Claim Missing Document
Check
Articles

Found 5 Documents
Search

Sistem Pendukung Keputusan Rekomendasi Smartphone Untuk Mobile Game Sandi Tendean
Jurnal Sains Komputer dan Teknologi Informasi Vol 2 No 2 (2020): Jurnal Sains Komputer dan Teknologi Informasi
Publisher : Institute for Research and Community Services Universitas Muhammadiyah Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33084/jsakti.v2i2.1513

Abstract

Dewasa ini mobile game menjadi salah satu game populer di kalangan remaja. Beriringan dengan perkembangan mobilegame, saat ini telah terdapat banyak smartphone yang dirancang untuk mendukung permainan mobilegame. Banyaknya tipe dan merek smartphone saat ini menyebabkan sulitnya pemilihan smartphone yang diperlukan konsumen khususnya kalangan remaja. Sistem pendukung keputusan dapat memberikan rekomendasi smartphone bagi pencinta mobilegame berdasarkan keinginan, kegunaan beserta anggaran yang dimilikinya. Metode WeightedProduct dapat membantu memberikan rekomendasi smartphone yang cocok untuk digunakan dalam memainkan mobilegame. Dalam melakukan pengambilan keputusan metode WeightedProductmengevaluasi beberapa alternatif terhadap sekumpulan atribut atau kriteria, dimana setiap atribut saling tidak bergantung satu dengan yang lainnya. Dengan sistem pendukung keputusan menggunakan metode WeightedProduct ini diharapkan dapat membantu konsumen memilih smartphone yang digunakan untuk bermain mobilegame dengan mudah dan cepat.
Perancangan Sistem Informasi Akademik Pada PAUD Nazir Hendro; Sandi Tendean
METIK JURNAL Vol 5 No 2 (2021): METIK Jurnal
Publisher : LP3M Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/metik.v5i2.292

Abstract

Pemanfaatan teknologi komputer di dunia pendidikan dapat mengurangi potensi kesalahan dan mempercepat proses pengolahan data dibandingkan dengan pemrosesan data secara manual. Paud Nazir masih menggunakan sistem manual dalam sistem informasi akademik. Jumlah Guru dan murid yang akan terus bertambah memerlukan sebuah sistem informasi akademik yang lebih baik. Tujuan penelitian penulis adalah merancang sebuah sistem informasi akademik pada Paud Nazir sehingga dapat mengatasi permasalahan yang ada terutama dalam masalah penyimpanan dan pengaksesan data. Penulis menggunakan prototyping model seba gai metode pengembangan software, dan metode observasi, wawancara dan studi kepustakaan sebagai metode pengumpulan data. Penulis menggunakan Unified Modeling Language (UML) sebagai teknik analisis data dalam sistem informasi akademik. Hasil akhir dari penelitian ini adalah sistem informasi akademik yang memiliki kemampuan untuk mengolah data lebih akurat dan cepat dibandingkan secara manual. Sistem informasi akademik yang terkomputerisasi dapat meningkatkan kinerja bagian Tata Usaha dan Guru dalam melakukan penginputan dan pengolahan data. Hasil penelitian ini diharapkan dapat menjawab permasalahan-pemasalahan yang dihadapi oleh bagian Tata Usaha, Guru, dan Kepala Sekolah. Sistem ini juga diharapkan dapat menjadi referensi bagi peneliti lain.
Implementasi Algoritma Neighborhood-Based Collaborative Filtering Pada Sistem Rekomendasi Layanan Laundry Tony Darmanto; Sandi Tendean; Yogi Tinnando
Journal of Information Technology Vol 4 No 1 (2024): Journal of Information Technology
Publisher : Institut Shanti Bhuana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46229/jifotech.v4i1.870

Abstract

Teknologi informasi saat ini telah membawa kehidupan manusia ke arah yang lebih maju terutama dalam menyajikan informasi yang penting. Banyaknya informasi yang dapat disediakan oleh teknologi informasi menimbulkan kesulitan bagi masyarakat untuk menentukan pilihan informasi yang sesuai dengan kebutuhannya. Sistem rekomendasi menjadi solusi untuk membantu masyarakat dalam menyaring informasi yang dibutuhkan. Penggunaan sistem rekomendasi dapat dilakukan dalam bidang bisnis seperti layanan laundry dengan menerapkan algoritma collaborative filtering. Dengan menggunakan desain penelitian hubungan kausal (eksperimental) sebagai rancangan penelitian. Teknik pengumpulan data yang digunakan penulis adalah studi literatur yang meliputi buku-buku ilmiah, laporan penelitian, jurnal ilmiah, skripsi, serta sumber-sumber tertulis baik cetak ataupun elektronik. Teknik pemodelan sistem yang digunakan penulis adalah menggunakan Unified Modeling Language (UML), yang berperan untuk membantu mengambarkan prosedur dalam cara kerja sistem rekomendasi dengan menerapkan collaborative filtering dalam merekomendasikan layanan laundry. Algoritma collaborative filtering menyaring data layanan laundry berdasarkan karakteristik yang diinginkan pengguna untuk memberikan informasi yang baru berdasarkan pola suatu kelompok pengguna yang memiliki karakteristik yang serupa. Algoritma diimplementasikan dalam suatu aplikasi berbasis web dengan rancangan antarmuka pengguna yang interaktif dalam mennyajikan hasil penyaringan. Sistem rekomendasi layanan laundry mampu memberikan hasil rekomendasi yang sesuai dengan preferensi dan kebutuhan pengguna.
Prediksi Safety Stock Produk Filter Oli Sepeda Motor Berbasis Demand Response (DR) - ARMA Sandi Tendean; Jimmy Tjen; Riyadi Jimmy Iskandar
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2282

Abstract

Manajemen rantai pasokan merupakan hal krusial yang dibutuhkan dalam menjaga persediaan suatu produk supaya tetap tersedia selama masa tunggu. Hal ini bertujuan untuk menjaga keberlanjutan suatu bisnis sehingga penjualan produk tersebut tidak terganggu dengan permasalahan kurangnya persediaan. Namun, metode prediksi konvensional seperti ARMA-klasik dan ARMA-GARCH seringkali kurang akurat pada data riil yang bersifat sparse yang didominasi nilai nol dan fluktuatif. Penelitian ini bertujuan untuk menggagas sebuah metode Auto Regressive Moving Average (ARMA) baru yang menggabungkan konsep demand response dengan analisis galat yang bernama Demand Response-ARMA (DR-ARMA). Metode ini dikembangkan melalui tiga tahap, yaitu penurunan matematis berbasis RMSE dan analisis tren, adaptasi model untuk data sparse, dan validasi menggunakan data primer penjualan sparepart filter oli dari CV di Kalimantan Barat selama 60 hari. DR-ARMA mengoptimasi prediksi ARMA berdasarkan pada tren penjualan serta mengontrol ketidakpastian prediksi dengan memanfaatkan analisis galat, supaya kesalahan prediksi dapat berkurang selama perhitungan safety stock. Simulasi numerik dilakukan pada data penjualan filter oli dari sebuah perusahaan yang ada di Kalimantan Barat. Hasil simulasi menunjukkan bahwa metode DR-ARMA dapat memprediksi penjualan filter oli dengan akurasi 80%, lebih tinggi dibandingkan metode prediksi lainnya seperti ARMA-Generalized Auto Regressive Conditional Heteroskedasticity (GARCH) (74%) dan ARMA-klasik (57%). Metode DR-ARMA juga dapat digunakan untuk memprediksikan safety stock untuk 60 hari kedepan dengan tingkat kesalahan prediksi sekitar 17%. Hal ini menunjukkan bahwa metode DR-ARMA cocok digunakan untuk memprediksikan safety stock dari data yang bersifat sparse. Metode DR-ARMA dapat membantu pengguna dalam mengatur jumlah persediaan barang yang dibutuhkan tanpa perlu melakukan pengisian gudang secara berlebihan.
An Optimized Demand Response-ARMA Model for Inventory Management Under Intermittent Product Demand Vedano Gustine; Sandi Tendean; Jimmy Tjen
bit-Tech Vol. 8 No. 2 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i2.3326

Abstract

Forecasting accuracy serves a crucial role in supply chain management, especially in calculating safety stock and purchase limit, particularly under demand fluctuations such as those observed for air filter products, which are characterized as slow moving and intermittent. The DR-ARMA method was designed to model sparse data effectively, despite the model heavily relies on manual tuning factor selection. In this case, the model still face limitation in handling intermittent demand. To address such methodological gap, this study proposes an optimized version of the Demand Response-ARMA (DR-ARMA) model which is able to handle intermittent demand, named Optimized Demand Response-ARMA (ODR-ARMA) by applying optimization problems that lead to an adaptive error multiplier factor. Using air filter sales data with a sparsity level of 62.3% and a varying lead time assumption from a company located in Pontianak. The comparative analysis of ODR-ARMA against LSTM, GBRT, and DR-ARMA reveals that the ODR-ARMA model demonstrates the best performance for both safety stock and purchase limit calculations with an average accuracy of 81.11% and 96.09%, respectively. The optimization results in a significant improvement, as the DR-ARMA model achieves an average accuracy of 51.26% for safety stock calculation and 30.48% for purchase limit calculation. As the ODR-ARMA model has the capability to generate an accurate demand forecast and requires low computational resources, this model can be used as a basis for enterprises, especially SMEs in decision making related to inventory management, which allows enterprises to avoid the risks of stockout, excess stock, and dead stock.