Claim Missing Document
Check
Articles

Found 27 Documents
Search

PKM : Implementasi Teknologi Akuntansi Pada Koperasi Sekolah Untuk Meningkatkan Akuntabilitas Keuangan Kaslani; Fathurrohman; Hamonangan, Ryan; Oktaviani Putri, Farra; Rifqi Aqila, Mochammad
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 5 : Juni (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

School cooperatives play a crucial role in managing finances and providing economic benefits to their members. However, school cooperatives often face challenges in maintaining good financial accountability due to limited use of accounting technology. This issue can lead to inaccuracies in financial records and decrease members' trust in the cooperative. This program aims to enhance the financial accountability of school cooperatives through the implementation of appropriate accounting technology. The methods employed include training on accounting software and mentoring in the application of the system. The expected outcome is an improvement in the accuracy and transparency of the cooperative's financial management, ultimately increasing member trust and operational efficiency.
KOMPARASI ALGORITMA DECISION TREE DAN NAIVE BAYES DALAM KLASIFIKASI PENYAKIT DIABETES Maulana, Rizky; Narasati, Riri; Herdiana, Ruli; Hamonangan, Ryan; Anwar, Saeful
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8265

Abstract

Rata-rata nilai akurasi klasifikasi penyakit diabetes adalah sebesar 82%. Meskipun demikian, nilai tersebut masih kurang baik. Karena nilai akurasi tersebut masih dibawah rata-rata yaitu 85%. Masalah utama muncul karena tingkat akurasi yang kurang baik dapat menimbulkan risiko kesalahan yang signifikan dalam mengidentifikasi penyakit diabetes. Kecenderungan nilai rata-rata yang rendah ini menunjukkan adanya hambatan dalam keandalan sistem klasifikasi penyakit diabetes. Penelitian ini menerapkan metode Knowledge Discovery in Databases (KDD). Adalah sebuah teknik yang dipakai untuk mengeksplorasi dan memperoleh pemahaman yang mendalam pada suatu database. Tujuan utama pada tahapan KDD adalah menghasilkan informasi yang dapat digunakan sebagai landasan untuk pengambilan keputusan. Hasil penelitian menandakan bahwa Naive Bayes mencapai tingkat keakuratan yang lebih baik sebesar 91.56%. Sedangkan, Decision Tree memiliki tingkat akurasi 87.01%. Dari evaluasi ini, dapat disimpulkan bahwa Naive Bayes menghasilkan kinerja yang lebih unggul dalam klasifikasi penyakit diabetes pada dataset yang digunakan dibandingkan dengan Decision Tree.
ANALISIS PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK Pratama, Radi; Herdiana, Ruli; Hamonangan, Ryan; Anwar, Saeful
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8762

Abstract

Penelitian ini menggunakan algoritma Artificial Neural Network untuk memprediksi kelulusan mahasiswa dengan tingkat presisi 72,32%, recall 82,53%, dan akurasi 73,21%. Model Neural Network dapat mengidentifikasi sekitar 72,32% prediksi positif dan mengenali 82,53% keseluruhan kasus positif, menunjukkan keandalan dalam memprediksi kelulusan mahasiswa. Evaluasi kinerja model yang solid memberikan manfaat bagi pengambilan keputusan di lingkungan pendidikan. Peningkatan kinerja disarankan melalui optimalisasi data, pengaturan hyperparameter, validasi silang, dan pemantauan berkala. Hasil penelitian memberikan pemahaman tentang faktor-faktor yang mempengaruhi kelulusan mahasiswa, dengan Indeks Prestasi Semester sebagai variabel kunci. Model Neural Network dapat mendukung identifikasi mahasiswa yang memerlukan bantuan tambahan untuk meningkatkan kemungkinan kelulusannya. Kesimpulannya, model ini dapat menjadi alat yang efektif untuk membantu manajemen perguruan tinggi dalam mengoptimalkan sumber daya dan mengurangi tingkat ketidaklulusan.
KLASTERISASI DATA PENJUALAN ALAT TRANSPORTASI DENGAN RAPIDMINER MENGGUNAKAN METODE K-MEDOID Aprilyani, Wiwin; Kaslani, Kaslani; Wahyudin, Edi; Hamonangan, Ryan; Herdiana, Ruli
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8968

Abstract

Penelitian ini bertujuan untuk menerapkan metode klasterisasi K-medoid menggunakan platform Rapidminner pada data penjualan alat transportasi. Melalui Rapidminner sebuah platform analisis data yang kuat, hal ini bertujuan untuk meningkatkan pemahaman terhadap prefrensi dan perilaku pembelian konsumen dalam kaitannya dengan transportasi. Metode K-medoid dipilih karena kemampuannya dalam menghasilkan kelompok-kelompok data yang berbeda secara optimal tanpa bergantung pada bentuk atau jumlah klaster yang telah ditentukan sebelumnya. Setelah dilakukannya beberapa uji coba klaster pada data penjualan alat transportasi dengan record data terakhir berjumlah 904 record data menghasilkan nilai klaster yang terbaik yaitu dengan 2 klaster yang nilai Davies Bouldin Index berada pada -0,838 yang dimana nilai tersebut nilai terkecil diantara hasil uji coba klaster lainnya, dengan jumlah klaster 2 tersebut penjualan tertinggi pada perusahaan ini berada pada tahun 2005 dengan nilai 11,739 dan berada pada di klaster 0.
RANCANG BANGUN SISTEM PENJUALAN BERBASIS WEB PADA TOKO HAIRUM SOUVENIR Faujia, Agnes; Dwilestari, Gifthera; Hamonangan, Ryan; Herdiana, Rulli; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9058

Abstract

Setiap usaha, baik yang menjual barang atau jasa, pasti ingin meningkatkan penjualan mereka. Strategi pemasaran yang baik adalah salah satu dari banyak cara untuk meningkatkan penjualan. Suatu media diperlukan untuk mempublikasikan informasi, baik informasi tentang bisnis maupun informasi tentang produk yang akan dijual. Internet adalah salah satu media yang dapat digunakan. Toko souvenir Hairum Soevenir menjual berbagai hadiah atau hadiah untuk perayaan ulang tahun atau wisuda, seperti bucket bunga, bucket uang, kue tart, dan masih banyak lagi.. Salah satu masalah dan kelemahan yang ditemukan di toko Hairum Soevenir adalah sebagai berikut: berdasarkan observasi yang telah dilakukan, strategi pemasaran yang digunakan oleh toko Hairum Soevenir saat ini adalah melalui pemasaran langsung atau penjualan produk secara online melalui platform Instagram, yang dianggap kurang sempurna karena mekanisme pemasaran barang bekas tidak berlaku. Namun, pemasaran yang dijual melalui platform tersebut dapat memiliki efek yang lebih besar daripada yang diharapkan. Pemasaran menggunakan platform juga memiliki masalah dengan rekepitulasi pendapatan dari setiap pembelian yang dilakukan secara manual, yang menyebabkan kesalahan dalam penjumlahan pendapatan. Sistem informasi penjualan dibuat karena banyaknya masalah dengan penjualan toko hairum souvenir. Pengembangan perngkat lunak menggunakan metode air terjun (Waterfall), sedangkan perancangan sistem penjualan dan metode wawancara digunakan untuk pembuatan website ini. Metode ini melibatkan analisis masalah penjualan di toko Hairum Souvenir, analisis kebutuhan pemasaran, perancangan sistem informasi, dan implementasi atau pengembangan pengujian perangkat lunak. untuk pemograman dengan PHP, Javascript, dan CSS dan XAMPP sebagai databasenya. Beberapa tujuan penelitian ini termasuk membuat proses penjualan lebih efisien dan membuat transaksi lebih aman. Salah satu tujuan dari penelitian ini adalah untuk meningkatkan efisiensi proses penjualan dan membuat transaksi lebih aman. Hasilnya menunjukkan bahwa perancangan sistem informasi ini dapat menggantikan pemasaran konvensional dengan yang lebih modern, lebih efisien, dan lebih mudah digunakan untuk sistem pencataan rekapitulasi penjualan.
PENERAPAN ALGORITMA K-MEDOID PADA PENJUALAN KERUDUNG E-COMMERCE SHOPEE: FIFAU HIJAB Narasati, Riri; Lestari, Ratih; Herdiana, Ruli; Hamonangan, Ryan; Anawar, Saeful
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9213

Abstract

Perkembangan teknologi informasi dan komunikasi telah membawa dampak signifikan terhadap berbagai sektor, termasuk dalam ranah bisnis dan perdagangan. Penjualan melalui platform e-commerce semakin berkembang pesat dengan munculnya berbagai strategi pemasaran yang inovatif. Seiring dengan popularitas e-commerce yang terus meningkat, penjualan produk melalui platform daring menjadi salah satu strategi penting bagi para pelaku usaha. Di tengah persaingan yang semakin ketat, penerapan strategi pemasaran yang efektif menjadi kunci utama bagi kesuksesan penjualan. Penelitian ini menggunakan teknik clustering dalam strategi pemasaran data mining. Clustering merupakan salah satu teknik dalam data mining untuk menemukan kumpulan data yang mempunyai persamaan dengan data lain atau ketidaksamaan data dengan yang lain. Proses clustering dilakukan dengan menggunakan k-medoids pada data transaksi penjualan toko kerudung fifauhijab di Shopee pada bulan Juni 2023 dan terdiri dari 300 data. Permasalahan yang ada pada penelitian ini untuk menentukan stok produk hanya didasarkan pada ketersediaan barang di rak kerudung, yang seringkali menghasilkan masalah seperti kekurangan atau kelebihan stok produk karena tidak mempertimbangkan preferensi konsumen. Pendekatan yang digunakan pada penelitian ini menggunakan algoritma k-medoids clustering, software yang digunakan rapidminer. Disimpulkan dari hasil pengujian dengan menggunakan algoritma k-medoids clustering dihasilkan untuk pengelompokkan stok produk mendapati hasil 8 cluster terbaik dengan nilai davies bouldin 0.457.
OPTIMALISASI KLASIFIKASI INDEKS DESA MEMBANGUN MENGGUNAKAN METODE ENSEMBLE DAN ALGORITMA RANDOM FOREST Rifai, Ahmad; Eka Permana, Sandy; Hamonangan, Ryan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10971

Abstract

Indeks Desa Membangun (IDM) adalah sistem klasifikasi yang digunakan untuk menentukan status pertumbuhan desa di Indonesia. Terdapat lima kategori status desa, yaitu desa mampu mandiri, desa telah berkembang, desa sedang dalam proses perkembangan, desa tertinggal, dan desa sangat tertinggal. IDM bertujuan membantu pembangunan desa dan memberikan saran kebijakan sesuai dengan status desa. Desa dengan status tertentu memerlukan intervensi kebijakan yang berbeda. Pertumbuhan desa terjadi jika status IDM meningkat dari tahun ke tahun, sedangkan jika status IDM menurun, maka desa tersebut mengalami penurunan. Penelitian ini menggunakan teknik ensemble, khususnya membangun banyak pohon keputusan pada setiap bootstrap data yang diambil dari data latih, mirip dengan metode Random Forest. Prediksi yang dihasilkan kemudian digabungkan untuk menghasilkan hasil akhir yang lebih akurat dan konsisten dalam klasifikasi desa berdasarkan IDM. Model ensemble ini dihasilkan secara iteratif dengan menyesuaikan bobot data yang salah diklasifikasikan oleh model sebelumnya sehingga akurasi klasifikasi desa pada setiap iterasi model menjadi lebih akurat dan dapat diandalkan. Hasil analisis data klasifikasi IDM menerapkan metode ensemble optimize parameters menunjukkan bahwa terdapat desa mandiri sebanyak 0,19%. Selain itu, empat desa memiliki indeks ketahanan sosial (IKS) tertinggi, enam desa memiliki indeks ketahanan ekonomi (IKE) tertinggi, dan tiga puluh desa memiliki indeks ketahanan lingkungan (IKL) tertinggi.
PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN PENGUNJUNG DI PANTAI KEJAWANAN Apriliansyah, Rizal Dwi Rizki; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5774

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengunjung terhadap objek wisata Pantai Kejawanan dengan menggunakan algoritma Naïve Bayes. Sentimen diklasifikasikan menjadi dua kategori, yaitu positif dan negatif. Ulasan daring merupakan sumber data penting untuk memahami persepsi pengunjung terhadap destinasi wisata. Algoritma Naïve Bayes dipilih karena keunggulannya dalam menganalisis teks. Dataset terdiri dari 998 ulasan yang dikumpulkan melalui scraping menggunakan SerApi, dengan periode data dari 2020 hingga 2024. Analisis dilakukan melalui tahapan Knowledge Discovery in Databases (KDD), mencakup pemilihan data, pre-processing (pembersihan data, case folding, tokenisasi, penghapusan stopword, dan stemming), serta transformasi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Dataset dibagi menjadi 70% data pelatihan dan 30% data pengujian sebelum penerapan algoritma. Hasil menunjukkan bahwa model mampu mencapai akurasi 78%, presisi 92%, recall 80%, dan F1-score 86%, yang mencerminkan performa baik dalam klasifikasi sentimen. Evaluasi menggunakan confusion matrix menunjukkan model konsisten dalam membedakan sentimen positif dan negatif. Analisis ini menunjukkan bahwa mayoritas ulasan pengunjung Pantai Kejawanan bersentimen positif, menggambarkan pengalaman yang memuaskan. Keywords: naïve bayes; objek wisata, data mining; analisis sentimen; pengunjung.
PREDIKSI DIABETES MELLITUS TIPE 2 DENGAN ALGORITMA LOGISTIC REGRESSION UNTUK PENDETEKSIAN DINI Gunawan, Sepriyan; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5747

Abstract

Diabetes Mellitus Tipe 2 merupakan penyakit kronis yang prevalensinya terus meningkat di dunia, termasuk Indonesia. Deteksi dini risiko diabetes penting untuk mencegah komplikasi serius. Penelitian ini bertujuan untuk menerapkan algoritma Logistic Regression dalam memprediksi risiko Diabetes Mellitus Tipe 2 menggunakan data kesehatan pasien dari Puskesmas Jatibarang. Data yang digunakan meliputi variabel umur, jenis kelamin, kebiasaan merokok, konsumsi alkohol, hasil IMT, tekanan darah sistole dan diastole, serta riwayat penyakit. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, F1-score, dan AUC, serta diukur tingkat kesalahannya dengan RMSE. Hasil penelitian menunjukkan bahwa Logistic Regression memiliki performa baik dengan akurasi 82,51%, precision 88,04%, recall 89,76%, F1-score 88,89%, AUC 83,12%, dan RMSE sebesar 0.4182. Fitur utama yang berpengaruh terhadap prediksi adalah umur, pola makan (kurang sayur/buah), dan tekanan darah diastolik. Model ini efektif untuk deteksi dini risiko Diabetes Mellitus Tipe 2 dan dapat digunakan sebagai dasar pengambilan keputusan di fasilitas kesehatan primer.
Pengoptimalan Pertumbuhan Tanaman dan Ikan dengan Teknologi Internet of Things pada Sistem Aquaponik Dita, Fio; Astuti , Rini; Prihartono, Willy; Hamonangan, Ryan
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol. 10 No. 1 (2025): JII Volume 10, Number 1, Januari 2025
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37159/jii.v10i1.125

Abstract

Aquaponik adalah sistem pertanian modern yang mengintegrasikan akuakultur dan hidroponik dalam sebuah ekosistem yang saling menguntungkan. Limbah yang dihasilkan dari akuakultur dimanfaatkan sebagai pupuk alami untuk pertumbuhan tanaman, sementara tanaman membantu memurnikan air yang digunakan dalam akuakultur. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem aquaponik berbasis Internet of Things (IoT) menggunakan metode Deep Flow Technique (DFT). Sistem ini dilengkapi dengan kemampuan untuk memantau parameter penting seperti pH air, suhu, kadar oksigen terlarut, dan Electrical Conductivity (EC), yang diukur menggunakan berbagai sensor. Data yang diperoleh dikirimkan ke mikrokontroler NodeMCU ESP8266 untuk diproses dan selanjutnya diteruskan ke platform ThingSpeak untuk analisis real-time. Sistem ini juga memungkinkan pengendalian otomatis terhadap pompa nutrisi dan aerator, yang berperan menjaga kondisi lingkungan tetap optimal bagi pertumbuhan. Hasil penelitian menunjukkan bahwa penerapan IoT mampu meningkatkan pertumbuhan tanaman dan ikan secara signifikan dibandingkan dengan metode konvensional. Kemampuan monitoring secara real-time memastikan deteksi dini terhadap perubahan parameter lingkungan yang berpotensi merugikan, sementara pengendalian otomatis menjamin nutrisi dan aerasi tetap terjaga pada tingkat optimal. Dengan penerapan teknologi ini, sistem aquaponik menjadi lebih efisien, produktif, dan dapat diadaptasi untuk skala komersial. Penelitian ini membuka peluang untuk pengembangan lebih lanjut, termasuk integrasi teknologi tambahan seperti pengendalian intensitas cahaya dan algoritma kecerdasan buatan untuk meningkatkan efisiensi sistem.