Claim Missing Document
Check
Articles

Found 19 Documents
Search

Implementasi Algoritma K-Mean Clustering dan Mean-Variance Efficient Portfolio One Constrain dalam Optimasi Bobot Portofolio Saham Aprihartha, Anjas; Prihandono, Adi
JSI: Jurnal Sistem Informasi (E-Journal) Vol 17 No 1 (2025): Vol 17, No 1 (2025)
Publisher : Jurusan Sistem Informasi Fakultas Ilmu Komputer Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18495/jsi.v17i1.236

Abstract

Klasterisasi (Clustering) merupakan teknik yang digunakan dalam analisis data untuk mengelompokkan sekumpulan objek berdasarkan karakteristik tertentu, sedemikian hingga objek dalam satu kelompok lebih mirip satu sama lain dibandingkan dengan objek dalam kelompok yang lain. Metode k-means merupakan metode klasterisasi berbasis jarak yang populer dalam data mining. Salah satu contoh penerapan algoritma k-means adalah memilih saham pada klaster tertentu dalam proses membangun portofolio. Berinvestasi saham merupakan kegiatan yang memiliki risiko tinggi, sehingga penentuan portofolio optimal perlu dilakukan agar tujuan investasi dapat tercapai. Membangun bobot portofolio optimal dapat dilakukan dengan metode mean-variance efficient portofolio one constrain. Metode ini berguna dalam meminimalisir risiko pada tingkat profit yang diharapkan. Penelitian ini bertujuan untuk menciptakan portofolio optimal dengan menggabungkan metode k-means clustering dan metode mean-variance efficient portofolio one constrain. Hasil penelitian diperoleh dari 50 saham dibagi menjadi tiga klaster berbeda. Masing-masing klaster dengan ekspektasi return tertinggi dimasukan ke dalam portofolio diantaranya adalah BYAN, GOTO, dan GGRM. Hasil analisis diperoleh bobot portofolio saham BYAN, GOTO, dan GGRM masing-masing sebesar 0,556693; 0,219429; dan 0,223879. Nilai ekspektasi return portofolio diperoleh sebesar 0,003589 yang berarti potensi rata-rata keuntungan yang diharapkan investor dari portofolio ini sebesar 0,3589%. Resiko yang diterima investor dalam portofolio tersebut relatif rendah dan stabil, yaitu sebesar 1,549%.
Aplikasi Gamifikasi Pembelajaran Bahasa Inggris Berbasis Augmented Reality Prihandono, Adi; Sherlita Bere, Ofriana Maria; ULUMUDDIN, DIMAS IRAWAN IHYA'
Jurnal Informatika UPGRIS Vol 9, No 1: Juni 2023
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v9i1.15773

Abstract

Perkembangan teknologi telah membawa perubahan pada sistem pembelajaran yang didukung oleh aplikasi pembelajaran pada komputer, laptop dan smartphone. Penggunaan aplikasi augmented reality bisa dijadikan contoh dalam pembelajaran Bahasa Inggris untuk anak usia dini. Perancangan ini bertujuan terciptanya media pembelajaran dasar Bahasa Inggris pada anak usia dini memanfaatkan teknologi augmented reality dengan pendekatan gamifikasi. Gamifikasi merupakan pendekatan pembelajaran yang menggunakan unsur permainan atau video untuk memotivasi peserta didik dalam proses pembelajaran. Perancangan ini menggunakan metode pengembangan Multimedia Development Life Cycle (MDLC). Hasil dari perancangan ini menghasilkan sebuah aplikasi yang berisi materi dasar bahasa inggris untuk anak usia dini, yang terdiri dari gretings, number, alphabet, color, animal, family, dan fruit.
Edukasi Pengelolaan Laporan Administrasi Pada Klinik Utama Sari Medika Berbasis Query Aries Setiawan; Dian Prawitasari; Imam Nuryanto; Karmila Karmila; Raden Ayu Aminah Rizkia Puspita Sari; Arditya Dian Andika; Karis Widyatmoko; Juli Ratnawati; Adi Prihandono; Ida Farida
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 9, No 1 (2026): JANUARI 2026
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v9i1.3238

Abstract

Semakin bertambahnya waktu dan aktivitas rawat pasien maka semakin menambah baris penyimpanan data, ratusan sampai dengan ribuan baris data. Klinik ini sudah menggunakan komputerasi data pendataan dan tranksaksi kegiatan klinik, namun masih terdapat kelemahan, diantara kelemahannya yaitu laporan yang disedikan masih terbatas, belum ada pengelompokan data berdasarkan batasan tertentu. Tujuan dari program kemitraan masyarakat ini adalah untuk memberikan edukasi kepada staf klinik tentang pemanfaatan query sebagai salah satu fasilitas untuk memudahkan pencarian data meupun pengelompokan data administrasi.  Hasil edukasi pengelolaan administrasi klinik berbasis query pada google sheet memberikan hasil yang cenderung meningkat dari sebelum adanya edukasi yaitu dengan rata-rata penguasaan 94,1 % sehingga pihak klinik perlu menerapkan dalam proses pengelolaan lapoan administrasinya.
REFERENSI PENUGASAN TENAGA TEKNISI PADA PENANGANAN VARIAN KERUSAKAN MENGGUNAKAN DECISION SUPPORT SYSTEM Aries Setiawan; Juli Ratnawati; Adi Prihandono
Jurnal Transformatika Vol. 19 No. 1 (2021): July 2021
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v19i1.3061

Abstract

Aset yang dikelola oleh sebuah instansi bisa berupa peralatan yang mempunyai batas umur pakai, jika perawatannya tidak tepat maka akan berakibat pada pemakaian yang tidak maksimal. Perawatan bisa berupa servis rutin dan servis ketika terjadi kerusakan, perawatan dilakukan oleh tenaga teknisi. Kemampuan dari setiap teknisi belum tentu sama, pemberian tugas berdasarkan pada unsur subyektivitas tidak akan mampu memberikan layanan yang baik pada perbaikan yang diminta oleh masing-masing divisi, karena pemilihan teknisi berdasarkan subyektivitas tersebut belum tentu didapatkan teknisi yang memiliki keahlian sesuai dengan tingkat kerusakan alat.   Perlu sebuah upaya obyektif untuk mendukung keputusan dalam mereferensikan teknisi pada sebuah proses perbaikan dengan menggunakan metode K-Nearest Neigbor    
IMPLEMENTASI PROFILE MATCHING PADA PRIORITAS APPROVAL PENGAJUAN LAYANAN PREMIUM PADA PT. PLN (PERSERO) ULP SEMARANG BARAT Aries Setiawan; Juli Ratnawati; Adi Prihandono; Ida Farida
Jurnal Transformatika Vol. 20 No. 1 (2022): July 2022
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v20i1.5187

Abstract

Premium services are useful for overcoming blackout problems that often occur in previous regular services, with this service customers will get energy services with very adequate supplies. The system for submitting regular service upgrades to premium services at PLN. ULP Semarang Barat so far has not been able to provide the appropriate decision regarding the customer to be approved for the right type of premium service (bronze, silver, gold and platinum). The level of accuracy resulting from testing 15 data on the old system assessment is 0.87%, this means that profile matching can be referenced as an assessment of granting approval for premium service submissions
Rancang Bangun Sistem Pengelolaan Aset Ilmiah Digital Pada Perpustakaan Perguruan Tinggi Aries Setiawan; Juli Ratnawati; Adi Prihandono; Budi Widjajanto; Ida Farida
Jurnal Transformatika Vol. 21 No. 1 (2023): July 2023
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v21i2.6938

Abstract

Perpustakaan merupakan satuan pendidikan tinggi yang mengelola perbendaharaan aset ilmiah. Aset ilmiah meliputi buku pelajaran, buku bacaan, tugas akhir mahasiswa, jurnal, CD berisi file tulisan dan video. Setiap periode selalu dianggarkan untuk pengadaan buku, setiap periode setelah pelaksanaan tugas akhir atau ujian skripsi, hardcopy tugas akhir yang akan dijadikan literatur juga bertambah. Bisa dibayangkan jika dalam satu tahun ada 3 periode ujian tugas akhir, dengan total sekitar 600 mahasiswa per periode, maka akan ada 1800 hardcopy tugas akhir mata kuliah. Hal ini berdampak pada kepenuhan ruang perpustakaan sehingga semakin sulit untuk mencari data laporan tugas akhir. Perlu dirancang sistem manajemen aset elektronik di perpustakaan yang mengumpulkan semua data buku dan literatur lainnya dalam bentuk file elektronik, pengunjung akan mudah menemukan literatur hanya dengan mencari sistem aset.
DECISION SUPPORT SYSTEM PEMBUKAAN LOKASI BARU JASA SERVIS MOTOR BERBASIS PROFILE MATCHING Imam Nuryanto; Aries Setiawan; Ida Farida; Sasono Wibowo; Budi Widjajanto; Adi Prihandono
Jurnal Transformatika Vol. 21 No. 2 (2024): Januari 2024
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v21i2.8166

Abstract

As the volume of motorbikes increases, the number of motorbike service outlets also increases. However, not all service places get customers equally, from the customer's side various variables really determine visits such as location, level of spare parts availability, level of service to consumers and price. Likewise, in terms of service owners, when opening a new service location, they need to pay attention to various variables such as proximity to residential areas, number of competitors, capacity of passing vehicles, and proximity to spare parts suppliers. To collaborate several influential variables to produce a decision regarding the right place, a method is needed that is capable of carrying out calculations to produce a ranking of locations that will have an influence. One method that can be offered is profile matching. This method performs by finding the difference between the weight value determined at the beginning and the input value for each location object. The ranking results of all location objects can be used as alternative locations for appropriate service locations..
Deteksi Area Penyakit Jambu Biji menggunakan YOLOv8 dan K-Means Clustering Naufal Hesti; Adi Prihandono
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.13234

Abstract

Produktivitas tanaman jambu biji (Psidium guajava L.) menghadapi ancaman yang cukup serius akibat serangan penyakit seperti Phytophthora, Scab, dan Styler End Rot. Deteksi dini merupakan hal yang penting untuk mencegah kerugian ekonomi, namun metode berbasis CNN yang ada saat ini seringkali memiliki keterbatasan dalam melokalisasi area infeksi secara akurat. Penelitian ini mengusulkan sistem deteksi terintegrasi yang memanfaatkan algoritma YOLOv8 untuk deteksi objek secara real-time dan K-Means Clustering untuk segmentasi pasca-pemrosesan (post-processing). Model dilatih menggunakan arsitektur YOLOv8s pada dataset sebanyak 600 citra dengan pembagian data latih, validasi, dan uji sebesar 50:40:10. Hasil eksperimen menunjukkan bahwa model yang diusulkan mencapai nilai Mean Average Precision (mAP50-95) yang tinggi sebesar 0.891 pada data uji. Hasil ini menunjukkan konsistensi yang kuat dengan hasil validasi (0.894), yang mengindikasikan kemampuan generalisasi model yang baik tanpa mengalami overfitting. Waktu inferensi rata-rata tercatat sebesar 26.1 ms, yang menegaskan kelayakan model ini untuk aplikasi real-time. Selain itu, metode K-Means clustering terbukti efektif dalam melakukan segmentasi area terinfeksi di dalam bounding box, memberikan analisis visual yang lebih jelas terkait tingkat keparahan penyakit.
Klasifikasi Tingkat Kematangan Nanas Berdasarkan Citra Warna dengan Metode SVM Zulkhan Arbi Toyibun Abdillah; Adi Prihandono
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.13235

Abstract

Penentuan kematangan nanas manual bersifat subjektif dan tidak konsisten. Penelitian ini bertujuan membangun sistem klasifikasi nanas (Matang, SetengahMatang, Mentah) yang objektif menggunakan Support Vector Machine (SVM) berbasis citra warna. Metode ini menggunakan 2044 citra augmentasi. Fitur warna mentah (30.000 fitur) diekstraksi dan direduksi menggunakan Principal Component Analysis (PCA) menjadi 51 komponen untuk mengatasi overfitting. Model SVM (RBF) dioptimalkan dengan GridSearchCV. Hasilnya, model SVM (RBF Tuned) terpilih mencapai akurasi 81.78% pada data uji, secara signifikan mengungguli KNN (75.79%). Model ini mencapai "Good Fit" dengan selisih overfit rendah (11.04%). Kesimpulannya, kombinasi SVM dan PCA valid dan efektif.