Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Semantik Journal of Information System
Fajrian Nur Adnan
Universitas Dian Nuswantoro
Computer Science & IT Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Journal of Information System

 1 
Penentuan Produk Asuransi Bpjs Berdasarkan Profil Pelanggan Dengan Pendekatan K-Nearest Neighbor Manhattan Distance Titis Dwi Rahmawati; Fajrian Nur Adnan
JOINS (Journal of Information System) Vol 1, No 2 (2016)
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/joins.v1i2.1307

Abstract

Dengan semakin berkembangnya kebutuhan masyarakat asuransi menjadi hal yang diperlukan dan sangat dibutuhkan oleh masyarakat. Dalam kasus asuransi jiwa produk yang ditawarkan oleh perusahaan asuransi sangat beragam. Hal ini menyebabkan customer mengalami kebinggungan dalam menentukan pilihan produk asuransi yang akan mereka beli. Padahal setiap produk memiliki fungsi yang berbeda-beda. Customer harus memilih produk tersebut dengan teliti sesuai dengan kebutuhan sehingga tidak salah memilih produk dan mengalami kerugian dengan membeli produk asuransi yang salah. Laporan tugas akhir ini akan membahas tentang memprediksi produk yang tepat untuk dipromosikan terhadap customer sesuai dengan profile customer. Dengan menggunakan data pelanggan yang diperoleh dari BPJS Cabang II Semarangyang ada akan dilakukan perhitungan yang akan menghasilkan prediksi produk asuransi yang akan dipromosikan terhadap pelanggan, menggunakan algoritma K-Nearest Neighbor Manhattan Distance, serta penggunaan MATLAB untuk pengotomatisasian perhitungan KNN Manhattan Distance. Dari laporan ini dihasilkan program yang diharapkan dapat memberikan rekomendasi produk untuk ditawarkan terhadap customer sesuai dengan profile customer.Kata kunci : Algoritma KNN, Data Mining,Manhattan Distance, Asuransi, Klasifikasi, Penentuan Produk Asuransi
Self Assessment Pengelolaan Masalah Pada SIADIN Universitas Dian Nuswantoro berbasis COBIT 5 Mella Cynthia Oktaviani; Fajrian Nur Adnan
JOINS (Journal of Information System) Vol 4, No 1 (2019): Edisi Mei 2019
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (255.667 KB) | DOI: 10.33633/joins.v4i1.2266

Abstract

Universitas Dian Nuswantoro merupakan salah satu perguruan tinggi swasta di kota Semarang yang memberikan jasa pendidikan formal untuk gelar Diploma III (D3), Sarjana (S1), dan Magister (S2). Untuk sebuah Universitas, teknologi informasi berupa sistem informasi telah menjadi aspek penting dalam proses pendidikan, penelitian, administrasi, dan layanan. Universitas Dian Nuswantoro sudah menggunakan sistem informasi yang diberi nama SiAdin.  SiAdin merupakan sistem informasi akademik yang saling terintegrasi dengan berbagai sistem informasi lainnya. Dalam pelayanannya, SiAdin terdapat beberapa masalah yang sering berulang seperti masalah data nilai transkrip yang berbeda, materi perkuliahan yang eror ketika di upload, dan server yang sering down saat ujian online dan kegiatan penginputan KRS. Dari permasalahan diatas maka akan dilakukan Self Assessment berdasarkan domain Delivery, Service, And Support (DSS) yang berfokus pada pengelolaan masalah yaitu DSS03 (Manage Problems) yang mengacu pada COBIT 5 dengan mengumpulkan data melalui wawancara, kuesioner dan survey lapangan / visitasi. Dari hasil pengumpulan data didapatkan nilai capability level saat ini berada pada level 1 sebesar 64,12% dengan status L (Largely Achieved). Hasil dari penelitian ini adalah nilai capability level, nilai gap, dan rekomendasi/usulan strategi perbaikan, dokumen dan SOP yang dibutuhkan organisasi.Kata kunci—COBIT 5, Self Assessment, DSS03, Pengelolaan Masalah, SiAdin
Optimasi Analisis Peramalan dengan Metode Regresi Weighted Moving Average fajrian nur adnan
JOINS (Journal of Information System) Vol 4, No 2 (2019): Edisi November 2019
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1859.106 KB) | DOI: 10.33633/joins.v4i2.2265

Abstract

Metode peramalan sangat diperlukan untuk menentukan strategi dan pengambilan keputusan. Keberhasilan metode dalam peramalan ditentukan dari kecilnya selisih antara nilai yang diperoleh dari hasil peramalan dengan nilai actual ketika keadaan tersebut telah terealisasi. Beberapa penelitian terkait peramalan telah banyak dilakukan dengan menggunakan beberapa metode salah satunya adalah moving average. Metode moving Average yang sering digunakan dalam kasus peramalan adalah single moving average dan weighted moving average. Perbedaan antara kedua metode tersebut adalah pada pembobotan dari data yang digunakan dalam peramalan. Metode wighted moving average (WMA) menggunakan bobot meningkat atau menurun dari sejumlah data yang akan digunakan dalam peramalan. Untuk menentukan kaitan antara setiap data history terhadap data peramalan, maka perlu dilakukan analisis hubungan antara kedua data tersebut. Salah satu metode yang biasa digunakan dalam analisis hubungan dan keterkaitan antar variable adalah metode regresi linier. Dengan menggunakan regresi linier, peneliti bermaksud menganalisi keterkaitan data history terhadap data peramalan dan mengguunakan nilai koefisien dari masing-masing data history sebagai bobot dalam peramalan dengan menggunakan metode WMA. Dengan menggunakan bobot yang telah dianalisis, diharapkan metode Regresi WMA dapat memberikan hasil peramalan dengan nilai error yang yang lebih baik.
Association Rule Dengan Algoritma Apriori Untuk Menentukan Karakteristik Profil Calon Mahasiswa Sistem Informasi di Universitas Dian Nuswantoro Isma Atika Farda; Fajrian Nur Adnan
JOINS (Journal of Information System) Vol 2, No 2 (2017)
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (331.807 KB) | DOI: 10.33633/joins.v2i2.1672

Abstract

Abstrak Pendidikan merupakan aspek yang penting terutama di perguruan tinggi. Perguruan tinggi dituntut untuk memiliki keunggulan dengan memanfaatkan sumber dayanya, termasuk sumber daya manusia yaitu mahasiswa. Lama studi mahasiswa merupakan faktor yang penting dalam meningkatkan daya saing di dunia pendidikan. Sering terjadi ketidakseimbangan antara jumlah mahasiswa yang diterima dengan jumlah mahasiswa yang lulus tepat waktu. Hal ini disebabkan kurangnya analisa terhadap profil mahasiswa yang lulus tepat waktu sehingga tidak dapat menyaring calon mahasiswa yang berpotensi lulus tepat waktu dan dapat menurunkan daya saing perguruan tinggi dalam dunia pendidikan. Data mining adalah proses penemuan pola yang terdapat dalam suatu data dengan jumlah yang besar. Dengan memanfaatkan data profil mahasiswa dapat menghasilkan karakteristik profil calon mahasiswa yang lulus tepat waktu ketika kuliah. Algoritma yang digunakan adalah apriori, informasi yang dihasilkan berupa nilai support dan confidence dari karakteristik yang terbentuk sebanyak 4 – Itemset yang nantinya dapat digunakan sebagai acuan dalam penerimaan mahasiswa baru di UDINUS dan dapat meningkatkan daya saing dengan perguruan tinggi yang lain. Kata kunci—Data Mining, Apriori, Karakteristik Profil Calon Mahasiswa Abstract Education is an important aspect, especially in college. Universities and colleges are required to have the advantage by exploiting its resources, including human resources such as students. Long study of college students is an important factor in improving competitiveness in the world of education. Often an imbalance between the number of students accepted by the number of students who graduate on time. This is due to a lack of analysis of the profile of students graduate on time so that it can not filter potentially prospective students graduate on time and may reduce the competitiveness of higher education in the world of education. Data mining is the process of discovery of patterns that are present in a large amount of data. By utilizing the student profile data is expected to produce characteristic profiles of students who graduate on time when college. The algorithm used is a priori, the information generated in the form of support and confidence values ​​of the characteristics that form as much as 4 - itemsets that can later be used as a reference in the new admissions in UDINUS and can improve competitiveness with other universities. Keywords—Data Mining, Apriori, Characteristic Profiles Of Prospective Student
Co-Authors Catur Supriyanto Guruh Fajar Shidik Isma Atika Farda Mella Cynthia Oktaviani Pulung Nurtantio Andono Ricardus Anggi Pramunendar Titis Dwi Rahmawati