Article Per Year (5 Year)
p-Index From 2020 - 2025
3.078
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Information Management For Educators And Professionals (IMBI) JURSIMA (Jurnal Sistem Informasi dan Manajemen) E-Link: Jurnal Teknik Elektro dan Informatika Jurnal Ilmu Komputer dan Teknologi (IKOMTI) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) Journal of Student Research Jurnal Riset Manajemen, Bisnis, Akuntansi dan Ekonomi (JAMBAK) JURSIMA
Irfan Ali
Unknown Affiliation
Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Library & Information Science Mechanical Engineering Public Health Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer

 1 
PREDIKSI HARGA BERAS MENGGUNAKAN METODE RECURRENT NEURAL NETWORK DAN LONG SHORT-TERM MEMORY Santoso, Aji; Irma Purnamasari, Ade; Irfan Ali
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 1 (2024): Prosisko Vol. 11 No. 1 Maret 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i1.7921

Abstract

Beras merupakan makanan pokok utama di Indonesia, beras adalah salah satu faktor penting dalam perdagangan dan perindustrian bahan pangan. Selain itu, Indonesia adalah salah satu negara penghasil beras terbesar di dunia. Tujuan dari penelitian ini adalah untuk membuat pemodelan pengolahan data untuk prediksi yang mendekati data aktual. Metode Data Mining yang menyajikan pendekatan yang dapat digunakan oleh faktor-faktor seperti produksi, pasokan beras, dan permintaan. Data yang digunakan dalam penelitian ini adalah harga rata-rata beras dari penggilingan dari Badan Pusat Statistik. Data ini mencakup informasi tentang harga beras 2013 - 2023 yang disajikan setiap bulan. Langkah pertama dalam penelitian ini adalah melakukan pra-pemrosesan data dengan menggunakan metode KDD dalam menyesuaikan dataset yang sudah di peroleh untuk mempermudah proses forecasting. Setelah itu, langkah selanjutnya adalah menerapkan metode Data Mining yaitu Recurrent Neural Networks (RNN) dan Long Short-Term Memory, hasil penelitian ini di peroleh untuk model RNN dengan RMSE terkecil yaitu 0.73 pada kategori harga beras medium dan untuk model LSTM dengan nilai MAE terkecil yaitu 2.31 pada kategori harga beras luar kualitas. Perbedaan dengan penelitian terhaulu adalah dengan menambahkan metode RNN pada konteks peramalan harga beras sehingga dapat menambah variasi atau melengkapi dalam konteks peramalan harga beras.
ANALISIS DATA PENJUALAN MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING PADA TOKO KECANTIKAN PUTRI Bagustio, Agung Prayogo; Purnamasari, Ade Irma; Irfan Ali
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 2 (2024): Prosisko Vol. 11 No. 2 September 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i2.7928

Abstract

Abstrak - Industri kecantikan mengalami pertumbuhan pesat dalam beberapa tahun terakhir, mendorong tingginya permintaan produk kecantikan. Toko Kecantikan Putri merupakan salah satu toko kecantikan yang berkembang pesat di wilayah Cirebon. Untuk meningkatkan strategi penjualan dan memahami pola pembelian pelanggan, Toko Kecantikan Putri perlu menganalisis data penjualan secara efektif. Analisis data penjualan tradisional tidak dapat memberikan insights yang mendalam mengenai pola pembelian pelanggan. Hal ini dapat menghambat Toko Kecantikan Putri dalam mengembangkan strategi penjualan yang tepat dan efektif. Penelitian ini menerapkan algoritma K-Means clustering untuk menganalisis data penjualan Toko Kecantikan Putri selama bulan Januari 2024. Data yang dianalisis terdiri dari 122 baris dengan 22 atribut. Data penjualan meliputi informasi produk, kategori produk, dan jumlah penjualan. Algoritma K-Means clustering digunakan untuk mengelompokkan data penjualan berdasarkan karakteristik produk. Teknik analisis menggunakan Knowledge Discovery in Database (KDD) merupakan proses untuk menemukan pengetahuan baru dari data yang dikumpulkan. Hasil analisis menunjukkan bahwa data penjualan Toko Kecantikan Putri dapat dilakukan menjadi menjadi 9 cluster, dari cluster k=2 sampai k=9. Masing-masing cluster memiliki karakteristik pola pembelian yang berbeda. Cluster terbaik terdapat pada cluster K=8 dengan Nilai DBI sebesar 0,021 yang berasal dari measure Types Mixed Measures nilai davies bouldin index 0.077, Numerical Measures nilai davies bouldin index 0.114, Bregman Divergences nilai davies bouldin index 0.114. Analisis data penjualan Toko Kecantikan Putri dengan Algoritma K-Means Clustering menghasilkan insights berharga mengenai pola pembelian pelanggan. Evaluasi menyeluruh terhadap berbagai parameter, jumlah cluster, dan nilai Davies Bouldin Index optimal, menunjukkan bahwa Algoritma K-Means Clustering menghasilkan pengelompokan data yang paling optimal dan informatif.Kata Kunci: Algoritma K-Means clustering, Analisis Data Penjualan, Toko Kecantikan Putri, Pola Pembelian Pelanggan, Strategi Penjualan
PREDIKSI HARGA BERAS MENGGUNAKAN METODE RECURRENT NEURAL NETWORK DAN LONG SHORT-TERM MEMORY Aji Santoso; Ade Irma Purnamasari; Irfan Ali
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 1 (2024): Prosisko Vol. 11 No. 1 Maret 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i1.7921

Abstract

Beras merupakan makanan pokok utama di Indonesia, beras adalah salah satu faktor penting dalam perdagangan dan perindustrian bahan pangan. Selain itu, Indonesia adalah salah satu negara penghasil beras terbesar di dunia. Tujuan dari penelitian ini adalah untuk membuat pemodelan pengolahan data untuk prediksi yang mendekati data aktual. Metode Data Mining yang menyajikan pendekatan yang dapat digunakan oleh faktor-faktor seperti produksi, pasokan beras, dan permintaan. Data yang digunakan dalam penelitian ini adalah harga rata-rata beras dari penggilingan dari Badan Pusat Statistik. Data ini mencakup informasi tentang harga beras 2013 - 2023 yang disajikan setiap bulan. Langkah pertama dalam penelitian ini adalah melakukan pra-pemrosesan data dengan menggunakan metode KDD dalam menyesuaikan dataset yang sudah di peroleh untuk mempermudah proses forecasting. Setelah itu, langkah selanjutnya adalah menerapkan metode Data Mining yaitu Recurrent Neural Networks (RNN) dan Long Short-Term Memory, hasil penelitian ini di peroleh untuk model RNN dengan RMSE terkecil yaitu 0.73 pada kategori harga beras medium dan untuk model LSTM dengan nilai MAE terkecil yaitu 2.31 pada kategori harga beras luar kualitas. Perbedaan dengan penelitian terhaulu adalah dengan menambahkan metode RNN pada konteks peramalan harga beras sehingga dapat menambah variasi atau melengkapi dalam konteks peramalan harga beras.
ANALISIS DATA PENJUALAN MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING PADA TOKO KECANTIKAN PUTRI Agung Prayogo Bagustio; Ade Irma Purnamasari; Irfan Ali
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 2 (2024): Prosisko Vol. 11 No. 2 September 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i2.7928

Abstract

Abstrak - Industri kecantikan mengalami pertumbuhan pesat dalam beberapa tahun terakhir, mendorong tingginya permintaan produk kecantikan. Toko Kecantikan Putri merupakan salah satu toko kecantikan yang berkembang pesat di wilayah Cirebon. Untuk meningkatkan strategi penjualan dan memahami pola pembelian pelanggan, Toko Kecantikan Putri perlu menganalisis data penjualan secara efektif. Analisis data penjualan tradisional tidak dapat memberikan insights yang mendalam mengenai pola pembelian pelanggan. Hal ini dapat menghambat Toko Kecantikan Putri dalam mengembangkan strategi penjualan yang tepat dan efektif. Penelitian ini menerapkan algoritma K-Means clustering untuk menganalisis data penjualan Toko Kecantikan Putri selama bulan Januari 2024. Data yang dianalisis terdiri dari 122 baris dengan 22 atribut. Data penjualan meliputi informasi produk, kategori produk, dan jumlah penjualan. Algoritma K-Means clustering digunakan untuk mengelompokkan data penjualan berdasarkan karakteristik produk. Teknik analisis menggunakan Knowledge Discovery in Database (KDD) merupakan proses untuk menemukan pengetahuan baru dari data yang dikumpulkan. Hasil analisis menunjukkan bahwa data penjualan Toko Kecantikan Putri dapat dilakukan menjadi menjadi 9 cluster, dari cluster k=2 sampai k=9. Masing-masing cluster memiliki karakteristik pola pembelian yang berbeda. Cluster terbaik terdapat pada cluster K=8 dengan Nilai DBI sebesar 0,021 yang berasal dari measure Types Mixed Measures nilai davies bouldin index 0.077, Numerical Measures nilai davies bouldin index 0.114, Bregman Divergences nilai davies bouldin index 0.114. Analisis data penjualan Toko Kecantikan Putri dengan Algoritma K-Means Clustering menghasilkan insights berharga mengenai pola pembelian pelanggan. Evaluasi menyeluruh terhadap berbagai parameter, jumlah cluster, dan nilai Davies Bouldin Index optimal, menunjukkan bahwa Algoritma K-Means Clustering menghasilkan pengelompokan data yang paling optimal dan informatif.Kata Kunci: Algoritma K-Means clustering, Analisis Data Penjualan, Toko Kecantikan Putri, Pola Pembelian Pelanggan, Strategi Penjualan
Co-Authors Ade Irma Purnamasari Adi Pangestu Agung Prayogo Bagustio Ahmad Rifai Aji Santoso Aji Santoso Arif Rinaldi Dikananda Ayunda Fitriyana Bagustio, Agung Prayogo Dendy Indriya Efendi Dian Ade Kurnia Dodi Solihudin Fadhil M Basysyar Farid Ali Ma'ruf Gian Fitralisma Gifthera Dwilestari INAYATUL AFRIYANI Irma Purnamasari, Ade Jayawarsa, A.A. Ketut Lintang Mugi Lestari Martanto Nana Suarna Nana Suarna2 Nining R Nur Alia Sumanti Odi Nurdiawan Purnamasari, Ade Irma Rini Astuti Rizal Rayyan Firdaus Rizki Aldi Robi Rotika Rusbandi Rusbandi Saeful Anwar Saefullah Fasa Siti Aisyah Siti Nur Illah Yudhistira Arie Wijaya