Claim Missing Document
Check
Articles

Found 2 Documents
Search

RANCANG BANGUN SISTEM INVENTORI KONTROL DALAM MENUNJANG PELAYAN UNTUK MENINGKATKAN KEPUASAN PELANGGAN Deden Roni Nurjaman; Fernando Siboro; Angga Hardiyanto Pranata
Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Vol 5 No 2 (2019): JOURNAL CERITA
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (707.891 KB) | DOI: 10.33050/cerita.v5i2.410

Abstract

Companies that are engaged in general trading, suppliers and distributors for the procurement of goods or equipment and services to assist the operations and management of companies, especially improving company services in the field of drinking water are still using manual systems, where data is reported in written form, making it difficult , ineffective and efficient in inputting data and searching for goods. Therefore, this study proposes making a control inventory system to create a faster, more precise and accurate system. The analysis and modeling systems for programs use unified modeling language (UML) as a tool to help in object-oriented programming languages which are then implemented with the php programming language and use MySQL as a database. From this study, an inventory system can be produced that can monitor stock of goods in the warehouse properly, effectively and efficiently so that it can support services and improve customer satisfaction.
Pembelajaran Mesin Untuk Prediksi Harga Rumah Dengan Metode Regresi Linier Berganda Junaidi Junaidi; Novi Cholisoh; Deden Roni Nurjaman
Journal Sensi: Strategic of Education in Information System Vol 10 No 1 (2024): Journal Sensi
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/sensi.v10i1.3119

Abstract

Penelitian ini bertujuan untuk memprediksi harga rumah sesuai fitur yang diinginkan. Fokus penelitian membuat sebuah model pembelajaran mesin berdasarkan dataset yang tersedia, dengan memanfaatkan beberapa fitur yang dibutuhkan untuk memprediksi. Fitur pada dataset yang dijadikan variabel penelitian ini adalah lokasi rumah, jangkauan akses tol, jenis rumah serta jumlah lantai, kamar mandi, kamar tidur sebagai variabel x, dan harga jual sebagai variabel y. Metode yang digunakan adalah regresi linier berganda, dengan jumlah dataset sebanyak sepuluh ribu untuk di observasi. Setelah melalui tahapan pengolahan, kemudian data dibagi menjadi dua bagian: data untuk pelatihan dan pengujian. Penelitian ini menghasilkan Multiple R sebesar 93%, R Square sebesar 86%, Adjusted R Square sebesar 86% dengan standar error sebesar 2%, dengan intercept -0.14, menghasilkan persamaan y = 9E-05x - 0.142 dengan R² = 0.0004. Persamaan ini kemudian dilakukan uji coba terhadap data uji yang berbeda dari data latih, dan hasilnya bisa digunakan untuk memprediksi harga rumah, sehingga bisa membantu dengan cepat bagi yang berkepentingan.