Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : hello world

Klasifikasi BAU Dalam Kulkas Menggunakan Sensor SGP-30 Dan Algoritma Random Forest Classifier Amira Muhammad Salim Banem; Halim Maulana
Hello World Jurnal Ilmu Komputer Vol. 4 No. 4 (2026): Edisi Januari
Publisher : Ilmu Bersama Center

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

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi bau dalam kulkas menggunakan sensor SGP-30 dan algoritma Random Forest Classifier. Sistem ini dirancang untuk mendeteksi dan mengklasifikasikan kondisi bau makanan ke dalam tiga kategori, yaitu Segar, Sedang, dan Busuk, berdasarkan data sensor berupa nilai eCO₂, TVOC, suhu, dan kelembapan. Data yang diperoleh kemudian diproses menggunakan algoritma Random Forest Classifier yang mampu menghasilkan akurasi sebesar 97,78% dalam melakukan klasifikasi bau. Hasil penelitian menunjukkan bahwa sistem yang dibangun dapat mengidentifikasi kondisi bau secara akurat dan efektif. Sistem ini berpotensi untuk dikembangkan lebih lanjut dengan memperluas variasi data dan mengeksplorasi algoritma klasifikasi lainnya guna meningkatkan performa sistem.
Analisis Perencanaan Dan Pengendalian Stok Obat Menggunakan Metode Analisis ABC Dan Algoritma LG Boosting Di Instalasi Farmasi Rifdah Febiana Putri Lubis; Halim Maulana
Hello World Jurnal Ilmu Komputer Vol. 5 No. 2 (2026): Edisi Juli 2026
Publisher : Ilmu Bersama Center

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

Abstract

Pengelolaan stok obat memiliki peran krusial di instalasi farmasi karena secara langsung memengaruhi kelancaran layanan kesehatan. Penelitian ini berfokus pada perencanaan dan pengendalian persediaan obat melalui penerapan Analisis ABC, yang digunakan untuk mengelompokkan obat berdasarkan nilai pemakaian dan kontribusinya terhadap total biaya, serta algoritma Gradient Boosting untuk meramalkan kebutuhan obat dengan memanfaatkan data historis. Hasil kajian menunjukkan bahwa Analisis ABC dapat menetapkan kelompok prioritas, di mana kelas A menempati porsi terbesar dalam nilai investasi meskipun jumlah itemnya terbatas. Selain itu, algoritma Gradient Boosting memberikan hasil peramalan yang lebih presisi dibandingkan metode regresi sederhana. Kombinasi kedua metode ini efektif dalam meningkatkan efisiensi pengelolaan persediaan, mengurangi risiko defisit maupun surplus stok, serta mendukung kesinambungan ketersediaan obat bagi pasien.untuk membangun sistem peramalan harga saham yang dapat diandalkan.