Articles
<![CDATA[Integrasi Metode Agglomerative Hierarchical Clustering dan Backpropagation Pada Model Peramalan Penjualan ]]>
<![CDATA[Krisna atma wijaya]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1092
<![CDATA[Artificial Neural Network (ANN) merupakan sebuah sistem cerdas yang digunakan untuk mengolah informasi yang merupakan perkembangan dari generalisasi model matematika, salah satu teknik yang sering digunakan untuk peramalan adalah Backpropagation. Banyak penelitian yang telah menggunakan Backpropagation untuk menyelesaikan masalah prediksi, tetapi kualitas peramalan yang didapat belum memuaskan. Penelitian ini bertujuan untuk memodifikasi model peramalan dengan menambahkan proses Clustering data sebelum dilakukannya proses peramalan. Dataset yang digunakan adalah data penjualan kopi sachet per bulan dari PT. Kapal Api. Data penjualan dinormalisasi, kemudian dibentuk menjadi Vektor Fitur dengan panjang tertentu, kemudian dikelompokan menggunakan Agglomerative Hierarchical Clustering (AHC). Tiap kelompok hasil dari AHC diolah menggunakan Backpropagation sehingga didapat Jaringan yang telah siap digunakan. Jaringan Backpropagation digunakan untuk mendapatkan output, kemudian output tersebut didenormalisasi untuk mendapatkan nilai aktual. Nilai aktual dan nilai nyata dibandingkan untuk pendapatkan nilai Mean Absolute Precentage Error (MAPE). Hasil dari penelitian ini menunjukan bahwa tingkat heterogenitas data sangat berpengaruh terhadap kuallitas pengelompokan dan peramalan yang didapat. Pada penelitian ini nilai MAPE yang diperoleh dari proses peramalan yang mengintegrasikan AHC dan Backpropagation lebih baik dari pada proses peramalan yang hanya menggunakan Backpropagation saja.]]>
<![CDATA[Integrasi Metode K-Means Clustering Dan Backpropagation Pada Pemodelan Peramalan Penjualan ]]>
<![CDATA[Mochamad Zamzamik]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1093
<![CDATA[Model peramalan penjualan dibutuhkan untuk membangun aplikasi peramalan penjualan. Banyak penelitian telah dilakukan, salah satunya model peramalan menggunakan metode Jaringan Syaraf Tiruan Backpropagation, tetapi kualitas model peramalanya belum memuaskan. Penelitian ini bertujuan untuk memperbaiki kualitas peramalan dengan cara mengintegrasikan metode K-Means Clustering dan Backpropagation. Dataset yang digunakan adalah data penjualan Bolu Pisang di Salsabila Cake. Proses diawali dengan transformasi data atau normalisasi, kemudian pengelompokan menggunakan K-Means Clustering, berikutnya pada setiap kelompok dilakukan pelatihan dan ujicoba menggunakan Backpropagation, output dari Bacpropagation didenormalisasi untuk mendapatkan nilai yang sesungguhnya. Kualitas peramalan ditentukan menggunakan Mean Absolute Deviation (MAD), dengan meghitung rata-rata selisih output dengan nilai nyata. Pada penelitian ini didapati nilai Silhouette pengelompokan yang terbaik didapat dari Vektor Fitur yang panjangnya 16 dan banyak kelompoknya 12, sebesar 0.0349. Kemudian nilai rata-rata MAD dari semua kelompok adalah 5.5 dan 4.5 untuk proses pelatihan dan ujicoba, hasil ini lebih baik daripada penelitian sebelumnya yang hanya menggunakan Bacpropagaiton saja untuk peramalan penjualan.]]>
<![CDATA[Integrasi Self Organizing Maps Dan Backpropagation Pada Model Prediksi Penjualan ]]>
<![CDATA[Moh. Danang Nawawi]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1094
<![CDATA[Beragam metode pembelajaran untuk jaringan saraf tiruan juga terus dikembangkan, seperti delta learning rule, kohonen self-organizing maps, dan back-propagation. Penerapan metode backpropagation telah banyak dilakukan oleh para peneliti tetapi kualitas peramalan yang didapat belum memuaskan. Penelitian ini bertujuan untuk mengintegrasikan metode Self Organizing Maps (SOM) dan Backpropagation, untuk mendapatkan kualitas peramalan yang lebih baik. Dataset yang digunakan adalah data penjualan kopi sachet per bulan dari PT. Kapal Api. Data penjualan dinormalisasi, kemudian dibentuk menjadi Vektor Fitur dengan panjang tertentu, kemudian dikelompokan menggunakan SOM. Tiap kelompok hasil dari SOM diolah menggunakan Backpropagation sehingga didapat Jaringan yang telah siap digunakan. Jaringan Backpropagation digunakan untuk mendapatkan output, kemudian output tersebut didenormalisasi untuk mendapatkan nilai aktual. Nilai aktual dan nilai nyata dibandingkan untuk pendapatkan nilai Mean Absolute Precentage Error (MAPE). Hasil dari penelitian ini menunjukan bahwa tingkat heterogenitas data sangat berpengaruh terhadap kuallitas pengelompokan dan peramalan yang didapat. Pada penelitian ini nilai MAPE yang diperoleh dari proses peramalan yang mengintegrasikan SOM dan Backpropagation lebih baik dari pada proses peramalan yang hanya menggunakan Backpropagation saja.]]>
<![CDATA[Pemodelan Deteksi Dan Identifikasi Multiple Barcode ]]>
<![CDATA[M Taufiq Maulana Fahmi]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1097
<![CDATA[Membludaknya pasar online selama pandemi ini, membuat beberapa jasa pengiriman mengalami overload pengiriman. Ini mengakibatkan terlambatnya paket datang kepada customer. Dalam pengiriman, perpindahan paket akan di scan sesuai dengan barcode yang menempel pada paket. Langkah tersebut akan sangat lama bila di lakukan satu persatu, maka jika langkah tersebut bisa dilakukan secara bersamaan akan sangat menghemat waktu dalam pengiriman. Langkah tersebut bisa dilakukan menggunaka sebuah library pada python yang bernama ZBar. Nantinya library ini akan bisa memindai banyak barcode dalam satu langkah scan. Sehingga akan menghemat waktu yang dibutuhkan saat pengiriman.]]>
<![CDATA[Perbandingan Antara Metode Decision Tree Dan Support Vector Machine Pada Model Rekomendasi Mobil Bekas ]]>
<![CDATA[Ali Maksum]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1098
<![CDATA[Perkembangan usaha di bidang penjualan mobil bekas sangat pesat sehingga banyak konsumen memandang dari pengaruh product quality terhadap brand loyality melalui kepuasan konsumen sebagai variabel mediasi. Kepuasan konsumen mempengaruhi terhadap signifan brand loyality dan sebagai variabel mediasi dari product quality terhadap brand quality. Peneliti mencoba membuat perbandingan antara metode decission tree dan support vector machine untuk membandingkan akurasi yang lebih baik, hasil dari penelitian ini perbandingan dari Decission Tree dan Support Vector Machine dari data Training decission tree sebesar 2,5 % dan Support Vector Machine sebesar 9,1 % , untuk data testing dari Decission Tree sebesar 6,2 % dan Support Vector Machine sebesar 2,2 %. Bisa disimpulkan bahwa pada metode Decission Tree akurasinya lebih baik daripada metode Support Vector Machine.]]>
<![CDATA[Perbandingan Antara Metode Holt-Winters Dan Backpropagation Pada Model Peramalan Penjualan ]]>
<![CDATA[Bagas Wahyu Nur Tantyo]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 5 No. 3 (2021): Seminar Nasional Inovasi Teknologi 2021 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v5i3.1099
<![CDATA[Peramalan (forecasting) merupakan metode untuk melihat potensi atau memprediksi sesuatu di masa depan dengan menggunakan data dari masa lampau. Penelitian dilakukan pada toko Anabul Petshop, penelitian digunakan untuk mengatasi masalah stok pejualan yang digunakan untuk meminimalisir kerugian dan memingkatkan penjualan pada toko. Penelitian menggunakan model peramalan algoritma Holt-Winter dan Backpropagation. Dengan menggunakan 2 metode diharapkan prediksi stok barang pada toko nantinya menjadi akurat, metode ini juga dibandingkan untuk mengetahui seberapa efektif metode tersebut pada kasus ini. Dalam membandingkan metode tersebut membutuhkan pengujian perhitungan yaitu MAD yang digunakan untuk menghitung rata-rata kesalahan yang mutlak, Untuk hasil akhir nanti akan terlihat metode mana yang memiliki tingkat error paling sedikit. Dan didapatkan bahwa metode Backpropagation memiliki tingkat eror yang paling sedikit.]]>
<![CDATA[Sistem Pendukung Keputusan Penerimaan Karyawan Baru di CV. Bintang Banua Menggunakan Metode Fuzzy Tsukamoto ]]>
<![CDATA[Rizki Subiyantoko]]>;
<![CDATA[Julian Sahertian]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 6 No. 1 (2022): SEMINAR NASIONAL INOVASI TEKNOLOGI 2022 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v6i1.2532
<![CDATA[Penelitian ini dilatarbelakangi permasalahan yang dihadapi oleh CV. Bintang Banua yaitu bagaimana cara menerapkan sistem pendukung keputusan menggunakan metode fuzzy Tsukamoto dalam penerimaan karyawan baru. Dilakukannya penelitian ini bertujuan untuk merancang sistem pendukung keputusan yang mampu membantu kinerja perusahaan dalam menentukan calon karyawan baru yang layak menjadi karyawan dengan menggunakan metode fuzzy tsukamoto. Logika fuzzy adalah teori himpunan logika yang dikembangkan untuk mengatasi konsep nilai diantara kebenaran dan kesalahan. Dengan menggunakan logika fuzzy nilai yang dihasilkan tidak hanya 0 dan 1, tapi semua kemungkinan diantara 0 dan 1. Hasil penelitian berupa sistem aplikasi yang telah diuji serta memenuhi tujuan yang diharapkan. Kesimpulan hasil akhir penelitian ini adalah setelah nilai dihitung maka calon karyawan akan dikategorikan menjadi 2 yaitu diterima dan tidak diterima. Jika nilai probabilitas hasil seleksi lebih besar sama dengan 80 maka masuk kategori diterima dan jika di bawah 80 maka tidak diterima. Sehingga Aplikasi Sistem Pendukung Keputusan Penerimaan Karyawan Baru menggunakan metode Fuzzy Tsukamoto dapat memberikan penilaian secara efisien, efektif dan dapat mempermudah perusahaan dalam menentukan karyawan baru yang selanjutnya akan dilakukan tindakan lebih lanjut oleh pihak pimpinan perusahaan.]]>
<![CDATA[Pengenalan Iris Mata Menggunakan Metode Convolutional Neural Network ]]>
<![CDATA[Afizza Fikri Kurniawan]]>;
<![CDATA[Resty Wulanningrum]]>;
<![CDATA[Daniel Swanjaya]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 6 No. 1 (2022): SEMINAR NASIONAL INOVASI TEKNOLOGI 2022 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v6i1.2540
<![CDATA[Kemajuan teknologi berdampak terhadap semua lini termasuk dalam lini sistem keamanan. Disamping itu berkembangnya sistem teknologi menimbulkan kasus tindak kejahatan seperti pemalsuan identitas seseorang, mengambil informasi penting yang dimiliki seseorang dan sebagainya yang berkaitan dengan identitas diri seseorang. Suatu sistem yang dapat mengatasi tindak kejahatan tersebut yaitu sistem biometrik. Iris mata merupakan bagian dari objek biometrik yang memiliki fitur unik untuk dijadikan proses identifikasi untuk mengatasi pemalsuan data dan pembobolan akun. Salah satu metode yang dapat digunakan dalam sistem identifikasi iris mata yaitu CNN. Pengujian dilakukan dengan menggunakan 8 kelas yang telah dilatih. Dan menghasilkan tingkat akurasi sebesar 87% untuk dataset iris CasiaV4.]]>
<![CDATA[Implementation SAW Method System For Marketing Media ]]>
<![CDATA[Ella Okta Viana]]>;
<![CDATA[Daniel Swanjaya]]>;
<![CDATA[Resty Wulanningrum]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 6 No. 2 (2022): SEMINAR NASIONAL INOVASI TEKNOLOGI 2022 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v6i2.2553
<![CDATA[Media pemasaran merupakan suatu media yang digunakan oleh masyarakat dalam memasarkan produk atau jasa. Penelitian ini bertujuan untuk membantu menemukan jenis media pemasaran apa yang sering digunakan oleh konsumen dengan cara mengisi data yang sudah disiapkan yang nantinya akan diinput dalam sistem lalu setelahnya akan muncul hasil jenis media pemasaran apa yang sering digunakan oleh konsumen. Dalam penelitian ini terdapat 3 kategori yang mana akan menjadi acuan yaitu Media Cetak, Media Sosial, dan Marketplace dengan menggunakan metode Simple Additive Weigthing (SAW). Untuk mengeahui hasil perhitungan dengan bantuan Sublime text3 mengunakan bahasa pemrograman PHP (Hypertext Prepocessor) hingga bisa didapatkan hasil dari penelitian ini. Pembobotan dihitung dengan mempertimbangkan sering tidaknya konsumen dalam menggunakan media pemasaran yang tersedia. Hasil akan diambil dari hasil pembobotan dengan nilai tertinggi (1,00) atau mendekati (1,00). Dari hasil tersebut diharapkan dapat membantu untuk mengetahui jenis media pemasaran apa yang sering digunakan oleh konsumen dalam mecari produk dan jasa.]]>
<![CDATA[Penerapan Metode Naïve Bayes Pada Aplikasi Ayo Playon ]]>
<![CDATA[Dimas Eri Kurniawan]]>;
<![CDATA[Daniel Swanjaya]]>;
<![CDATA[Resty Wulanningrum]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 6 No. 2 (2022): SEMINAR NASIONAL INOVASI TEKNOLOGI 2022 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v6i2.2579
<![CDATA[Pajero Athletic Club merupakan kumpulan pemuda yang berlatih lari jarak jauh secara intensif dibawah naungan Komite Olahraga Nasional Kota Malang. Dalam seleksi atlet lari jarak jauh Pajero Athletic Club proses seleksinya dinilai didasarkan penilaian pelatih yang meliputi hasil tes fisik serta tes pendukung lainnya. Proses penilaian pelatih masih brsifat subjektif hal ini terjadi karena faktor kedekatan atlet dengan pelatih. Proses seleksi atlet melibatkan banyak kriteria yang dinilai, sehingga dalam penyeleksiannya diperlukan sebuah sistem pendukung keputusan multikriteria untuk hasil yang lebih objektif. Berdasarkan permasalahan tersebut perlunya perbaikan dalam proses seleksi atlet yang melibatkan banyak kriteria yang dinilai, sehingga dalam penyeleksiannya diperlukan sebuah aplikasi untuk mendukung keputusan untuk hasil yang lebih objektif. Naïve bayes digunakan untuk klasifikasi seleksi atlet dimana dapat mengetahui mengenai keterangan lolos dan tidak lolos. Berdasarkan uji coba pada salah satu data seleksi atlet penelitian menghasilkan rekomendasi atlet terbaik dengan nama Nanda Eka S dengan nilai 0,9998. Penentuan hasil pemilihan atlet diperoleh dari penentuan nilai probabilitas atlet yang lolos melalui proses naïve bayes. Hasil dari aplikasi ini membuktikan bahwa aplikasi ini dapat membantu pelatih dalam proses pemilihan atlet lari jarak jauh Pajero Athletic Club untuk memaksimalkan prestasi atlet dalam berbagai kejuaraan lari.]]>
