Articles
<![CDATA[Penerapan Sequential Pattern Mining pada Data Pemesanan untuk Strategi Penawaran dan Pemasaran Produk Dengan Pendekatan Metode PrefixSpan ]]>
<![CDATA[Puspita Nurul Sabrina]]>
<![CDATA[ Annual Research Seminar (ARS) Vol 2, No 1 (2016) ]]>
Publisher : <![CDATA[Annual Research Seminar (ARS) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[A business goes well depends on the sales of the business products and demanding for product called orders. The efforts to obtain orders is an essential process in the business, one of process is giving proper attention in the form of follow-up and offers to consumers. The large number of consumers sometimes will make difficult to set goals and follow-up deals. To get targeted and effective marketing deals could be by understanding the sequence patterns of customer orders. However, it is difficult to get the patterns in the usual reports or format. There is some method to get the ordered pattern called sequential pattern mining. In this research, tried to use PrefixSpan methods to process sequential pattern mining. This method is still relevant implemented on the order/sales report/data by using the order date and associated with the name of consumers who make order. Order/sales data is prepared and transformed in a format that becomes the input of PrefixSpan method called sequences and thn processed by machine of PrefixSpan. Testing result showed consumer order patterns containing connectedness among consumers to the others customer in ordering product. Patterns that obtained can be used as a reference to get more effective marketing strategy in a company]]>
<![CDATA[Pembangunan Sistem Manajemen Aset Dengan Menggunakan Enterprise Architecture Planning (EAP) Di SMK Negeri 5 Bandung ]]>
<![CDATA[Helmi Fachrureza]]>;
<![CDATA[Wina Witanti]]>;
<![CDATA[Puspita Nurul Sabrina]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 3 No. 1 (2021): INDEX, MEI 2021 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v3i1.686
<![CDATA[SMK Negeri 5 Bandung merupakan salah satu sekolah yang terdapat di kota bandung dan sekolah ini menjadikan sekolah yang cukup favorit yang terdapat di kota Bandung karena memiliki pencapaian prestasi yang telah di didaptkanya, tentunya sekolah mempunyai aset yang banyak dan di lindungi, namun di dalam melakukan pengelolaan aset masih melakukan pencatatan dengan menggunakan Microsoft excel menjadikan pekerjaan tidak effsien dan efektif dapat berdampak terjadinya keterlambatan waktu pencatatan aset dari mulai perencanaam, pengajuan, barang masuk, pemeliharaan, penghapusan dan pengaduan. Dengan adanya sistem manajemen aset, pihak sekolah dapat mempermudah pihak sekolah dalam mengelola aset adanya sistem informasi manajemen aset sekolah ini nantinya dapat meningkatkan produktifitas pegawai sehingga data yang terjadi lebih cepat serta effisien. Proses untuk memodelkan arsitektur sistem informasi yang ada bertujuan untuk memudahkan yang dimana didalam arsitektur informasi tersebut terdapat sumber daya dari organisasi yang mampu menjamin sistem informasi dan teknologi informasi bisa berjalan sesuai dengan tujuan yang akan dicapai. Salah satu metode yang digunakan untuk memodelkan arsitektur sistem informasi manajemen aset di SMK Negeri 5 Bandung adalah menggunakan metode Enterprise Architecture Planning (EAP) merupakan metode yang digunakan untuk melakukan perencanaan kualitas dari data dengan cara melihat bagaimana kebutuhan serta teknologi yang sedang berjalan di SMK Negeri 5 Bandung dan Enterprise Architecture Planning (EAP) juga dapat mendefinisikan mengenai data, aplikasi dan teknologi yang dibutuhkan untuk mendukung proses bisnis]]>
<![CDATA[Interpretasi dan Visualisasi Hasil Clustering Menggunakan K-Medoid untuk Identifikasi Penyebaran Virus Covid-19 ]]>
<![CDATA[Puspita Nurul Sabrina]]>;
<![CDATA[Ade Kania Ningsih]]>;
<![CDATA[Fatan Kasyidi]]>
<![CDATA[ Jurnal ICT : Information Communication & Technology Vol 21, No 1 (2022): JICT-IKMI, Juli 2022 ]]>
Publisher : <![CDATA[STMIK IKMI Cirebon ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36054/jict-ikmi.v21i1.429
<![CDATA[Penyebaran virus Covid-19 di Indonesia terus terjadi dengan jumlah yang terus meningkat. Bagaimana pola penyebaran virus perlu diidentifikasi untuk membantu pencegahan penyebaran yang tidak terkendali. Salah satu cara menentukan pola adalah dengan melakukan clustering. Metode clustering dalam penelitian ini menggunakan metode K-Medoid, yang mana metode ini telah digunakan dalam beberapa penelitian tentang analisa penyakit. Hasil Clustering perlu diolah dan dianalisis agar pengetahuan dapat ditangkap lebih mudah. Proses ini disebut interpretasi yang dapat didukung dengan visualisasinya. Proses interpretasi dilakukan di antaranya dengan melakukan visualisasi perbandingan 2 atribut yang mungkin terkait. Proses lainnya dengan pengolahan data yang masuk klaster-klaster dengan rekapitulasi/penjumlahan menurut provinsi dan atribut lain dengan cara filtering dan seleksi record. Hasil interpretasi diperoleh kesimpulan daerah dengan Kepadatan Penduduk tinggi, Area Wilayah yang lebih kecil, Populasi yang tinggi menunjukkan jumlah kasus dan kasus baru Covid-19 lebih tinggi. Interpretasi untuk setiap klaster penyebaran virus tampak klaster 1 adalah Kota Besar, Klaster 2 adalah Kota Wisata dan Bertetangga dengan negara lain, Klaster 3 adalah Pulau Jawa dan Klaster ke 4 adalah kota-kota lain diluar ketiga klaster lainnya.]]>
<![CDATA[Kriptografi Untuk Enkripsi Ganda Pada Gambar Menggunakan Algoritma AES (Advanced Encryption Standard) Dan RC5 (Rivest Code 5) ]]>
<![CDATA[Galih Yuga Pangestu Engko M]]>;
<![CDATA[Asep Id Hadiana]]>;
<![CDATA[Puspita Nurul Sabrina]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v4i1.884
<![CDATA[Pada masa kini, informasi berupa gambar sangatlah penting, terutama pada bidang kemiliteran. Gambar yang diproses melalui channel komunikasi militer, harus dirahasiakan sehingga data gambar menjadi aman dan tidak dapat dilihat oleh penyusup.maka, penerapan enkripsi gambar perlu diterapkan untuk menjaga kerahasiaan dan keamanan gambar tersebut. saat ini telah banyak algoritma algoritma untuk mengenkripsi gambar. Salah satu algoritma yang cukup populer adalah AES (Advanced Encryption Standard). AES merupakan algoritma kriptografi berjenis cipher blok yang terkenal luas dalam pengenkripsian sebuah data karena algoritma ini lebih baik untuk mencegah serangan brute force dibanding algoritma pendahulunya yaitu DES (Data Encryption Standard). AES ini akan diterapkan pada sebuah program yang berfungsi untuk mengamankan gambar kemiliteran agar tidak terjadi pencurian gambar oleh pihak ketiga. Gambar harus dienkripsi dahulu menggunakan sebuah kunci simetris sebelum dikirim ke penerima agar aman, dan penerima harus memiliki kunci dari pengirim agar dapat melakukan dekripsi terhadap gambar yang telah dienkripsi tersebut. Namun, hanya dengan menggunakan AES saja belum cukup untuk memberikan keamanan ekstra pada data gambar tersebut. diperlukan algoritma tambahan untuk melakukan enkripsi terhadap gambar yang telah dienkripsi menggunakan AES, sehingga gambar hasil enkripsi AES tidak dapat diakses juga. Salah satu algoritma yang cocok untuk diterapkan karena memiliki kunci simetris juga dan proses enkripsinya cukup cepat. Salah satu algoritma tambahan yang cukup cepat untuk melakukan enkripsi adalah RC5 (Rivest Code 5), yang dikembangkan oleh ron rivest untuk mengenkripsi file dengan cepat dan dengan kunci simetris. Dari hasil kedua algoritma di atas maka akan terbentuk suatu enkripsi ganda yang memberikan keamanan lebih terhadap data gambar militer. Tujuan dari peneliti menggunakan algoritma AES dan RC5 adalah agar data gambar lebih sulit untuk dipenetrasi serta hasilnya juga data yang terenkripsi lebih aman namun tetap mudah untuk dilakukan dekripsi.]]>
<![CDATA[Sistem Monitoring Bimbingan Mahasiswa dengan Menggunakan Metode Service Quality ]]>
<![CDATA[Budi Dwi Prasetyo]]>;
<![CDATA[Wina Witanti]]>;
<![CDATA[Puspita Nurul Sabrina]]>
<![CDATA[ Prosiding SISFOTEK Vol 4 No 1 (2020): Vol 4 No 1 (2020): SISFOTEK 2020 ]]>
Publisher : <![CDATA[Ikatan Ahli Informatika Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (642.37 KB)
<![CDATA[The Informatics Engineering Study Program is one of the study programs in the Faculty of Science and Informatics (FSI), Jenderal Achmad Yani University (Unjani). The Informatics Engineering Study Program conducts final assignment guidance activities and students have the right to determine the supervisor to be able to guide students in final assignment activities. During their tutoring students have the right to get guidance based on the problem at hand. Student satisfaction in terms of guidance can be seen in terms of guidance time, the frequency of lecturers conducting guidance, lecturers provide solutions when guidance, student comfort during guidance and lecturers help solve the problem of student final assignments. Student guidance activities are not satisfied with the supervisors related to the guidance activities provided, therefore the head of the department has difficulty monitoring the guidance activities. The purpose of this research is to create a system that can monitor the guidance activities, evaluate the results of the guidance of the supervisor, assist students in providing guidance assessment satisfaction. The method used in this study is the service quality method, the service quality method is needed in order to improve the quality of guidance in the Informatics Engineering Study Program in Unjani in order to evaluate and make the guidance activities even better.]]>
<![CDATA[Sistem Pengelolaan Persediaan Berdasarkan Pola Hubungan Antar Produk Buah Olahan Menggunakan Association Rule Mining ]]>
<![CDATA[Siska Vadilah]]>;
<![CDATA[Yulison Herry Chrisnanto]]>;
<![CDATA[Puspita Nurul Sabrina]]>
<![CDATA[ Prosiding SISFOTEK Vol 4 No 1 (2020): Vol 4 No 1 (2020): SISFOTEK 2020 ]]>
Publisher : <![CDATA[Ikatan Ahli Informatika Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (568.552 KB)
<![CDATA[association rule is analogous to a shopping basket. From the shopping basket the supermarket visitors will be able to know, what items are often bought together and which items are not. CV. Anugrah Paris Van Java is a company engaged in the processing of processed fruits such as ready-to-drink juice, concentrate and syrup. Customer's buying patterns are influenced by product inventory. The process of managing product inventory is managed manually so that there is a buildup of less desirable products. A frequent case is the lack of processed fruit products due to a lack of calculation from the purchase of raw materials. Based on these problems, a system for determining the pattern of relationships between processed fruit products was built as new knowledge to help the factory in the supply of processed fruit products. The method used in the system to be built is using the Association Rule Mining method with a priori algorithm. Based on research results, this system can display inventory recommendations based on analysis using association rule mining.]]>
<![CDATA[Sistem Rekomendasi Tempat Kuliner Di Kabupaten Xyz Menggunakan Metode Multy-Objective Optimization By Ratio Analysis ]]>
<![CDATA[Kundika whicak]]>;
<![CDATA[Tacbir Hendro Pudjiantoro]]>;
<![CDATA[Puspita Nurul Sabrina]]>
<![CDATA[ Prosiding SISFOTEK Vol 4 No 1 (2020): Vol 4 No 1 (2020): SISFOTEK 2020 ]]>
Publisher : <![CDATA[Ikatan Ahli Informatika Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (359.633 KB)
<![CDATA[Culinary Tourism is one of the activities that must be visited by tourists when visiting a certain area that has special food. Food is now not just meeting the needs of one's life but has become an art in culinary. Some people have a tendency to visit homogeneous eating places (not varying), this can be caused by several things, including budget (shopping budget), type of food, facilities, location and opening time. Visiting a suitable place to eat is certainly one of the things that need attention, but information about the complete culinary place is still not widely known by tourists and new residents in the regency of XYZ. To determine a culinary place, tourists must really know complete information about a culinary place that they want to visit to suit their wants and needs. By having to make a decision made by tourists to determine the culinary places that will be visited then the construction of a system that aims to support a decision that determines where culinary in accordance with one's wishes in XYZ Regency. The system development will use the method of Multy-Objective Optimization by Ratio Analysis (Moora) and the approach]]>
<![CDATA[Segmentasi Penjualan Obat Di Apotek Menggunakan Metode K-Means ]]>
<![CDATA[Resty Awaliah Febrianty]]>;
<![CDATA[Wina Witanti]]>;
<![CDATA[Puspita Nurul Sabrina]]>
<![CDATA[ Prosiding SISFOTEK Vol 4 No 1 (2020): Vol 4 No 1 (2020): SISFOTEK 2020 ]]>
Publisher : <![CDATA[Ikatan Ahli Informatika Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (930.489 KB)
<![CDATA[Sales segmentation is the division of social structures into specific units that have the same characteristics and behavior. The purpose of segmentation is a more targeted sales process so that company resources can be used effectively and efficiently. Segmentation of drug sales can be said to be important because it can be used as supporting data to determine the availability of drugs that must be managed properly to ensure the needed drugs are always available. To determine sales segmentation, clustering is conducted. Clustering is a method in data mining, and is used to map data into smaller groups according to the similarity of each characteristic possessed. In doing the cluster process, the K-Means method is used. This method will classify the level of similarity by determining the number of groups formed and grouping is measured by the proximity of the object so that each group contains data that is similar to the mean value at the center of mass. The purpose of this study is to produce a system that can group drug sales data into four groups according to the time of sale of the drug. The four groups are taken from the calculation using the elbow method. Research on data mining to determine sales segmentation at the Anugrah Farma Padalarang pharmacy using a system built using the PHP programming language and MySQL database. The results of this data mining process can be used by the Pharmacy as a consideration in the process of supplying medicines at the Anugrah Farma Padalarang Pharmacy.Keywords: abstract keywords]]>
<![CDATA[Segmentasi Pelanggan Berdasarkan Keluhan Dengan Menggunakan K-Means Cluster Analysis Pada PT Infomedia Nusantara ]]>
<![CDATA[Sheila Nurmeila Ashma]]>;
<![CDATA[Wina Witanti]]>;
<![CDATA[Puspita Nurul Sabrina]]>
<![CDATA[ Prosiding SISFOTEK Vol 4 No 1 (2020): Vol 4 No 1 (2020): SISFOTEK 2020 ]]>
Publisher : <![CDATA[Ikatan Ahli Informatika Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (446.046 KB)
<![CDATA[Customer segmentation is the division of customer groups that have different needs, characteristics and behaviors (heterogeneous) in this case very helpful in a more targeted service process so that company resources can be used effectively and efficiently for example making it easier to distinguish complaints and map with segments the same one. Customer complaints are an expression of feelings of customer dissatisfaction with service standards, actions that affect customers. In the service of handling customer complaints is the most important. This study aims to segment customers based on complaints. To overcome these problems a solution is needed to find the level of complaints. Where data has a lot of variation and amount of clustering process is needed. Clustering is a technique used to analyze data both in machine learning, data mining, pattern recognition, image analysis and bioinformatics. To produce useful information, it needs a data analysis using the clustering process. Researchers will use the K-Means method where this method becomes an efficient and effective algorithm in processing large amounts of data. Before data processing is carried out, data mining is carried out, namely data selection, data cleaning and data transformation, then the data is processed into several clusters. The clustered data results in the level of complaint handling based on difficult, normal and easy complaints handling time in each cluster.]]>
<![CDATA[Analisis Sentimen pada Aplikasi PeduliLindungi dengan Menggunakan Metode Improved K-Nearest Neighbor dan Lexicon Based ]]>
<![CDATA[Nelsih Putriani]]>;
<![CDATA[Fajri Rakhmat Umbara]]>;
<![CDATA[Puspita Nurul Sabrina]]>
<![CDATA[ Jurnal Teknologi Informatika dan Komputer Vol 8, No 1 (2022): Jurnal Teknologi Informatika dan Komputer ]]>
Publisher : <![CDATA[Universitas Mohammad Husni Thamrin ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.37012/jtik.v8i1.1107
<![CDATA[Opini atau sentiment masyarakat merupakan salah satu indikator penilaian yang ditujukan untuk menilai suatu hal seperti produk atau jasa. Sentiment tentang aplikasi PeduliLindungi yang banyak digunakan pada masa pandemik ini, perlu dianalisis untuk mengetahui bagaimana opini pengguna aplikasi. Melalui media twitter, sentiment-sentiment masyarakat mengenai aplikasi PeduliLindungi dapat digali, kemudian dideteksi apakah sentiment tersebut termasuk ke dalam sentiment positif, sentiment negative, atau sentiment netral. Salah satu teknik yang digunakan untuk menggali informasi mendeteksi opini masyarakat adalah dengan menggunakan analisis sentiment. Penelitian ini terdiri dari beberapa proses untuk melakukan analisis sentiment, yaitu mengumpulkan data, melakukan tahapan pre-processing, pembobotan kata (ekstraksi fitur), dan proses klasifikasi sentiment ke dalam tiga kelas sentiment. Ketiga kelas tersebut yaitu sentiment positif, negative, dan netral. Dengan menggunakan metode Improved K-Nearest Neighbor, penelitian ini memperoleh hasil pengujian analisis sentiment pada tweet berbahasa Indonesia dengan akurasi tertinggi pada k-values 20 sebesar 85%.]]>
