Claim Missing Document
Check
Articles

Found 5 Documents
Search

Prediction on Deposit Subscription of Customer based on Bank Telemarketing using Decision Tree with Entropy Comparison Ardytha Luthfiarta; Junta Zeniarja; Edi Faisal; Wibowo Wicaksono
Journal of Applied Intelligent System Vol 4, No 2 (2019): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v4i2.2772

Abstract

Banking system collect enormous amounts of data every day. This data can be in the form of customer information,  transaction  details,  risk profiles,   credit   card   details,   limits   and   collateral    details, compliance  Anti Money Laundering (AML) related information, trade  finance  data,  SWIFT  and  telex  messages. In addition,  Thousands  of decision  are  made in Banking system. For example, banks everyday creates credit decisions,  relationship  start  up,  investment   decisions, AML  and  Illegal  financing  related decision.  To create this decision, comprehensive review on various  reports  and drills  down  tools  provided  by the banking systems is needed.  However, this is a manual process which  is  error  prone  and  time  consuming  due  to  large volume of transactional  and historical  data available. Hence, automatic knowledge mining is needed to ease the decision making process.  This research focuses on data mining techniques to handle the mentioned problem. The technique will focus on classification method using Decision Tree algorithms.  This research provides an overview of the data mining techniques and   procedures will be performed.   It also provides   an insight   into how these techniques can be used in deposit subscription  in banking system to make a decision making process easier and more productive. Keywords - Telemarketing, bank deposit, decision tree, classification, data mining, entropy.
Peningkatan Kompetensi Guru Bina Insani dalam Membuat Visualisasi Bahan Ajar Sugiyanto Sugiyanto; Edi Faisal; Liya Umaroh
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 2, No 1 (2019): Januari 2019
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (224.964 KB) | DOI: 10.33633/ja.v2i1.38

Abstract

Banyak sekolah masih menggunakan bahan ajar konvensional dan belum memiliki bahan ajar pendamping sebagai pendukung siswa untuk lebih mudah dalam memahami materi pelajaran yang berupa Visualisasi Materi Pelajaran menggunakan animasi. Visualisasi materi pelajaran dapat memberikan pengetahuan yang lebih dibandingkan dengan menggunakan narasi atau gambar statis. Metode Kualitatif digunakan untuk menjelaskan Kegiatan Pelatihan Pembuatan Visualisasi Bahan Ajar pada SDIT Bina Insani. Kegiatan pelatihan ini merupakan solusi bagi permasalahan kurangnya kemampuan membuat visualisasi bahan ajar pada SDIT Bina Insani. Pelaksanaan diskusi hasil pelatihan pembuatan visualisasi bahan ajar dilaksanakan dengan agenda setiap guru harus mempresentasikan karyanya. Dari karya karya yang dihasilkan dapat dikelompokkan dalam 3 (tiga) kelompok karya yaitu : Kelompok I baru dapat menerapkan penggunaan teknik-teknik animasi, Kelompok II mampu membuat desain karakter dan kelompok III mampu menerapkan teknik animasi pada obyek yang akan digunakan pada visualisasi dan penggunaan audio. 
Rancang Bangun Aplikasi Penerimaan Peserta Didik Baru untuk Sekolah Berbasis Web Elkaf Rahmawan Pramudya; Edi Faisal
CITRAKARA Vol 4, No 2 (2022): JULI 2022
Publisher : CITRAKARA

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

Abstract

Penerimaan Peserta Didik Baru (PPDB) merupakan problem yang dihadapi sekolah setiap tahun terutama sekolah swasta yang menjadikan aset siswa sebagai sumber operasional sekolah. Untuk menangkap peluang siswa pendaftar ini diperlukan suatu sistem yang cepat dan responsif. Aplikasi penerimaan siswa online merupakan jawaban dimana dapat dengan cepat memproses tahapan PPDB. Penelitian ini dibuat untuk merancang proses tersebut dengan menggunakan metode prototyping dan dimodelkan dengan Usecase UML.  Hasil akhir penelitian ini berupa perancangan sebagai blueprint aplikasi PPDB
GLCM Based Locally Feature Extraction On Natural Image Edi Faisal; Agung Nugroho; Ruri Suko Basuki; Suharnawi Suharnawi
Journal of Applied Intelligent System Vol 7, No 2 (2022): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v7i2.6569

Abstract

GLCM is a feature extraction method that uses statistical analysis using a gray scale. Contrast, correlation, energy and entropy are feature features whose value will be sought as the basis for finding the threshold which can then be used to find the threshold value in image segmentation. In this study, a local-based GLCM method is used where the image that has been made into grayscale will be divided into 16 parts of the same size. Each section will look for the value of its GLCM features, namely Contrast, correlation, energy and entropy. The calculation of these four features will be applied to 16 parts of the grayscale image, which can then be used to find the threshold value. The results of the four features in the calculation with an angle of 0o are the contrast value = 0.0080, correlation = 0.619, energy : 0.00160 and entropy : 0.05591.
Pola Beli Konsumen menggunakan Algoritma Fp-Growth untuk Rekomendasi Promosi penjualan pada Batik Nadya Pekalongan Edi Faisal; Junta Zeniarja; Deby Arida NiMatus Sa’adah
Prosiding Seminar SeNTIK Vol. 1 No. 1 (2017): Prosiding SeNTIK 2017
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Batik Nadya merupakan toko batik yang berada di Pekalongan. Banyaknya data transaksi pada Batik Nadya yang tersimpan dalam Microsoft Excel, menyebabkan penumpukan data. Himpunan data tersebut dapat diolah sehingga akan menghasilkan informasi yang bertujuan meningkatkan volume penjualan melalui strategi rekomendasi promosi produk batik. Data mining adalah ilmu yang dapat menganalisa data dalam jumlah besar sehingga mendapatkan informasi atau pengetahuan. Association Rule atau Market basket analysis merupakan salah satu teknik dalam data mining untuk menemukan pola pembelian konsumen berdasarkan data transaksi penjualan. Aturan asosiasi memiliki 2 parameter yaitu nilai support (nilai penunjang) dan confidence (nilai kepastian). Untuk menguji kekuatan aturan asosiasi yang terbentuk adalah dengan mengukur nilai lift ratio dari masing-masing rule. Dalam penelitian ini menggunakan Algoritma FP-Growth untuk mengolah data transaksi dalam jumlah besar, sehingga menghasilkan frequent itemsets melalui pembangunan FP-Tree dan menerapkan strategi divide and conquer. Dari pengujian yang dilakukan oleh sistem dengan menerapkan minimum support 2% dan min confidence 35%, menghasilkan tiga aturan asosiasi yang dapat digunakan untuk menentukan rekomendasi promosi produk. Hasil aturan asosiasi yang akan dijadikan target pemberian rekomendasi promosi paket discount item berpasangan pada Batik Nadya adalah produk yang memiliki keterkaitan paling tinggi yaitu {hem pria cap, atasan blus wanita} dengan lift ratio sebesar 1.74564, confidence 0.41042, dan support 2.41%.