Articles
<![CDATA[Support Vector Regression untuk Prediksi Produktivitas Kelapa Sawit di Provinsi Riau ]]>
<![CDATA[Mustakim Mustakim]]>;
<![CDATA[Agus Buono]]>;
<![CDATA[Irman Hermadi]]>
<![CDATA[ SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 12, No 2 (2015): Juni 2015 ]]>
Publisher : <![CDATA[Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/sitekin.v12i2.990
<![CDATA[Krisis energi yang melanda wilayah Provinsi Riau dan sekitarnya memberikan dampak penurunan nilai ekonomi masyarakat, hal tersebut disebabkan salah satunya adalah negara selalu bergantung kepada sumber energi fosil. Upaya pemerintah untuk mengatasi krisis energi telah dilakukan dengan mengganti energi fosil dengan energi alternatif terbarukan dari limbah kelapa sawit. Produksi dan produktifitas kelapa sawit di Provinsi Riau memiliki peringkat terbesar di Indonesia, hal ini menjadi gambaran akan terwujudnya energi alternatif masa depan di Riau. Penelitian ini melakukan prediksi produksi dan produktifitas untuk kedepannya dengan menggunakan metode Support Vector Regression. Dari hasil percobaan yang dilakukan, diperoleh nilai prediksi untuk kedepannya mengalami penurunan hingga 52% dan hanya mengalami kenaikan 5 dari 74 lokasi sebesar 8% . Kernel SVR terbaik dari kombinasi percobaan ini adalah Radial Basis Function dengan koefisien determinasi (R2) sebesar 95% dan nilai error galat (MSE) sebesar 6% terdapat pada fold 1 dengan rentang γ=20 dan C 23.]]>
<![CDATA[Perbandingan Algoritma DBSCAN dan K-Means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia ]]>
<![CDATA[Rimelda Adha]]>;
<![CDATA[Nana Nurhaliza]]>;
<![CDATA[Ummi Sholeha]]>;
<![CDATA[Mustakim Mustakim]]>
<![CDATA[ SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 18, No 2 (2021): Juni 2021 ]]>
Publisher : <![CDATA[Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/sitekin.v18i2.12469
<![CDATA[Pada tanggal 16 Maret 2020 telah dikonfirmasi terdapat lebih dari 180.000 kasus Covid-19 di seluruh dunia, dengan lebih dari 7.000 kematian. Berbagai upaya dilakukan oleh negara-negara yang terdampak oleh Covid-19 untuk mengatasi penyebaran virus ini. Terdapat negara yang memiliki tingkat kesembuhan dan pemulihan yang tinggi, sebaliknya juga terdapat negara yang kesulitan dalam penanganan pandemi Covid-19 ini. Penelitian dilakukan untuk mengelompokkan negara-negara yang memiliki pola kasus Covid-19 di dunia. Kedepannya, hasil pengelompokan dapat dijadikan acuan dan pola gambaran negara yang memiliki tingkat pemulihan rendah dapat mengamati proses pemulihan negara yang memiliki tingkat pemulihan tinggi yang berada dalam kelompoknya. Untuk melakukan klasterisasi pada penelitian ini menggunakan algoritma DBSCAN dan K-Means. Setelah melalui beberapa percobaan diperoleh hasil bahwa K-Means lebih unggul daripada DBSCAN dalam mengelompokkan kasus Covid-19. Algoritma K-Means memiliki nilai SI terbaik sebesar 0,6902 yang terletak pada percobaan dengan nilai k = 8.]]>
<![CDATA[ALGORITMA K-NEAREST NEIGHBOR CLASSIFICATION SEBAGAI SISTEM PREDIKSI PREDIKAT PRESTASI MAHASISWA ]]>
<![CDATA[Mustakim Mustakim]]>;
<![CDATA[Giantika Oktaviani]]>
<![CDATA[ SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 13, No 2 (2016): JUNI 2016 ]]>
Publisher : <![CDATA[Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/sitekin.v13i2.1688
<![CDATA[Students college predicate is a form of achievement during the academic activity at college. This research is intended to make predictions toward predicate students college achievement that will be acquired in the future. The process of predictions by using K-Nearest Neighbor Method (KNN). The attributes that are used in process predictions was gender, kind of stay, age, semester credit unit, and also grade point average. Therefore by applying Al-goritma KNN, the predictions based on the closeness from history of data training to data testing can be done. To determined of this attributes based on the result of previous researches that have similarities of case that validated by academic of Faculty Sains and Technology. The process of predictions toward students information system of 2014/2015 as a sample of data testing. The number of the data was 50. And based on the data of students information system of 2012/2013 as a sample of data training, the number of the data was 165 which produce the accuracy testing was 82%. The result of calculation algoritma KNN is implemented toward Early Morning System (EWS). The output of sytem built to serve as a guide for students to improve the achievement and predicate in the future.]]>
<![CDATA[Penerapan K-Means Clustering Berdasarkan RFM Mofek Sebagai Pemetaan dan Pendukung Strategi Pengelolaan Pelanggan (Studi Kasus: PT. Herbal Penawar Alwahidah Indonesia Pekanbaru) ]]>
<![CDATA[Fakhri Hadi]]>;
<![CDATA[Mustakim Mustakim]]>;
<![CDATA[Dini Octari Rahmadia]]>;
<![CDATA[Ferdian Hadi Nugraha]]>;
<![CDATA[Nada Putri Bulan]]>;
<![CDATA[Siti Monalisa]]>
<![CDATA[ SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 15, No 1 (2017): DESEMBER 2017 ]]>
Publisher : <![CDATA[Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/sitekin.v15i1.4575
<![CDATA[Customer Relationship Management merupakan salah satu strategi yang dapat diterapkan untuk memperoleh nilai tambah bagi perusahaan, terkait di semua bagian perusahaan yang berhubungan dengan pelanggan. PT. Herbal Penawar Alwahidah Indonesia (HPAI) merupakan salah satu perusahaan bisnis halal network di Indonesia yang fokus pada produk-produk herbal. Tujuan dari proses segmentasi pelanggan adalah untuk mengetahui perilaku konsumen dan menerapkan strategi pemasaran yang tepat sehingga mendatangkan keuntungan bagi pihak perusahaan. Langkah-langkahnya dimulai dari mengumpulkan data transaksi customer, selanjutnya data prepocessing dengan memilih data yang dibutuhkan, kemudian mencari value customer dengan sesuai parameter Recency,Frequency dan Monetary (RFM). Proses selanjutnya adalah dengan mengelompokkan menggunakan metode K-Means. Terakhir, pelanggan akan di berikan usulan strategi marketing. Hasil yang didapatkan dari studi kasus PT.HPAI menunjukkan bahwa segmen pelanggan yang terbentuk adalah empat cluster yaitu cluster pertama berjumlah 4 pelanggan, cluster 2 berjumlah 339 pelanggan, cluster 3 berjumlah 200 pelanggan, dan cluster 4 berjumlah 8 pelanggan. Hasil strategi marketing ditentukan sesuai dengan karakteristik pelanggan di tiap-tiap clustering yang terbentuk.]]>
<![CDATA[SISTEM INFORMASI ALUMNI PROGRAM STUDI SISTEM INFORMASI UIN SULTAN SYARIF KASIM RIAU ]]>
<![CDATA[Trisda Ningsih]]>;
<![CDATA[Mustakim Mustakim]]>
<![CDATA[ Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Vol 5, No 2 (2019): Agustus ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/rmsi.v5i2.7641
<![CDATA[Program Studi Sistem Informasi Fakultas Sains dan Teknologi UIN Sultan Sultan Sarif Kasim Riau yang beralamat di jalan H. R. Soebrantas No. 155 Km. 15 Panam Kecamatan Tampan Kota Pekanbaru, merupakan Peogram Studi yang bergerak dibidang keilmuan IT khususnya manajemen, bisnis dan rekayasa. Proses pendataan dan trecking Alumni pada saat ini dilakukan dengan cara menginfokan menggunakan sosial media. Sangat sulit bagi Program Studi dalam melakukan pendataan karena tidak semua Alumni aktif pada sosial media. Tujuan dibangun Sistem Informasi Alumni ini diharapkan dapat memaksimalkan proses pendataan dan tracking Alumni dengan menggunakan notifikasi via email dapat menjadi pengingat Alumni memperbaruhi data. Sistem yang dibangun berbasis web dan menggunakan model perancangan dengan Unified Modelling Languange (UML) yang merupakan model dari metode perancangan berbasis objek yaitu Object Oriented Analysis Design (OOAD). Berdasarkan pengujian dari Blackbox Testing dengan hasil 100% dan pengujian User Acceptance Test (UAT) dengan hasil 89% menujukkan bahwa Sistem Informasi Alumni pada Program Studi Sistem Informasi UIN Suska Riau yang dibuat dapat berjalan sesuai dengan yang direncanakan pada rancangan yang dibuat sebelumnya. Sistem Informasi Alumni berbasis web ini diharapkan dapat meningkatkan kinerja petugas dalam melakukan pengelolaan data Alumni dan dapat meningkatkan akreditasi Program Studi kedepannya.]]>
<![CDATA[IMPLEMENTASI METODE SMARTER DAN COPRAS UNTUK PENENTUAN PENERAPAN PEMBATASAN SOSIAL BERSKALA BESAR PADA WILAYAH TERDAMPAK KASUS COVID-19 ]]>
<![CDATA[Dinda Chahya]]>;
<![CDATA[Marlina Zhafira]]>;
<![CDATA[Mustakim Mustakim]]>
<![CDATA[ Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Vol 7, No 2 (2021): Agustus ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/rmsi.v7i2.12470
<![CDATA[Sejak tahun 2019 hingga awal tahun 2021 ini berbagai negara di dunia termasuk Indonesia dilanda pandemik Covid-19, yaitu sebuah penyakit yang disebabkan oleh virus bernama SARS-CoV-2. Karena cepatnya penyebaran virus ini dan membawa dampak kematian besar bagi orang-orang yang terinfeksi, beberapa negara mengeluarkan kebijakan lockdown untuk memutus penyebaran Covid-19. Negara Indonesia juga memiliki kebijakan yaitu penerapan Sistem Pembatasan Sosial Berskala Besar (PSBB) pada beberapa wilayah di Indonesia. Di Provinsi Riau sendiri, hingga tanggal 22 Januari 2021, total 27.851 orang terkonfirmasi positif Covid-19. Untuk memudahkan Pemerintah Provinsi Riau dalam menentukan Kabupaten/Kota yang sebaiknya menerapkan PSBB, maka dapat dilakukan perhitungan dengan menerapkan metode tertentu, dimana dalam penelitian ini dikombinasikan dua metode yaitu metode SMARTER untuk mencari nilai bobot setiap kriteria dan dilanjutkan dengan metode COPRAS untuk pemilihan alternatif terbaik. Adapun kriteria yang digunakan adalah lima kriteria yang terdiri dari total isolasi mandiri, total pasien dirawat, total pasien sembuh, total kasus meninggal, dan kepadatan penduduk. Hasil yang diperoleh dari kombinasi dua metode ini adalah Kota Pekanbaru ada di ranking pertama dengan nilai utility 100 % sedangkan ranking terakhir adalah Kabupaten Meranti dengan nilai utility sebesar 8,9 %.]]>
<![CDATA[PENERAPAN METODE PROMETHEE UNTUK PENDUKUNG KEPUTUSAN PEMILIHAN SMARTPHONE TERBAIK ]]>
<![CDATA[Tri Juninda]]>;
<![CDATA[Elvia Andri]]>;
<![CDATA[Ulya Kahirunnisa]]>;
<![CDATA[Novi Kurniawati]]>;
<![CDATA[Mustakim Mustakim]]>
<![CDATA[ Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Vol 5, No 2 (2019): Agustus ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/rmsi.v5i2.7677
<![CDATA[Perkembangan dan penjualan smartphone yang semakin meningkat membuat banyak vendor smartphone bersaing untuk menawarkan berbagai macam fitur pada smartphone yang mereka pasarkan, sehingga masyarakat sering dihadapkan pada permasalahan-permasalahan yaitu kesulitan dalam menentukan smartphone yang akan dibeli. Hal ini disebabkan karena banyaknya smartphone yang menawarkan fitu-fitur canggih dengan harga yang murah. Pemilihan smartphone ini dapat ditentukan berdasarkan kriteria yang telah dipilih diantaranya harga, ukuran layar, Random Acces Momory (RAM), Read Only Memory (ROM), processor, kamera, dan kapasitas baterai. Sebagai gambaran dan rekomendasi kepada masyarakat dalam memilih smartphone yang tepat digunakanlah metode PROMETHEE. Metode ini mampu dijadikan sebagai alat bantu dalam pengambilan keputusan. Metode PROMETHEE bekerja dengan melakukan penentuan atau pengurutan dalam suatu analisis multikriteria. Hasil dari penelitian ini memberikan suatu rekomendasi kepada masyarakat dalam melakukan pemilihan smartphone yang sesuai dengan keinginan dan kebutuhan berdasarkan kriteria yang telah ditentukan. Berdasarkan hasil penelitian, direkomendasikan bahwa beberapa alternatif peringkat tertinggi adalah Oppo F7, Vivo V11, dan Oppo F9 sebagi bahan pertimbangan dalam pembelian smartphone.]]>
<![CDATA[PENGELOMPOKAN JUMLAH PENDUDUK SUMATERA BARAT BERDASARKAN ANGKATAN KERJA MENGGUNAKAN ALGORITMA K-MEANS ]]>
<![CDATA[Devy Safira]]>;
<![CDATA[Mustakim Mustakim]]>;
<![CDATA[Ega Dwi Lestari]]>;
<![CDATA[Misratul Iffa]]>;
<![CDATA[Sella Annisa]]>
<![CDATA[ Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Vol 6, No 1 (2020): Februari ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/rmsi.v6i1.8682
<![CDATA[Indonesia adalah suatu negara berkembang yang memiliki banyak permasalahan dalam bidang kesejahteraan rakyat. Saat ini pemerintah Indonesia sedang berusaha menciptakan kesejahteraan dan kemakmuran rakyat dengan cara meningkatkan pembangunan diberbagai bidang. Salah satu cara yang dilakukan pemerintah saat ini adalah meningkatkan ketersediaan lapangan kerja agar dapat mengurangi masalah angkatan kerja. Masalah angkatan kerja, merupakan masalah umum yang sering dihadapi oleh hampir seluruh penduduk didunia bahkan penduduk dinegara maju sekalipun. Umumnya permasalahan angkatan kerja dinegara maju disebabkan oleh ketidakmampuan perusahaan untuk menggaji karyawan yang tinggi, serta meningkatnya jumlah pengangguran yang disebabkan karena perusahaan lebih tertarik menggunakan tenaga kerja robot dibandingkan tenaga kerja manusia. Dalam penelitian ini, dilakukan pengelompokan jumlah penduduk berdasarkan angkatan kerja menggunakan algoritma K-Means. Tujuan dari pengelompokan data ini adalah untuk mendapatkan pengelompokan angkatan kerja pada wilayah Provinsi Sumatera Barat dengan menggunakan algoritma K-means, dengan pemodelan tersebut menghasilkan tingkat pengagguran berdasarkan hasil masing-masing cluster yang dihasilkan sehingga dapat memberikan informasi kebutuhan tenaga kerja di Provinsi Sumatera Barat. Hasil dari pengelompokan sepenuhnya memiliki akurasi yang sangat dekat dan baik serta tervalidasi menggunakan data BPS. Selain itu K-Means juga mampu memberikan nilai validitas cluster terbaik berdasarkan DBI dengan nilai 0.238.]]>
<![CDATA[PENERAPAN NAÏVE BAYES CLASSIFICATION UNTUK KLASIFIKASI TINGKAT KEMUNGKINAN OBESITAS MAHASISWA SISTEM INFORMASI UIN SUSKA RIAU ]]>
<![CDATA[Wiwik Muslehatin]]>;
<![CDATA[Muhammad Ibnu]]>;
<![CDATA[Mustakim Mustakim]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2017: SNTIKI 9 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (508.711 KB)
<![CDATA[Tingkat penderita obesitas pada remaja Indonesia terus meningkat dari tahun ke tahun. Hal ini terjadi karena pola makan dan gaya hidup yang tidak benar. Oleh karena itu, penelitian ini bertujuan menganalisa tingkat obesitas menggunakan algoritma klasifikasi pada teknik data mining. Penelitian ini dilakukan pada mahasiswa jurusan Sistem Informasi UIN Sultan Syarif Kasim Riau dengan mengambil sampel secara random sebanyak 88 orang. Kriteria atau atribut yang digunakan untuk mengklasifikasi kemungkinan mahasiswa menderita obesitas antara lain, lingkar perut, berat badan dan tinggi badan. Hasil pengujian menunjukkan akurasi sebesar 66,67% yaitu 16 responden beresiko untuk mendapatkan kemungkinan obesitas tingkat sedang. 69 responden tingkat gizi normal, 3 responden kekurangan gizi. Obesitas ini harus diperhatikan karena mahasiswa yang mengalami obesitas mempunyai 80% berpeluang untuk mengalami obesitas pula pada saat dewasa atau usia lanjut. Penderita obesitas juga berisiko lebih tinggi untuk masalah kesehatan, seperti penyakit jantung, stroke, diabetes, asma, dan beberapa jenis kanker.]]>
<![CDATA[ANALISIS SENSITIFITAS MODEL SMART-AHP DENGAN SMARTER ROC SEBAGAI PENGAMBILAN KEPUTUSAN MULTI KRITERIA ]]>
<![CDATA[Richa Dwi Kusmiyanti]]>;
<![CDATA[Suliatun Suliatun]]>;
<![CDATA[Mustakim Mustakim]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2017: SNTIKI 9 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (580.418 KB)
<![CDATA[Indonesia merupakan negara produsen dan eksportir kelapa sawit terbesar didunia dengan luas areal perkebunan mencapai 11,30 juta Ha dan jumlah produksi mencapai 31,28 juta ton pada tahun 2015. Provinsi Riau merupakan provinsi penghasil kelapa sawit terbesar di Indonesia dengan jumlah produksi mencapai 7,33 juta ton dan luas areal perkebunan mencapai 2,4 juta Ha. Hal ini mengharuskan Pemerintah Nasional maupun Daerah mengambil kebijakan untuk mengantisipasi terjadinya penurunan produktivitas kelapa sawit. Salah satu teknik pendukung keputusan dalam analisis kebijakan yang digunakan pada riset ini adalah Simple Multi Attribute Rating Technique Exploiting Ranks (SMARTER). Pembobotan pada metode SMARTER menggunakan range antara 0 sampai 1, bobot dihitung menggunakan pembobotan Rank-Order Centroid (ROC). Pada penelitian sebelumnya, telah dilakukan perangkingan alternatif wilayah menggunakan metode Simple Multi Attribute Rating Technique (SMART) dengan membandingkan dua pembobotan yaitu langsung dan teknik Analytic Hierarchy Process (AHP) dengan kesimpulan bahwa teknik AHP merupakan teknik pembobotan terbaik karena memiliki nilai sensitifitas terkecil. Pada penelitian ini membandingkan antara metode SMARTER-ROC dengan metode SMART AHP dilihat dari nilai sensitifitas terkeceilnya. Hasil perangkingan metode SMARTER-ROC memiliki nilai sensitifitas yaitu 0,0011, sedangkan metode SMART AHP memiliki nilai sensitifitas yaitu 0,0274. Hal ini menunjukkan bahwa metode SMARTER-ROC lebih baik karena memiliki nilai sensitifitas terkecil.]]>
