori dan FP-Growth menunjukkan bahwa FP-Growth cenderung lebih efisien dalam hal waktu komputasi dan penggunaan memori, terutama pada dataset yang besar. Namun, Algoritma Apriori masih memiliki keunggulan dalam hal interpretasi hasil yang lebih mudah dipahami dan implementasi yang lebih sederhana [2].
REDISIGN TATA LETAK BUKU PADA PERPUSTAKAAN SMA BINA SATRIA MEGGUNAKAN ALGORITMA APRIORI aktavera, beni; Wijaya, Harma Oktafia Lingga
JUSIM (Jurnal Sistem Informasi Musirawas) Vol 8 No 2 (2023): JUSIM (Jurnal Sistem Informasi Musirawas) DESEMBER
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jusim.v8i2.2201

Abstract

Perpustakaan adalah praktik yang penting untuk memastikan bahwa perpustakaan tetap relevan, efisien, dan berfungsi dengan baik. Tata letak buku yang baik menciptakan pengalaman pengguna yang lebih positif. Pengguna merasa lebih nyaman dan mudah berinteraksi dengan koleksi buku ketika tata letaknya intuitif dan efisien. Tata letak yang baik dapat membantu perpustakaan dalam manajemen koleksi. Ini termasuk penyusunan dan pemeliharaan buku dengan lebih baik, yang dapat membantu perpustakaan dalam pengadaan dan penghapusan buku. Redesain tata letak buku di perpustakaan menggunakan algoritma Apriori merupakan sebuah pendekatan yang menarik untuk meningkatkan efisiensi dalam mengorganisasi dan mengelola koleksi buku. Algoritma Apriori adalah algoritma yang digunakan dalam data mining dan analisis asosiasi untuk menemukan pola-pola hubungan antara item-item dalam kumpulan data. Dalam konteks perpustakaan, ini dapat digunakan untuk memahami hubungan antara buku-buku yang dipinjam oleh anggota perpustakaan, sehingga perpustakaan dapat menentukan lokasi yang optimal untuk menempatkan buku-buku tersebut agar lebih mudah diakses oleh pengguna. Metode yang digunakan Algoritma Apriori dapat membantu perpustakaan mengidentifikasi hubungan antara buku-buku yang sering dipinjam bersamaan oleh pengguna. Dengan demikian, perpustakaan dapat merancang ulang tata letaknya untuk menempatkan buku-buku yang berhubungan dekat satu sama lain. Ini meningkatkan kemudahan akses pengguna dan mengoptimalkan penggunaan ruang. Redesign tata letak buku menggunakan algoritma Apriori adalah pendekatan yang inovatif untuk mengoptimalkan tata letak buku di perpustakaan berdasarkan pola peminjaman buku oleh pengguna. dari penelitian ini di dapatkan hasil Jika meminjam buku jenis ilmu sosial maka akan meminjam buku jenis ilmu terapan dan tidak akan meminjam buku jenis bahasa 100 % dan Jika tidak meminjam buku jenis bahasa, maka akanmeminjam buku jenis ilmu terapanakan akan meminjam buku jenis ilmu sosial 86 %.
IMPLEMENTASI DAN ANALISIS ASOSIASION RULE MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA FP GROWTH Aktavera, Beni; Satrianansyah, Satrianansyah; Elmayati, Elmayati; Wijaya, Harma Oktafia Lingga
Jurnal Teknologi Informasi Mura Vol 16 No 1 (2024): Jurnal Teknologi Informasi Mura JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v16i1.2284

Abstract

Analisis asosiasi merupakan teknik data mining yang digunakan untuk menemukan hubungan atau pola tersembunyi antara item dalam sebuah dataset. Dua algoritma populer yang sering digunakan dalam analisis asosiasi adalah Algoritma Apriori dan Algoritma FP-Growth. Algoritma Apriori bekerja dengan prinsip mencari frekuensi itemset yang muncul dalam dataset. Proses ini dimulai dengan mengidentifikasi item-item yang paling sering muncul, kemudian memperluasnya menjadi kombinasi item yang lebih besar dan memeriksa frekuensinya. Algoritma ini menggunakan konsep support dan confidence untuk mengukur kekuatan asosiasi antara item. Support mengukur seberapa sering suatu itemset muncul dalam dataset, sedangkan confidence mengukur seberapa sering item B muncul di transaksi yang mengandung item A. Meskipun Algoritma Apriori efektif dalam menemukan aturan asosiasi, algoritma ini bisa menjadi tidak efisien pada dataset yang sangat besar karena harus melakukan banyak iterasi dan memindai dataset berkali-kali. Sebagai alternatif, Algoritma FP-Growth menggunakan pendekatan yang berbeda dengan membangun struktur data yang disebut FP-Tree (Frequent Pattern Tree) untuk menyimpan informasi tentang frekuensi itemset dalam dataset [1]. FP-Tree memungkinkan Algoritma FP-Growth untuk memindai dataset hanya dua kali, yang membuatnya lebih efisien dibandingkan dengan Algoritma Apriori. Setelah membangun FP-Tree, algoritma ini kemudian menggunakan teknik divide-and-conquer untuk menemukan itemset yang sering muncul tanpa harus melakukan iterasi berulang kali. Studi perbandingan antara Algoritma Apriori dan FP-Growth menunjukkan bahwa FP-Growth cenderung lebih efisien dalam hal waktu komputasi dan penggunaan memori, terutama pada dataset yang besar. Namun, Algoritma Apriori masih memiliki keunggulan dalam hal interpretasi hasil yang lebih mudah dipahami dan implementasi yang lebih sederhana [2].
Sistem Penunjang Keputusan dalam Penentuan Prioritas Pembanguanan Menggunakan Metode Trus Base dengan Topsis Aktavera, Beni; Sumijan
Jurnal Informatika Ekonomi Bisnis Vol. 2, No. 4 (December 2020)
Publisher : SAFE-Network

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (496.959 KB) | DOI: 10.37034/infeb.v2i4.76

Abstract

Village communities need empowerment in order to develop community welfare and independence to increase attitudes, knowledge, behavior, skills, and priority needs of the village community, including development. villages must be done well in an effort to community village. Village development has an context. Research is to assist Merangin district in making decisions to determine priorities for sub-district development, Merangin Regency which refers to the Regional Long-Term Development Plan (RPJPD). 2018-2019 and 2020 budgets while the decision-making method to solve existing problems is to use increased public participation using a trust-based (trust-based). With the TOPSIS (Technique For Others Preference by Similarity to Ideal Solution) method. With the method to be used, this system can provide information in the form of proposals which are prioritized to be implemented which are aligned with the Regional Long-term Development Plan (RPJPD) and the National Medium Term Development Plan (RPJMN) so that village development can be carried out properly, the TOPSIS method used was able to overcome the weaknesses in the old system and gave 90% accurate results in determining the development priorities of Merangin Regency using the method TOPSIS, and the application of the topsis method for this system could contribute to the results of ranking alternative development priorities in Kab. Merangin to the maximum.
PREDIKSI JUMLAH SISWA BARU TINGKAT SMA MENGGUNAKANMETODE EXPONENTIAL SMOOTHING DAN LEAST SQUARE Alamsyah, M. Nur; Aktavera, Beni
JUSIM (Jurnal Sistem Informasi Musirawas) Vol 9 No 2 (2024): JUSIM : Jurnal Sistem Informasi Musi Rawas DESEMBER
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jusim.v9i2.2464

Abstract

Jumlah mahasiswa ke suatu institusi sangat penting. Jika jumlah siswa bertambah, maka lembaga harus menyiapkan ruang kelas dan fasilitas yang dibutuhkan, bahkan guru dan lainnya. Begitu pula sebaliknya, akan terjadi sesuatu yang tidak kondusif bagi fasilitas dan tenaga kerja yang tersedia. Semua harus ditangani dengan bijaksana dan hati-hati. Tujuan dari penelitian ini adalah untuk memprediksi jumlah mahasiswa baru di tahun mendatang dan untuk dapat mengambil keputusan tentang jumlah mahasiswa baik dari segi sikap maupun tindakan ke depan. Metode exponential smoothing dan minimum square adalah metode yang mampu memprediksi data masa depan dengan melihat data masa lalu dan saat ini. Metode penghalusan eksponensial yang digunakan hanya menggunakan metode penghalusan eksponensial tunggal menggunakan bobot alfa (α) mulai dari 0,1 hingga 0,9
Pemanfaatan Aplikasi Paint Untuk Pengenalan Teknologi Informasi Pada Siswa SD Negeri Air Lesing Aktavera, Beni; Intan, Bunga; Armanto, Armanto; Nurdiansyah, Deni; wijaya, harma oktafia lingga; Basmansyah, Attaya Rifki; Purwanti, Devi
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 6 No. 1 (2025): Jurnal Pengabdian kepada Masyarakat Nusantara Edisi Januari - Maret
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jpkmn.v6i1.4875

Abstract

Air Lesing State Elementary School in Musi Rawas Regency is one of the primary schools that plays an important role in providing basic education for children in the region. As an educational institution that is committed to shaping character and providing basic knowledge, SD Negeri Air Lesing strives to provide a safe, comfortable, and conducive learning environment for its students. In the midst of the development of the times and the need for digital literacy, SD Negeri Air Lesing has also begun to strive to introduce information technology in learning. Although it is located in an area that may not be as developed as urban, it strives to provide equal access to education, as well as prepare students to be ready for the challenges of the modern era. This information technology learning is not only aimed at introducing tools and software to students, but also to build logical and critical thinking skills, and develop creativity. To introduce information technology to SD Negeri Air Lesing students through one of the drawing applications, namely the paint application. The problem that exists at SD Negeri Air Lesing has never learned to use technology so that technology for SD Negeri Air Lesing, they are still very unfamiliar, let alone the use of applications for drawing such as paint applications, They are still very unfamiliar, especially the use of applications for drawing such as the Paint application, so it is hoped that students can get to know and be able to implement the Paint application for drawing. This service was carried out directly, with the participation of 35 students, producing digital drawing artworks using the paint application. And 95% of students can already use it
KOMPARASI ALGORITMA PENENTUAN ASOSSIATION RULE PENJUALAN PRODUK aktavera, Beni; Alamsyah, M.Nur; Wijaya, Harma Oktafia Lingga; Armanto, Armanto
JUTIM (Jurnal Teknik Informatika Musirawas) Vol 10 No 1 (2025): JUTIM (Jurnal Teknik Informatika Musirawas) JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jutim.v10i1.2638

Abstract

In the digital era, transaction data analysis has become an important strategy for increasing business effectiveness, including bakeries. One technique that is often used is association analysis, with the Apriori and FP-Growth algorithms as the main approaches. The main problem is to determine a more efficient and relevant algorithm to support business decision making in bakeries, especially in purchasing pattern analysis. This research aims to compare the performance of the Apriori and FP-Growth algorithms in determining association rules in bakery transaction data. The research methodology includes transaction data collection, data pre-processing, algorithm implementation, performance testing, and results analysis. Parameters analyzed include processing time, number of generated rules, and efficiency at different dataset scales. Testing was carried out with Python software, utilizing libraries such as mlxtend and pandas. The research results show that the FP-Growth algorithm is superior in time efficiency and scalability, especially on large datasets, thanks to its approach that does not require the formation of candidate itemsets. Meanwhile, the Apriori algorithm is easier to implement and remains relevant for small datasets with the right parameters. This research offers novelty by focusing on the application of both algorithms in a bakery context, providing specific insights into how to optimize stock management and design data-driven promotions. These results provide an important contribution for bakeries and similar business sectors to utilize data analysis as a strategic tool in increasing customer satisfaction and competitiveness.