Articles
<![CDATA[Penerapan Metode Association Rule Dalam Menganalisa Data Penjualan Spare Part Motor Menggunakan Algoritma FP-Growth ]]>
<![CDATA[Tajrin Tajrin]]>;
<![CDATA[Amelia Tamara]]>;
<![CDATA[Vivian Wijaya]]>;
<![CDATA[Josephin Josephin]]>;
<![CDATA[Davin Kurniawan]]>
<![CDATA[ JSIK (Jurnal Sistem Informasi Kaputama) Vol 5, No 2 (2021): Volume 5, Nomor 2 Juli 2021 ]]>
Publisher : <![CDATA[STMIK KAPUTAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.1234/jsik.v5i2.584
<![CDATA[PT. Alfa Scorpii salah satu Showroom yang melayani penjualan sepeda motor yang bermerek Yamaha, melayani servis dan penjualan spare part kendaraan, showroom tersebut juga melayani pembelian sparepart yang tidak khusus servis. Showroom PT. Alfa Scorpii memiliki transaksi yang sangat banyak setiap harinya, data transaksi di Showroom ini sebagaimana sama seperti di Showroom-showroom pada umumnya. Dengan adanya pengetahuan tersebut maka Showroom berkolaborasi menggunakan metode Association Rule dengan algoritma FP Growth. Dalam menerapkan algoritma FP Growth untuk menganalisa data penjualan spare part pada Shoorum memperoleh 7 sempel rule dari ratusan rule dengan menerapkan min support >30 dan confidence 70% dari aplikasi atau program yang sudah di jalankan. Rule yang di peroleh Jika membeli spare part Velg maka membeli spare part Kampas Rem & Asesoris dengan nilai confidence = 75% dan Jika membeli Ban Dalam maka membeli Ban Luar dengan nilai = 83% dan jika membeli Asesoris maka membeli Kampas Rem dengan nilai = 86% dan jika membeli Ban Luar maka membeli Kampas Rem dengan nilai = 71% dan jika membeli Lampu maka membeli Kampas Rem dengan nilai = 78% dan jika membeli Oli maka membeli Kampas Rem dengan nilai = 70% dan jika membeli Oli & Shock maka membeli Kampas Rem dengan nilai = 100%]]>
<![CDATA[IMPLEMENTASI ALGORITMA C5.0 DALAM KEPUTUSAN PEMBERIAN BEASISWA DI SMA NEGERI 1 ADIANKOTING KABUPATEN TAPANULI UTARA ]]>
<![CDATA[Tajrin Tajrin]]>;
<![CDATA[Iron Pawi Hutabarat]]>;
<![CDATA[Ria Anjelina Simatupang]]>;
<![CDATA[Husien Cherac]]>
<![CDATA[ JSIK (Jurnal Sistem Informasi Kaputama) Vol 5, No 2 (2021): Volume 5, Nomor 2 Juli 2021 ]]>
Publisher : <![CDATA[STMIK KAPUTAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.1234/jsik.v5i2.583
<![CDATA[Dalam sebuah instansi pendidikan atau disebut dengan sekolah, baik itu sekolah di Negeri maupun Swasta, sekolah merupakan ujung tombak dari kemajuan suatu negara. Peranan sekolah sangat penting dalam menyelenggarakan proses belajar mengajar guna menciptakan siswa berakhlak, bertakwa serta berprestasi. Dengan peran yang sangat penting inilah maka sekolah turut serta memberikan beasiswa kepada siswa yang berhak menerimanya berdasarkan criteria-kriteria yang telah di tentutan. Algoritma C5.0 merupakan salah satu algoritma yang dapat mengelola data siswa menjadi suatu keputusan dalam memberikan masukan dalam pemberian beasiswa. Data yang digunakan adalah data masa siswa belajar di sekolah SMA Negeri 1 Adiankonting Kabupaten Tapanulis Utara dan di menggunakan 6 kriteria yaitu nama, jumlah tanggungan orang tua, nilai raport, pekerjaan orang tua, penghasilan orang tua, kepemilikan rumah. Laju eror yang dipergunakan sebagai evaluasi algoritma C5.0 dalam klasifikasi pemberian beasiswa adalah 16.7% kesalahan dalam kalsifikasi dari 20 data, ini artinya ada 16 siswa yang tepat di klasifikasikan]]>
<![CDATA[SISTEM PENDUKUNG KEPUTUSAN DALAM MENGANALISA PENJUALAN PRODUK BANGO MENGGUNAKAN METODE TSUKAMOTO ]]>
<![CDATA[Nova Juliana Panjaitan]]>;
<![CDATA[Jane Kembarini Barus]]>;
<![CDATA[Jenny Kembarina Barus]]>;
<![CDATA[Tajrin Tajrin]]>
<![CDATA[ JSIK (Jurnal Sistem Informasi Kaputama) Vol 4, No 2 (2020): Edisi Juli, Volume 4 Nomor 2, Juli 2020 ]]>
Publisher : <![CDATA[STMIK KAPUTAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.1234/jsik.v4i2.317
<![CDATA[Sistem pendukung keputusan ialah suatu sistem yang dapat membantu baik seseorang maupun perusahaan dalam mengambil keputusan secara akurat dan sesuai dengan tujuan yang di inginkan. Berbagai permasalahan yang dapat diselesaikan menggunakan sistem pendukung keputusan.Dalam masalah ini sistem pendukung keputusan digunakan untuk membantu karyawan dalam menganalisa penjualan produk kecap bango Pada PT. Lotte Mart Indonesia.Metode yang di gunakan dalam penelitian ini ialah metode Fuzzy Tsukamoto, karena metode ini yang paling cocok dan banyak di gunakan dalam memecahkan permasalahan penjualan produk. Hasil akhir dari penelitian ini yaitu dalam 1 bulan penjualan produk cekap bango terdapat minggu pertama dan kedua dengan nilai 75% dengan keputusan buruk, minggu ke tiga 77% dan minggu ke empat 76% dengan keputusan baik.]]>
<![CDATA[SISTEM INFORMASI PENDATAAN BARANG MASUK DAN KELUAR PADA PT. SHAMROK MANUFACTURING CORPORA ]]>
<![CDATA[Tajrin Tajrin]]>
<![CDATA[ Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 1, No 1 (2020): Juni 2020 ]]>
Publisher : <![CDATA[Universitas Dharmawangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46576/syntax.v1i1.700
<![CDATA[Abstrak— PT. Shamrok Manufacturing Corpora merupakan perusaan yang bergerak di bidang sarung tangan, saat ini perusahaan masih menggunakan proses manual untuk melakukan proses pendataan barang masuk dan keluar. Tentunya hal tersebut akan memakan waktu yang cukup lama untuk melakukan proses terhadap data sehingga tidak efisien kemungkinan lainnya yang dapat terjadi yaitu data yang dicatat pada lembaran kertas tersebut kotor, rusak, maupun hilang. Untuk mengatasi kekurangan tersebut maka di bangun sebuah sistem informasi pendataan barang masuk dan keluar untuk dapat mempermudah dalam proses pendataan surat masuk dan keluarKata Kunci— Sistem Informasi, barang masuk dan barang keluar. Abstract— PT. Shamrok Manufacturing Corporation is a company engaged in the field of gloves, currently the company is still using a manual process to collect data in and out of goods. Of course this will take a long time to process the data so that it is not efficient that other possibilities that can occur are the data recorded on the sheet of paper is dirty, damaged, or lost. To overcome these deficiencies, an information system for data collection of goods in and out was built to be able to facilitate the data collection process for incoming and outgoing mailsKeywords - Information System, incoming and outgoing goods]]>
<![CDATA[Implementasi Metode Ripple Down Rules dalam Mendiagnosa Penyakit Lupus ]]>
<![CDATA[tajrin tajrin]]>;
<![CDATA[Ibnu Rusydi]]>
<![CDATA[ Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 1, No 2 (2020): Desember 2020 ]]>
Publisher : <![CDATA[Universitas Dharmawangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46576/syntax.v1i2.1036
<![CDATA[Penyakit Systemic Lupus Erythethematosus atau Lupus eritematosus sistemik suatu penyakit yang menyerang seluruh organ tubuh mulai dari ujung kaki hingga ujung rambut, yang disebabkan oleh penurunan kekebalan tubuh manusia, dan lebih dikenal penyakit sebagai autoimun. Penyakit ini sebenarnya telah dikenal sejak jaman Yunani kuno oleh Hipokrates, namun pengobatan yang tepat belum diketahui. Penyakit ini tidak menular, tetapi didapatkan hampir seluruh penderita Systemic Lupus Erythematosus adalah perempuan (80%-89%)]]>
<![CDATA[PENERAPAN ALGORITMA APRIORI DALAM MENINGKATKAN PRODUKSI BUDIDAYA PERIKANAN MENGGUNAKAN ASSOCIATION RULE ]]>
<![CDATA[Tajrin Tajrin]]>;
<![CDATA[David Ebenezer Frans]]>;
<![CDATA[Nadia Damayanti Nainggolan]]>;
<![CDATA[Jose Agustin Fernando Marbun]]>;
<![CDATA[Sediaman Julianus Gulo]]>
<![CDATA[ Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 5 No 1 (2022) ]]>
Publisher : <![CDATA[Politeknik Bisnis Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.37600/tekinkom.v5i1.510
<![CDATA[Aquaculture production in North Sumatra needs to be increased in order to meet the increasing demand for aquaculture in the area from time to time. In order to optimize aquaculture production, recommendations are made for what types of aquaculture are most in demand by the community so that the North Sumatra Marine and Fisheries Service can prepare fishery supplies optimally. Recommendations for the provision of fish are carried out by utilizing data mining technology with an association rule algorithm. Processed data is fish sales history data. The result of this data processing is the combination of fish data that is most in demand by the community with a minimum amount of support of 40% to 3 itemset. Furthermore, the a priori algorithm is implemented at the marine and fisheries service to determine associations. By utilizing the results of this a priori algorithm analysis, the Department of Marine and Fisheries of North Sumatra can find out what types of aquaculture are the priorities for increasing production so that they can meet the needs of the community.]]>
<![CDATA[SISTEM PENDUKUNG KEPUTUSAN PENENTUKAN PENERIMAAN BANTUAN DANA KOPERASI DESA MENGGUNAKAN ALGORITMA ID3 ]]>
<![CDATA[Tajrin Tajrin]]>
<![CDATA[ DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 1, No 1 (2020) ]]>
Publisher : <![CDATA[Universitas Dharmawangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46576/device.v1i1.699
<![CDATA[Koperasi merupakan salah satu kegiatan organisasi ekonomi yang bekerja dalam bidang gerakan potensi sumber daya yang memiliki tujuan untuk mensejahterakan anggotanya. Agar suatu koperasi bisa berjalan lancar, koperasi harus bisa bekerja secara efisien dan mengikuti adanya prinsip dan kaidah ekonomi yang ada. Koperasi berdasarkan jenis usahanya dibagi ke dalam empat jenis, yaitu koperasi simpan pinjam, koperasi serba usaha, koperasi produksi dan koperasi konsumen. Dalam hal ini ialah koperasi simpan pinjam, dalam penyaluran dana tersebut, calon koperasi penerima bantuan dana bergulir khususnya koperasi simpan pinjam yang ada dan mengajukan proposal atau bantuan dana ke Koperasi pada Desa berdasarkan algoritma ID3, dimana metode tersebut berguna untuk merengkingkan data pengajuan dana koperasi simpan pinjam, maka rengkin yang paling tinggi akan mendapatkan bantuan dana koperasi Kata Kunci— Koperasi, Simpan Pinjam, ID3]]>
<![CDATA[PENERAPAN METODE FORCASTING DALAM MENENTUKAN JUMLAH SISWA BARU MENGGUNAKAN ALGORITMA SIMPLE LINEAR REGRESSION ]]>
<![CDATA[Tajrin Tajrin]]>;
<![CDATA[Mohammad Irfan Fahmi]]>;
<![CDATA[Maikel Felix Ginting]]>;
<![CDATA[Unika Nduru]]>
<![CDATA[ Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 6 No 1 (2023) ]]>
Publisher : <![CDATA[Politeknik Bisnis Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.37600/tekinkom.v6i1.880
<![CDATA[New student admission is a school activity to recruit new prospective students that occurs regularly every year even in the middle of the teaching year. Madrasah Tsanawiyah (MTs) Al-Ittihadiyah is a school under the auspices of the Ministry of Religion. Where every year the school always accepts a fairly large number of new students around 300 people. This results in the school always having difficulties in preparing infrastructure facilities such as classrooms and teachers because the increase in the number of new students increases every year. This will happen repeatedly in schools from year to year. So that it will be an accumulation of data every year to help transform data into data information into useful information. This large amount of data opens up opportunities to generate useful information for schools. In this study, researchers see an opportunity to create a new technology that answers the needs and problems that have occurred so far. In determining the number of new students at MTs. Al-Ittihadiyah Pkl. Masyhur researchers used 2 dataset scenarios where scenario 2 datasets used a simple linear regression algorithm. In pre-processing data that produces prediction performance, namely Y = 71.9538 + 0.709269X, in the dataset for forecasting estimates for the number of new students if the registrant is 374 students, it will produce a prediction of new students of 337 students.]]>
<![CDATA[PENERAPAN ALGORITMA APRIORI DALAM MENINGKATKAN PRODUKSI BUDIDAYA PERIKANAN MENGGUNAKAN ASSOCIATION RULE ]]>
<![CDATA[Tajrin Tajrin]]>;
<![CDATA[David Ebenezer Frans]]>
<![CDATA[ Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan Vol. 2 No. 2 (2023): Jurnal Sistem Informasi dan Teknologi ]]>
Publisher : <![CDATA[CV. Utility Project Solution ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.55338/justikpen.v2i2.41
<![CDATA[Penelitian ini bertujuan untuk meningkatkan produksi budidaya perikanan dengan menerapkan algoritma Apriori dan Association Rule pada data produksi perikanan. Metode ini digunakan untuk mengidentifikasi pola hubungan antara faktor-faktor yang mempengaruhi produksi perikanan, sehingga dapat memberikan rekomendasi kepada petani perikanan untuk meningkatkan produksi. Data yang digunakan dalam penelitian ini adalah data produksi perikanan selama satu tahun dari kelompok tani perikanan di daerah tertentu. Data tersebut kemudian diproses dengan menggunakan algoritma Apriori dan Association Rule untuk menemukan pola hubungan antara faktor-faktor yang mempengaruhi produksi perikanan. Selanjutnya, rekomendasi dapat diberikan kepada kelompok tani perikanan untuk meningkatkan produksi perikanan berdasarkan pola hubungan yang ditemukan. Hasil penelitian menunjukkan bahwa algoritma Apriori dan Association Rule dapat digunakan untuk meningkatkan produksi budidaya perikanan. Berdasarkan hasil analisis, faktor-faktor yang berpengaruh terhadap produksi perikanan antara lain jenis pakan, suhu air, kualitas air, dan jenis ikan yang dibudidayakan. Rekomendasi yang diberikan kepada kelompok tani perikanan adalah untuk menggunakan pakan yang tepat, menjaga suhu dan kualitas air, serta memilih jenis ikan yang cocok dengan kondisi lingkungan. Dapat disimpulkan bahwa penerapan algoritma Apriori dan Association Rule dapat membantu petani perikanan untuk meningkatkan produksi budidaya perikanan dengan memberikan rekomendasi yang tepat. Penelitian ini dapat memberikan kontribusi pada pengembangan teknologi di bidang perikanan dan membantu petani perikanan untuk meningkatkan kualitas dan kuantitas produksi perikanan]]>
<![CDATA[PERBANDINGAN ALGORITMA K-MEANS DAN X-MEANS UNTUK MENGELOMPOKKAN MINAT KEJURUAN SISWA BARU PADA SMK MULTIKARYA MEDAN MENGGUNAKAN METODE CLUSTERING ]]>
<![CDATA[Tajrin Tajrin]]>;
<![CDATA[Eri Timothy Napitupulu]]>;
<![CDATA[Fine Aldi Jous Nainggolan]]>
<![CDATA[ Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 6 No 2 (2023) ]]>
Publisher : <![CDATA[Politeknik Bisnis Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.37600/tekinkom.v6i2.933
<![CDATA[Abstract Education is one of the decisive aspects in producing the nation's successor. This can be seen from science, especially at the Vocational High School (SMK) level. Determining a student's major is not an easy thing, many parents and their own children do not know their interests and abilities. Determining a major is a process of focusing students on a particular field of concentration, this is done so that each individual can learn more in lessons that are in accordance with concentration and direct each individual to develop their abilities and interests. Majoring is expected to maximize every potential or talent possessed. SMK Multikarya is one of the schools in Medan city that has 8 majors, namely Multimedia, Automotive Light Vehicle Engineering, Computer and Network Engineering, Machining Engineering, Motorcycle Engineering and Business, Accounting and Institutional Finance, Software Engineering and Office Automation and Governance. Where every year SMK Multikarya always accepts 450 students. This results in the school always having difficulty in determining students who do not have a major. One way to make it easier to determine SMK majors is data mining with a comparison of the K-Means and X-Mean Clustering algorithms. In testing the k-means and x-means algorithms can produce the best K-Means algorithm because it produces the lowest value of 0.413 or 41%.]]>
