Sutan Faisal
Universitas Buana Perjuangan Karawang

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

Penerapan K-Means Clustering untuk Mengelompokkan Pelanggan Berdasarkan Data Penjualan Ayam Florida Ivonia Manek; Sutan Faisal; Bayu Priyatna
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 3 No 2 (2018): Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v3i2.820

Abstract

Suatu kegiatan pemasaran yang berhubungan langsung dengan pelanggan disebut dengan penjualan. Topik yang berkaitan dengan penjualan pada penelitian ini adalah penjualan ayam. Hal ini dikarenakan pada umumnya ayam sangat dibutuhkan masyarakat sebagai sumber protein, sehingga dari waktu ke waktu proses penjualan selalu mengalami peningkatan. Sehingga data yang diperoleh perusahaan pun menjadi semakin meningkat. Masalah ini menyebabkan perusahaan sulit dalam menentukan pelanggan untuk dijadikan sebagai pelanggan yang diprioritaskan oleh perusahaan. Penelitian ini membahas penerapan algoritme K-Means untuk mengelompokkan pelanggan sesuai data penjualan ayam. Data diperoleh dari dokumen-dokumen keterangan peternak yang ada pada perusahaan. Data yang ada digunakan untuk mengelompokkan pelanggan sesuai dengan tingkat penjualan terendah, sedang dan tertinggi. Hasil yang diperoleh dari pengolahan data mampu memberikan suatu informasi penting bagi perusahaan untuk mengetahui dan mengelompokkan pelanggan yang harus diprioritaskan.
Rancang Bangun Alat Monitoring Meteran Air Menggunakan Nodemcu Berbasis Internet of Things Andre Permana; Sutan Faisal; Ayu Juwita
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Air merupakan kebutuhan pokok yang sangat penting bagi kehidupan manusia dengan adanya air dapat digunakan untuk kehidupan sehari hari, salah satu penyuplai air bersih adalah Perusahaan Daerah Air Minum (PDAM) pada saat ini meteran yang digunakan oleh PDAM adalah meteran manual, oleh karena itu dalam hal pemantauan penggunaan air setiap bulannya PDAM masih harus mengumpulkan data pemakaian para pelanggan dengan mengunjungi satu persatu pelanggannya sehingga cara seperti ini kurang efektif karena akan memerlukan waktu serta tenaga. Seiring dengan berkembangnya teknologi informasi pada saat ini agar memudahkan melakukan pengecekan pemakaian air dan biaya pemakaian air maka salah satu solusi dari masalah tersebut adalah dibuatlah alat meteran air untuk memonitoring pemakaian air dengan menggunakan sensor water flow YF-S201 sebagai alat sensor untuk membaca air yang masuk dan nodemcu sebagai pusat kontrol berbasis internet of things untuk mengirim data sensor tersebut, serta dibuatkan website agar dapat memudahkan pengecekan pemakaian air dan biaya pemakaian air. Berdasarkan hasil pengujian terhadap sensor water flow YF-S201 terdapat selisih rata rata sebesar 0.037 liter dan pengiriman data berbasis internet of things ke database berhasil terkirim seluruhnya berdasarkan 30 kali pengujian.
Sistem Keamanan Kunci Pintu Berbasis IoT Menggunakan Mikrokontroler ESP8266 Dandi Mulyawan; Sutan Faisal; Ayu Juwita
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 2 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Maraknya tindakan pencurian yang menjadi permasalahan warga selalu mengancam keamanan pemilik rumah yang masih menggunakan kunci pintu konvensonal. Hal tersebut menyebabkan diperlukannya suatu sistem keamanan bersifat elektronik yang dapat di kontrol suatu aplikasi oleh pemilik rumah. Sistem keamanan berfungsi memberikan informasi bagi pemilik rumah ketika ada suatu kejadian yang mencurigakan. Penelitian ini menggunakan metode Fuzzy Logic sebagai sistem keputusan jarak aman pada objek yang berada didepan pintu dan notifikasi yang nantinya akan masuk ke aplikasi android yang sudah dibuat. ESP8266 sebagai modul Wi-Fi yang menghubungkan peralatan menggunkan jaringan internet sebagai pengontrolan jarak jauh serta notifikasi pemberitahuan kepada pengguna dengan konsep Internet of Things (IoT). Pada penelitian ini dirancang sebuah sistem keamanan kunci pintu yang terdiri beberapa alat seperti dari Node MCU ESP8266, sensor ultrasonik, buzzer, dan motor servo. Hasil dari rancangan hardwre dan software pada penelitian ini yaitu sebuah aplikasi android yang dapat membuka dan menutup kunci pintu serta tanda peringatan yang masuk ke aplikasi dengan niai keakuratan sensor sebesar 96,128%.
Perbandingan Algoritme Klasifikasi Untuk Prediksi Cuaca Amril Mutoi Siregar; Sutan Faisal; Yana Cahyana; Bayu Priyatna
Jurnal Accounting Information System (AIMS) Vol. 3 No. 1 (2020)
Publisher : Universitas Ma'soem

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32627/aims.v3i1.92

Abstract

Weather conditions is an air condition in a place with a relatively short time, which is expressed by the value of parameters such as temperature, wind speed, pressure, rainfall, which is another atmospheric phenomenon as the main component. Human activities can be influenced by weather conditions, such as transportation, agriculture, plantation, construction or even sports. Therefore, for determining the weather, getting weather information needs to be made so that it can be utilized by the community. Problems that arise how to make weather predictions automatically so that it can be done by everyone. In this study proposed several algorithms Navie Bayes, Decision Tree, Random Forest to calculate the opportunities of one class from each of the existing group attributes and determine which class is the most optimal, meaning that grouping can be done based on the categories that users enter in the application. The prediction system has been made to obtain an accuracy rate of Navie Bayes of 77.22% with a standard deviation of 29%, a Decision Tree accuracy rate of 79.46% with a standard deviation of 15%, a random forest accuracy rate of 82.38% with a standard deviation of 43%.
Klasifikasi Jenis Ikan Hias African Cichlid Menggunakan Algoritma Support Vector Machines Deni Yusup; Sutan Faisal; Adi Pratama
Scientific Student Journal for Information, Technology and Science Vol. 4 No. 1 (2023): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

African Cichlid merupakan ikan hias yang memiliki banyak jenis dan ragam warna dari ikan African Cichlid bervariasi sehingga bisa menjadi salah satu ikan hias yang populer. Semenjak masa pandemi African Cichlid banyak dicari oleh penghobi ikan hias. Karena keberagaman jenis ikan African Cichlid, banyak penghobi yang masih belum mengetahui jenis-jenis ikan African Cichlid. Berdasarkan kondisi tersebut, diperlukan sebuah perangkat lunak yang dapat memudahkan penghobi ikan hias mencari tahu jenis ikan African Cichlid berdasarkan gambar atau foto. Dalam penelitian ini peneliti menerapkan algoritma Support Vector Machines untuk mengklasifikasikan jenis ikan hias African Cichlid. Hasil dari penelitian ini adalah aplikasi yang dapat memprediksi gambar atau foto dari ikan hias African Cichlid. Kemudian nilai akurasi dari algoritma Support Vector Machines dalam mengklasifikasikan jenis ikan hias African cichlid sebesar 71.4 %.
PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DENGAN DECISION TREE PADA APLIKASI RUANG GURU Indi Nurul Hassanah; Sutan Faisal; Amril Mutoi Siregar
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.602

Abstract

Mobile Learning is electronic-based learning using a computer or computer-based. One of the most widely known Mobile Learning applications today is Ruang Guru. One way to determine the success of an application is to do a sentiment analysis of the application. The purpose of this study was to find the best accuracy model for classifying data in the SVM and Decision Tree algorithms. The data is taken from the comments column in the playstore on the Ruang Guru application as much as 1500 data. Then the data is labeled into 2 classes, namely positive and negative. After that, the data is divided into 70% training data and 30% testing data. The results of the comparison show that the best test model for sentiment classification cases is found in the SVM algorithm with an accuracy value of 84.2%, while the Decision Tree algorithm gets an accuracy value of 70%. So it can be concluded that the SVM algorithm has a better value for classification of review data in the Ruang Guru application compared to the Decision Tree algorithm. Keywords: Ruang Guru, sentiment analysis, SVM, Decision Tree Mobile Learning merupakan pembelajaran berbasis elektronik dengan menggunakan komputer atau berbasis komputer. Salah satu aplikasi Mobile Learning yang banyak dikenal saat ini adalah Ruang Guru . Salah satu cara untuk mengetahui keberhasilan suatu aplikasi adalah dengan melakukan analisis sentimen terhadap aplikasi tersebut. Tujuan penelitian ini untuk menemukan pemodelan akurasi terbaik terhadap pengklasifikasian data pada algoritma SVM dan Decision Tree. Data diambil dari kolom komentar di playstore pada aplikasi Ruang Guru sebanyak 1500 data. Kemudian data tersebut dilabelkan menjadi 2 kelas yaitu positif dan negatif. Setelah itu, data dibagi 2 menjadi data training sebanyak 70% dan data testing 30%. Hasil perbandingan menunjukkan model uji terbaik untuk kasus klasifikasi sentimen terdapat pada algoritma SVM dengan nilai akurasi sebesar 84.2% sedangkan pada algoritma Decision Tree mendapatkan nilai akurasi sebesar 70%. Sehingga dapat disimpulkan bahwa algoritma SVM memiliki nilai yang lebih baik untuk klasifikasi data ulasan pada aplikasi Ruang Guru dibandingkan algoritma Decision Tree.Kata kunci: Ruang Guru, analisis sentimen, SVM, Decision Tree
Perbandingan Algoritme Klasifikasi Untuk Prediksi Cuaca Amril Mutoi Siregar; Sutan Faisal; Yana Cahyana; Bayu Priyatna
Jurnal Accounting Information System (AIMS) Vol. 3 No. 1 (2020)
Publisher : Ma'soem University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32627/aims.v3i1.280

Abstract

Weather conditions is an air condition in a place with a relatively short time, which is expressed by the value of parameters such as temperature, wind speed, pressure, rainfall, which is another atmospheric phenomenon as the main component. Human activities can be influenced by weather conditions, such as transportation, agriculture, plantation, construction or even sports. Therefore, for determining the weather, getting weather information needs to be made so that it can be utilized by the community. Problems that arise how to make weather predictions automatically so that it can be done by everyone. In this study proposed several algorithms Navie Bayes, Decision Tree, Random Forest to calculate the opportunities of one class from each of the existing group attributes and determine which class is the most optimal, meaning that grouping can be done based on the categories that users enter in the application. The prediction system has been made to obtain an accuracy rate of Navie Bayes of 77.22% with a standard deviation of 29%, a Decision Tree accuracy rate of 79.46% with a standard deviation of 15%, a random forest accuracy rate of 82.38% with a standard deviation of 43%.