Claim Missing Document
Check
Articles

Found 34 Documents
Search

Rancang Bangun Sistem Informasi Pengelolaan Inventaris Berbasis WEB pada PT BPRS Amanah Insan Cita Hasibuan, Ainun Mardiah; Nasution, Fadhilah Ramadhani; Rifki, Muhammad Ikhsan
Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer Vol. 3 No. 3 (2023): November: Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/juritek.v3i3.2304

Abstract

Sistem informasi berbasis web adalah kombinasi dari teknologi informasi berdasarkan suatu situs pada jaringan internet yang dilengkapi dengan fitur-fitur dan didesain sedemikian rupa sesuai kebutuhan pada penginputan suatu data tertentu bertujuan untuk mempermudah dan mempercepat data yang diolah meskipun pengguna tersebut merupakan pemula. Perusahaan memanfaatkan perkembangan teknologi internet dan sistem Informasi yang berkembang pesat saat ini. PT. BPRS Amanah Insan Cita adalah lembaga keuangan yang kegiatannya menghimpun dana, menyediakan pembiayaan dan penempatan dana kepada masyarakat Indonesia khususnya masyarakat kota medan dan sekitarnya berdasarkan prinsip syariah dan bagi hasil yang telah disepakati kedua belah pihak baik nasabah maupun bank. Metode yang diterapkan dalam penelitian ini adalah metode waterfall yang merupakan sebuah model metode penelitian sistematis dan sequence yang layak diterapkan dalam melakukan penelitian ini karena metode ini menyajikan tahap demi tahap yang sangat sesuai dengan keadaan dilapangan. Dengan adanya sistem informasi ini, maka dapat memberikan informasi yang tepat dan cepat terhadap ketersediaan inventaris pada PT BPRS Amanah Insan Cita.
Klasifikasi Kualitas Benih Sawit Menggunakan Metode Naïve Bayes di PPKS Marihat Qisti Azraladiba Batubara; Mhd. Ikhsan Rifki
Jurnal Media Teknik Elektro dan Komputer Vol 2 No 2 (2025): Jurnal Media Teknik Elektro dan Komputer
Publisher : Yayasan Pendidikan Al-Yasiriyah Bersaudara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65371/metrokom.v2i2.133

Abstract

Oil palm is one of the important plantation commodities in Indonesia, so seed quality is a major factor in production success. The main problem in the field is that seed quality determination is still done manually, which takes a long time and is prone to human error. Therefore, this study aims to minimize human error and support decision-making in determining planting priorities for superior seeds through the classification of oil palm seed quality using the Naïve Bayes algorithm. The model was built based on three main parameters, namely moisture content, storage room humidity, and seed storage duration. The results were labeled as low, medium, and high quality categories. Testing results using an 80% of data training (130 data) and 20% of data testing (32 data) model splitting, that the Naïve Bayes model produced an accuracy of 91% from 162 dataset. The classification results showed that 38 data points fell into the low quality category, 55 into the medium category, and 56 into the high category. The research results should be more oriented towards statements regarding the ability of Naïve Bayes to classify palm oil seed types, so that it can be used as a model recommendation in palm oil determination.
Klasifikasi Prestasi Siswa MAN 2 Labuhanbatu Melalui Komponen Indeks Prestasi Belajar Menggunakan Klaster K-Means Abdul Rasyid; Mhd Ikhsan Rifki
Jurnal Media Teknik Elektro dan Komputer Vol 2 No 2 (2025): Jurnal Media Teknik Elektro dan Komputer
Publisher : Yayasan Pendidikan Al-Yasiriyah Bersaudara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65371/metrokom.v2i2.135

Abstract

Optimal utilization of academic data is an important requirement in supporting data-based learning decision making. One approach that can be used is Educational Data Mining (EDM) through clustering techniques to map students' academic abilities. This study aims to apply the K-Means Clustering algorithm in grouping students based on exam score patterns in one subject at MAN 2 Labuhanbatu Utara. The data used consists of daily scores, midterm scores, and final exam scores of 11th grade students, which were processed through pre-processing, data normalization, and clustering analysis stages. The determination of the optimal number of clusters was carried out using the Elbow method with the Within Cluster Sum of Squares (WCSS) indicator. The results showed that the three-cluster configuration was the most representative grouping structure, which could be interpreted as groups of students with high, medium, and low academic performance, respectively. The differences in centroid values between clusters indicate significant and structured variations in academic achievement. These findings prove that the K-Means algorithm is effective for mapping student learning groups objectively without requiring initial labels. The clustering results are expected to serve as a basis for teachers and schools in designing more adaptive learning strategies tailored to students' ability characteristics.
Penerapan Algoritma K-Nearest Neighbors untuk Prediksi Negara-Negara Asia Berpotensi Lolos Piala Dunia 2026 Sahputra, Andrian; Zufria, Ilka; Rifki, Mhd Ikhsan
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol. 7 No. 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.8589

Abstract

Penelitian ini bertujuan menerapkan algoritma K-Nearest Neighbors dalam memprediksi potensi kelolosan negara-negara Asia dari babak ketiga kualifikasi menuju putaran final Piala Dunia 2026. Data yang digunakan terdiri atas 36 data historis kualifikasi Piala Dunia periode 2014–2022 sebagai data latih dan 18 data peserta kualifikasi zona Asia tahun 2026 sebagai data uji. Pendekatan yang digunakan adalah kuantitatif dengan teknik data mining berdasarkan klasifikasi. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan melalui pembersihan dan transformasi fitur menjadi rasio kinerja, normalisasi data, serta pemodelan menggunakan algoritma K-Nearest Neighbors. Hasil evaluasi menunjukkan bahwa model dengan parameter k = 4 menghasilkan akurasi sebesar 83,33%, dengan performa yang baik pada kategori lolos dan tidak lolos, meskipun kategori play-off menunjukkan hasil yang lebih rendah. Nilai rata-rata makro untuk presisi , recall , dan f1-score masing-masing sebesar 0,79, 0,77, dan 0,77. Hasil prediksi menunjukkan enam negara berpotensi lolos langsung, empat negara berada di posisi play-off, dan delapan negara lainnya tidak lolos. Temuan ini menunjukkan bahwa algoritma K-Nearest Neighbors memiliki kemampuan yang cukup baik dalam memprediksi kelolosan tim berdasarkan kinerja historis.