Articles
<![CDATA[APLIKASI PENJADWALAN MENGGUNAKAN ALGORITMA WELCH POWELL (STUDI KASUS : SMA MUHAMMADIYAH KENDARI) ]]>
<![CDATA[Niarma Niarma]]>;
<![CDATA[Bambang Pramono]]>;
<![CDATA[LM Tajidun]]>
<![CDATA[ semanTIK Vol 4, No 1 (2018): semanTIK ]]>
Publisher : <![CDATA[Informatics Engineering Department of Halu Oleo University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (4188.997 KB)
|
DOI: 10.55679/semantik.v4i1.4080
<![CDATA[Scheduling teaching and learning activities is a routine work performed by the Head of Curriculum Section each welcoming the new school year. The role of the Head of Curriculum Section in making the schedule of teaching and learning activities is very important and not easy because the schedule to be arranged consists of very much data. Based on the problems that exist in SMA Muhammadiyah kendari where the teacher chose the schedule of willingness to teach sendri. To assist the processing of subject schedules at SMA Muhammadiyah Kendari, it is necessary to have a scheduling information system using Welch Powell algorithm. Welch Powell algorithm is one of the methods used to solve optimization problems by performing staining based on the highest degree of Largest Degree Ordering or LDO nodes. The LDO method is considered appropriate for scheduling problems because it prioritizes the highest-level nodes that are connected by multiple patterns so they should take precedence for scheduling.By entering the necessary data, such as class data, subjects, teachers, time, school year, and willingness to teach. The system will generate lesson schedules based on teachers' willingness to teach and automatically schedule teachers who have not chosen a willingness to teach without clashing.Keywords— Welch Powell, Application, SchedulingDOI : 10.5281/zenodo.1343344]]>
<![CDATA[IMPLEMENTASI METODE SPREAD SPECTRUM DALAM STEGANOGRAFI PADA FILE MP3 BERBASIS ANDROID ]]>
<![CDATA[Azkar Kumala]]>;
<![CDATA[Bambang Pramono]]>;
<![CDATA[Rahmat Ramadhan]]>
<![CDATA[ semanTIK Vol 3, No 2 (2017): semanTIK ]]>
Publisher : <![CDATA[Informatics Engineering Department of Halu Oleo University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (143.316 KB)
|
DOI: 10.55679/semantik.v3i2.3652
<![CDATA[Kerahasiaan dan kepemilikan data saat ini menjadi rentan terhadap gangguan. Mulai dari data pribadi, data organisasi sampai data negara yang sangat rahasia Keamanan menjadi sangat menjadi penting apabila informasi dokumen yang dikirimkan merupakan informasi yang bersifat rahasia. Maka dari itu, dibutuhkan suatu cara agar keamanan dari pengiriman informasi tersebut terjamin, salah satunya adalah dengan Steganografi.Kata kunci—Steganografi, Spread Spectrum, MP3, Android.]]>
<![CDATA[PENENTUAN STRATEGI PENJUALAN ALAT-ALAT TATTOO DI STUDIO SONYXTATTOO MENGGUNAKAN METODE K-MEANS CLUSTERING ]]>
<![CDATA[Apriadi Bahar]]>;
<![CDATA[Bambang Pramono]]>;
<![CDATA[Laode Hasnuddin S Sagala]]>
<![CDATA[ semanTIK Vol 2, No 2 (2016): semanTIK ]]>
Publisher : <![CDATA[Informatics Engineering Department of Halu Oleo University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (489.979 KB)
|
DOI: 10.55679/semantik.v2i2.1654
<![CDATA[Penentuan strategi adalah suatu pengambilan keputusan mengenai biaya, produk dan lokasi pemasaran dalam hubungannya dengan keadaan lingkungan yang diharapkan serta kondisi persaingan yang selalu berubah-ubah dengan harapan dapat mencapai tujuan suatu perusahaan.Semakin lama sebuah perusahaan berdiri, semakin besar data yang dimiliki perusahaan tersebut. Data-data tersebut bisa berupa data konsumen, data pembelian, data penjualan, dan masih banyak lagi. Pengelompokan ini digunakan oleh pihak manajemen perusahaan untuk membuat laporan mengenai karakteristik umum dari grup-grup konsumen yang berbeda. Proses Clustering yang akan dilakukan menggunakan Algoritma K-Means dengan perhitungan Euclidean distance.Clustering adalah suatu metode pengelompokan berdasarkan ukuran kedekatan (kemiripan). K-Means merupakan salah satu metode Clustering non hirarki yang berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih Cluster atau dapat dikatakan memiliki tujuan untuk membagi data menjadi beberapa kelompok.Hasil penelitian ini adalah dapat dibuat suatu aplikasi penentuan strategi penjualan dengan menggunakan perhitungan Euclidean distance,berdasarkan metode K-Means clustering.diharapkan aplikasi ini dapat menjadi patokan untuk penelitian selanjutnya. Kata kunci— Penentuan Strategi, K-Means Clustering, Euclidean Distance]]>
<![CDATA[SISTEM PENENTU MENU HARIAN PASIEN PENYAKIT ASAM URAT ]]>
<![CDATA[Hadi Ibrahim Tri Saputra]]>;
<![CDATA[Bambang Pramono]]>;
<![CDATA[Isnawaty Isnawaty]]>
<![CDATA[ semanTIK Vol 3, No 1 (2017): semanTIK ]]>
Publisher : <![CDATA[Informatics Engineering Department of Halu Oleo University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (670.925 KB)
|
DOI: 10.55679/semantik.v3i1.2589
<![CDATA[Dalam penanganan pasien di Rumah Sakit Bahteramas Kendari, Dietisien tidak menyimpan data makanan yang dikonsumsi pasien dan untuk penyajian menu makanan harian pasien tidak dilakukan pendataan secara komputerisasi untuk menjadi data rekam medik pasien. Penyajian menu makanan yang berlaku di Rumah Sakit Bahteramas Kendari ialah dengan siklus menu 10 hari makanan berbeda. Dietisien adalah perawat dari poli gizi dan instalasi gizi yang bertugas untuk melakukan konsultasi gizi pasien di rumah sakit.Harris Benedict adalah metode yang digunakan untuk memperkirakan kebutuhan Angka Metabolisme Basal (AMB) dan kilokalori harian. Tahap perhitungan kebutuhan kalori menggunakan metode Harris Benedict ialah dengan cara menentukan nilai Angka Metabolisme Basal (AMB), faktor aktivitas, dan faktor Stress. Beberapa faktor yang menjadi pertimbangan dietisen dalam menentukan siklus menu pasien adalah Indeks Massa Tubuh yang merupakan batasan untuk menentukan berat badan normal orang dewasa. Selain itu, Berat Badan Ideal juga merupakan salah satu faktor bobot optimal dari tubuh untuk menjaga kesehatan dan kebugaran.Hasil yang didapatkan pada penelitian ini adalah sistem penentu menu harian pasien penyakit Asam Urat yang dapat membantu petugas Dietisien dalam melakukan pelayanan kepada pasien rawat jalan dan rawat inap di Rumah Sakit Bahterahmas menggunakan Metode Harris Benedict.Kata kunci— Status Gizi, Rumah Sakit Bahteramas, Metode Harris Benedict, Rekam Medis]]>
<![CDATA[PERANCANGAN GAME MAZE 3D DENGAN MENGGUNKAN ALGORITMA BACKTRACKING ]]>
<![CDATA[Muhamad Anan Makrifsyah Gani]]>;
<![CDATA[Bambang Pramono]]>;
<![CDATA[Jumadil Nangi]]>
<![CDATA[ semanTIK Vol 6, No 2 (2020): semanTIK ]]>
Publisher : <![CDATA[Informatics Engineering Department of Halu Oleo University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (507.161 KB)
|
DOI: 10.55679/semantik.v6i2.9545
<![CDATA[Game merupakan hiburan yang sangat di kagumi oleh masyarakat saat ini mulai dari anak hingga orang tua. Permainan sering dilakukan masyarakat pada jaman sekarang adalah permainan mengasah otak yang dilakukan di komputer dan di handphone seperti game labirin. Labirin adalah sebuah permainan mencari jalan keluar dimana dalam perjalanan labirin ini banyak mendapat rintangan/halangan untuk sampai pada tujuan tetapi dalam menempuh perjalanan tersedia bonus skor apabila dapat menghemat waktu yang ditentukan agar mendapat bonus skor dan dapat menaikkan ke level berikutnya maka untuk mencapai tujuan diperlukan sebuah solusi, solusi yang dipakai adalah algoritma backtracking. Algoritma backtracking (runut-balik) merupakan sebuah algoritma yang bisa digunakan untuk membuat aplikasi game labirin karena cara kerjanya mencari jalan keluar yang bertujuan untuk menentukan jalur yang tepat untuk mencapai tujuan yang telah ditetapkan. Selama proses penentuan jalur tersebut, jika menemui jalan buntu maka akan dilakukan proses backtrack sampai kembali menemukan jalur yang tepat untuk mencapai tujuan. Proses mencari jalan keluar permainan labirin dengan cara membentuk lintasan dari akar ke daun dan simpul-simpul yang sudah dilahirkan dinamakan simpul hidup, jika lintasan yang diperluas yang sedang dibentuk tidak mengarah ke solusi, maka simpul tersebut “dibunuh” sehingga menjadi simpul mati (dead node). Simpul yang sudah mati ini tidak akan diperluas lagi.Kata kunci; Unity, C#, Algoritma Backtracking]]>
<![CDATA[SISTEM INFORMASI ALUMNI BERBASIS GIS (STUDI KASUS: FAKULTAS TEKNIK UNIVERSITAS HALU OLEO) ]]>
<![CDATA[Firman Teguh Wibowo]]>;
<![CDATA[Ika Purwanti Ningrum]]>;
<![CDATA[Bambang Pramono]]>
<![CDATA[ semanTIK Vol 2, No 2 (2016): semanTIK ]]>
Publisher : <![CDATA[Informatics Engineering Department of Halu Oleo University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (535.451 KB)
|
DOI: 10.55679/semantik.v2i2.1650
<![CDATA[Penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Alumni Berbasis GIS yang dapat digunakan untuk pendataan Alumni, wadah komunikasi antar Alumni, wadah untuk mencari pekerjaan, serta pemetaan persebaran kerja Alumni yang dapat dijadikan sebagaisarana yang dapat membantu dalam proses akreditasi program studi pada Fakultas Teknik Universitas Halu Oleo.Pembuatan perangkat lunak dalam penelitian ini, Penulis menggunakan bahasa pmrograman PHP dan MySQL sebagai basis data. Hasil akhir dari penelitian ini adalah dihasilkan program aplikasi berbasis GIS yang diharap dapat membantu pihak fakultas dan Alumni memperoleh informasi terkait Alumni pada Fakultas Teknik Univesitas Halu Oleo. Kata kunci— Sistem Informasi Alumni, Geographic Information System (GIS), Unified Modeling Language (UML), Rational Unified Process (RUP).]]>
<![CDATA[PENERAPAN DATA MINING DENGAN METODE K-NEAREST NEIGHBOR (KNN) UNTUK MENGELOMPOKKAN MINAT KONSUMEN ASURANSI (PT.JASARAHARJA PUTERA) ]]>
<![CDATA[Wa Ode Nurhayah Kadir]]>;
<![CDATA[Bambang Pramono]]>;
<![CDATA[Statiswaty Statiswaty]]>
<![CDATA[ semanTIK Vol 5, No 1 (2019): semanTIK ]]>
Publisher : <![CDATA[Informatics Engineering Department of Halu Oleo University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (405.624 KB)
|
DOI: 10.55679/semantik.v5i1.6141
<![CDATA[Insurance comes from the word insurance, which means insurance. Insurance is an agreement between the insured (customer) and the insurer (insurance company). Data Mining is a way of finding hidden information in a database and is part of the Knowledge Discovery in Databases (KDD) process to find useful information and patterns in data. K-Nearest Neighbor (KNN) is a method that uses supervised algorithms where the results of newly classified query instances are based on the majority of the label classes on KNN. The purpose of the KNN algorithm is to classify new objects based on attributes and training data. The KNN algorithm works based on the shortest distance from the query instance to training data to determine the KNN. One way to calculate the short distance or distance of a neighbor using the Euclidean distance method. Euclidean distance is often used to calculate distances. Euclidean distance functions to test the size that can be used as an interpretation of the proximity of the distance between two objects.Based on the results of the testing carried out this application is able to make predictions by looking at the smallest error value. In motor vehicle insurance the smallest average value is found at k = 4 at 0.103 and the highest accuracy value is at k = 2 by 42%, personal accident insurance the smallest average value is at k = 2 at 0.116 and the highest accuracy value is at k = 2 by 67%, and fire insurance the smallest average value is at k = 2 at 0.088 and the highest accuracy value is at k = 2 at 67%.Keywords—Data Mining, Insurance, K-Nearest Neighbor DOI : 10.5281/zenodo.3116132]]>
<![CDATA[TRAVELLING SALESMAN PROBLEM (TSP) UNTUK MENENTUKAN RUTE TERPENDEK BAGI KURIR KOTA KENDARI MENGGUNAKAN ALGORITMA GREEDY BERBASIS ANDROID ]]>
<![CDATA[Augridita Prawidya C]]>;
<![CDATA[Bambang Pramono]]>;
<![CDATA[L.M Bahtiar Aksara]]>
<![CDATA[ semanTIK Vol 3, No 1 (2017): semanTIK ]]>
Publisher : <![CDATA[Informatics Engineering Department of Halu Oleo University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (520.086 KB)
|
DOI: 10.55679/semantik.v3i1.2617
<![CDATA[Kurir pelayanan delivery order Kota Kendari seringkali mengalami kesulitan untuk menentukan lintasan terpendek dalam pengantaran barang karena banyaknya alternatif jalan yang ada. Tidak jarang pula, kurir tidak mengenal dengan baik alamat yang dituju sehingga tidak dapat memperhitungkan jarak alamat tersebut dan bisa jadi melewati titik yang sama berulangkali sehingga lintasan yang dilewati tidak efisien. Untuk itu diperlukan suatu sistem yang dapat membantu kurir dalam menentukan lintasan terpendek dan dapat merepresentasikan data yang ada. Data tersebut dapat disimpan, diolah, dan disajikan dalam bentuk yang lebih sederhana serta terkomputerisasi sehingga memudahkan dalam penentuan lintasan terpendek.Travelling Salesman Problem (TSP) adalah pencarian rute terpendek atau jarak minimum oleh seorang salesman dari suatu kota ke n-kota tepat satu kali dan kembali ke kota awal keberangkatan. TSP dapat diterapkan pada graph komplit berbobot yang memiliki total bobot sisi minimum, dimana bobot pada sisi adalah jarak. Rute TSP ini memuat semua titik pada graph tersebut tepat satu kali. Proses optimalisasi ini dilakukan dengan memperhitungkan fungsi heuristik yang akan mempersempit ruang pencarian. Hasil dari aplikasi ini berupa urutan alamat yang akan dikunjungi oleh kurir beserta lintasan terpendek antar alamat pada peta Kota Kendari.Algoritma Greedy adalah algoritma yang memecahkan masalah langkah demi langkah dan merupakan salah satu metode dalam masalah optimasi. Pendekatan yang dilakukan dalam Algoritma Greedy adalah membuat pilihan yang terlihat memberikan perolehan terbaik yaitu dengan membuat pilihan optimum local pada setiap langkah dan diharapkan akan mendapatkan solution optimum global.Kata kunci— Android, Ponsel, Rute Terpendek, Travelling Salesman Problem, SP, Kurir, Algoritma Greedy.]]>
<![CDATA[IMPLEMENTASI METODE TREND PROJECTION DENGAN ALGORITMA TREND LEAST SQUARE PADA SISTEM INVENTORY BARANG ]]>
<![CDATA[La Sufu]]>;
<![CDATA[Bambang Pramono]]>;
<![CDATA[Natalis Ransi]]>
<![CDATA[ semanTIK Vol 6, No 1 (2020): semanTIK ]]>
Publisher : <![CDATA[Informatics Engineering Department of Halu Oleo University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (675.574 KB)
|
DOI: 10.55679/semantik.v6i1.9333
<![CDATA[Permasalahan yang terjadi di PT. Pinus Merah Abadi Kendari pada kegiatan persediaan barang adalah jumlah barang yang harus di pesan ke pabrik tidak menentu karena ketidakpastian informasi barang yang tersedia digudang. Oleh karena itu, PT. Pinus Merah Abadi Kendari memerlukan suatu alat bantu berupa perangkat lunak atau sistem yang dapat membantu memudahkan dan memaksimalkan kinerja pegawai administrasi gudang atau manajer perusahaan dalam meramalkan atau memprediksi jumlah barang yang harus di pesan ke pabrik untuk periode berikutnya. Untuk memudahkan dalam memprediksi persediaan barang tersebut maka dibuat penelitian yang bertujuan untuk membangun sebuah sistem yang dapat memprediksi penjualan barang dengan cara mengimplementasikan metode Trend Projection.Trend Projection merupakan metode peramalan yang digunakan untuk melihat trend dari data deret waktu yang diketahui melalui persamaan Trend Least Square. Data yang digunakan merupakan data penjualan barang PT. Pinus Merah Abadi Kendari. Jenis produk yang digunakan Nabati RCE 8-gram yaitu penjualan dari Bulan Januari 2016 sampai Desember 2018. Berdasarkan hasil analisis dan pengujian sistem, maka sistem ini dapat meramalkan penjualan produk nabati dibulan tertentu dengan syarat data yang digunakan minimal tiga periode.Kata kunci; Trend Projection, Trend Least Square, Persediaan Barang]]>
<![CDATA[RANCANG BANGUN APLIKASI PERHITUNGAN RENCANA ANGGARAN BIAYA (RAB) PEMBANGUNAN RUMAH TINGGAL ]]>
<![CDATA[Muhammad Ridwan]]>;
<![CDATA[Sutardi Sutardi]]>;
<![CDATA[Bambang Pramono]]>;
<![CDATA[Laode Muh. Golok Jaya]]>
<![CDATA[ semanTIK Vol 4, No 1 (2018): semanTIK ]]>
Publisher : <![CDATA[Informatics Engineering Department of Halu Oleo University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (280.996 KB)
|
DOI: 10.55679/semantik.v4i1.4250
<![CDATA[The Budget Plan is one of the main processes in a project because it is the basis for creating a budget framework to be issued. The Budget Plan is indispensable for calculating a building or project with the many costs required for materials and wages, as well as other costs associated with building or project implementation. For that required a careful calculations of the total cost of manufacture, volume of work, type of work, material prices and wage handyman in accordance with Indonesian National Standard (SNI).The results of research that has been done is an application that can facilitate user activity to plan the cost of housing construction. With the menus contained in this application can help users to prepare for the needs of what is needed if you want to build a residence such as materials, wage handyman and the price of materials. In addition, it can reduce the level of human error in the calculation of cost analysis needsKeywords— Homes, Budget Plan, PHP Programming. DOI : 10.5281/zenodo.1402404]]>
