Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer
Anwar Pauji
STMIK IKMI Cirebon
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Algoritma K-Nearest Neighbor Dalam Menentukan Penerima Bantuan Langsung Tunai Anwar Pauji; Siti Aisyah; Agus Surip; Riko Saputra; Irfan Ali
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 1 (2020): KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v4i1.114

Abstract

Proses penentuan data dan pemberian bantuan terhadap penerima manfaat sudah dilaksanakan sebelumnya, Namun bantuan yang di terima ada yang tidak sesuai dengan yang diharapkan, hal tersebut disebabkan salah satunya karena penetapan status keluarga miskin selaku penerima bantuan belum maksimal sehingga dalam membagikan bantuan masih belum akurat. Maka dari itu penelitian ini mencoba untuk mengklasifikasi penerima manfaat menggunakan metode K-Nearest Neighbor sehingga penerima bantuan benar-benar tepat sasaran. Kriteria yang digunakan pada penelitian ini yaitu Kondisi Rumah, Pekerjaan, Penghasilan dan Jumlah tanggungan. aplikasi yang digunakan yaitu rapidminer versi 9.10 dengan operator retrive, Cross Validation, Algoritma K-NN, Apply Model dan Performance. Nilai akurasi sebesar 68,82 % dengan rincian sebagai berikut. Prediksi Layak dan Ternyata True Layak Sebesar 104. Prediksi Layak dan Ternyata True Tidak Layak Sebesar 37. Prediksi Tidak Layak dan Ternyata True Layak Sebesar 16. Prediksi Tidak Layak dan Ternyata True Tidak Layak Sebesar 13. Dengan class recall layak sebesar 86,67% dan Class Recall Tidak Layak Sebesar 26%.
Penerapan Algoritma FP Growth terhadap Transakasi Pembelian Bahan Baku Iqbal Agis Junizar; Anwar Pauji; Muhammad Aji Pratama; Kaslani; Cep Lukman Rohmat
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 1 (2020): KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v4i1.116

Abstract

Pembelian merupakan sebuah proses penyediaan barang baik untuk keperluan produksi atau penambahan aset. Dalam praktiknya, masih terdapat kendala dalam menentukan besaran pembelian. Hal ini terjadi karena data belum terkomputerisasi dengan baik sehingga mengakibatkan stok tidak akurat, kesalahan order barang dan pencarian informasi membutuhkan waktu yang lama. Untuk mengatasi kendala dalam menentukan besaran pembelian, diperlukan suatu metode data mining dengan algoritma FP-Growth. Algoritma ini bertujuan untuk menetukan pola pembelian barang sehingga muncul kecenderungan barang mana yang sering dibeli. Dalam penelitian yang dilakukan di PT. Global Warna Indonesia, menghasilkan rekomendasi pembelian terbaik yaitu dengan melihat nilai support tertinggi serta nilai confidence-nya. Pola pembelian tersebut adalah pembelian BC (Retarder) dan Methanol dengan nilai support 0.167 atau 16,7% dan confidence sebesar 0.855 atau 85%.
Co-Authors Agus Surip Cep Lukman Rohmat Iqbal Agis Junizar Irfan Ali Kaslani Muhammad Aji Pratama Riko Saputra Siti Aisyah