Articles
<![CDATA[APLIKASI SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN BIDAN DI DESA MENGGUNAKAN METODE ANALITYCAL HIERARCHY PROCESS (AHP) ]]>
<![CDATA[Annur, Haditsah]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 10, No 1 (2018) ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (630.922 KB)
<![CDATA[Penempatan bidan desa merupakan peningkatan mutu dan pemerataan pelayanan dalam menurunkan angka kematian ibu, anak balita dan menurunkan angka kelahiran serta meningkatkan kesadaran masyarakat untuk berperilaku hidup sehat. Bidan desa mempunyai tugas dan wewenang seperti mempercepat penurunan angka kematian ibu dan anak, meningkatkan cakupan dan pemerataan jangkauan pelayanan kesehatan ibu hamil, pertolongan persalinan dan konseling. Pada penelitian ini akan dibangun media dengan pendekatan sistem pendukung keputusan, dengan menggunakan metode Analytical Hierarchy Process (AHP) dengan bantuan Tools seperti PHP sebagai bahasa pemrogramannya dan MySQL sebagai database. Alasan menggunakan metode ini dibandingkan dengan metode lain karena proses penentuan penempatan bidan desa merupakan permasalahan yang melibatkan banyak komponen atau kriteria yang dinilai (multikriteria). AHP digunakan untuk dapat meningkatkan proses serta kualitas hasil pengambilan keputusan dengan memadukan data dan pengetahuan dalam meningkatkan efektivitas dalam proses pengambilan keputusan.]]>
<![CDATA[Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes ]]>
<![CDATA[Annur, Haditsah]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 10, No 2 (2018) ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (382.324 KB)
<![CDATA[The main problem in the current poverty reduction effort is related to the fact that economic growth is not evenly distributed. The research will classify based on the data of poor people obtained from Tibawa District by using data mining technique. Attributes to be used in classifying the population are Age, Education, Work, Income, Dependent, Status (Married / Unmarried). The method to be used is the Naïve Bayes Classifier method, which is one of the classification techniques in data mining. Based on the research, it is concluded that, the classification system of the poor in the administrative area of Tibawa sub-district, Gorontalo regency can be engineered and Based on the result of confusion matrix testing with split validation technique, the use of naïve Bayes classification method to the dataset which has been taken on the research object obtained the level of accuracy 73% or included in the Good category. While the Precision value of 92% and Recall of 86%.]]>
<![CDATA[PKM Usaha Ilabulo Bakar Kecamatan Kota Selatan Provinsi Gorontalo ]]>
<![CDATA[Rizal, Rahma]]>;
<![CDATA[Annur, Haditsah]]>
<![CDATA[ JATI EMAS (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat) Vol 3 No 2 (2019): JATI EMAS (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat) ]]>
Publisher : <![CDATA[Dewan Pimpinan Daerah (DPD) Forum Dosen Indonesia JATIM ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (402.876 KB)
|
DOI: 10.36339/je.v3i2.227
<![CDATA[The partner in the community partnership program is Usaha Ilabulo Bakar. Ilabulo is a typical snack from Gorontalo. Formerly by the kings, Ilabulo symbolizes "Totombowata" which means united. PKM program by taking independent business partners as Ilabulo Bakar business actors. Partners who until now have many competitors that are difficult to develop. Every time Ilabulo was made per night, it could only be around 500 - 600 packs. The selling price per pack is around Rp. 5,000. Related to this PKM program the proposer wants to expand his business with ilabulo products globally by online marketing. This PKM program will help partners in the form of packaging improvements, product taste and quality, brands that do not yet exist, aspects of sales using only verbal communication, as well as simple management, the concept of inventory in warehouse does not yet exist and the financial management system is still lacking manual. and online sales training (e-commerce) of ilabulo Bakar products can be made as souvenirs typical of Gorontalo.]]>
<![CDATA[AKADEMIK DATA MINING (ADM) K-MEANS DAN K-MEANS K-NN UNTUK MENGELOMPOKAN KELAS MATA KULIAH KOSENTRASI MAHASISWA SEMESTER AKHIR ]]>
<![CDATA[Rustam, Suhardi]]>;
<![CDATA[Annur, Haditsah]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 11, No 3 (2019) ]]>
Publisher : <![CDATA[Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33096/ilkom.v11i3.487.260-268
<![CDATA[University as an educational institution plays an important role in producing graduates. In addition, institutions such as universitas ichsan Gorontalo save the data set. These Data include about student academic data.In the academic field, every semester, increasing the amount of data recorded with data from academic activities. It is like there is a Tsunami of data which indicate that these data are very abundant but do not give any knowledge that is not beneficial to the university, especially the faculty except the knowledge administrative. Universitas ichsan Gorontalo with the number of students reached 9000 people which is accompanied by the number of graduates is still less than ideal any period graduate, it is necessary to apply the pattern determination grade concentration courses effective for the achievement ability of students, academic Data will be used namely the data of the students 2016-2017 who has taken class subjects concentration. The application of K-Means algorithm and K-Means KNN where K=2 result in a cluster for grouping of a Class Focus on the students semester end and each cluster has a predictive value for the second klustering such, the Value of the resulting Accuracy of Algorithms KNN, namely the AUC (Area Under The Curve) =1, the Value of CA=1, the value of F1=1, the value of the precision=1 and recall=1, and the value of accuracy as the best value.]]>
<![CDATA[Klasifikasi Nasabah Kredit Koperasi Menggunakan Algoritma K-Nearest Neighbor ]]>
<![CDATA[Haditsah Annur]]>;
<![CDATA[Moh Efendi Lasulika]]>
<![CDATA[ Jurnal Informatika Upgris Vol 5, No 2: Desember (2019) ]]>
Publisher : <![CDATA[Universitas PGRI Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26877/jiu.v5i2.4343
<![CDATA[Koperasi yang bergerak dalam usaha simpan pinjam merupakan usaha yang penuh resiko, salah satunya yaitu kredit macet sebagai resiko kerugian. Salah satu koperasi di Kota Gorontalo yang masih aktif yaitu Koperasi Wanita “Kasih Ibu”, Tujuan Penelitian ini bertujuan untuk implementasi algoritma K-Nearest Neighbor dalam mengklasifikasi status kelayakan nasabah kredit. Manfaat Penelitian ini yaitu dapat mengurangi resiko kredit nasabah koperasi dan meningkatkan keuntungan pendapatan koperasi wanita “Kasih Ibu”. Penelitian ini juga dapat dijadikan pedoman atau pengambil keputusan dalam memperoleh nasabah kredit koperasi.Metode pelaksanaan Penelitian ini diawali dengan tahap awal pengambilan data dengan menggunakan beberapa variabel atau atribut seperti Plafon Pinjaman, Jenis Jaminan, Jangka Waktu, Jenis Pekerjaan, Penghasilan, Status Perkawinan, Status Rumah, Jenis Anggota, Status Kredit. Tahap kedua yaitu menganalisa data dengan membuat database, Luaran Penelitian ini yaitu artikel ilmiah yang dipublikasikan pada Jurnal Nasional Tidak Terakreditasi. Tingkat Kesiapan Teknologi penelitian ini koperasi akan memiliki suatu pemodelan komputerisasi yang dapat mengklasifikasikan atau mengelompokkan status nasabah kredit koperasi, seperti nasabah kredit macet dan nasabah kredit lancar. Hasil Penelitian . Data diuji untuk mendapatkan Accuracy dan hasil pengujian dari algoritma K-NN dengan menggunakan K=1 sehingga diperoleh hasil akurasi sebesar 77.78 %. Maka dari itu algoritma K-NN baik digunakan dalam klasifikasi nasabah kredit koperasi, sehingga Koperasi dapat mencegah resiko kredit nasabah mereka.]]>
<![CDATA[PENERAPAN DATA MINING MENENTUKAN STRATEGI PENJUALAN VARIASI MOBIL MENGGUNAKAN METODE K-MEANS CLUSTERING ]]>
<![CDATA[Haditsah Annur]]>
<![CDATA[ Jurnal Informatika Upgris Vol 5, No 1: Juni (2019) ]]>
Publisher : <![CDATA[Universitas PGRI Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26877/jiu.v5i1.3091
<![CDATA[Toko Luxor Variasi Mobil Gorontalo merupakan salah satu toko terbesar yang bergerak dibidang variasi mobil dengan produk utama seperti kaca film mobil, tape mobil, sarung jok mobil, dan aksesoris lainnya dimana perusahaan ini setiap harinya harus memenuhi kebutuhan konsumen dan dituntut untuk dapat mengambil keputusan yang tepat dalam menentukan strategi penjualan. Untuk dapat melakukan hal tersebut toko luxor variasi mobil membutuhkan strategi-strategi penjualan untuk dapat menarik minat pembeli dan meningkatkan laba atau pendapatan perusahaan. Pada penelitian ini analisa data mining dilakukan dengan Teknik Clustering menggunakan metode K-Means. Hasil akhir dari penelitian ini adalah mengelompokkan data produk yang terjual untuk mengetahui data yang memiliki potensi atau kecenderungan pelanggan dalam membeli barang tersebut. Hasil ini dapat digunakan untuk memberi saran pertimbangan dalam menentukan strategi penjualan yaitu mengeliminasi produk dengan posisi cluster terbawah dan lebih memfokuskan pada produk dengan posisi cluster tertinggi. Dari Hasil penelitian didapatkan Dapat diketahui bahwa Aplikasi data mining untuk menentukan strategi penjualan pada Toko Luxor Variasi Gorontalo dengan Menggukan Metode K-Means Clustering yang dirancang dapat digunakan.Kata Kunci : Toko Luxor, Clustering, Penjualan, K-Means]]>
<![CDATA[Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes ]]>
<![CDATA[Haditsah Annur]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 10, No 2 (2018) ]]>
Publisher : <![CDATA[Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33096/ilkom.v10i2.303.160-165
<![CDATA[The main problem in the current poverty reduction effort is related to the fact that economic growth is not evenly distributed. The research will classify based on the data of poor people obtained from Tibawa District by using data mining technique. Attributes to be used in classifying the population are Age, Education, Work, Income, Dependent, Status (Married / Unmarried). The method to be used is the Naïve Bayes Classifier method, which is one of the classification techniques in data mining. Based on the research, it is concluded that, the classification system of the poor in the administrative area of Tibawa sub-district, Gorontalo regency can be engineered and Based on the result of confusion matrix testing with split validation technique, the use of naïve Bayes classification method to the dataset which has been taken on the research object obtained the level of accuracy 73% or included in the Good category. While the Precision value of 92% and Recall of 86%.]]>
<![CDATA[APLIKASI SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN BIDAN DI DESA MENGGUNAKAN METODE ANALITYCAL HIERARCHY PROCESS (AHP) ]]>
<![CDATA[Haditsah Annur]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 10, No 1 (2018) ]]>
Publisher : <![CDATA[Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33096/ilkom.v10i1.241.44-51
<![CDATA[Penempatan bidan desa merupakan peningkatan mutu dan pemerataan pelayanan dalam menurunkan angka kematian ibu, anak balita dan menurunkan angka kelahiran serta meningkatkan kesadaran masyarakat untuk berperilaku hidup sehat. Bidan desa mempunyai tugas dan wewenang seperti mempercepat penurunan angka kematian ibu dan anak, meningkatkan cakupan dan pemerataan jangkauan pelayanan kesehatan ibu hamil, pertolongan persalinan dan konseling. Pada penelitian ini akan dibangun media dengan pendekatan sistem pendukung keputusan, dengan menggunakan metode Analytical Hierarchy Process (AHP) dengan bantuan Tools seperti PHP sebagai bahasa pemrogramannya dan MySQL sebagai database. Alasan menggunakan metode ini dibandingkan dengan metode lain karena proses penentuan penempatan bidan desa merupakan permasalahan yang melibatkan banyak komponen atau kriteria yang dinilai (multikriteria). AHP digunakan untuk dapat meningkatkan proses serta kualitas hasil pengambilan keputusan dengan memadukan data dan pengetahuan dalam meningkatkan efektivitas dalam proses pengambilan keputusan.]]>
<![CDATA[AKADEMIK DATA MINING (ADM) K-MEANS DAN K-MEANS K-NN UNTUK MENGELOMPOKAN KELAS MATA KULIAH KOSENTRASI MAHASISWA SEMESTER AKHIR ]]>
<![CDATA[Suhardi Rustam]]>;
<![CDATA[Haditsah Annur]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 11, No 3 (2019) ]]>
Publisher : <![CDATA[Prodi Teknik Informatika FIK Universitas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33096/ilkom.v11i3.487.260-268
<![CDATA[University as an educational institution plays an important role in producing graduates. In addition, institutions such as universitas ichsan Gorontalo save the data set. These Data include about student academic data.In the academic field, every semester, increasing the amount of data recorded with data from academic activities. It is like there is a Tsunami of data which indicate that these data are very abundant but do not give any knowledge that is not beneficial to the university, especially the faculty except the knowledge administrative. Universitas ichsan Gorontalo with the number of students reached 9000 people which is accompanied by the number of graduates is still less than ideal any period graduate, it is necessary to apply the pattern determination grade concentration courses effective for the achievement ability of students, academic Data will be used namely the data of the students 2016-2017 who has taken class subjects concentration. The application of K-Means algorithm and K-Means KNN where K=2 result in a cluster for grouping of a Class Focus on the students semester end and each cluster has a predictive value for the second klustering such, the Value of the resulting Accuracy of Algorithms KNN, namely the AUC (Area Under The Curve) =1, the Value of CA=1, the value of F1=1, the value of the precision=1 and recall=1, and the value of accuracy as the best value.]]>
<![CDATA[Strategi Penjualan Variasi Mobil Menggunakan Metode K-Means Clustering (Studi Kasus Toko Luxor Variasi Gorontalo) ]]>
<![CDATA[Haditsah Annur]]>
<![CDATA[ Jurnal Cosphi Vol 2, No 2 (2018): Agustus-Desember 2018 ]]>
Publisher : <![CDATA[Teknik Elektro - Universitas Ichsan Gorontalo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (242.659 KB)
<![CDATA[Toko Luxor Variasi Mobil Gorontalo merupakan salah satu toko terbesar yang bergerak dibidang variasi mobil dengan produk utama seperti kaca film mobil, tape mobil, sarung jok mobil, dan aksesoris lainnya, dimana perusahaan ini setiap harinya harus memenuhi kebutuhan konsumen dan dituntut untuk dapat mengambil keputusan yang tepat dalam menentukan strategi penjualan. Untuk dapat melakukan hal tersebut toko luxor variasi mobil membutuhkan strategi-strategi penjualan untuk dapat menarik minat pembeli dan meningkatkan laba atau pendapatan perusahaan. Pada penelitian ini analisa data mining dilakukan dengan Teknik Clustering menggunakan metode K-Means. Hasil akhir dari penelitian ini adalah mengelompokkan data produk yang terjual untuk mengetahui data yang memiliki potensi atau kecenderungan pelanggan dalam membeli barang tersebut. Hasil ini dapat digunakan untuk memberi saran pertimbangan dalam menentukan strategi penjualan yaitu mengeliminasi produk dengan posisi cluster terbawah dan lebih memfokuskan pada produk dengan posisi cluster tertinggi.]]>
