Articles
<![CDATA[PENERAPAN METODE ALGORITMA K-MEANS DALAM PEMETAAN PESERTA DIKLAT KETERAMPILAN PELAUT DI SMKN 1 MUNDU ]]>
<![CDATA[Sigit Rusmayana]]>;
<![CDATA[Ahmad Faqih]]>;
<![CDATA[Agus Bahtiar]]>
<![CDATA[ JURSIMA (Jurnal Sistem Informasi dan Manajemen) Vol 10 No 2 (2022): Jursima Vol. 10 No. 2, Agustus Tahun 2022 ]]>
Publisher : <![CDATA[INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47024/js.v10i2.404
<![CDATA[Abstract Smkn 1 Mundu Cirebon Sailor Skills Training is the only training organizer who is in vocational high school that can conduct BST (Basic Safety Training) training for sailors of IMO (International Maritime Organization) standards. This research aims to identify the origin of the participants of the training, to apply when the time of the training is held, to find out the needs of the certificate of the participants of the training. This research sample was obtained from the data sheet of Smkn 1 Mundu Cirebon Sailor Skills Training where everyone who will work at sea must have a BST (Basic Safety Training) certificate. The research method done by machine learning using the K-Means Algorithm is the simplest and most common clustering method. This is because K-Means has the ability to group large amounts of data with relatively fast and efficient computing times. With the research can be useful for the Institute of Seafaring Skills Training SMKN 1 Mundu Cirebon So that it can be to identify the Origin of The Training Participants from the cirebon, Indramayu, Majalengka, Kuningan, Brebes, Tegal Pemalang, Purwokerto which dominates the participants of the training, as well as the implementation of the most widely carried out training in the period of August, September and December after students are declared first of school and most certificates are taken to work abroad especially on fishing vessels, commercial vessels and cruise ships as well as at offshore drilling refineries. The result of the application of this k-means clustering algorithm results in k = 3 with DBi = 0.547 model clusters produced cluster 0 = 465 items, cluster 1 = 608 items and cluster 2 = 462 items Keywords of at least 3-5 keywords: Sailor Skills Training, BST (Basic Safety Training), K-Means Algorithm]]>
<![CDATA[IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK MENUNJANG KEPUTUSAN PERSEDIAN BARANG DI CV INDOTECH JAYA SENTOSA KOTA CIREBON ]]>
<![CDATA[Iman Nurrohmat]]>;
<![CDATA[Odi Nurdiawan]]>;
<![CDATA[Agus Bahtiar]]>
<![CDATA[ JURSIMA (Jurnal Sistem Informasi dan Manajemen) Vol 10 No 2 (2022): Jursima Vol. 10 No. 2, Agustus Tahun 2022 ]]>
Publisher : <![CDATA[INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47024/js.v10i2.421
<![CDATA[Indotech Jaya Sentosa is a company engaged in trading in the form of computers and network infrastructure. Currently experiencing problems in managing inventory for its customers. These obstacles include the frequent occurrence of overcapacity in storage warehouses that exceeds the number of requests, even more so in the era of the Covid-19 pandemic. This study aims to provide a solution to the problems at CV Jaya Sentosa, namely by applying a technique or algorithm to support decisions in managing its merchandise inventory. The approach taken is to use a data mining approach involving the FP-Growth algorithm method. FP-Growth Algorithm is a method to find the pattern of relationship between one or more items in a dataset. While the steps taken to the data mining approach include business understanding, data understanding, data preparation, data modeling, data evaluation and deployment. The final result of this research is expected to be able to apply association rules where these rules can be used as a reference in predicting what kind of inventory should be held to facilitate inventory management.]]>
<![CDATA[KOMPARASI METODE KLASIFIKASI DATA MINING UNTUK PREDIKSI PENYAKIT STROKE ]]>
<![CDATA[Fitri Adha Hariyati Airi]]>;
<![CDATA[Tati Suprapti]]>;
<![CDATA[Agus Bahtiar]]>
<![CDATA[ E-Link: Jurnal Teknik Elektro dan Informatika Vol 18 No 1 (2023): Mei 2023 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Gresik ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30587/e-link.v18i1.5271
<![CDATA[Stroke merupakan penyakit dengan kondisi bahaya dan menjadi penyebab kematian nomor tiga setelah penyakit jantung koroner dan kanker. Kurangnya pengetahuan menjadikan masyarakat tidak menyadari tanda-tanda yang mungkin sudah terlihat. Apabila masyarakat mendapatkan pengenalan tentang penyakit stroke diharapkan dapat mengurangi dampak paling parah yaitu kematian. Oleh karena itu perlu dilakukan sebuah prediksi menggunakan metode klasifikasi. Hasil prediksi yang akurat dapat memudahkan para praktisi kesehatan dalam mengambil keputusan yang tepat. Data yang diambil merupakan data bersifat public dari situs kaggle. Pada penelitian ini Orange digunakan sebagai perangkat lunak. Penelitian ini melakukan sebuah perbandingan algoritma Naive Bayes, K-Nearest Neighbor dan Random Forest. Hasil yang diperoleh pada penelitian ini untuk algoritma Naive Bayes sebesar 71.9% accuracy, 71.7% precision, 71.9% recall. Sedangkan untuk algoritma K-NN mendapatkan nilai accuracy sebesar 73.6%, precision sebesar 73%, recall 73.6% dan untuk algoritma Random Forest mendapatkan nilai accuracy sebesar 92.5%, precision 92.5%, recall 92.5%.]]>
<![CDATA[KLASIFIKASI ALGORITMA NAIVE BAYES DAN K-NEAREST NEIGHBOR PADA PENDERITA DIABETES ]]>
<![CDATA[Feri Irawan Irawan]]>;
<![CDATA[Tati Suprapti]]>;
<![CDATA[Agus Bahtiar]]>
<![CDATA[ E-Link: Jurnal Teknik Elektro dan Informatika Vol 18 No 1 (2023): Mei 2023 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Gresik ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30587/e-link.v18i1.5303
<![CDATA[Diabetes Melitus merupakan penyakit kronis yang disebabkan oleh gangguan metabolisme dimana glukosa tidak dapat digunakan dengan baik dan ditandai dengan hiperglikemia. Diabetes adalah penyakit yang terjadi ketika gula darah terlalu tinggi dan tubuh tidak lagi merespon hormon insulin dampak yang ditimbulkan jika penyakit diabetes tidak ditangani dengan cepat dapat menimbulkan komplikasi hingga kematian. Tujuan penelitian ini adalah untuk memprediksi dengan menggunakan klasifikasi untuk menentukan algoritma apa yang cocok dalam mendiagnosa penyakit diabetes. Data yang diambil merupakan data dari source kaggle yang bersifat publik. Pada penelitian ini menggunakan aplikasi Orange dalam pengklasifikasiannya. Penelitian ini menggunakan dua algoritma Naive Bayes dan K-Nearest Neighbor. Hasil yang diperoleh dari klasifikasi Naive Bayes accuracy sebesar 76.6 precision sebesar 76.8, recall sebesar 76.7 sedangkan K-Nearest Neighbor mendapatkan accurasy sebesar 92.6, Precision sebesar 92.6, recall sebesar 92.6.]]>
<![CDATA[PENERAPAN METODE ALGORITMA K-MEANS DALAM PEMETAAN PESERTA DIKLAT KETERAMPILAN PELAUT DI SMKN 1 MUNDU ]]>
<![CDATA[Sigit Rusmayana]]>;
<![CDATA[Ahmad Faqih]]>;
<![CDATA[Agus Bahtiar]]>
<![CDATA[ JURSIMA (Jurnal Sistem Informasi dan Manajemen) Vol 10 No 2 (2022): Jursima Vol. 10 No. 2, Agustus Tahun 2022 ]]>
Publisher : <![CDATA[INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47024/js.v10i2.404
<![CDATA[Abstract Smkn 1 Mundu Cirebon Sailor Skills Training is the only training organizer who is in vocational high school that can conduct BST (Basic Safety Training) training for sailors of IMO (International Maritime Organization) standards. This research aims to identify the origin of the participants of the training, to apply when the time of the training is held, to find out the needs of the certificate of the participants of the training. This research sample was obtained from the data sheet of Smkn 1 Mundu Cirebon Sailor Skills Training where everyone who will work at sea must have a BST (Basic Safety Training) certificate. The research method done by machine learning using the K-Means Algorithm is the simplest and most common clustering method. This is because K-Means has the ability to group large amounts of data with relatively fast and efficient computing times. With the research can be useful for the Institute of Seafaring Skills Training SMKN 1 Mundu Cirebon So that it can be to identify the Origin of The Training Participants from the cirebon, Indramayu, Majalengka, Kuningan, Brebes, Tegal Pemalang, Purwokerto which dominates the participants of the training, as well as the implementation of the most widely carried out training in the period of August, September and December after students are declared first of school and most certificates are taken to work abroad especially on fishing vessels, commercial vessels and cruise ships as well as at offshore drilling refineries. The result of the application of this k-means clustering algorithm results in k = 3 with DBi = 0.547 model clusters produced cluster 0 = 465 items, cluster 1 = 608 items and cluster 2 = 462 items Keywords of at least 3-5 keywords: Sailor Skills Training, BST (Basic Safety Training), K-Means Algorithm]]>
<![CDATA[IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK MENUNJANG KEPUTUSAN PERSEDIAN BARANG DI CV INDOTECH JAYA SENTOSA KOTA CIREBON ]]>
<![CDATA[Iman Nurrohmat]]>;
<![CDATA[Odi Nurdiawan]]>;
<![CDATA[Agus Bahtiar]]>
<![CDATA[ JURSIMA (Jurnal Sistem Informasi dan Manajemen) Vol 10 No 2 (2022): Jursima Vol. 10 No. 2, Agustus Tahun 2022 ]]>
Publisher : <![CDATA[INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47024/js.v10i2.421
<![CDATA[Indotech Jaya Sentosa is a company engaged in trading in the form of computers and network infrastructure. Currently experiencing problems in managing inventory for its customers. These obstacles include the frequent occurrence of overcapacity in storage warehouses that exceeds the number of requests, even more so in the era of the Covid-19 pandemic. This study aims to provide a solution to the problems at CV Jaya Sentosa, namely by applying a technique or algorithm to support decisions in managing its merchandise inventory. The approach taken is to use a data mining approach involving the FP-Growth algorithm method. FP-Growth Algorithm is a method to find the pattern of relationship between one or more items in a dataset. While the steps taken to the data mining approach include business understanding, data understanding, data preparation, data modeling, data evaluation and deployment. The final result of this research is expected to be able to apply association rules where these rules can be used as a reference in predicting what kind of inventory should be held to facilitate inventory management.]]>
<![CDATA[Analisis Sentimen Aplikasi ChatGPT Mobile Menggunakan Agoritma Naïve Bayes ]]>
<![CDATA[Fahmi Ahmad Tohir]]>;
<![CDATA[Agus Bahtiar]]>;
<![CDATA[Bambang Irawan]]>
<![CDATA[ ICIT Journal Vol 10 No 2 (2024): Agustus 2024 ]]>
Publisher : <![CDATA[UNIVERSITAS RAHARJA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33050/icit.v10i2.3016
<![CDATA[Aplikasi kecerdasan buatan semakin banyak digunakan, termasuk aplikasi ChatGPT. Aplikasi ini merupakan sebuah model bahasa generatif yang dikembangkan oleh OpenAI. Tujuan utama penelitian adalah untuk memahami bagaimana pengguna merespon aplikasi ini melalui ulasan di Google Play Store. Secara khusus, penelitian ini mencermati kata-kata yang sering muncul dalam ulasan positif dan negatif serta memberikan penilaian terhadap kenyamanan penggunaan, responsivitas antarmuka, dan manfaat yang diperoleh dari interaksi dengan model Bahasa tersebut. Digunakan metode pendekatan KDD dan algoritma Naïve Bayes untuk melangsungkan proses penelitian.berdasarkan 2.238 ulasan di Google Play Store, ditemukan mayoritas ulasan (87%) adalah positif. Pengguna menyoroti kenyamanan penggunaan, responsivitas antarmuka, dan manfaat yang diperoleh dari interaksi dengan model Bahasa. Namun, ada juga ulasan netral (5%) yang memberikan tanggapan baik dan buruk terhadap aplikasi. Selain itu, terdapat ulasan negatif (8%) yang menyoroti ketidaktepatan jawaban model. Evaluasi algoritma klasifikasi Naïve Bayes menunjukkan performa yang sangat baik. Pada skenario 80:20, diperoleh akurasi sebesar 94%, presisi 94%, recall 99%, dan F1-Score 97%. Temuan penelitian ini menunjukkan bahwa ChatGPT memiliki potensi yang besar untuk menjadi aplikasi kecerdasan buatan yang bermanfaat. Namun, pengembang aplikasi perlu memfokuskan peningkatan akurasi jawaban model untuk mengatasi kritik dari pengguna.]]>
<![CDATA[Prediksi Harga Penjualan Dan Restorasi Motor Klasik Tahun 1990-2003 Menggunakan Algoritma K- Nearst Neighbors (KNN) ]]>
<![CDATA[Fadlan Ilyas Lesmana]]>;
<![CDATA[Bambang Irawan]]>;
<![CDATA[Agus Bahtiar]]>
<![CDATA[ ICIT Journal Vol 10 No 2 (2024): Agustus 2024 ]]>
Publisher : <![CDATA[UNIVERSITAS RAHARJA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33050/icit.v10i2.3020
<![CDATA[Pada era modern, minat terhadap motor klasik kembali meningkat. Hal ini dibuktikan dengan meningkatnya penjualan motor klasik dan permintaan layanan restorasi. Sebuah penelitian yang berjudul Analisis Data Penjualan dan Tren Restorasi Motor Klasik menggunakan metode/algoritma k-nearst neigh bors (KNN). Data yang digunakan dalam penelitian ini bersumber dari bengkel restorasi grage. Dalam melakukan analisis mendalam terhadap data penjualan dan tren restorasi motor klasik untuk membantu dalam tren restorasi dan motor yang diminati pasar. Penelitian ini menggunakan metode analisis data KNN untuk memahami perubahan dan preferensi pasar terkait motor klasik.Temuan penelitian menunjukkan bahwa konsumen motor klasik di Indonesia lebih menyukai merek dan model klasik yang ikonik, seperti Vespa, Honda Astrea, dan Yamaha RX-King. Harga jual motor klasik juga dipengaruhi oleh faktor-faktor seperti kondisi, merek, model, dan tahun produksi. Selain itu, permintaan layanan restorasi motor klasik juga meningkat, terutama untuk restorasi dengan kualitas dan karakteristik tertentu.Temuan penelitian ini memberikan wawasan yang berharga bagi industri otomotif dalam memahami dinamika pasar motor klasik dan peluang bisnis di era modern. Hasil dari penelitian ini dapat memberikan gambaran terhadap harga yang sesuai dengan restorasi dan harga beli agar bengkel restorasi grage dapat bersaing terhadap harga jual dan dapat memberikan harga yang sesuai bagi konsumen.]]>
<![CDATA[Implementasi Algoritma Regresi Linear Berganda untuk Memprediksi Biaya Asuransi Kesehatan ]]>
<![CDATA[Bagas Al Haddad]]>;
<![CDATA[Agus Bahtiar]]>;
<![CDATA[Gifthera Dwilestari]]>
<![CDATA[ Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 1 (2024): Maret ]]>
Publisher : <![CDATA[Universitas Wahid Hasyim ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36499/jinrpl.v6i1.10262
<![CDATA[Technological developments such as telemedicine and big data analysis have had a significant impact on the health insurance industry. It is very difficult to make wise decisions if customers do not understand the cost of insurance. Age, gender, medical history, region, smoking, and body mass index (BMI) are a number of variables used to determine the variables that contribute to health insurance costs. Multiple linear regression was used to identify variables that contribute to predicting relative health insurance costs. Multiple linear regression analysis, also known as multiple regression analysis, is a regression model that involves more than one independent variable. This is determined by using statistical software to determine which independent variables have a significant influence on the dependent variable. The value of using multiple linear regression is primarily related to the need for prediction of insurance costs. In the RapidMiner tool, the linear regression operator is used to perform linear regression calculations. From a total of 1338 datasets, the data is divided into two parts. 90% is used as training data (with a total of 1204 data) and 10% is used as test data (with a total of 134 data). The results of the analysis show that independent factors such as smoking status, age, and body mass index have a significant correlation with insurance premium costs. The value 5891.019 was generated from model evaluation using Root Mean Squared Error (RMSE). The strong correlation between smoking status and premium costs, along with positive correlations with age and body mass index (BMI), suggests that premium costs increase with increasing age and weight category.]]>
<![CDATA[Implementasi Data Mining Untuk Mengklasifikasikan Data Penjualan Pada Supermarket Menggunakan Algoritma Naïve Bayes ]]>
<![CDATA[Indriyani Indriyani]]>;
<![CDATA[Agus Bahtiar]]>
<![CDATA[ JURNAL MANAJEMEN DAN BISNIS EKONOMI Vol. 1 No. 1 (2023): January : JURNAL MANAJEMEN DAN BISNIS EKONOMI ]]>
Publisher : <![CDATA[Institut Teknologi dan Bisnis (ITB) Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (505.932 KB)
|
DOI: 10.54066/jmbe-itb.v1i1.70
<![CDATA[Teknologi semakin berkembang atau berkembang sangat pesat. Perkembangan teknologi juga mempengaruhi tuntutan masyarakat yang semakin meningkat sehingga toko atau supermarket berlomba-lomba menyediakan berbagai jenis produk atau kebutuhan sehari-hari. Walau supermarket pasar moderen yang menyaingi pasar tradisional, akan tetapi supermarket pun pasti akan tersaingi oleh supermarket yang lain. Setiap kota pasti ada trial yang berbeda- beda,yang dimana pelanggan pasti akan memilih mana yang sangat pantas mereka kunjungi untuk berbelanja dan mana yang tidak. Namun, di setiap toko dan supermarket perlu diketahui jenis produk apa saja yang diminati oleh pelanggan yang akan dituju dan pelayanan yang bagaimana yang mereka inginkan. Dataset supermarket ini mempunyai histori penjualan di 3 (tiga) cabang berbeda selama 3 bulan. Membutuhkan klasifikasi penjualan supaya supermarket tersebut bisa menigkatkan perkembangnya dalam menjual barangnya. Dari hasil riset yang dilakukan di supermarket 3 cabang tersebut terdapat 16 artibut dan 1000 record, Supermarket menjual barang umum, elektronik, fashion, makanan dan minuman, kesehatan dan kecantikan, kebutuhan rumah dan gaya hidup, olahraga dan perjalanan. Untuk membantu toko dan supermarket, penulis akan melakukan analisis dengan mengklasifikasikan data mining pada supermarket sort dengan menggunakan algoritma naive bayes untuk mengetahui jenis produk yang disukai pelanggan di 3 cabang dalam 3 bulan. Kategori produk yang diperoleh dari mengklasifikasikan produk penjualan dapat meghasilan akurasi mencapai 98.5%. Penggunaan metode algoritma naive bayes dan confusional matrix memberikan pengaruh yang sangat penting dalam mendapatkan klasifikasi penjualan supermarket yang akurasi dan signifikat.]]>
