Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer

Implementasi Algoritma Naïve Bayes Untuk Prediksi Persediaan Barang Rotan Yuniar Niar; Kokom Komariah; Agus Surip; Riko Saputra; Irfan Ali
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 1 (2020): KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v4i1.112

Abstract

Pada era pandemi Covid 19 produksi barang selalu dijaga sesuai dengan kebutuhan dan melihat pada stok rotan. Stok rotan saat ini sedikit terhambat karena terdapat beberapa kebijakan yang dinilai dapat mempengaruhi produksi yaitu Penyekatan antar wilayah. Penelitian ini menitik beratkan pada prediksi penentuan stok rotan agar produksi tetap jalan, bahan baku selalu tersedia. Analisa prediksi stok disesuaikan dari data transaksi penjualan, dari data transakasi penjualan dilakukan analisa menggunakan algoritma naïve bayes. Penitian ini menggunakan data produksi pada tahun 2020 pada CV Jaka Depok Cirebon. Prediksi ini menggunakan aplikasi Rapidminer Versi 9.9 dengan Operator, Retrive, Cross Validation, Naïve Bayes, Apply Model dan Performance. Hasil Akurasi pada penlitian ini menunjukan 91.43 % dengan rincian Hasil Prediksi Jarang dan True Jarang memiliki data sebanyak 181 Data. Hasil Prediksi Jarang dan True Sering memiliki data sebanyak 9 Data. Hasil Prediksi Sering dan True Jarang memiliki data sebanyak 23 Data. Hasil Prediksi Sering dan True Sering memiliki data sebanyak 160 Data. Terdapat 183 Barang yang menjadi Prioritas untuk diperbanyak produksinya.
Implementasi Algoritma K-Nearest Neighbor Dalam Menentukan Penerima Bantuan Langsung Tunai Anwar Pauji; Siti Aisyah; Agus Surip; Riko Saputra; Irfan Ali
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 1 (2020): KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v4i1.114

Abstract

Proses penentuan data dan pemberian bantuan terhadap penerima manfaat sudah dilaksanakan sebelumnya, Namun bantuan yang di terima ada yang tidak sesuai dengan yang diharapkan, hal tersebut disebabkan salah satunya karena penetapan status keluarga miskin selaku penerima bantuan belum maksimal sehingga dalam membagikan bantuan masih belum akurat. Maka dari itu penelitian ini mencoba untuk mengklasifikasi penerima manfaat menggunakan metode K-Nearest Neighbor sehingga penerima bantuan benar-benar tepat sasaran. Kriteria yang digunakan pada penelitian ini yaitu Kondisi Rumah, Pekerjaan, Penghasilan dan Jumlah tanggungan. aplikasi yang digunakan yaitu rapidminer versi 9.10 dengan operator retrive, Cross Validation, Algoritma K-NN, Apply Model dan Performance. Nilai akurasi sebesar 68,82 % dengan rincian sebagai berikut. Prediksi Layak dan Ternyata True Layak Sebesar 104. Prediksi Layak dan Ternyata True Tidak Layak Sebesar 37. Prediksi Tidak Layak dan Ternyata True Layak Sebesar 16. Prediksi Tidak Layak dan Ternyata True Tidak Layak Sebesar 13. Dengan class recall layak sebesar 86,67% dan Class Recall Tidak Layak Sebesar 26%.
Penerapan Algoritma Naive Bayes Untuk Mengetahui Kepuasan Mahasiswa Terhadap Layanan Administrasi Keuangan Lian Siliayani; Iqbal Agis Junizar; Uyu Nuraeni; Edi Tohidi; Irfan Ali
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 3 (2020): KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v4i3.122

Abstract

Kualitas pelayanan terhadap mahasiswa merupakan peranan penting untuk kelangsungan suatu institusi pendidikan. Mahasiswa merupakan peranan penting titik sentral dalam pengelolaan suatu pergutuan tinggi. Metode data mining yang digunakan untuk melakukan penelitian ini yaitu Naive bayes karena memiliki performa yang baik. Naive bayes merupakan teknik prediksi berbasis probabilistik yang sederhana berdasarkan pada penerapan teorema bayes. Indikator penilaian yang digunakan adalah tangible (bukti langsung), reability (keandalan), responsiveness (daya tangkap), assurance (jaminan) dan empathy (empati). Penerapan metode naive bayes ini diharapkan mampu memprediksi tingkat kepuasan mahasiswa terhadap pelayanan bagian akademis pada suatu perguruan tinggi. Masalah yang terjadi yaitu untuk mengetahui seberapa besar tingkat kepuasan mahasiswa terhadap suatu pelayanan di STIKes Ahmad Dahlan Cirebon dan diiharapkan dapat meningkatkan akurasi penilaian pelayanan administrasi keuangan sehingga suatu perguruan tinggi mempunyai suatu standar dalam memberikan penilaian pelayanan administrai keuangan. Data yang digunakan pada penelitian ini adalah 328 mahasiswa dan yang menjawab kuesioner hanya 217 mahasiswa dari seluruh mahasiswa semester gasal STIKES Ahmad Dahlan Cirebon Tahun Akademik 2019/2020. Terdapat data training dengan jumlah 80% dan data testing dengan jumlah 20% dan diperoleh tingkat accuracy 97.73%, precission 100.00% dan recall 66.67%.
Klasifikasi Status Stunting Balita Di Desa Slangit Menggunakan Metode K-Nearest Neighbor Irfan Ali; Dian Ade Kurnia; Muhammad Aji Pratama; Farids Al Ma’ruf
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 5 No. 3 (2021): KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

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

Abstract

Stunting pada balita merupakan salah satu permasalahan yang sedang dialami dunia kesehatan. Kejadian ini ditandai dengan berat badan dan tinggi badan yang tidak sesuai dengan umur. Selain itu juga dipengaruhi oleh pola konsumsi makanan dan penggunaan nutrisi yang tidak disesuaikan dengan kebutuhan tubuh. Dalam mencegah kejadian Stunting kegiatan yang rutin dilakukan adalah dengan memantau perkembangan status gizi dan status tumbuh kembang balita yang dilakukan melalui kegiatan posyandu yang berlangsung pada setiap bulan. Penelitian ini menggunakan pendekatan data mining dengan algoritma K-Nearest Neighbor yaitu menggunakan perhitungan jarak euclidean, adalah sebuah metode untuk mengelompokan atau mengklasifikasikan sebuah data dari uji kelas latih pada beberapa tetangga paing dekat dengan menggunakan rumus perhitungan jarak euclidean. parameter yang dipakai pada penelitian ini didasarkan pada data antropometrik atau data pengukuran tubuh manusia, yaitu Umur, Berat Badan dan Tinggi Badan. Pengujian dilakukan dengan perhitungan manual kemudian dibuat perankingan serta implementasikan kedalam aplikasi RapidMiner.
Transformasi Strategi Penjualan Batik Cirebon Dengan Pendekatan Analisis Pengelompokan K-Means Mulyawan .; Agus Bahtiar; Irfan Ali
KOPERTIP : Scientific Journal of Informatics Management and Computer Vol. 7 No. 1 (2023): KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v7i1.309

Abstract

Batik adalah seni tradisional Indonesia yang mengombinasikan seni dan teknologi untuk menciptakan kain yang indah dan unik. Batik Indonesia memiliki desain dan proses yang tak tertandingi, dan ragam coraknya mengandung makna dan filosofi dari berbagai adat dan budaya di Indonesia. Batik Cirebon memiliki banyak motif batik seperti Mega Mendung, Singa Barong, dan Paksinaga Liman. Untuk mengoptimalkan penjualan, diperlukan teknik data mining untuk mengubah data menjadi informasi baru. Metode K-Means adalah cara yang tepat untuk mengelompokkan data penjualan produk batik karena dapat mengolah data tanpa mengetahui kelas label. Tujuan dari penelitian ini adalah untuk menerapkan algoritma K-Means dalam pengelompokan data penjualan dan menemukan hasil KOptimum dengan menggunakan aplikasi Orange. Hasil dari penelitian menunjukkan bahwa terdapat enam kelompok yang sesuai dengan data penjualan batik dan hasil kluster yang optimal terdapat pada k=6.