Claim Missing Document
Check
Articles

Found 10 Documents
Search

APPLICATION OF APRIORI ALGORITHM TO DETERMINE THE LAYOUT FOR PLACING “TOKO MEKAR SARI” MERCHANDISE IN BLITAR Wulansari, Zunita; Chulkamdi, Mukh Taofik
Generation Journal Vol 6 No 1 (2022): Generation Journal
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gj.v6i1.16416

Abstract

Mendefinisikan produk dengan cara menampilkan sebuah produk dengan metode tertentu untuk menarik minat konsumen. Penataan barang disebut pameran namun pada kenyataannya masih banyak penjual yang tidak memperhatikan tampilan produk. Dengan memastikan banyak konsumen tidak membeli produk lain karena peletakan yang salah, mempertahankan pendapatan toko dan meningkatkan penjualan. Oleh karena itu peneliti mengembangkan sistem dan melakukan penelitian ini untuk membantu meningkatkan penjualan pada toko kelontong Mekar Sari. Ada solusi dari permasalahan yang ada di toko kelontong Mekar Sari. Dengan kata lain, data mining diterapkan untuk menentukan tata letak suatu produk dengan menggunakan metode apriori, dan hasilnya nanti dapat digunakan sebagai panduan lokasi di toko kelontong Mekar Sari untuk menentukan dan memandu tampilan produk. Mempromosikan produk yang kurang laku supaya lebih cepat penjualannya. Berdasarkan literatur yang ditinjau, diketahui bahwa algoritma apriori digunakan untuk menentukan solusi tata letak toko kelontong Mekar Sari, yang dapat diperhitungkan saat menentukan tata letak dan strategi penjualan yang lebih efektif.
PENERAPAN LOGIKA FUZZY METODE TSUKAMOTO UNTUK PREDIKSI JUMLAH MAHASISWA BARU Suharyudi Onoaji, Ambal; Hartami Santi, Indyah; Chulkamdi, Mukh Taofik
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 5 (2023): JATI Vol. 7 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i5.7480

Abstract

Pendidikan menjadi faktor penting dalam meningkatkan kualitas hidup suantu bangsa, untuk mempromosikan kemajuan pendidikan diperlukan fasilitas penunjang kebutuhan mahasiswa yang berkualitas. Fluktuasi jumlah mahasiswa baru selama 4 tahun terakhir telah menyulitkan analisis dan perencanaan kebijakan oleh pihak universitas. Maka dari itu penelitian ini bertujuan untuk menerapkan logika fuzzy dengan metode Tsukamoto dalam memprediksi jumlah mahasiswa baru untuk tahun mendatang pada Universitas xyz. Dalam penelitian ini, metode kuantitatif dengan pendekatan deskriptif digunakan untuk mengumpulkan dan menganalisis data jumlah mahasiswa baru di 9 fakultas. Langkah-langkah penelitian ini meliputi fuzzyfikasi, inferensi fuzzy, dan defuzzyfikasi yang sesuai dengan flowchart logika fuzzy. Fuzzyfikasi digunakan untuk mengubah data numerik menjadi variabel linguistik, sedangkan inferensi fuzzy dilakukan untuk menyusun aturan-aturan fuzzy berdasarkan data historis yang ada. Selanjutnya, defuzzyfikasi digunakan untuk menghasilkan nilai prediksi jumlah mahasiswa baru. Hasil dari penelitian ini menunjukkan bahwa logika fuzzy dengan metode Tsukamoto dapat digunakan dalam memprediksi jumlah mahasiswa baru pada Universitas xyz. Dengan demikian, metode ini dapat membantu pihak universitas dalam perencanaan dan pengambilan keputusan terkait jumlah mahasiswa baru.
SISTEM PENDUKUNG KEPUTUSAN IDENTIFIKASI ANAK BERKEBUTUHAN KHUSUS MENGGUNKAN METODE ANALISIS CLUSTER Wulansari, Zunita; Chulkamdi, Mukh Taofik; Haryoko, Andi
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 18 No 2 (2024): November 2024
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/antivirus.v18i2.4004

Abstract

This research aims to develop a decision support system based on the K-Means Clustering method aimed at parents in recognizing the signs of children with special needs. Many parents do not understand the characteristics of children with special needs, causing delays in providing appropriate support and treatment [1]. This system functions to group children's data based on measurable characteristics, such as behavior patterns, cognitive abilities, and motor development, making it easier for parents to recognize children's needs more objectively. The K-Means Clustering method is used to group children's data into several clusters, each of which shows a certain pattern and level of special needs. The system is developed using MATLAB [3], with intuitive visualization results to help parents understand their child's condition. Thus, this system is expected to provide initial recommendations and encourage parents to consult further with professionals. Experimental results show that this system is able to classify data accurately and provide useful information as a first step for parents in recognizing their child's special needs.
Implementasi Algoritma Convolutional Neural Network Untuk Pengenalan Ekspresi Wajah Muttaqiin, Adhiyasa Khoirul; Yuana, Haris; Chulkamdi, Mukh Taofik
Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 8, No 2 (2023): Edisi Agustus
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/jurasik.v8i2.656

Abstract

Recognizing human facial expressions has broad benefits in various fields. For example, in the field of psychology, by analyzing a person's facial expressions during the counseling process, a psychologist can understand a patient's emotional changes and identify psychological problems. One of the popular algorithms for facial expression recognition is the Convolutional Neural Network (CNN). In this study, an architectural model of the Convolutional Neural Network (CNN) is used which consists of three convolution layers. The test results show that the model drilled with ADAM optimization, batch size 32, and data augmentation achieved good accuracy, namely 70.16% for training data and 64.43% for data validation at the 100th epoch. This study also conducted tests using facial expression images from self-made datasets and achieved the highest accuracy of 67% after training the model up to the 100th epoch. The program we created succeeded in recognizing facial expressions well in real-time situations in 20 participants of various ages. However, this study shows several improvements that can be made, such as increasing the quality and quantity of facial expression data and developing the CNN model with additional features to improve accuracy and overcome overfitting.
Metode Rapid Application Development dalam Rancang Bangun Aplikasi Integrasi Layanan Primer Berbasis Website pada UPT Puskesmas Selopuro Arifin, Donny Damara Nanda Putra; Chulkamdi, Mukh Taofik; Rahmat, Mohammad Faried
ILKOMNIKA Vol 7 No 1 (2025): Volume 7, Number 1, April 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i1.656

Abstract

Penelitian ini bertujuan untuk merancang dan membangun aplikasi Integrasi Layanan Primer (ILP) dengan menggunakan framework laravel, sebagai solusi atas permasalahan yang dihadapi oleh tenaga kesehatan, terutama dalam pendataan yang terfragmentasi akibat penggunaan terlalu banyak aplikasi berbeda. Metode penelitian yang digunakan adalah Rapid Application Development (RAD), yang melibatkan tahapan mulai dari analisis permasalahan hingga pengujian sistem. Berdasarkan analisis mendalam, sistem ILP dirancang dan dibangun sesuai dengan tahapan RAD, dengan fokus pada efisiensi pengelolaan data yang mendukung tugas pendataan oleh petugas puskesmas. Pengujian sistem menggunakan metode Black box menunjukkan hasil yang sangat memuaskan, dengan nilai 95% pada pengujian boundary value, serta nilai sempurna 100% pada equivalence partitioning dan fuzzing. Sistem juga menunjukkan kinerja optimal dalam pengujian keamanan, dengan nilai 100% untuk aspek penting seperti pembatasan coba password, penggunaan SSL, dan backup otomatis menggunakan cron jobs. Hasil uji close beta oleh pengguna memberikan nilai 90,37%, mengindikasikan bahwa sistem ini layak diimplementasikan dalam lingkungan nyata. Dengan demikian, Aplikasi ILP diharapkan mampu meningkatkan efisiensi dan efektivitas layanan primer di puskesmas melalui integrasi dan penyederhanaan proses pendataan.
Sistem Penyiram Tanaman Otomatis Menggunakan RTC Dan Sensor Hujan Yuana, Haris; Wulansari, Zunita; Chulkamdi, Mukh Taofik
J-INTECH (Journal of Information and Technology) Vol 11 No 2 (2023): J-Intech : Journal of Information and Technology
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/j-intech.v11i2.1101

Abstract

A plant is a plant that is maintained or maintained in a medium to benefit or be harvested at any given time. The growth process requires regular watering so that plants can grow and bear good fruit. The automatic crop watering system is a study aimed at increasing the efficiency of irrigation management in agriculture automatically so that it can assist farmers in Indonesia. Where farmers are currently experiencing problems in the watering problem, there is a delay in watering the crops. This study integrated Real-Time Clock (RTC) and rain sensors as major elements in plant watering automation systems. RTC is used to set the watering schedule based on a predetermined time, while the rain sensor serves as an automatic controller to stop watering when rain is detected. The system development method involves designing well-integrated hardware and software. LCD display screens are also used in systems to provide additional information to optimize the amount of water required by plants. NodeMcu is used as a system controller so that no errors occur in scheduling plant watering. Research methods using RnD (Research and Development). The implementation of an automated crop watering system is expected to contribute to the management of water resources and energy, improve agricultural efficiency, and provide environmentally friendly and petrifying solutions for farmers across Indonesia to produce crops. Test results show that this system is capable of optimizing plant watering based on environmental conditions, thus reducing water waste and increasing plant productivity on a sustainable basis.
MEMBANGUN SISTEM DIGITALISASI KOPERASI DAN IMPLEMENTASI SISTEM INFORMASI BERBASIS KOMPUTER Chulkamdi, Mukh Taofik; Wulansari, Zunita; Haryoko, Andi; Alfiyanti, Rizka
Jurnal Qua Teknika Vol 15 No 02 (2025): September 2025
Publisher : Universitas Islam Balitar Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/quateknika.v15i02.5092

Abstract

Koperasi memiliki peran penting dalam meningkatkan kesejahteraan anggotanya, namun pengelolaan yang masih manual sering menghambat efisiensi, akurasi, dan transparansi data [1]. Penelitian ini bertujuan membangun sistem digitalisasi koperasi berbasis komputer untuk mengotomatisasi proses administrasi, transaksi, dan pelaporan sehingga lebih efektif dan akuntabel. Metode pengembangan yang digunakan adalah Agile (Scrum) dengan melibatkan pengurus koperasi secara aktif dalam setiap siklus pengembangan agar sistem sesuai kebutuhan riil. [2]. Hasil penelitian menunjukkan sistem yang dihasilkan terdiri atas modul manajemen anggota, simpan-pinjam, laporan keuangan, serta dashboard monitoring yang terintegrasi dan mudah digunakan [3]. Implementasi sistem ini mampu meningkatkan kecepatan pelayanan, keakuratan laporan, serta kepercayaan anggota terhadap pengelolaan koperasi. [4]. Sehingga dengan adanya digitalisasi koperasi dengan sistem informasi berbasis komputer di harapkan dapat membantu kebutuhan strategis untuk meningkatkan daya saing, efisiensi, dan relevansi koperasi di masa mendatang.
Comparative Study Of Monthly Electricity Consumption Clusterization Using K-Means and DBSCAN Putri Rochfiani; Chulkamdi, Mukh Taofik; Mawaddah, Udkhiati
JOSAR (Journal of Students Academic Research) Vol 10 No 2 (2025): September
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/rqvgbf18

Abstract

Menganalisis pola konsumsi listrik sangat penting untuk meningkatkan efisiensi distribusi energi dan mengidentifikasi anomali seperti lonjakan yang tidak biasa atau kemungkinan pencurian listrik. Penelitian ini menyajikan analisis komparatif dua algoritma klaster—K-Means dan DBSCAN—dalam mengklasifikasikan penggunaan listrik bulanan pelanggan PT PLN (Persero) Rayon Ngunut, yang mencakup Kecamatan Rejotangan, Ngunut, Kalidawir, dan Pucanglaban. Dataset tersebut mencakup catatan konsumsi dari bulan November dan Desember 2024. Algoritma K-Means, yang menggunakan pendekatan klaster berbasis centroid, bekerja efektif pada dataset yang seragam, sementara DBSCAN, sebuah metode berbasis kepadatan, lebih mampu mengenali outlier dan pembentukan klaster yang tidak sferis. Kinerja kedua algoritma dievaluasi menggunakan Akurasi, Mean Squared Error (MSE), Presisi, Recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa K-Means mencapai akurasi 96%, MSE 0,0400, presisi 0,71, recall 1,00, dan skor F1 0,83. Sebaliknya, DBSCAN mencapai akurasi 76%, MSE 0,2400, presisi 0,29, recall 1,00, dan skor F1 0,45. Hasil ini menunjukkan bahwa K-Means menghasilkan klaster yang lebih kompak dan konsisten, sementara DBSCAN lebih unggul dalam mengidentifikasi anomali, dengan total mendeteksi 17 outlier. Akibatnya, K-Means dianggap lebih cocok untuk pengelompokan konsumsi yang stabil, sedangkan DBSCAN direkomendasikan untuk tujuan deteksi anomali. Temuan ini diharapkan dapat membantu PT PLN (Persero) dalam mengembangkan strategi berbasis data dan adaptif untuk manajemen energi yang lebih efisien.
Implementasi Metode Adaptive Neuro-Fuzzy Inference System (ANFIS) untuk Prediksi Status Gizi Balita Studi Kasus Wilayah Kabupaten Blitar Kusuma, Mochammad Rizky; Chulkamdi, Mukh Taofik; Lestanti, Sri
Jurnal Sains dan Teknologi (JSIT) Vol. 5 No. 3 (2025): September-Desember
Publisher : CV. Information Technology Training Center - Indonesia (ITTC)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jsit.v5i3.3620

Abstract

This study aims to develop a predictive model for the nutritional status of toddlers using the Adaptive Neuro-Fuzzy Inference System (ANFIS) method based on anthropometric data. According to WHO data (2023), global nutritional problems, such as wasting and stunting, are alarming, with 45 million toddlers experiencing wasting and 149 million experiencing stunting. In Indonesia, the prevalence of stunting was recorded at 24.4%, higher than the WHO threshold of 20%. In Blitar Regency, the prevalence of stunting also increased from 14.3% (2022) to 20.3% (2023), a contributing factor being the manual recordingsystem at community health centers (Puskesmas) and integrated health posts (Posyandu). This study used data from 5,000 toddlers from the Kanigoro Community Health Center and Gogodeso Integrated Health Post (Posyandu), with 70% of the data allocated for training and 30% for testing. Model evaluation was conducted using three metrics: Mean Squared Error (MSE), Root Mean Square Error (RMSE), and Mean Absolute Error (MAE). The evaluation results demonstrated the best prediction accuracy in the MSE for weight/age, height/age, and weight/height, indicating stable data vriation and sensitivity to outlier detection. This prediction system was implemented using MATLAB GUIDE, making it practical for use by healthcare professionals. The results of this study can support efforts to accelerate stunting reduction through faster and more accurate predictions of toddler nutritional status
Pemberdayaan Masyarakat Dalam Produksi Pupuk Organik Untuk Mendukung Pertanian Berkelanjutan Widiatmanta, Jeka; Wibowo, Agung Setya; Wulansari, Zunita; Chulkamdi, Mukh Taofik
Joong-Ki : Jurnal Pengabdian Masyarakat Vol. 4 No. 1: November 2024
Publisher : CV. Ulil Albab Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56799/joongki.v4i1.5883

Abstract

This community service activity aims to empower the community in organic fertilizer production as a step to support sustainable agricultural practices. The overuse of chemical fertilizers has been shown to damage soil structure and reduce long-term productivity. Therefore, there needs to be a systematic effort to reduce dependence on chemical fertilizers and increase the use of organic fertilizers (FMIPA UI 2020). Through this program, the community is provided with training and assistance in the production process of organic fertilizer from easily accessible natural materials, such as crop residues, animal manure, and household waste. The methods used include lectures, demonstrations, and hands-on practice in the field, so that participants are able to apply the knowledge independently. The results of this program show an increase in the community's understanding and skills in producing organic fertilizer, as well as a commitment to implementing sustainable agriculture on their farms. With the increased use of organic fertilizer, it is expected that soil quality can be improved and agricultural productivity can be maintained sustainably. This activity is a concrete step in supporting environmentally friendly agriculture and improving the economic welfare of the community through reduced fertilizer costs.