Article Per Year (5 Year)
p-Index From 2020 - 2025
3.082
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal Teknologi dan Sistem Komputer JURNAL ENGGANO Jurnal DISPROTEK JURTEKSI Abdimas Universal Jurnal Teknologi Dan Sistem Informasi Bisnis SKANIKA: Sistem Komputer dan Teknik Informatika Bulletin of Computer Science Research Journal of Dinda : Data Science, Information Technology, and Data Analytics As-Sidanah : Jurnal Pengabdian Masyarakat Jurnal Minfo Polgan (JMP) Jurnal Rekognisi Akuntansi (JRA) J-ABDIPAMAS (Jurnal Pengabdian Kepada Masyarakat) Science and Technology (SciTech)
Mulyo, Harminto
Universitas Islam Nahdlatul Ulama Jepara
Religion Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Minfo Polgan (JMP)

 1 
Implementasi Algoritma K-Means untuk Klasterisasi Data Hasil Tangkapan Ikan di Karimunjawa Rivaldo, Muchammad Dwi; Wibowo, Gentur Wahyu Nyipto; Mulyo, Harminto
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13928

Abstract

Penelitian ini berfokus pada implementasi algoritma K-Means untuk klasterisasi data hasil tangkapan ikan di Karimunjawa. Tujuan utama adalah untuk mengidentifikasi jenis ikan yang paling banyak ditangkap dan area penangkapan yang paling produktif. Data yang digunakan mencakup tanggal, nama nelayan, jumlah ikan (kg), jenis ikan, area penangkapan ikan, dan metode penangkapan ikan, yang dikumpulkan selama tahun 2020. Analisis klasterisasi menghasilkan tiga klaster utama: Klaster 0 dengan total 315,9 kg terdiri dari Cumi, Kakak Tua, Jinahak, Baronang, Panti, dan Tambak Jeron; Klaster 1 dengan total 856,9 kg terdiri dari Teri, Tengiri, Tambak Jeron, Udul, Panti, dan Pari; Klaster 2 dengan total 1383,2 kg terdiri dari Todak. Selain itu, area penangkapan yang produktif juga diklasterisasi menjadi tiga: Klaster 0 mencakup Karimunjawa Timur, Klaster 1 mencakup Karimunjawa Barat, dan Klaster 2 mencakup Karimunjawa Utara. Hasil evaluasi menggunakan metrik pengukuran menunjukkan bahwa Silhouette Score positif sebesar 0,48 mengindikasikan bahwa klaster yang dihasilkan cenderung terpisah dengan baik, meskipun masih ada ruang untuk perbaikan. Davies-Bouldin Index yang rendah sebesar 0,83 menunjukkan bahwa klaster yang dihasilkan cukup terpisah satu sama lain, meskipun tidak sempurna. Metode Elbow memberikan indikasi jumlah klaster optimal, membantu dalam pemilihan konfigurasi yang tepat untuk analisis klaster. Penelitian ini memberikan wawasan berharga tentang distribusi tangkapan ikan di Karimunjawa, yang dapat digunakan untuk meningkatkan strategi penangkapan dan manajemen perikanan. Implementasi dan analisis dilakukan menggunakan Google Colab dengan bahasa pemrograman Python.
Optimalisasi Algoritma Naive Bayes Dengan Teknik Ensemble Dalam Analisis Sentimen Twitter Pantai Kartini Jepara Anwar, Muhammad Arqom; Mulyo, Harminto; Tamrin, Teguh
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14014

Abstract

Penelitian ini memanfaatkan Twitter untuk menganalisis opini publik tentang Pantai Kartini Jepara, dengan fokus pada optimisasi algoritma Naive Bayes dalam analisis sentimen. Penelitian ini mengidentifikasi bahwa akurasi Naive Bayes terbatas dalam menangani data besar dan kompleks. Tujuan utamanya adalah meningkatkan akurasi dan efisiensi analisis sentimen melalui optimisasi parameter dan teknik ensemble. Metode penelitian melibatkan pengumpulan data Twitter dari 2010–2023, preprocessing data, pelatihan model Naive Bayes, SVM, dan ensemble, serta evaluasi performa menggunakan akurasi, presisi, recall, dan F1-score. Model ensemble yang menggabungkan Naive Bayes dan SVM mencapai akurasi tertinggi sebesar 88,81%, meningkat dari 83,91% pada Naive Bayes dasar dan 86,01% pada SVM, menunjukkan perbaikan signifikan dalam analisis sentimen. Kombinasi algoritma Naive Bayes dengan teknik optimasi dan ensemble meningkatkan akurasi analisis sentimen. Penelitian selanjutnya disarankan untuk mengeksplorasi penerapan model ini pada data yang lebih besar atau platform media sosial lain.
Analisis Pola Penjualan Mebel Di Toko Sukma Jati Jepara Menggunakan Algoritma FP-Growth Zachary, Vivien Varian; Mulyo, Harminto; Sarwido, Sarwido
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14015

Abstract

Industri furniture, sebagai sektor penting dalam ekonomi global, menghadapi tantangan dalam manajemen inventaris dan strategi pemasaran. Penelitian ini bertujuan untuk menganalisis data penjualan dari Toko Sukma Jati Jepara menggunakan algoritma FP-Growth untuk mengidentifikasi pola pembelian dan hubungan antar produk. Dengan mengolah data transaksi dari 710 entri, algoritma FP-Growth mengungkap asosiasi signifikan antara produk-produk yang sering dibeli bersama, seperti hubungan antara "Kursi Teras Amerika" dan "Meja Makan Minimalis," dengan nilai confidence sebesar 77,13% dan lift 1,035, menunjukkan bahwa pelanggan yang membeli satu produk cenderung membeli produk lainnya dengan probabilitas tinggi. Metode ini membuktikan efektivitasnya dalam mengoptimalkan strategi pemasaran dan pengelolaan inventaris dengan memberikan wawasan tentang pola pembelian dan preferensi pelanggan. Temuan ini berimplikasi pada perancangan strategi pemasaran yang lebih terarah, serta perencanaan inventaris yang lebih akurat. Penelitian ini memberikan dasar untuk pengambilan keputusan berbasis data yang lebih baik dan meningkatkan efisiensi operasional. Untuk penelitian selanjutnya, disarankan untuk mengeksplorasi penerapan algoritma lain atau menggabungkan FP-Growth dengan teknik analisis tambahan untuk mendapatkan wawasan yang lebih mendalam mengenai perilaku konsumen di industri furniture.
Co-Authors Abdilllah, Muh Sajid Akhmad Khanif Zyen Ali Sofwan An-Naas Shahifatun Na’iema Andriansyach, Dimas Jordy Anita Ameliya Anwar, Muhammad Arqom Arif Mustofa Aufa Maulana Hidayat Azhar, Maulana Buang Budi Wahono, Buang Budi Doni Agung Prasetyo Dwi Noviyani Fira Nadliratul Afrida Gunawan Mohammad Hayu Dian Yulistianti Irma Nur Af’idah Kartika Widiastuti Khalimatus Sa'diyah Manzis, Akhmad Hossam Maori, Nadia Annisa Mochamad Handre Fidiyanto Muhammad Misbahul Munir Muhammad Verdy Fahrudin Nadia Annisa Maori Nur Aeni Widiastuti Nur Aeni Widiastuti Nur Taqwimi, Muhammad Ahsani Nusrotus Sa’idah Octavianti Paramitha R Hadapiningradja Kusumodestoni Rahmawan Arniyanto Rivaldo, Muchammad Dwi Rohmatun Nikmah Santi Andriyani Sarwido Sarwido, Sarwido Teguh Tamrin Wibowo, Gentur Wahyu Nyipto Zachary, Vivien Varian Zubaedah Zubaedah