Articles
<![CDATA[Implementasi Business Intelligence Pada Manajemen Report Bank XYZ ]]>
<![CDATA[Zaky Nur Husni]]>;
<![CDATA[Imam Mukhlash]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (615.171 KB)
|
DOI: 10.12962/j23373520.v3i2.7923
<![CDATA[Seiring dengan perkembangan teknologi informasi membuat persaingan bisnis semakin ketat. Bank XYZ adalah salah satu bank di Indonesia yang memiliki lebih dari 1500 cabang dan menghasilkan data yang berukuran sangat besar tiap bulannya. Dari data tersebut bank XYZ ingin mendapatkan laporan dan informasi untuk pengambilan langkah atau keputusan selanjutnya. Banyaknya data yang ada membuat proses pengambilan informasi berjalan lamban jika dilakukan dengan query standard pada data base. Business intelligence merupakan serangkaian proses untuk mendapatkan informasi dengan mudah dari data yang berukuran besar. Business intelligence tak lepas dari penggunaan data warehouse dan analisis data. Pada penelitian ini dilakukan pembuatan prototype data untuk pembuatan report business growth Bank XYZ berdasarkan struktur dan literatur dari Bank XYZ. Data hasil prototype selanjutnya akan dilakukan pembuatan modul report business growth dengan menggunakan SAS® Enterprise Guide. Metode yang akan digunakan dalam penelitian ini adalah metode analisis multidimensi pada OLAP(Online Analitycal Processing) serta operasi-operasi yang ada di dalamnya. Aplikasi yang akan digunakan dalam penelitian ini adalah SAS® Enterprise Guide, salah satu produk unggulan dari PT. SAS Institute. Dengan menggunakan metode analisis multidimensi dan SAS® Enterprise Guide diharapkan akan mampu mempermudah dalam hal management report bank XYZ serta pengambilan informasi yang ada. Hasil dari penelitian ini adalah report business growth funding dan lending pada Bank XYZ.]]>
<![CDATA[Kajian Algoritma GDBScan, Clarans dan Cure untuk Spatial Clustering ]]>
<![CDATA[Budi Setiyono]]>;
<![CDATA[Imam Mukhlash]]>
<![CDATA[ Limits: Journal of Mathematics and Its Applications Vol 2, No 2 (2005) ]]>
Publisher : <![CDATA[Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (492.508 KB)
|
DOI: 10.12962/j1829605X.v2i2.1373
<![CDATA[Abstrak Spatial data mining merupakan salah satu bidang kajian dalam data mining dan menjadi salah satu bidang yang sangat cepat perkembangannya. Salah satu cabang dari spatial data mining adalah geographic data mining. Geographic data mining adalah penemuan pengetahuan baru dari sejumlah besar data geo-spatial (geo-reference). Beberapa metode dalam data mining telah dikembangkan para ahli. Salah satu metode yang paling banyak dikembangkan adalah clustering. Pada penelitianini akan dilakukan kajian tentang tiga buah algoritma, yaitu algoritma density-based clustering, algoritma CLARANS clustering, serta algoritma CURE. Selanjutnyadilakuan implementasi dalam bentuk perangkat lunak. Studi kasus yang digunakan adalah clustering wilayah (peta) kota Surabayaberdasarkan parameter rasio jumlah penduduk miskin dan sangat miskin, kepadatan, dan tingkat kesejateraan tiap-tiap kelurahan kota Surabaya]]>
<![CDATA[Penilaian Risiko Pipa Bawah Laut oleh Faktor Kapal Menggunakan Pendekatan Bayesian Network ]]>
<![CDATA[Firda Puspita Devi]]>;
<![CDATA[I Gst Ngr Rai Usadha]]>;
<![CDATA[Inu Laksito Wibowo]]>;
<![CDATA[Imam Mukhlash]]>
<![CDATA[ Limits: Journal of Mathematics and Its Applications Vol. 14 No. 1 (2017): Limits: Journal of Mathematics and Its Applications Volume 14 Nomor 1 Edisi Me ]]>
Publisher : <![CDATA[Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penyaluran minyak dan gas bumi dengan pipa bawah laut diklaim sangat efisien karena memerlukan biaya yang minimal. Namun, seiring padatnya aktivitas maritim oleh lalu lintas kapal akan berdampak kerusakan pada jaringan pipa bawah laut. Penyebab kerusakan tersebut dapat disebabkan oleh beberapa faktor, antara lain: jatuhnya jangkar kapal ( anchor drop ), kapal tenggelam akibat gagal mesin, jaring atau pukat ( trawl ), dan faktor lainnya. Oleh karena itu, penilaian risiko untuk kapal yang melewati jaringan pipa bawah laut sangat diperlukan. Pada penelitian ini, metode Bayesian Network (BN) digunakan untuk memodelkan penyebab kecelakaan pipa bawah laut oleh faktor kapal dan menghitung probabilitas kerusakan yang ditimbulkannya. Adapun standar DNV RP F107 digunakan untuk mengklasifikasi tingkat risiko berdasarkan nilai probabilitas yang didapat. Hasil pengujian program ini menunjukkan bahwa sebesar 58.4% pipa tidak rusak akibat jangkar, 13.83% kerusakan yang ditimbulkan kecil, 15.14% kerusakan yang ditimbulkan menengah, dan 12.59% kerusakan yang ditimbulkan besar.]]>
<![CDATA[REGISTRASI CITRA PADA DOMAIN FREKUENSI MENGGUNAKAN METODE POWER CEPSTRUM ]]>
<![CDATA[Kartika Mahanani]]>;
<![CDATA[Suhud Wahyudi]]>;
<![CDATA[Budi Setiyono]]>;
<![CDATA[Imam Mukhlash]]>
<![CDATA[ Limits: Journal of Mathematics and Its Applications Vol. 9 No. 1 (2012): Limits: Journal of Mathematics and Its Applications Volume 9 Nomor 1 Edisi Nove ]]>
Publisher : <![CDATA[Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penyampaian informasi dapat dilakukan melalui gambar. Gambar atau bisa disebut citra dapat kehilangan informasi yang terkandung didalamnya jika citra tersebut berkualitas buruk, seperti buram, berbintik, ataupun gelap. Sehingga diperlukan suatu teknik yang dapat mengubah kualitas citra menjadi lebih baik dari sebelumnya dan salah satu teknik yang dapat digunakan adalah teknik Super Resolusi. Teknik Super Resolusi merupakan teknik yang digunakan untuk membangun citra beresolusi lebih tinggi dari kumpulan citra yang beresolusi lebih rendah. Dalam teknik ini terdapat dua langkah utama yaitu registrasi dan rekonstruksi. Registrasi merupakan kegiatan yang dilakukan untuk memperoleh nilai pergeseran diantara dua citra yang memiliki pergeseran diantaranya. Registrasi Citra dilakukan pada domain frekuensi dengan menggunakan Transformasi Fourier, yaitu nilai matriks dari citra yang sebelumnya berada pada domain spasial diubah ke domain frekuensi. Pada Tugas Akhir ini digunakan metode Power Cepstrum untuk menyelesaikan permasalahan Registrasi Citra. Cepstrum merupakan hasil perolehan logaritma spektrum suatu sinyal yang ditransformasikan dengan menggunakan Transformasi Fourier. Power Cepstrum digunakan untuk mendapatkan besar pergeseran diantara kedua citra. Pada permasalahan satu dimensi, Power Cepstrum dari fungsi waktu adalah power spectrum dari logaritma dari power spectrum fungsi tersebut. Pada permasalahan dua dimensi, fungsinya diubah menjadi fungsi intensitas citra. Dari uji coba yang telah dilakukan, tampak bahwa perangkat lunak Registrasi Citra menggunakan metode Power Cepstrum mampu mendeteksi pergeseran pada level piksel dengan nilai pergeseran maksimum sebesar 30 piksel.]]>
<![CDATA[OPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA ]]>
<![CDATA[Moh Khoiron]]>;
<![CDATA[Imam Mukhlash]]>;
<![CDATA[Soetrisno]]>
<![CDATA[ Limits: Journal of Mathematics and Its Applications Vol. 12 No. 1 (2015): Limits: Journal of Mathematics and Its Applications Volume 12 Nomor 1 Edisi Me ]]>
Publisher : <![CDATA[Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Perindustrian di Indonesia belakangan ini semakin berkembang, hal ini mengantarkannya pada persaingan global, sehingga mendorong banyak perusahaan untuk semakin memperbaiki dan meningkatkan usahanya agar lebih efektif dan efisien. Salah satu yang berdampak signifikan pada keefektifan dan keefesianan suatu perusahaan adalah perencanaan fasilitas. Cellular Manufacturing (CM) adalah salah satu metode yang telah terbukti mampu menambah efisiensi serta fleksibilitas dalam lingkungan produksi manufaktur. Diantara faktor-faktor yang diperlukan dalam selular manufaktur adalah Cell Formation (CF), Group Layout (GL), dan Group Scheduling (GS). Biasanya, tiga faktor ini diselesaikan dalam keadaan terpisah atau diselesaikan secara berurutan. Tugas ahir ini membahas tentang metode untuk penyelesaian CF, GL, GS secara bersamaan. A hierarchical genetic algorithm (HGA) digunakan untuk menyelesaikan permasalahan tersebut.]]>
<![CDATA[PREDIKSI CUSTOMER CHURN MENGGUNAKAN ALGORITMA FUZZY ITERATIVE DICHOTOMISER 3 ]]>
<![CDATA[Meyrina Herawati]]>;
<![CDATA[Imam Mukhlash]]>;
<![CDATA[Inu L. Wibowo]]>
<![CDATA[ Limits: Journal of Mathematics and Its Applications Vol. 13 No. 1 (2016): Limits: Journal of Mathematics and Its Applications Volume 13 Nomor 1 Edisi Me ]]>
Publisher : <![CDATA[Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Setiap industri telekomunikasi sering menawarkan layanan yang menggi- urkan. Hal ini bertujuan untuk menarik pelanggan sebanyak mungkin agar pendapatan yang masuk semakin optimal. Akan tetapi hal-hal seperti ini yang menyebabkan fenomena churn terjadi, dimana pelanggan memutuskan berhenti berlangganan dan berpindah dari satu provider ke provider lain- nya. Tiap industri telekomunikasi juga harus memiliki program retaining yang efektif dan efesien, terlebih dahulu perusahaan memprediksi pelangg- an yang berpotensi churn, kemudian menjadikan pelanggan tersebut sebagai fokus usaha retention. Penelitian ini bertujuan untuk melakukan pengem- bangan model churn prediction (classication) dengan menggunakan fuzzy decision tree. Fuzzy decision tree merupakan salah satu metode klasika- si berbasis pohon keputusan dengan memasukkan konsep himpunan fuzzy dalam proses pembentukannya. Setelah tahap implementasi, hasil dari pe- nelitian ini berupa model pohon keputusan prediksi customer churn. Dari berbagai uji coba didapat nilai akurasi terbaik 87]]>
<![CDATA[PEMILIHAN JENIS ASURANSI BERDASARKAN DEMOGRAFI CALON PEMEGANG POLIS DENGAN METODE NAÏVE BAYES CLASSIFIER ]]>
<![CDATA[Lailatul M. Chaira]]>;
<![CDATA[Nurul Hidayat]]>;
<![CDATA[Inu L. Wibowo]]>;
<![CDATA[Imam Mukhlash]]>
<![CDATA[ Limits: Journal of Mathematics and Its Applications Vol. 13 No. 2 (2016): Limits: Journal of Mathematics and Its Applications Volume 13 Nomor 2 Edisi No ]]>
Publisher : <![CDATA[Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Asuransi merupakan salah satu cara untuk memproteksi diri di masa depan. Saat ini, perusahaann asuransi berlomba-lomba untuk menawarkan produk asuransi yang menjanjikan. Dalam rangka bersaing dengan kompetitor lainnya dan demi memenuhi kebutuhan nasabahnya, perusahaan asuransi memerlukan startegi bisnis yang bijak dan tepat agar produknya mendapat respon positif dari calon nasabah. Salah satu permasalahan dalam bidang asuransi adalah bagaimana menentukan jenis asuransi yang tepat untuk calon nasabah. Pada paper ini, dibahas tentang bagaimana menetukan jenis asuransi yang tepat menggunakan task dalam data mining untuk menggali informasi yang berkaitan dengan kebutuhan produk asuransi bagi calon nasabah. Metode yang digunakan untuk klasifikasi adalah Naïve Bayes Classifier. Hasil uji coba menunjukkan bahwa metode NBC mampu mengklasifikasi record dengan tingkat kinerja tertinggi sebesar 94.12% ketika proporsi pembagian data latih 90% dan data uji sebesar 10%. Karena kinerja sistem yang dihasilkan dapat dikatakan baik, sistem dianggap kredibel untuk merekomendasikan produk asuransi kepada calon nasabah]]>
<![CDATA[Kajian Algoritma GDBScan, Clarans dan Cure untuk Spatial Clustering ]]>
<![CDATA[Budi Setiyono]]>;
<![CDATA[Imam Mukhlash]]>
<![CDATA[ Limits: Journal of Mathematics and Its Applications Vol. 2 No. 2 (2005): Limits: Journal of Mathematics and Its Applications Volume 2 Nomor 2 Edisi Mei ]]>
Publisher : <![CDATA[Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Abstrak Spatial data mining merupakan salah satu bidang kajian dalam data mining dan menjadi salah satu bidang yang sangat cepat perkembangannya. Salah satu cabang dari spatial data mining adalah geographic data mining. Geographic data mining adalah penemuan pengetahuan baru dari sejumlah besar data geo-spatial (geo-reference). Beberapa metode dalam data mining telah dikembangkan para ahli. Salah satu metode yang paling banyak dikembangkan adalah clustering. Pada penelitian ini akan dilakukan kajian tentang tiga buah algoritma, yaitu algoritma density-based clustering, algoritma CLARANS clustering, serta algoritma CURE. Selanjutnyadilakuan implementasi dalam bentuk perangkat lunak. Studi kasus yang digunakan adalah clustering wilayah (peta) kota Surabaya berdasarkan parameter rasio jumlah penduduk miskin dan sangat miskin, kepadatan, dan tingkat kesejateraan tiap-tiap kelurahan kota Surabaya.]]>
<![CDATA[Himpunan Fuzzy dan Rough Sets ]]>
<![CDATA[Bijan Davvaz]]>;
<![CDATA[Imam Mukhlash]]>;
<![CDATA[Soleha2]]>
<![CDATA[ Limits: Journal of Mathematics and Its Applications Vol. 18 No. 1 (2021): Limits: Journal of Mathematics and Its Applications Volume 18 Nomor 1 Edisi Me ]]>
Publisher : <![CDATA[Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[The concept of a fuzzy set was introduced by Zadeh in 1965. Fuzzy set is a mathematical model of vague qualitative or quantitative data, frequently generated by means of the natural language. The model is based on the generalization of the classical concepts of set and its characteristic function. Intuitionistic fuzzy sets are sets whose elements have degrees of membership and non-membership. Intuitionistic fuzzy sets have been introduced by Atanassov in 1983 as an extension fuzzy sets. On the other hand, the concept of rough set was proposed by Pawlak 1982. Since then the subject has been investigated in many papers. The overall aim of this paper is to present an introduction to some of main concepts related to fuzzy sets, intuitionistic fuzzy sets and rough sets. We investigate Crisp sets and characteristic functions, fuzzy sets, intuitionistic fuzzy sets, rough sets and probabilistic rough sets]]>
