Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB
Nanang Tedi
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Optimization of Genetic Algorithm on Naïve Bayes for Classification of Bank Credit Applications: Optimasi Genetic Algorithm pada Naïve Bayes untuk Klasifikasi Pengajuan Kredit Bank Yoga Religia; Donny Maulana; Nanang Tedi
Jurnal Pelita Teknologi Vol 16 No 2 (2021): September 2021
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (157.463 KB) | DOI: 10.37366/pelitatekno.v16i2.719

Abstract

Seleksi calon nasabah yang mengajukan kredit dalam dunia perbankan merupakan hal yang sangat penting untuk diperhatikan oleh bagian marketing agar terhindar dari kredit bermasalah. Saat ini pada website www.kaggle.com telah menyediakan data South German Credit yang terdiri dari 22 atribut, 1 label dan 25976 instance yang termasuk dalam kategori data supervised learning. Berdasarkan beberapa penelitian terdahulu, algoritma Naïve Bayes dapat memberikan performa klasifikasi yang lebih baik dibandingkan algoritma klasifikasi yang lain. Beberapa penelitian juga menyebutkan bahwa penggunaan Naive Bayes dapat dioptimasi menggunakan Genetic Algorithm (GA) untuk memperoleh performa yang lebih baik. Penelitian ini bertujuan untuk membandingkan penggunaan algoritma Naive Bayes untuk klasifikasi South German Credit dengan dan tanpa optimasi GA. Proses validasi data yang digunakan pada penelitian ini adalah menggunakan split validasi membagi dataset adalah 95% data training dan 5% data testing. Hasil pengujian menunjukkan bahwa penggunaan GA pada Naive Bayes mampu meningkatkan performa klasifikasi data South German Credit dalam hal akurasi dan recall dengan nilai akurasi sebesar 85,99% Dan recall sebesar 87,91%.
Sistem Informasi Inventaris Alat Maintenance Dengan Metode Waterfall Pada Pt. Kurnia Mitra Selaras Berbasis Dekstop Christian Enggar Praswoko; Agung Nugroho; Nanang Tedi; Nani Hartati; Indra Permana
Jurnal SIGMA Vol 15 No 3 (2024): Desember 2024
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v15i3.6048

Abstract

Kurnia Mitra Selaras merupakan perusahaan manufaktur di bidang logistik yang menghadapi kendala dalam pengelolaan inventaris alat maintenance karena masih menggunakan sistem manual. Permasalahan yang timbul antara lain adalah kesalahan pencatatan, keterlambatan dalam pencarian data, serta penumpukan dokumen fisik. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi inventaris alat maintenance berbasis desktop dengan menggunakan metode Waterfall. Metode ini dipilih karena memiliki tahapan yang terstruktur dalam pengembangan sistem, mulai dari analisis kebutuhan hingga implementasi. Hasil dari pengembangan sistem menunjukkan bahwa sistem yang dibangun mampu mempermudah pencatatan peminjaman dan pengembalian alat, mempercepat proses pencarian data, serta menghasilkan laporan secara otomatis. Dengan demikian, sistem ini diharapkan dapat meningkatkan efisiensi dan akurasi dalam pengelolaan inventaris di perusahaan.
Co-Authors Agung Nugroho Christian Enggar Praswoko Donny Maulana Indra Permana Nani Hartati Yoga Religia