Claim Missing Document
Check
Articles

Found 21 Documents
Search

KONTRIBUSI PEREMPUAN TERHADAP KETAHANAN KELUARGA PADA MASYARAKAT NELAYAN PESISIR PANTAI BENGKALIS Alfiah Alfiah; Mustakim Mustakim; Naskah Naskah; Nuryanti Nuryanti; Salmiah Salmiah
Marwah: Jurnal Perempuan, Agama dan Jender Vol 19, No 1 (2020): Marwah
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/marwah.v19i1.9633

Abstract

Peran perempuan dalam sektor perikanan/nelayan, khususnya kontribusi mereka dalam pendapatan dan tenaga kerja. Di sisi lain, wanita juga mempunyai peranan yang aktif dan penting dalam ketahanan pangan dan keluarga. Dimana perempuan memainkan peranan penting dalam menjaga ketahanan keluarga. Ketahanan keluarga akan terwujud jika keluarga bisa hidup tentram, bahagia dan terpenuhinya kebutuhan. Untuk mewujudkan ketahanan keluarga sebagaimana yang didambakan merupakan usaha yang tidak mudah, karena terbentuknya keluarga merupakan sebuah proses yang panjang dan melalui kerjasama dan penyesuaian yang tidak mudah, mengingat keluarga terbentuk dari dua kepribadian yang berasal dari keluarga yang berbeda, memiliki latar belakang dan pengalaman hidup yang berbeda pula. Sementara disi lain, keluarga nelayan selalu diidentikkan sebagai keluarga miskin, yang pada akhirnya tetap menuntut kontrobusi peran perempuan dalam memperkuat ketahanan keluarga nelayan.Metode yang digunakan dalam openelitian ini adalag deskriptif kualitatif dengan menggunkana alat pengumpulan data melalui observasi, wawancara mendalam dan dokumentasi yang selanjutnya dianalisis dengan metode deduktif dengan reduksi data dan yang menjadi informen penelitian ini adalah perempuan  para istri nelayan di peseisir Bengkalus. Hasil penelitaian adalah kontribusi perempuan dalam ketahanan keluarga nelayan ini sangat besar dan penting dalam bentuk peningkatan ekonomi keluarga, peningkatan peran lingkunga sosial, peningkatan kesadaran pendidikan da peningkatan ekonomi masyarakat
PERBANDINGAN METODE AHP, TOPSIS, DAN MOORA UNTUK REKOMENDASI PENERIMA BEASISWA KURANG MAMPU Nana Nurhaliza; Rimelda Adha; Mustakim Mustakim
Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Vol 8, No 1 (2022): Februari
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/rmsi.v8i1.15298

Abstract

Tingginya angka kemiskinan di Indonesia berdampak pada keberlanjutan pendidikan anak-anak usia sekolah, sehingga banyak lembaga pendidikan negeri maupun swasta yang menawarkan beasiswa kepada siswa yang kurang mampu secara ekonomi. Dengan banyaknya pendaftar, permasalahan dalam penyeleksian beasiswa dapat diterapkan model pendukung keputusan, pertimbangan lebih dari satu kriteria serta menghindari beasiswa tidak tepat sasaran. MCDM didefinisikan sebagai gabungan metode kualtatif dan kuantitatif yang berkaitan dengan beberapa kriteria. Model ini diklasifikasikan dalam kategori MADM dan MODM. Penelitian ini menggunakan metode AHP, TOPSIS, dan MOORA dengan pengukuran tingkat keakuratan ranking menggunakan uji sensitivitas. Dari hasil percobaan yang dilakukan peringkat pertama pada metode AHP yaitu alternatif AU dengan nilai preferensi sebesar 0,1335. Disisi lain peringkat pertama pada metode TOPSIS dan MOORA adalah alternatif DA dengan nilai preferensi 0,7392 dan 0,0581. pada kasus ini TOPSIS merupakan metode yang memiliki nilai preferensi paling tinggi, sedangkan MOORA memiliki nilai preferensi paling rendah yaitu 0,0581. berdasarkan uji sensitivitas, metode MOORA merupakan metode paling baik dengan menghasilkan 2 nilai terendah dari 3 uji sensitivitas yang dilakukan yaitu nilai uji sensitivitas 1 sebesar 0,0058 dan sensitivitas 3 sebesar 0,0029.
Implementasi Algoritma K-Nearest Neighbor dan Probabilistic Neural Network untuk Analisis Opini Masyarakat Terhadap Toko Online di Indonesia Assad Hidayat; Mustakim Mustakim; Muhammad Zakiy Fauzi; Imaduddin Syukra
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (509.441 KB)

Abstract

Twitter dipakai oleh semua orang untuk melakukan penilaian dan mengeluarkan pendapat mengenai segala sesuatu dan mengunggah postingan dengan opini yang berbeda-beda melalui tweet. Tweet yang digunakan berasal dari akun resmi toko online pada Twitter yaitu Lazada dan Blibli. Tweet tersebut dianalisi menggunakan sebuah teknik penggalian teks atau disebut juga text mining. Pada penelitian ini menggunakan dua algoritma klasifikasi yang terdapat pada text mining yaitu K-Nearest Neighbor dan Probabilistic Neural Network, dimana kelas data dibagi menjadi tiga yaitu netral, negatif dan positif yang ditentukan dengan cara menggunakan kamus sentimen. Data dibagi menggunakan K-Fold Cross Validation yang kemudian dihitung akurasinya. Pada percobaan menggunakan metode pembagian data dengan 10 K pada K-Fold Cross Validation didapat hasil perbandingan akurasi antara KNN dan PNN terhadap data Lazada dan data Blibli, Dimana pada data Lazada akurasi KNN lebih tinggi dibandingkan PNN dengan akurasi KNN sebesar  71.57% sedangkan PNN sebesar 66.71%. Untuk data Blibli akurasi KNN juga lebih tinggi dibandingkan PNN dengan akurasi KNN sebesar 68.29% sedangkan PNN sebesar 65.29%. Jadi hasil akurasi pada data Lazada dan Blibli menggunakan algoritma KNN memiliki performa lebih baik dibanding PNN.
Implementasi Algoritma Analytic Hierarchy Process (AHP), SMARTER, dan MOORA dalam Penentuan Bidang Keahlian Siswa Ummi Soleha; Mulyana Widyastuti; Mustakim Mustakim
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2021: SNTIKI 13
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Tingginya tingkat pengangguran di Indonesia khususnya lulusan Sekolah Menengah Kejuruan ditahun 2020 mencapai 6,88 juta atau 8,49% lebih tinggi dibandingan pendidikan lainnya. Tingginya tingkat pengangguran ini disebabkan penempatan jurusan yang tidak sesuai dengan bidang keahlian siswa sehingga lulusan SMK sulit ditampung oleh Industri masa kini. Masalah penentuan minat atau bidang keahlian siswa dapat diterapkan menggunakan model pendukung keputusan. Penelitian ini menggunakan metode AHP, SMARTER dan MOORA dengan melakukan perankingan serta pengukuran keakuratan menggunakan uji sensitivitas. Hasil percobaan yang telah dilakukan menunjukkan bahwa peringkat pertama pada metode AHP alternatif A1 dengan nilai preferensi 0,268. Adapun peringkat pertama pada metode SMARTER pada alternatif A9 dengan nilai 0.57 dan MOORA yaitu pada alternatif A4 dengan nilai optimasi 0,331. Dalam kasus tiga metode ini, SMARTER memiliki nilai preferensi sangat tinggi sedangkan AHP memiliki nilai preferensi terendah dengan nilai  0,020 pada alternatif A10. Berdasarkan uji sensitivitas, AHP merupakan metode terbaik dengan 2 nilai uji sensitivitas dibawah 0,1 yaitu uji sensitivitas pertama 0,058 dan uji sensitivitas ketiga 0,087 dibandingkan dengan metode SMARTER dan MOORA. Adapun kandidat yang sesuai dengan hasil AHP yaitu A1 dengan bidang keahlian BDP (Bisnis Daring dan Pemasaran).
PENERAPAN METODE ARIMA UNTUK PERAMALAN PENGUNJUNG PERPUSTAKAAN UIN SUSKA RIAU Syarfi Aziz; Ahmad Sayuti; Mustakim Mustakim
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2017: SNTIKI 9
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (645.684 KB)

Abstract

Setiap Tahun Jumlah Mahasiswa UIN Suska Riau mengalami peningkatan, hal tersebut juga mempengaruhi jumlah pengunjung pada Perpustakaan Universitas. Bertambahnya jumlah pengunjung perpustakaan tersebut harus dapat diimbangi dengan pengembangan sarana dan prasarana yang memadai. Oleh karena itu, perlu dilakukan peramalan guna mendukung proses perencanaan dan pengembangan Perpustakaan. Penelitian ini membahas tentang trend perkembangan jumlah pengunjung Perpustakaan UIN Suska Riau dimasa mendatang. Data yang digunakan dalam penelitian ini adalah data pengunjung Perpustakaan pada januari 2016 sampai agustus 2016. Analisa data menggunakan metode Autoregressive Integrated Moving Average (ARIMA). Metode ARIMA terdiri dari identifikasi model, menentukan estimasi parameter, menentuan model terbaik dengan uji statistik dan  prediksi untuk data pada waktu yang akan datang. Tools yang digunakan dalam penelitian ini adalah Eviews. Hasil analisis pada penelitian adalah penggunaan model ARIMA untuk data pengunjung Perpustakaan UIN SUSKA Riau yaitu model ARIMA (0,1,1) dan didapatkan hasil peramalan hingga hari ke 190 yaitu Jurusan Teknik Informatika 10 Mahasiswa, Teknik Industri 1 Mahasiswa, Sistem Informasi 3 Mahasiswa, Matematika Terapan 3 Mahasiswa, Teknik Elektro 2 Mahasiswa dan total perhari 24 Mahasiswa.
Klasifikasi Dokumen Tugas Akhir Berbasis Text Mining menggunakan Metode Naïve Bayes Classifier dan K-Nearest Neighbor Hamdani Asril; Mustakim Mustakim; Insanul Kamila
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (335.676 KB)

Abstract

Tugas akhir merupakan salah satu syarat yang harus dipenuhi oleh mahasiswa untuk menyelesaikan pendidikan di perguruan tinggi. Dalam proses pengerjaan tugas akhir, mahasiswa membutuhkan dosen pembimbing sebagai tempat untuk berkonsultasi yang sesuai dengan kategori/bidang ilmu topik tugas akhir yang diajukan mahasiswa dalam proposal tugas akhir. Pada Program Studi Sistem Informasi UIN SUSKA Riau penentuan dosen pembimbing ditentukan berdasarkan keputusan dari Ketua Program Studi sehingga membutuhkan waktu yang cukup lama dalam penentuannya. Tujuan penelitian ini adalah untuk membangun sistem rekomendasi dosen pembimbing menggunakan metode klasifikasi, Naïve Bayes Clasifier dan K-Nearest Neighbor (KNN). Dari percobaan 3 kelas dan 16 kelas diperoleh akurasi terbaik pada percobaan 3 kelas dengan nilai 86,11% untuk Naive Bayes Classifier (NBC) dan 91,67% untuk K-Nearest Neighbor (KNN). Pada pembangunan sistem digunakan metode KNN untuk proses klasifikasinya dengan menggunakan Bahasa pemograman Python.
Penerapan Algoritma K-Medoids untuk Klasterisasi Penyakit di Pekanbaru Riau Tri Juninda; Mustakim Mustakim; Elvia Andri
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (187.159 KB)

Abstract

Penyakit merupakan suatu kondisi yang membuat sesorang mengalami penurunan fungsi tubuh dan membuat produktifitas aktivitas menurun. Berdasarkan Riset Kesehatan Dasar tahun 2013 mencatat terdapat beberapa penyakit dengan prevalensi tertinggi di Indonesia yaitu hipertensi, penyakit sendi, dan hepatitis B. Klasterisasi penyakit menggunakan algoritma K-Medoids menghasilkan kelompok terbaik dengan penyakit dominan dalam cluster tersebut. Berdasarkan penelitian yang dilakukan terhadap data penyakit yang sering diderita di Pekanbaru Riau didapatkan hasil 4 cluster sebagai pengklasterisasian terbaik dengan nilai Devies Bouildien Indeks sebesar 0,43 . Pada cluster 1 didapatkan 420 record dengan penyakit dominan adalah Maag sebesar 44,39%, cluster 2 didapatkan 349 record dengan penyakit dominan adalah Diare dan Sakit Perut sebesar 16,98%, pada cluster 3 didapatkan 794 record dengan penyakit dominan adalah Batuk dan Pilek sebesar 65,21% dan pada cluster 4 didapatkan 1248 record dengan penyakit dominan adalah Batuk dan Pilek sebesar 54,10%. Hasil dari penelitian ini menunjukan bahawa algoritma K-Medoids mampu melakukan klasterisasi terhadap penyakit di Pekanbaru Riau.
Penerapan Metode SMARTER untuk Penentuan Hasil Open Recruitment Anggota Puzzle Research Data Technology (Predatech) Siti Syahidatul Helma; Insanul Kamila; Mustakim Mustakim; Putri Anglenia; Ulya Ramadhani Z
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (946.805 KB)

Abstract

Dalam setiap aktivitas organisasi, manusia berperan aktif dan memiliki dampak yang dominan, karena manusia menjadi perencana, pelaku, sekaligus penentu terwujudnya tujuan organisasi. Salah satu hal terpenting dalam pengelolaan dan perkembangan SDM dalam suatu organisasi adalah sistem dalam proses penyeleksian penerimaan  atau open recruitment (rekrutmen) calon anggota organisasi. Organisasi Puzzle Research Data Technology (Predatech) setiap tahunnya melakukan penerimaan anggota baru untuk regenerasi. Proses perekrutan dalam agenda open recruitment anggota Predatech melakukan pengolahan yang dianggap monoton karena hanya menggunakan nilai rata-rata sehingga hasil nilai seleksi memiliki perbedaan secara signifikan. Salah satu metode yang dapat membantu dalam proses rekrutmen calon anggota baru yaitu metode Simple Multi-Attribute Rating Technique Exploiting Ranks (SMARTER), yang dapat merankingkan calon anggota berdasarkan pembobotan ROC antara range 0-1 tiap kriterianya. Penelitian menggunakan metode SMARTER ini dapat menghasilkan nilai akhir seleksi calon anggota menjadi lebih optimal dan efektif dengan perankingan alternatif tertinggi bernilai 0,363 sedangkan nilai terendah bernilai 0,169.
Klasifikasi Status Kesejahteraan Rumah Tangga di Kabupaten Siak Menggunakan Algoritma Naive Bayes Classifier Arianto Tarigan; Mustakim Mustakim; Ervan Wahyudi; Jeni Adhiva
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1021.162 KB)

Abstract

Dinas Sosial Kabupaten Siak dalam menentukan status kesejahteraan keluarga berdasarkan musyawarah dengan menentukan kesejahteraan berdasarkan aspek kesehatan dan pendidikan. Oleh karena itu, perlu adanya sebuah sistem klasifikasi yang mendukung pihak Dinas Sosial dalam menentukan status kesejahteraan keluarga di Kabupaten Siak secara efektif dan tepat. Penelitian ini dimaksudkan untuk melakukan klasifikasi status kesejahteraan rumah tangga menggunakan algoritma Naive Bayes Classifier. Atribut yang digunakan pada penelitian ini adalah NIK, kecamatan, jenis cacat, penyakit kronis, ijazah tertinggi, lapangan usaha dari pekerjaan utama, status kedudukan dalam Pekerjaan Utama, Status bangunan tempat tinggal, status lahan tempat tinggal, jenis lantai, jenis dinding, jenis atap, sumber air minum, sumber penerangan utama, dan jumlah anggota keluarga. Penentuan atribut ini telah dikonfirmasi kepada pihak Dinas Sosial Kabupaten Siak melalui wawancara sebagai fitur utama penentu status kesejahteraan rumah tangga. Penelitian melakukan pembagian data latih dan data uji dengan menggunakan k-fold cross validation dilakukan dengan 4 cross dan 10 kali percobaan menggunakan tools Weka dan data kesejahteraan tahun 2017 sebanyak 19.612 data. Hasilnya didapatlah akurasi tertinggi pada k4 dengan akurasi rata-rata 53%. Hasil dari perhitungan algoritma tersebut akan diimplementasikan kedalam sebuah sistem informasi yang diharapkan mampu memberikan pemecahan masalah sehingga dapat membantu pihak Dinas Sosial dalam menentukan status kesejahteraan secara efektif dan tepat.
Prediksi Jumlah Tunggakan Pajak Jatuh Tempo Menggunakan Algoritma Support Vector Regression Mustakim Mustakim; celsa bella; Yoga Rizola Pratama
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (420.957 KB)

Abstract

Pajak kendaraan bermotor merupakan pajak daerah yang memiliki kontribusi besar bagi peningkatan pendapatan asli daerah. Salah satu sumber pendapatan asli daerah di Kabupaten Pasaman adalah dana bagi hasil pajak kendaraan, yang dialokasikan untuk pendidikan, pembangunan dan  sarana transportasi. Peningkatan tunggakan pajak kendaraan berpengaruh signifikan terhadap pendapatan asli daerah dan akan menganggu kelangsungan pembangunan daerah. Penelitian ini dimaksudkan untuk melakukan prediksi jumlah tunggakan pajak kendaraan jatuh tempo di Kabupaten Pasaman dengan penerapan data mining yaitu algoritma support vector regression sehingga akan diketahui jumlah tunggakan untuk periode selanjutnya. Hasi prediksi periode pertama menunjukkan sebanyak 8 Kecamatan mengalami kenaikan jumlah tunggakan pajak, dan pada periode kedua  sebanyak 7 Kecamatan mengalami peningkatan jumlah tunggakan. Model prediksi terbaik menggunakan teknik k-Fold Cross Validation, untuk periode pertama didapat pada Fold-1 dengan nilai MSE 4,8% dan Tingkat Akurasi (R) 91%, untuk periode kedua model terbaik juga didapat pada Fold-1 dengan MSE 0,14% dan R 96%.