Article Per Year (5 Year)
p-Index From 2020 - 2025
2.908
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Ilmiah Mahasiswa JURNAL MEDIA INFORMATIKA BUDIDARMA Building of Informatics, Technology and Science Jurnal Mantik Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Computer System and Informatics (JoSYC) Journal of Computer Science and Information Technology
Agus Iskandar
Universitas Terbuka Propinsi Lampung
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Product Control Management Information System Using Eoq Method at Toko Herbamart Jafar, Harun Al; Fauziah, Fauziah; Iskandar, Agus
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 22, No 1 (2024): December 2024
Publisher : 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.v22i1.28652

Abstract

This research focuses on product inventory management at Herbamart Store, a wholesale herbal medicine purchase center in South Jakarta. Currently, inventory control is done manually, which is not optimal and results in losses. The purpose of this research is to create a product inventory control management information system with the Economic Quantity Order (EOQ) method and a web-based application with an early warning system. The results showed that the optimal order quantity for various products can be determined by the EOQ method. The store also needs to provide safety stock and place a reorder when the remaining inventory reaches a certain amount. This research successfully designed a product control information system application using the web-based EOQ method tailored for Herbamart Stores. This application is designed to assist Herbamart Stores in optimizing their business processes, improving efficiency, and increasing profitability. This application can also help minimize the total cost of ordering and storing goods, thus contributing to reducing operational costs and improving overall efficiency. Keywords: Inventory Management, Economic Order Quantity (EOQ), Management Information System, Early Warning System, Toko Herbamart.
Analisis Sentimen Komentar Pengguna Instagram Mengenai Pelaksanaan Pemilu 2024 dengan Naïve Bayes dan Lexicon-Based Dewi, Cahyani Rahma; Iskandar, Agus
Journal of Computer System and Informatics (JoSYC) Vol 6 No 1 (2024): November 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v6i1.5784

Abstract

The debate surrounding the implementation of the 2024 General Election has taken centre stage in Indonesia, especially on social media platforms that are favoured by the public. The change of leaders in Indonesia and the emotional differences that emerge in society are of significant concern. The search for leadership figures brings up various complex theoretical, conceptual, and cultural perspectives. This paper aims to analyse people's sentiment related to the 2024 general election by classifying sentiment as positive, negative, or neutral, aiding understanding of people's perceptions of candidates, relevant political issues, and voter behaviour patterns. The methodology involved collecting data using scrapping techniques from the social media platform Instagram using a combination of both Naïve Bayes Classifier and Lexicon-Based labelling algorithms. These two methods were used to conduct sentiment analysis towards the general election in this study. Sentiment analysis of the 2024 General Election using the Naive Bayes and InSet Lexicon models showed good results with an accuracy of 72% (precision negative 74%, neutral 54%, positive 70%; recall positive 62%, neutral 22%, negative 87%). This study successfully surpassed the accuracy of the previous model (72% accuracy, 70% precision, 72% recall) and revealed that negative sentiments were more prevalent in public opinion towards the 2024 General Election. This indicates that there is public dissatisfaction and doubt regarding the implementation of the election, which is thought to be triggered by technical problems and political uncertainty.
PERBANDINGAN ALGORITMA RATCLIFF/OBERSHELP DAN LEVENSHTEIN DISTANCE DALAM CHATBOT AIML UNTUK UNIVERSITAS XYZ Zidni, Pandu; Iskandar, Agus
Journal of Computer Science and Information Technology Vol. 2 No. 2 (2025): Maret
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v2i2.2041

Abstract

Pelayanan informasi akademik yang efektif dan responsif merupakan kebutuhan penting bagi institusi pendidikan tinggi untuk mendukung kebutuhan informasi mahasiswa. Namun, sistem berbasis web yang tersedia di Universitas XYZ masih memiliki keterbatasan karena sifatnya yang satu arah dan kurang fleksibel dalam memberikan respons langsung terhadap pertanyaan, terutama di luar jam operasional. Penelitian ini mengembangkan chatbot berbasis Artificial Intelligence Markup Language (AIML) sebagai solusi pelayanan informasi akademik dua arah. Fokus penelitian ini adalah membandingkan dua algoritma dari konsep text similarity, yaitu Ratcliff/Obershelp dan Levenshtein Distance, untuk meningkatkan akurasi dan efisiensi chatbot dalam memahami dan merespons pertanyaan mahasiswa. Pengembangan chatbot ini menggunakan pustaka Sastrawi untuk proses stemming Bahasa Indonesia, serta JSON untuk penanganan sinonim. Algoritma Ratcliff/Obershelp dan Levenshtein Distance diterapkan untuk meningkatkan akurasi jawaban chatbot dalam mengenali berbagai variasi kata pada pertanyaan pengguna. Kedua algoritma ini digunakan untuk menghitung tingkat kemiripan antara input pengguna dan pola yang ada, sehingga chatbot mampu memberikan respons yang relevan dan sesuai dengan kebutuhan mahasiswa Universitas XYZ. Penggunaan chatbot berbasis AIML dengan algoritma yang dibandingkan ini diharapkan dapat menjadi referensi bagi pengembangan sistem pelayanan informasi yang lebih interaktif dan efisien di lingkungan akademik.
K-MEANS CLUSTERING MENGGUNAKAN RAPIDMINER DALAM SEGMENTASI PEMINJAMAN BUKU Dzalulliyah, Abidah; Iskandar, Agus
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13422

Abstract

Cyber Library telah berhasil menyediakan layanan digital, seperti akses ke jurnal internasional dan e-book, serta sistem peminjaman yang terintegrasi secara daring. Akan tetapi, layanan Cyber Library Universitas Nasional perlu di optimalkan untuk meningkatkan minat baca pengunjung. Oleh karena itu, penelitian ini melakukan analisis K-Means Clustering menggunakan RapidMiner dalam segmentasi peminjaman buku. Tujuan penelitian ini adalah menganalisis preferensi buku dengan menentukan kategori buku yang paling banyak dan paling sedikit dipinjam, mengelompokkan data peminjaman buku berdasarkan frekuensi durasi peminjaman, melakukan segmentasi peminjaman berdasarkan frekuensi peminjaman, mengidentifikasi pola kunjungan dengan menggunakan data tipe keanggotaan. Data dianalisis berdasarkan algoritma K-Means Clustering menggunakan metode Knowledge Discovery in Database (KDD). Terdapat 4 hasil pada penelitian ini yaitu: (1) Kategori buku pada cluster 1 (kategori buku yang sedikit di pinjam) yaitu kategori 000, 100, 200, 400, 500, 600, 700, 800, dan 900, serta pada cluster 2 (kategori buku yang banyak di pinjam) yaitu kategori 300, (2) Frekuensi durasi peminjaman pada cluster 1 (frekuensi durasi peminjaman yang jarang muncul) yaitu durasi peminjaman buku 0, 1, 3, 4, 8, 9, 12, 14, dan 17 hari, dan pada cluster 2 (frekuensi durasi peminjaman yang sering muncul) yaitu durasi peminjaman buku 7 hari, (3) Frekuensi peminjaman pada cluster 1 (kategori yang sedikit di pinjam) yaitu kategori komputer dan informasi umum, filsafat dan psikologi, agama, bahasa, sains dan matematika, teknologi dan ilmu terapan, seni dan hiburan, sastra, serta sejarah dan geografi, dan pada cluster 2 (kategori yang banyak dipinjam) yaitu kategori ilmu sosial, (4) Tipe keanggotaan pada cluster 1 (tipe anggota yang jarang berkunjung ke perpustakaan) yaitu karyawan, dosen UNAS, mahasiswa Universitas Siber Asia, siswa SMP YMIK, siswa SMK YMIK, umum, dosen UNSIA, dan pengunjung bukan anggota, serta cluster 2 (tipe anggota yang sering berkunjung) yaitu mahasiswa Universitas Nasional.
ANALISIS DATA INVENTARIS PADA PT. GLOBAL SAMUDERA KREASI UNTUK OPTIMALISASI PENGELOLAAN DAN PREDIKSI KUALITAS BARANG MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAÏVE BAYES Rahman Cahyono, Aditya; Iskandar, Agus; Rifqi, Ahmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13437

Abstract

Efisiensi dalam pengelolaan data inventaris memainkan peran penting dalam mendukung kelancaran operasional perusahaan. Hal ini juga berlaku di PT. Global Samudera Kreasi, sebuah perusahaan yang bergerak di bidang jasa dan penyelenggaraan acara. Pengelolaan inventaris yang efektif tidak hanya terbatas pada pencatatan barang, tetapi juga mencakup penilaian kualitas untuk memastikan bahwa setiap inventaris memenuhi standar perusahaan. Salah satu tantangan utama dalam proses ini adalah kurangnya penggunaan metode analisis data yang terintegrasi. Penelitian ini membuktikan bahwa algoritma SVM memiliki kemampuan yang baik dibandingkan dengan algortima Naïve Bayes dalam menghasilkan prediksi yang akurat terkait kualitas barang inventaris. Dalam penelitian ini, kami membandingkan dua algoritma Support Vector Machine (SVM) dan Naive Bayes dalam prediksi kualitas barang. Berdasarkan hasil penelitian dengan menggunakan Support Vector Machine (SVM) menunjukkan hasil kinerja yang lebih baik dengan nilai akurasi sebesar 100% dibandingkan dengan Naive Bayes yang memiliki nilai akurasi sebesar 76%.Dengan hasil ini, perusahaan dapat lebih mudah mengambil keputusan strategis, baik dalam hal penggantian, maupun pembelian barang baru. Penerapan sistem yang didasarkan pada analisis data ini diharapkan dapat meningkatkan efektivitas pengelolaan inventaris serta mendukung kelancaran operasional perusahaan secara berkelanjutan.
KLASIFIKASI ALGORITMA K- NEAREST NEIGHBORS (KNN) UNTUK SEGMENTASI PASAR MOBIL BEKAS BERDASARKAN MEREK DAN HARGA Rafi Azhar, Muhammad; Iskandar, Agus; Rifqi, Ahmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13440

Abstract

Penelitian ini berfokus pada segmentasi pasar mobil bekas menggunakan algoritma K-Nearest Neighbors (KNN) untuk memahami preferensi konsumen dalam industri otomotif yang kompetitif. Permasalahan utama yang diidentifikasi adalah implementasi KNN dalam mengklasifikasikan mobil bekas ke dalam kategori grade A, B, dan C. Tujuan penelitian adalah menerapkan algoritma KNN berdasarkan merek dan harga mobil serta mengevaluasi efektivitasnya. Metode yang digunakan mencakup pengumpulan data dari platform jual beli mobil bekas seperti OLX, Ibid, dan Mobil123, dengan variasi nilai K (3, 5, 7, dan 9) serta rasio pembagian data (70:30, 80:20, dan 90:10). Hasil penelitian menunjukkan bahwa nilai K=7 dan rasio data training-to-test 80:20 menghasilkan akurasi tertinggi sebesar 79%, dengan kelas C menunjukkan performa terbaik dengan recall 0,94 dan skor F1 0,84. Temuan ini memberikan kontribusi pada pemahaman segmentasi pasar mobil bekas dan dapat digunakan untuk strategi pemasaran yang lebih terarah di industri otomotif.
Co-Authors Agung Triayudi Ahmad Rifqi Andarweni, Dhea Ardiansyah, Aldi Ariyanto, Puji Dewi, Cahyani Rahma Dzalulliyah, Abidah Evika Prilian P., Evika Fauziah Fauziah Febita Resatika, Febita Iskandar Fitri, Iskandar Jafar, Harun Al Muh Fauzi, Muh Mustaqim, M. Nugraha, Yoga Septian Nur Endah Wahyuningsih Nurjaman, Shandy Putra, Muhammad Aldi Aditia Rafi Azhar, Muhammad Rahman Cahyono, Aditya Rakasiwi, Galih Shofi, Niam Ucuk Darusalam Wahyuddin, Moh. Iwan Yunisa Ratna R., Yunisa Zidni, Pandu