Article Per Year (5 Year)
p-Index From 2021 - 2026
3.768
P-Index
This Author published in this journals
All Journal Jurnal Informatika Jurnal Sisfokom (Sistem Informasi dan Komputer) JurTI (JURNAL TEKNOLOGI INFORMASI) JUTEKIN (Jurnal Manajemen Informatika) KOMPUTA : Jurnal Ilmiah Komputer dan Informatika Jurnal Tekno Kompak Building of Informatics, Technology and Science Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Zonasi: Jurnal Sistem Informasi Generation Journal Jurnal Tekinkom (Teknik Informasi dan Komputer) Jurnal E-Komtek JTIULM (Jurnal Teknologi Informasi Universitas Lambung Mangkurat) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Informatika dan Teknologi Komputer ( J-ICOM) Rengganis Jurnal Pengabdian Masyarakat Jurnal Bangkit Indonesia Informasi interaktif : jurnal informatika dan teknologi informasi
Lukman Bachtiar
Universitas Darwan Ali
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Progresif: Jurnal Ilmiah Komputer

 1 
Analisis Sistem Seleksi Penerima Beasiswa Kurang Mampu Menggunakan Metode SAW Dan AHP (Studi Kasus: SD-IT Imam Syafii Sampit) Muhammad Yunus; Lukman Bachtiar
Progresif: Jurnal Ilmiah Komputer Vol 18, No 1: Februari 2022
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (664.218 KB) | DOI: 10.35889/progresif.v18i1.767

Abstract

Abstrak. Penetapan penerima beasiswa yang dilakukan dengan cara analisis langsung oleh manajemen Sekolah Dasar-IT Imam Syafii Sampit tanpa menggunakan teknologi komputasi dikhawatirkan akan menghasilkan keputusan yang tidak konsisten, terutama karena data-data calon penerima beasiswa (khususnya data kualitatif) mempunyai kemiripan antara satu dengan yang lainnya, dengan jumlah parameter yang cukup kompleks. Paper ini menyajikan perbandingan akurasi kinerja model Analitycal Hierarchy Process (AHP) murni dan Model Simple Additive Weighting (SAW) berbasis AHP dalam memprioritaskan calon penerima beasiswa, dengan asumsi patokan akurasi adalah Kebijakan Manajemen Sekolah. Lima sampel data calon penerima beasiswa, dengan empat parameter yang terdiri atas: status keberadaan orang tua, penghasilan penanggung keluarga, jumlah bersaudara, pekerjaan penanggung keluarga, diuji untuk menentukan model mana yang menghasilkan keputusan yang paling mendekati Kebijakan Manajemen Sekolah. Hasil uji menunjukkan model SAW memberikan rekomendasi yang lebih mendekati keputusan Manajemen Sekolah dari pada Model AHP murni.   Kata kunci: Penerima beasiswa; Prioritas; Simple Additive Weighting (SAW); Analitycal Hierarchy Process (AHP)  Abstract. The determination of scholarship recipients carried out using direct analysis techniques by the management of the Imam Syafii Sampit Integrated Islamic Elementary School without using computing technology is feared to result in inconsistent decisions, especially because the data on prospective scholarship recipients (especially qualitative data) have similarities between one and another. others, with a fairly complex number of parameters. This paper presents a comparison of the accuracy of the performance of the pure Analytical Hierarchy Process (AHP) model and the AHP-based Simple Additive Weighting (SAW) model in prioritizing scholarship recipients, assuming the accuracy benchmark is School Management Policy. Five data samples of prospective scholarship recipients, with four parameters consisting of: parental status, income of the family guarantor, number of siblings, occupation of the family guarantor, were tested to determine which model resulted in the closest decision to School Management Policy. The test results show that the SAW model provides recommendations that are closer to school management decisions than the pure AHP model.Keywords: Scholarship recipients; Priority; Simple Additive Weighting (SAW); Analytical Hierarchy Process (AHP)
Algoritme FP-Growth Untuk Rekomendasi Menu Makanan Ikan Air Tawar Di Restoran Brenzeel 48 Resto & Cafe Sampit Jetri Susanto; Lukman Bachtiar
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1371

Abstract

The development of the restaurant business in the Sampit area has driven strong economic growth. The menu of most of the restaurants there usually serves food made from fresh water fish. However, one of the problems that often arises is running out of food menu stock when customers ask. This study proposes the use of data mining techniques using the FP-Growth algorithm to determine customer purchasing patterns and suggests a fresh water fish menu that should be offered by Brenzeel 48 Resto & Cafe Sampit Restaurant. This will help solve the problem. Using a minimum support of 50% and a minimum confidence of 80% produces 821 rules, produces the highest rule which is 2 rules and has a correlation between food menus which is positively correlated. By doing this calculation, restaurants can further improve service quality and avoid losses due to unsold or out of stock menus. The results of this study are expected to help restaurants make better decisions regarding the supply of fresh water fish menu stock, meet customer needs, increase the competitive level of the restaurant business.Keywords: Food Menu; Restaurants; Data Mining; FP-Growth Algorithm AbstrakPerkembangan bisnis restoran di wilayah Sampit telah mendorong pertumbuhan ekonomi yang kuat. Menu sebagian besar restoran di sana biasanya menyajikan makanan yang terbuat dari ikan air tawar. Namun, masalah yang sering muncul salah satunya adalah kehabisan stok menu makanan saat pelanggan meminta. Penelitian ini mengusulkan penggunaan teknik data mining dengan menggunakan Algoritme FP-Growth untuk mengetahui pola pembelian pelanggan dan menyarankan menu ikan air tawar yang harus ditawarkan oleh Restoran Brenzeel 48 Resto & Cafe Sampit. Ini akan membantu menyelesaikan masalah. Menggunakan minimum support 50% dan minimum confidence 80% menghasilkan 821 aturan, menghasilkan aturan tertinggi yaitu 2 aturan dan memiliki korelasi antara menu makanan yaitu positively correlated. Dengan melakukan perhitungan ini, restoran dapat lebih meningkatkan kualitas pelayanan dan menghindari kerugian karena menu yang tidak laku atau habis. hasil penelitian ini diharapkan dapat membantu restoran dalam mengambil keputusan yang lebih baik mengenai pasokan stok menu ikan air tawar, memenuhi kebutuhan pelanggan, meningkatkan tingkat kompetitif bisnis restoran.Kata Kunci: Menu Makanan; Restaurant; Data Mining; Algoritme FP-Growth
Implementasi Metode K-Means Clustering untuk Identifikasi Buah Kelapa Sawit Berdasarkan Tingkat Kematangan Yuliana, Yuliana; Bachtiar, Lukman
Progresif: Jurnal Ilmiah Komputer Vol 19, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v19i2.1346

Abstract

To get quality palm oil results, it really depends on the level of maturity. To find out what percentage of oil palm fruit is ripe and not at PT. Wilmar Pangkalanbun is quite difficult to calculate manually. So it is necessary to carry out a system process that can help to group the percentage levels of oil palm fruit based on maturity level. Grouping is carried out by implementing K-Means Clustering assisted by the RapidMiner application. This provides understanding to the company PT. Wilmar Pangkalanbun regarding the percentage of mature harvests in February 2023. By knowing this information, companies can manage more effectively to maximize their harvests. This research involved the formation of two clusters, namely cluster 0 (representation of the ripe fruit group) with a total of 407 items and cluster 1 (representation of the immature fruit group) with a total of 141 items. This cluster reflects differences in the maturity level of palm fruit. The centroid point results show that the high maturity cluster data is centered at 83,111, and the low maturity cluster data is centered at 75,411.Keywords: Data Mining; Clustering; K-Means; Palm oil; Rapid Miner AbstrakUntuk mendapatkan hasil minyak sawit yang berkualitas itu sangat bergantung pada tingkat kematangannya. Untuk mengetahui berapa persenkah buah kelapa sawit yang matang dan tidak pada PT. Wilmar Pangkalanbun cukup kesulitan jika dihitung secara manual. Sehingga perlu dilakukan suatu proses sistem yang bisa membantu untuk mengelompokkan tingkat persentase buah kelapa sawit berdasarkan tingkat kematangan. Pengelompokkan dilakukan dengan mengimplementasikan K-Means Clustering dibantu aplikasi RapidMiner, Hal ini memberikan pemahaman kepada pihak perusahaan PT. Wilmar Pangkalanbun mengenai persentase hasil panen yang matang pada bulan Februari 2023. Dengan mengetahui informasi ini, perusahaan dapat mengelola lebih efektif lagi untuk memaksimalkan hasil panen mereka. Penelitian ini melibatkan pembentukan dua klaster, yaitu klaster 0 (representasi kelompok buah matang) dengan jumlah item sebanyak 407 dan klaster 1 (representasi kelompok buah tidak matang) dengan jumlah item sebanyak 141. Klaster ini mencerminkan perbedaan tingkat kematangan buah sawit. Hasil titik pusat klaster (centroid) menunjukkan Data klaster kematangan tinggi berpusat pada 83.111, dan data klaster kematangan rendah berpusat pada 75.411.Kata kunci: Data Mining; Clustering; K-Means; Kelapa Sawit; Rapid Miner
Co-Authors Anisa Agustina Melani Azhar Firdaus Bayu Nur Rohman Dendi Sugito Depi Rusda Dwi Wahyu Prabowo Dwika Lovitasari Yonia Fakhriza Firdaus faruq, Faishal Umar Febri Widianto Fendy Fendy Fitriani, Noorhikmah Haspianto, Mauli Hazanisya Priliani Hutrim Heri Abijono Jetri Susanto Kirana, Elika Thea Kurniawati Kusrini, Kusrini Mahawani , Shima Syiranda Mahradianur Mahradianur Meidy Saputra Muhaimin Muhaimin Muhammad Yunus Mustaqiem, Mustaqiem Nurahman Nurahman, Nurahman Nuralaeyda, Vivi Nurul Wahidah Prasetyaningrum, Eka Rakhma Sarita Ramadhani, Nur Rachmat Fajar Santi Nuripani Sahroningsih Esa Putri Saputri, Dewi Sigit Mulyanto Siti Nur Hasanah Slamet Riyadi Yuliana Yuliana Yunita, Selviana Yusril Yusuf Zandra Nur Arif