Article Per Year (5 Year)
p-Index From 2021 - 2026
1.347
P-Index
This Author published in this journals
All Journal Telematika : Jurnal Informatika dan Teknologi Informasi JSiI (Jurnal Sistem Informasi) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Generation Journal Jurnal Pengabdian Masyarakat Bhinneka Jurnal Pengabdian Masyarakat Bangsa Pandawa : Pusat Publikasi Hasil Pengabdian Masyarakat
Sari, Yayak Kartika
Universitas Amikom
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Generation Journal

 1 
Yayak Kartika Sari Implementasi Klasifikasi Data Mining Untuk Memprediksi Kelulusan Mahasiswa Menggunakan Algoritma Naive Bayes Sari, Yayak Kartika
Generation Journal Vol 1 No 2 (2017): Generation Journal
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (69.756 KB) | DOI: 10.29407/gj.v1i2.763

Abstract

Abstrak – Universitas Nusantara PGRI kediri menghadapi kendala dalam prediksikelulusan mahasiswa, proses prediksi kelulusan mahasiswa membutuhkan waktu yang lama karenaproses perhitungan nilai mahasiswa dilakukan secara manual. Sehingga sangat diperlukan sebuahsistem untuk pengambilan keputusan kelulusan mahasiswa. Penelitian ini bertujuan untukmelakukan klasifikasi terhadap data kelulusan mahasiswa Program Studi Teknik FT UN PGRIKediri tahun 2011 dengan memanfaatkan proses data mining dengan menggunakan teknikklasifikasi. Algoritma yang digunakan untuk klasifikasi kelulusan adalah Algoritma Naïve Bayes.Naïve Bayes merupakan teknik prediksi berbasis probabilistik sederhana yang berdasar padapenerapan teorema atau aturan. Pada penelitian ini Metode Naive Bayes digunakan untukmenghitung probabilitas dari beberapa variabel yang telah ditentukan. Variabel yang digunakandalam penelitian yaitu nilai mahasiswa yang berhubungan dengan IT dari nilai semester satusampai semester akhir. Hasil dari proses perhitungan naive bayes berupa nilai perhitunganprobabilitas akhir serta sebagai rekomendasi bagi pengambilan keputusan untuk menentukankelulusan mahasiswa.
Yayak Kartika Sari Prediksi Customer Churn Berbasis Adaptive Neuro Fuzzy Inference System Sari, Yayak Kartika; Kusrini, Kusrini; Wibowo, Ferry Wahyu
Generation Journal Vol 2 No 1 (2018): Generation Journal
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (905.836 KB) | DOI: 10.29407/gj.v2i1.12054

Abstract

Abstrak – Customer Churn adalah pelanggan yang berhenti berlangganan dan pindahpada perusahaan lain, karena berbagai faktor. Customer churn merupakan masalah yang sangatpenting yang harus dihadaapi oleh perusahaan karena berhentinya pelanggan akan berdampakpada retensi perusahaan. Oleh sebab itu, dibuatkan sistem prediksi customer churn untukmengetahui tingkat pelanggan yang churn, apabila customer churn dapat diketahui terlebih dahulu,maka akan menguntungkan bagi pihak CRM untuk mengatur strategi-strategi mencegah pelangganyang melakukan churn. Untuk menentukan prediksi customer churn menggunakan teknik datamining dengan algoritma ANFIS. Algoritma ANFIS merupakan gabungan antara jaringan syaraftiruan dengan fuzzy inference system. Model prediksi yang dibangun dengan metode ANFISmenggunakan pembelajaran alur maju dan pembelajaran alur mundur, sehingga untuk melakukanprediksi dibutuhkan nilai parameter fuzzy baru yang diperoleh dari proses pelatihan. Setelah nilaiparameter fuzzy baru didapatkan, maka akan dilakukan tahap pengujian. Pada tahap pengujiandilakukan dengan proses pembelajaran maju untuk mendapatkan nilai prediksinya, sehingga padaprosesnya nilai prediksi yang berupa angka dan status prediksi. Pelatihan dan pengujian ANFISuntuk semua produk menghasilkan perbandingan nilai error rata-rata pelatihan sebesar 8,316 %
Co-Authors Agung Prasetya Agung Prasetya Amartya Bambang Kusuma Ansor, Mohamad Khoirul Fahrur Rozi Farid Sukmana, Farid Ferry Wahyu Wibowo Iskandar, Joko Joko Iskandar Kusrini, Kusrini Kusuma, Amartya Bambang Meyliana Wafaul Ummah Muhyiddin, Sulthon Taufiq Agung Cahyono