Claim Missing Document
Check
Articles

Found 2 Documents
Search

Implementasi Kanopi Otomatis untuk Kenyamanan Termal Jason Adrian Mahalim; Filipus Samuel; Filbert Wijaya; Muhamad Aliefian Rahmatulloh
Ultima Computing : Jurnal Sistem Komputer Vol 12 No 1 (2020): Ultima Computing : Jurnal Sistem Komputer
Publisher : Faculty of Engineering and Informatics, Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (601.173 KB) | DOI: 10.31937/sk.v12i1.1605

Abstract

Aktivitas manusia tidak akan pernah terlepas dari kegiatan luar ruangan. Namun karena pengaruh cuaca, aktivitas tersebut bisa terganggu seketika. Atas masalah tersebut, kami membuat proyek berupa kanopi otomatis yang bisa mendeteksi cuaca dan intensitas cahaya. Mikrokontroler yang digunakan pada proyek ini adalah Arduino Uno. Untuk mendeteksi intensitas cahaya matahari, sensor yang digunakan adalah Light Intensity Sensor, dan sensor yang digunakan untuk mendeteksi kondisi cuaca adalah sensor hujan. Tujuan dibuatnya proyek ini adalah untuk meningkatkan kenyamanan termal yang dimiliki oleh setiap orang ketika beraktivitas di luar ruangan. Kata Kunci : Kanopi, Arduino, Kenyamanan Termal
Prediksi Penjualan Barang Menggunakan Algoritma K-Nearest Neighbor Filbert Wijaya; Rizky Rahmansyah; Nelly Astuti Hasibuan
Jurnal Sistem Cerdas dan Rekayasa (JSCR) Vol 7 No 2 (2025): Jurnal Sistem Cerdas dan Rekayasa (JSCR) 2025
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Widya Kartika (LPPM UWIKA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61293/jscr.v7i2.856

Abstract

Kemampuan untuk memprediksi jumlah penjualan produk sangat penting dalam mendukungp engambilan keputusan bisnis seperti pengelolaan stok dan perencanaan produksi. Penelitiani ni bertujuan membangun model prediksi penjualan menggunakan algoritma K-Nearest Neighbor (KNN) berdasarkan data historis penjualan enam jenis produk dari Toko X pada periode Agustus 2022 hingga November 2023. Proses prediksi melibatkan penentuan nilai k, perhitungan jarak, pemilihan tetangga terdekat, dan evaluasi menggunakan metrik Mean Absolute Percentage Error (MAPE) dan Mean Absolute Error (MAE). Hasil evaluasi menunjukkan bahwa model KNN mampu memprediksi tren penjualan dengan akurasi yang cukup baik, dengan nilai rata-rata MAPE sebesar 16,66% dan MAE sebesar 4168,77. Model ini dapat digunakan sebagai alat bantu untuk memperkirakan permintaan barang dan mendukung pengambilan keputusan operasional secara lebih efektif dan efisien.