Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi Kaputama (JSIK)
Tata Mustika Dewi
STMIK KAPUTAMA
Computer Science & IT

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

Found 2 Documents
Search

 1 
PENERAPAN DATA MINING PENGELOMPOKAN JAMINAN HARI TUA (JHT) BERDASARKAN WILAYAH DALAM MASA PANDEMI (STUDI KASUS : BPJS KETENAGAKERJAAN CABANG LANGKAT) Tata Mustika Dewi; Rusmin Saragih; Siswan Syahputra
JSIK (Jurnal Sistem Informasi Kaputama) Vol 6, No 2 (2022): Volume 6, Nomor 2 Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jsik.v6i2.833

Abstract

Pada masa pandemi covid19 banyak perusahaan yang mengalami penurunan atau kebangkrutan sehingga harus mengurangi jumlah tenaga kerja bahkan menutup perusahaan. BPJS Ketenagakerjaan adalah suatu badan hukum publik yang bertanggungjawab kepada presiden dan berfungsi untuk menyelenggarakan empat program yaitu Jaminan Kecelakaan Kerja (JKK), Jaminan Kematian (JKM), Jaminan Hari Tua (JHT), dengan penambahan program Jaminan Pensiun (JP). Salah satunya Pengajuan klaim dari peserta program jaminan Jaminan Hari Tua yang terlalu banyak dari berbagai wilayah khususnya kecamatan langkat,  Sehingga menjadi masalah yang besar untuk memberikan pelayanan atau informasi yang baik untuk para peserta.Untuk itu penulis mencoba membuat suatu sistem untuk mendukung proses pengelompokan yang terkomputerisasi yang dapat membantu mengelompokan secara otomatis pengeklaiman jht berdasarkan wilayah, sehingga ada peluang untuk merancang sistem data mining pengelompokan didalamnya. Data mining merupakan suatu proses penambangan data dalam jumlah data yang sangat besar dengan menggunakan metode statistika, matematika, hingga memanfaatkan teknologi artificial intelligence terkini. Clustering adalah sebuah metode yang diterapkan dalam membuat suatu sistem data mining pengelompokan untuk memudahkan para karyawan dalam mengelompokan JHT berdasarkan wilayah. Berdasarkan analisis yang telah dilakukan dalam pada pengelompokan data jaminan hari tua dengan menggunakan metode clustering, maka perlu dilakukan proses cluster beberapa kali untuk mendapatkan hasil yang sama sesuai dengan proses yang pertama kali dilakukan yaitu pada cluster 1 : 2  3  2  cluster 2 : 2  8  2 dan cluster 3 : 2  13  2 dengan jumlah pada cluster 1 sebanyak 545  data, cluster 2 sebanyak 308 data dan cluster 3 sebanyak 421  data.
PENERAPAN DATA MINING PENGELOMPOKAN JAMINAN HARI TUA (JHT) BERDASARKAN WILAYAH DALAM MASA PANDEMI (STUDI KASUS : BPJS KETENAGAKERJAAN CABANG LANGKAT) Tata Mustika Dewi
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jsik.v6i2.162

Abstract

During the COVID-19 pandemic, many companies experienced a decline or went bankrupt, so they had to reduce the number of workers and even close the company. BPJS Ketenagakerjaan is a public legal entity that is responsible to the president and functions to administer four programs, namely Work Accident Insurance (JKK), Death Insurance (JKM), Old Age Security (JHT), with the addition of the Pension Guarantee program (JP). One of them is the submission of claims from too many participants of the Old Age Security program from various regions, especially the Langkat sub-district, so that it becomes a big problem to provide good service or information for the participants. For this reason, the author tries to create a system to support a computerized grouping process that can help automatically classify JHT claims by region, so there is an opportunity to design a grouping data mining system in it. Data mining is a process of mining data in very large amounts of data using statistical, mathematical methods, to utilizing the latest artificial intelligence technology. Clustering is a method that is applied in creating a grouping data mining system to make it easier for employees to group JHT by region. Based on the analysis that has been done in the grouping of old-age insurance data using the clustering method, it is necessary to do the cluster process several times to get the same results according to the process that was first carried out, namely in cluster 1 : 2 3 2 cluster 2 : 2 8 2, cluster 3 : 2 13 2 with 545 data in cluster 1, 308 data in cluster 2 and 421 data in cluster 3.
Co-Authors Rusmin Saragih, Rusmin Siswan Syahputra