Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Jurnal Sistem Cerdas ITEJ (Information Technology Engineering Journals)
Candra Kurniawan
Institut Teknologi Bandung
Automotive Engineering Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Prediksi Waktu Sandar Kapal Di Pelabuhan Batu Ampar, Kota Batam, Provinsi Kepulauan Riau Saiful Rizal; Candra Kurniawan; Fahrur Rozi
Jurnal Sistem Cerdas Vol. 2 No. 2 (2019): Smart Transportation
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1627.808 KB) | DOI: 10.37396/jsc.v2i2.26

Abstract

Pelabuhan Batu Ampar merupakan pelabuhan barang terbesar di Kota Batam yang memiliki lalu lintas tertinggi baik untuk kegiatan ekspor maupun kegiatan impor. Waktu tunggu (dwelling time) masih menjadi masalah dalam layanan pelabuhan. Waktu tunggu merupakan salah satu indikator efisiensi pengelolaan pelabuhan. Rata-rata waktu tunggu pelabuhan Batu Ampar untuk kegiatan bongkar pada triwulan I-2015 adalah 7 hari, sedangkan kegiatan muatnya adalah 5 hari. Hal ini yang menjadikan kinerja pelabuhan Batu Ampar masih banyak dikeluhkan, sehingga berakibat banyaknya antrian kapal. Untuk itu, perlu dilakukan analisis guna menghasilkan model yang bisa memberikan gambaran waktu tunggu di pelabuhan dan melakukan evaluasi terhadap model analitik yang telah dibangun. Analisa data sekunder pelabuhan Batu Ampar menggunakan data mining. Metode data mining yang dilakukan menggunakan algoritma supervised learning, yaitu multiple regression dan decision trees. Tujuan umum dari multiple regression adalah untuk mempelajari lebih lanjut tentang hubungan antara beberapa variabel independen atau prediktor dan variabel dependen atau kriteria. Decision trees yang digunakan untuk eksplorasi data pelabuhan ini menggunakan klasifikasi. Klasifikasi decision trees dapat menemukan apakah data mengandung kelas objek yang dipisahkan dengan baik, sehingga kelas dapat diinterpretasikan secara bermakna dalam konteks teori substantif. Dua metode evaluasi model dilakukan untuk dua hasil permodelan yang dibangun. Uji Analysis of Variance (Anova) digunakan untuk evaluasi model multiple regression, sedangkan untuk model decision tree dievaluasi dengan confussion matrix. Hasil analisis data menunjukkan lamanya waktu kapal melakukan bongkar/muat dipengaruhi oleh tiga variabel yaitu jenis ekspedisi, bendera, dan volume. Dengan menggunakan regresi berganda maka dihasilkan model prediksi waktu sandar kapal. Hasil evaluasi model menunjukkan bahwa model yang dibuat signifikan. Dengan tingkat kepercayaan 95% model prediktif yang dibuat akan merepresentasikan nilai sebenarnya. Untuk decision tree, evaluasi menunjukkan model yang dibuat sudah fit, dengan presisi 84,50%.
A Survey on Big Data Analytics Model Candra Kurniawan
ITEJ (Information Technology Engineering Journals) Vol. 4 No. 1 (2019): June
Publisher : Pusat Teknologi Informasi dan Pangkalan Data IAIN Syekh Nurjati Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24235/itej.v4i1.46

Abstract

Topic about big data analytics have received a lot of attention and interest at this time. There are many topics can be discussed related to the analytical model, tools, and technology used. Big data analytics model involves many processes with various technologies used. Skills in handling big data, extracting mining, and developing insight are needed in applying big data analytics. Suitable analytical hardware and software also needed in decision making. Big data analytics is a key to a business strategy, but only a small portion of big data is currently used to support their business strategy. Big data analitycs can answer many questions about how to manage costs, time, and development or optimization strategies, and other decision making choices. However, there are many challenges in big data analytics technology. This survey paper addresses topics related to the analytical model, tools, and technology used. This paper also discusses the application of big data analytics in various fields.
Co-Authors Fahrur Rozi Saiful Rizal