Garuda - Garba Rujukan Digital

Kurweni Ukar

Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI

Author-ID : 4346439

Computer Science & IT

Published : 2 Documents Claim Missing Document

Claim Missing Document

Articles

Title

1

Implementasi Data Mining dengan Metode Clustering Algoritma K-Means untuk Pengelompokan Data Tilang di Instansi Pemerintah Rini Astuti; Kurweni Ukar
Media Informatika Vol 20 No 2 (2021)
Publisher : P3M STMIK LIKMI

Terjadinya pelanggaran lalu lintas yang sangat banyak dan beragam dapat menyebabkan harus diterbitkannya bukti pelanggaran (tilang) lalu lintas oleh Kepolisian Lalu Lintas yang banyak pula. Pelanggaran terjadi karena ada ketidaksesuaian dengan aturan di Undangundang yang telah ditetapkan yaitu Undang-undang Nomor 22 Tahun 2009 Tentang Lalu Lintas dan Angkutan Jalan. Karena data tilang sangat banyak, maka Pengelolaan data tilang membutuhkan waktu yang lama, sehingga dapat menyebabkan pelayanan sidang tilang untuk menentukan denda kepada pelanggar juga lama Salah satu cara untuk mempercepat palayanan adalah dengan memanfaatkan data mining agar data tersebut lebih bermakna dalam bentuk informasi. Data mining adalah proses menerapkan berbagai metode untuk pengelolaan data dengan maksud untuk mengungkap pola-pola tersembunyi. Dengan arti lain Data mining adalah proses untuk penggalian polapola dari data. Penelitian ini mengimplementasikan data mining metode clustering dengan algoritma kmeans yang merupakan salah satu algoritma pembentukan cluster data, Algoritma ini bekerja dengan cara membagi data ke dalam k-cluster dengan mengelompokkan data berdasarkan kelas-kelas tertentu yang kemudian dirumuskan hasilnya dengan menganalisis banyaknya pasal yang dilanggar dan rata-rata jumlah total pembayaran denda. Dengan adanya sistem pengelolaan data tilang di suatu Instansi Pemerintah ini, diharapkan dapat mempermudah dan mempersingkat waktu pelayananan persidangan baik dalam pengelolaan data, pembayaran denda ataupun proses pengembalian barang bukti tilang. Sistem informasi pengelompokan data tilang ini menerapkan pengelompokan dengan menggunakan Algoritma K-Means dengan metode clustering, clustering merupakan proses yang digunakan untuk mengelompokkan objek sesuai informasi yang diperoleh dari data yang menyamakan anggota dalam kelasnya, Pendekatan proses pengembangan yang digunakan adalah pendekatan berorientasi objek dengan tool UML dengan model proses prototyping. Melalui sistem ini, dapat memudahkan dalam penyajian informasi berupa jenis tilang terbanyak dan sebagainya, juga mampu meningkatkan kualitas kerja pegawai dalam hal pemanfaatan waktu dan meningkatkan pelayanan.

Analisis Faktor-faktor yang Mempengaruhi Minat Perilaku untuk Menggunakan Aplikasi Bobobox Dhanny Setiawan; Gracesia Elizabeth; Ekabrata Yudhistyra; Kurweni Ukar; Dahlia Ginting; Yenita Juandy
Media Informatika Vol 22 No 2 (2023)
Publisher : P3M STMIK LIKMI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37595/mediainfo.v22i2.195

E-commerce merupakan salah satu bentuk perkembangan teknologi yang menjadi solusi para penjual barang dan jasa untuk dapat lebih mudah melakukan transaksi dengan para customer secara online. Aplikasi Bobobox merupakan salah satu e-commerce yang menyediakan layanan pemesanan hotel kapsul secara online dan memberikan kemudahan bagi para tamunya untuk mengoperasikan hal-hal didalam hotel kapsul menggunakan fitur di dalam aplikasi. Jumlah responden dalam penelitian ini adalah 239 responden, dengan 15 responden tidak pernah menggunakan aplikasi Bobobox, serta terdapat 1 responden memberikan jawaban yang sama terhadap seluruh pertanyaan kuesioner sehingga data yang dapat digunakan dan diolah dalam penelitian ini sebanyak 223 responden. Mayoritas responden berjenis kelamin wanita, berusia 17-27 tahun, dan merupakan pelajar atau mahasiswa, pengolahan dan pengujian data menggunakan software SPSS untuk mengetahui faktor-faktor yang mempengaruhi minat penggunaan aplikasi Bobobox. Hasil analisis rantai kausal pertama dan rantai kausal kedua menyatakan bahwa social influence, hedonic motivation, dan habit berpengaruh secara parsial terhadap behavioral intention, serta habit dan behavioral intention berpengaruh secara parsial terhadap use behavior. Koefisien jalur rantai kausal pertama didapatkan persamaan = 0,048 + 0,040 + 0,182 + 0,017 + 0,220 + 0,052 + 0,434 + 0,616 dan Koefisien jalur rantai kausal kedua didapatkan persamaan = 0,014 + 0,296 + 0,375 + 0,776.

Title Search

Found 2 Documents Search Journal : Media Informatika

Abstract

Abstract

Title

Found 2 Documents
Search
Journal : Media Informatika