Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Jurnal Senopati : Sustainability, Ergonomics, Optimization, and Application of Industrial Engineering
Abdul Rohman
Fakultas Sains dan Teknologi, Program Studi Teknik Industri, Universitas Muhammadiyah Sidoarjo
Decision Sciences, Operations Research & Management Engineering Industrial & Manufacturing Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perencanaan Jumlah Bahan Baku Produksi Soda Caustic PT. XK Dengan Metode Algoritma K-Nearest Neighbour Abdul Rohman; Tedjo Sukmono
Jurnal SENOPATI : Sustainability, Ergonomics, Optimization, and Application of Industrial Engineering Vol 2, No 1 (2020): Jurnal SENOPATI Vol.2 No.1
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.senopati.2020.v2i1.924

Abstract

Dalam proses kegiatan produksi soda caustic PT. XK, Maka diperlukannya perencanaan kesiapan bahan baku utama berupa garam granul (NaCl) yang diharapkan tepat perencanaan dengan melakukan prediksi pada ketersediaan bahan baku utama menggunkan metode algoritma K- Nearest Neighbour hingga bisa membantu perusahaan dalam merencankan jumlah bahan baku utama untuk kelancaran kegiatan industri. Dengan begitu PT.XK dapat menjamin kelancaran kegiatan produksi dan kapasitas produksi untuk melayani permintaan konsumen pada produk soda caustic (NaOH). Algoritma K- Nearest Neighbour merupakan proses mining data yang tergolong dalam kategori machine learning (supervised learning) yang berdasarkan pada basis instance atau kedekatan antara data latih dan data uji dengan rumus eucledian distance guna mencari hasil jarak terdekat. Dalam melakukan prediktif untuk perencanaan yang diinginkan maka perlu mengukur tingkat keakurasian data, data recall, data presisi dan kurva ROC (receiver operating characteristic). Maka  berdasarkan penelitian yang dilakukan mendapatkan hasil prediktif guna merencanakan jumlah bahan baku selama satu periode yang akan datang dengan keakuratan data prediksi sebesar 92,67%, dengan perbandingan data recall dan presisi data, sehingga menghasilkan kurva ROC (receiver operating characteristic) sebesar 0,75 dimana prediksi tergolong cukup baik.
Co-Authors Tedjo Sukmono