Article Per Year (5 Year)
p-Index From 2021 - 2026
1.877
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri Techno Nusa Mandiri : Journal of Computing and Information Technology Minda Baharu Dharma Raflesia : Jurnal Ilmiah Pengembangan dan Penerapan IPTEKS Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi Bisnis (JUNSIBI) Digital Transformation Technology (Digitech) Malcom: Indonesian Journal of Machine Learning and Computer Science Innovative: Journal Of Social Science Research Jurnal Pengabdian Masyarakat
Nur Rahmansyah
Politeknik Negeri Media Kreatif
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Public Health Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Penerapan Algoritma Supervised Learning untuk Klasifikasi Data Music Listening: Application of Supervised Learning Algorithm for Music Listening Data Classification Eri Mardiani; Nur Rahmansyah; Ira Kurniati; Andy Setiawan; Diah Widiastuti; Muhammad Ridwan; Muhammad Zidan Rosyid; Ari Febriansyah
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.879

Abstract

Perkembangan teknologi informasi semakin pesat hingga saat ini terus dikembangkan teknologi-teknologi terbaru, penggunaan data sebagai pengolahan kini semakin banyak diterapkan pada berbagai bidang, dengan penggunaan data dapat dilakukan perkembangan teknologi yang dapat meningkatkankan kualitas dan efisiensi, pengolahan data dapat diterapkan di semua bidang dan salah satunya adalah di bidang musik. Musik sudah menjadi bagian dari kehidupan manusia sehari-hari. Sudah banyak media-media yang menyajikan berbagai macam lagu dengan genre yang beragam pula mulai dari Pop, Jazz, Rock, R&B, dan genre-genre lainnya. Dengan  menggunakan data mining untuk mengolah data maupun menganalisis data-data musik kita dapat memprediksi keanekaragaman preferensi mendengarkan musik dan dengan menggunakan tools aplikasi Orange Data Mining dapat membantu masyarakat untuk mengetahui musik apa saja yang diminat dengan memprediksi melalui beberapa metode dalam tools orange, dengan Algoritma Naive Bayes memiliki tingkat akurasi yang lebih baik.
PENDAMPINGAN SUMBER DAYA MANUSIA UNTUK MENINGKATKAN SISTEM ADMINISTRASI PT MULIA KNETTING INDUSTRY Muhammad Suhaili; Supardianningsih Supardianningsih; Nur Rahmansyah
Jurnal Pengabdian Kepada Masyarakat (PEKAMAS) Vol 3, No 1 (2023): Jurnal Pengabdian Kepada Masyarakat (PEKAMAS) JULI
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat Politeknik Negeri Media Kreatif

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46961/jpk.v3i1.820

Abstract

Pengelolaan sebuah pabrik yang masih pada tingkat Usaha Mikro Kecil Menengah menjadi tantangan tersendiri bagi pengusaha. Banyak faktor yang dapat mempengaruhi terjadi eksistensi sebuah pabrik, salah satunya adalah sumber daya manusia (SDM). SDM menjadi faktor yang sangat menentukan kegiatan pada pabrik produksi. Jika salah penanganan dan tidak terjalin komunikasi yang solid, maka akan sangat mempengaruhi produktivitas pabrik. Selain itu, usaha pencatatan hasil produksi atau persediaan barang juga mempunyai konsekusensi terhadap penentuan belanja bahan baku produksi dan untung rugi penjualan. Pada pengabdian masyarakat ini, Tim Pengmas melaksanakan program pelatihan dan pendampingan dalam memotivasi kinerja dengan membuat model manajemen sumber daya manusia. Adapun tujuan kegiatan ini adalah meningkatkan kemampuan kinerja dan manajerial pegawai. Metode yang digunakan dalam kegiatan ini yaitu menggunakan metode pelatihan pemanfaatan teknologi tepat guna. Jenis pelatihan yang diberikan antara lain pelatihan penjualan secara daring mulai dari pembuatan akun hingga pemasaran produk di shopee. Tim juga memberikan pelatihan penggunaan aplikasi sistem pencatatan hasil produksi atau persediaan barang yang telah dibuatkan sebelumnya pada website http://mercan.al-washliyah.org/. Tim juga melakukan pendampingan dan pengawasan terhadap kegiatan pabrik untuk untuk memastikan pelatihan yang telah diberikan dapat memberikan manfaat baik bagi karyawan maupun pemilik. Dari kegiatan pengabdian masyarakat ini, karyawan PT Mulya Knetting Industry mengalami kenaikan tingkat kinerja menjadi lebih baik, lancer mengoperasikan website, dan memiliki akun penjualan online.
Membandingkan Algoritma Data Mining Dengan Tools Orange untuk Social Economy Eri Mardiani; Nur Rahmansyah; Ira Kurniati; Nurhafifah Matondang; Tesalonika; Dinda Amelia Zanitha; Inayah Romzy
Digital Transformation Technology Vol. 3 No. 2 (2023): Artikel Periode September 2023
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v3i2.3256

Abstract

Data mining adalah proses ekstraksi pengetahuan yang bermanfaat atau pola tersembunyi dari kumpulan data besar. Tujuan utama dari data mining adalah mengungkap informasi yang tidak terlihat secara langsung atau dapat diidentifikasi dengan mudah melalui analisis rutin. Teknik data mining menggunakan berbagai metode statistik, matematis, dan kecerdasan buatan untuk menganalisis dan menginterpretasi data. Salah satu data mining yang dibahas adalah Sosial ekonomi yang merupakan salah satu bidang studi yang mempelajari interaksi antara aspek sosial dan ekonomi dalam masyarakat. Hal ini melibatkan analisis tentang bagaimana kebijakan ekonomi dan praktek-praktek bisnis mempengaruhi kondisi sosial, dan sebaliknya, bagaimana kondisi sosial dapat mempengaruhi ekonomi. Dalam lingkup yang lebih luas, sosial ekonomi mencakup berbagai topik, termasuk pengangguran, kemiskinan, kesenjangan ekonomi, kebijakan sosial, hak-hak pekerja, dan ketidaksetaraan sosial. Tujuan utamanya adalah untuk mengembangkan pemahaman yang lebih baik tentang bagaimana faktor sosial dan ekonomi saling terkait dan bagaimana interaksi ini dapat memengaruhi kesejahteraan masyarakat secara keseluruhan. Studi sosial ekonomi dapat membantu memperbaiki kebijakan ekonomi dan sosial yang ada dengan menekankan pentingnya menciptakan kebijakan yang inklusif dan berkelanjutan, yang dapat membantu meningkatkan kesejahteraan masyarakat secara luas. Oleh karena itu, sosial ekonomi menjadi salah satu bidang studi yang penting dalam menciptakan masyarakat yang lebih baik dan berkelanjutan di masa depan, Dengan metode deskritif, kita dapat melakukan analisis untuk datasets Socio Economic Country.
COMPARISON OF KNN, NAIVE BAYES, DECISION TREE, ENSEMBLE, REGRESSION METHODS FOR INCOME PREDICTION Eri Mardiani; Nur Rahmansyah; Andy Setiawan; Zakila Cahya Ronika; Dini Fatihatul Hidayah; Atira Syakira
Jurnal Techno Nusa Mandiri Vol 20 No 2 (2023): Techno Nusa Mandiri : Journal of Computing and Information Technology Period of
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/techno.v20i2.4613

Abstract

Using the income classification dataset, we performed data analysis with the help of data mining to gather interesting information from the available data. Currently, data processing can be done using many tools. One of the tools that we use for data processing is the orange application. By using the dataset we looked at the welfare level ranging from marital status, school, gender, and from all fields related to income ranging from sales, to daily life to find out the income earned by employees or workers from several countries such as the United States, Cambodia, United Kingdom, Puerto-Rico, Canada, Germany, Outer US (Guam-USVI-etc). The purpose of this analysis is to determine the hourly income in one week that can affect the income classification. The classification technique uses various classification models, namely the K-Nearest Neighbor (KNN) algorithm model, Naïve Bayes, Decision Tree, Esemble Method and Linear Regression algorithm. The results of the analysis based on the test results of various algorithm models can be concluded that the best algorithm model for measuring workers' income is to use the Naive Bayes Decision. Analysis of variables based on Hours-per-Week and Capital-Gain affects Income Classification which determines whether the income earned is more than 50 thousand/50 K and the analysis results in a prediction of a person's income level.
Co-Authors Adisti Suryaningtyas Putri Wirawan Aditya Nur Rohman Adityo Rahman Ahmad Rifqi Alica Dwi Fahira Andy Setiawan Ari Febriansyah Atira Syakira Azzaleya Agashi Lombu Cintia Marito Sihombing Deny Hidayatullah Deta Muliyani Dhieka Avrilia Lantana Diah Widiastuti Dinda Amelia Zanitha Dinda Nurkhaliza Putri Dini Fatihatul Hidayah Endah Tri Esti Handayani Eri Mardiani Imelta Natalia Ginting Inayah Romzy Iqbal Al Rais Prihatono Ira Kurniati Ira Kurniati Keysha Belynda Tyva Panggabean Matondang, Nurhafifah Muhammad Ariq Ramadhan Muhammad Daffa Farhan Muhammad Ridwan Muhammad Suhaili Muhammad Zidan Rosyid Nabila Puspita Wulandana Nancy Riana Ratih Tri Lestari Sari Ningsih Satriawan Desmana Sifonne Adi Wijaya Sisca Budyarti Supardianningsih Supardianningsih Taufik Mustofa Tesalonika Trie Widiarti Ningsih Yuni Latifah Yusriana Chusna Fadilah Zakila Cahya Ronika