Articles
<![CDATA[ANALISA DAMPAK INVESTASI TEKNOLOGI INFORMASI PROYEK DATA WAREHOUSE PADA PERGURUAN TINGGI SWASTA DENGAN METODE SIMPLE ROI ]]>
<![CDATA[Hendric, Spits Warnars Harco Leslie]]>
<![CDATA[ Jurnal Informatika Vol 9, No 2 (2008): NOVEMBER 2008 ]]>
Publisher : <![CDATA[Institute of Research and Community Outreach - Petra Christian University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (106.314 KB)
|
DOI: 10.9744/informatika.9.2.101-108
<![CDATA[The decreasing number of new students for private high education is forced the management specially high management to look for a means to generate information that will help them in their decision making process in compete with others high education. One of the solutions is to use the Information Technology like data warehouse to maintain data and give the best decision making. Simple Return On Investment (ROI) is used to asses the project justification. Based on ROI of 698.36% and total cash flow of Rp 8.334.901.522, it can be concluded that the project data warehouse on private high education is feasible to be implemented within the given assumptions in the process. Abstract in Bahasa Indonesia: Berkurangnya jumlah mahasiswa baru untuk perguruan tinggi swasta memaksa manajemen khususnya manajemen tingkat atas untuk berpaling untuk membuat sebuah informasi yang dapat membantu dalam membantu mengambil keputusan dalam rangka berkompetisi dengan perguruan tinggi lainnya. Salah satu jalan keluarnya adalah dengan membangun dengan pendekatan teknologi informasi seperti data warehouse untuk mengelola data dan memberikan pembuatan pengambilan keputusan yang paling terbaik. Simple Return on Investment (ROI) digunakan untuk menilai kelayakan proyek. Berdasarkan nilai ROI yang berkisar 698,36% and nilai total aliran uang kas yang mencapai Rp 8.334.901.522, dapat disimpulkan bahwa proyek pengembangan data warehouse pada perguruan tinggi swasta layak untuk diimplementasikan dengan asumsi-asumsi yang ada. Kata kunci: investasi teknologi informasi, return on investment, data warehouse, simple ROI]]>
<![CDATA[PEMAHAMAN TEORI DATA WAREHOUSE BAGI MAHASISWA TAHUN AWAL JENJANG STRATA SATU BIDANG ILMU KOMPUTER ]]>
<![CDATA[Spits Warnars, Harco Leslie Hendric]]>;
<![CDATA[Suria, Epafras]]>;
<![CDATA[Jeremy, Darren Kent]]>
<![CDATA[ Jurnal Informatika Vol 13, No 1 (2015): MAY 2015 ]]>
Publisher : <![CDATA[Institute of Research and Community Outreach - Petra Christian University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (138.18 KB)
|
DOI: 10.9744/informatika.13.1.20-24
<![CDATA[As a Computer scientist, a computer science students should have understanding about database theory as a concept of data maintenance. Database will be needed in every single human real life computer implementation such as information systems, information technology, internet, games, artificial intelligence, robot and so on. Inevitably, the right data handling and managament will produce excellent technology implementation. Data warehouse as one of the specialization subject which is offered in computer science study program final semester, provide challenge for computer science students.A survey was conducted on 18 students of early year of computer science study program at Surya university and giving hypothesis that for those students who ever heard of a data warehouse would be interested to learn data warehouse and on other hand, students who had never heard of the data warehouse will not be interested to learn data warehouse. Therefore, it is important that delivery of the Data warehouse subject material should be understood by lecturers, so that students can well understoodwith the data warehouse.]]>
<![CDATA[PENGEMBANGAN LEARNING CHARACTERISTIC RULE PADA ALGORITMA DATA MINING ATTRIBUTE ORIENTED INDUCTION ]]>
<![CDATA[Wibowo, Adi]]>;
<![CDATA[Warnars, Spits]]>
<![CDATA[ Jurnal Sistem Komputer Vol 6, No 1 (2016) ]]>
Publisher : <![CDATA[Jurnal Sistem Komputer ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.14710/jsk.v6i1.104
<![CDATA[This paper shows the improvement of current characteristic rule learning in Attribute Oriented Induction (AOI) data mining technique. The proposed algorithm was applied with improvement upon current algorithm with 3 steps where the first step is elimination for checking condition if there is no higher level concept in concept hierarchy for attribute. The second step is elimination of attribute removal if fulfill for checking condition if there is no higher level concept. The third step is elimination of attributes in input dataset which no higher level concept in concept hierarchy. The development of these data mining algorithm applied Knowledge Data Discovery (KDD) methodology which consist 7 steps. Current and proposed AOI characteristic rule learning were implemented with server programming such as PHP Hypertext Preprocessor (PHP) and using 4 input datasets such as adult, breast cancer, census and IPUMS from University of California, Irvine (UCI) machine learning repository. The experiments showed that proposed AOI characteristic rule are better than current AOI characteristic rule, where experiments upon adult, breast cancer, census, IPUMS datasets have average 11, 3.8, 7.2, 7.2 respectively times better performance. The experiments were carried on AMD A10-7300(1.90 GHz) processor with 8.00 GB RAM]]>
<![CDATA[Supervised Classification Karakter Morfologi Tanaman Keladi Tikus (Typhonium Flagelliforme) Menggunakan Database Management System ]]>
<![CDATA[Hesananda, Rizki]]>;
<![CDATA[Warnars, Harco Leslie Hendric Spits]]>;
<![CDATA[Sianipar, Nesti Fronika]]>
<![CDATA[ Jurnal Sistem Komputer Vol 7, No 2 (2017) ]]>
Publisher : <![CDATA[Jurnal Sistem Komputer ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.14710/jsk.v7i2.153
<![CDATA[Tanaman Keladi Tikus memiliki potensi medis tinggi dan bermanfaat dalam penyembuhan berbagai penyakit, seperti kanker payudara, kanker rahim dan leukemia. Tanaman keladi tikus memiliki keragaman genetik rendah karena pada umumnya tanaman ini diperbanyak melalui pemisahan bonggol secara vegetatif. Salah satu metode peningkatan keragaman genetik antara lain mutasi iradiasi sinar gamma. Uji coba peningkatan keragaman genetik ini menghasilkan data karakter morfologi dari tiap klon tanaman Keladi Tikus. Untuk menemukan pola dari data karakteristik morfologi tersebut, maka perlu dilakukan klasifikasi berdasarkan tingkat kesamaan dari data-data klon tersebut. Klasifikasi sebagai salah satu teknik data mining yang terukur, dapat dipercaya dan memenuhi suatu standar yang telah disepakati. CRISP-DM adalah standarisasi data mining yang digunakan pada penelitian ini. Untuk mengembangkan aplikasi klasifikasi data Mining tersebut digunakan bahasa pemrograman PHP dan Database Management System yaitu MySQ.. Berdasarkan penelitian dan setelah dilakukan pengujian, maka didapat perangkat lunak  yang dibuat dapat digunakan untuk melakukan perhitungan tingkat similaritas dan melakukan klasifikasi pada dataset morfologi tanaman Kelati Tikus. Tanaman Keladi Tikus memiliki potensi medis tinggi dan bermanfaat dalam penyembuhan berbagai penyakit, seperti kanker payudara, kanker rahim dan leukemia. Tanaman keladi tikus memiliki keragaman genetik rendah karena pada umumnya tanaman ini diperbanyak melalui pemisahan bonggol secara vegetatif. Salah satu metode peningkatan keragaman genetik antara lain mutasi iradiasi sinar gamma. Uji coba peningkatan keragaman genetik ini menghasilkan data karakter morfologi dari tiap klon tanaman Keladi Tikus. Untuk menemukan pola dari data karakteristik morfologi tersebut, maka perlu dilakukan klasifikasi berdasarkan tingkat kesamaan dari data-data klon tersebut. Klasifikasi sebagai salah satu teknik data mining yang terukur, dapat dipercaya dan memenuhi suatu standar yang telah disepakati. CRISP-DM adalah standarisasi data mining yang digunakan pada penelitian ini. Untuk mengembangkan aplikasi klasifikasi data Mining tersebut digunakan bahasa pemrograman PHP dan Database Management System yaitu MySQ.. Berdasarkan penelitian dan setelah dilakukan pengujian, maka didapat perangkat lunak  yang dibuat dapat digunakan untuk melakukan perhitungan tingkat similaritas dan melakukan klasifikasi pada dataset morfologi tanaman Kelati Tikus.]]>
<![CDATA[Forecasting Sebagai Decision Support Systems Aplikasi dan Penerapannya Untuk Mendukung Proses Pengambilan Keputusan. ]]>
<![CDATA[Christy, Jessica]]>;
<![CDATA[Hintarsyah, Aristo Putramasi]]>;
<![CDATA[Spits Warnars, Harco Leslie Hendric]]>
<![CDATA[ Jurnal Sistem Komputer Vol 8, No 1 (2018) ]]>
Publisher : <![CDATA[Jurnal Sistem Komputer ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.14710/jsk.v8i1.141
<![CDATA[Di dalam suatu perusahaan, pasti ada suatu kegiatan untuk mengetahui apa yang terjadi di masa mendatang dengan menggunakan data dari masa lampau dan sekarang. Forecasting juga adalah cara yang paling efektif dan efisien didalam lingkungan perusahaan untuk memprediksi dan membaca kondisi perusahaan saat ini dan memprediksi berdasar kondisi perusahaan saat ini. Sebagai contoh untuk mengetahui stok barang yang terdapat di gudang dan berapa banyak stok yang akan dijual untuk mendapatkan hasil penjualan yang optimal. Forecasting dapat diimplementasikan dengan bantuan teknologi informasi semisal datawarehouse, decision support system, data mining, machine learning dan teknologi komputasi inteligent lainnya, dengan tujuan untuk menggunakan data saat ini untuk kebutuhan prediksi kemungkinan-kemungkinan bisnis ke depan dalam rangka mendukung proses pengambilan keputusan. Forecasting dapat diimplementasikan dengan berbagai macam formula seperti Moving Average, Weighted Moving Average, Exponential smoothing, Mean Absolute Deviation dan Trend Moment. Penggunaan forecasting diimplementasikan pada berbagai macam ragam bisnis dalam mendukung proses-proses pengambilan keputusan guna meningkatkan profit perusahaan dengan memprediksi kemungkinan-kemungkinan yang akan terjadi berdasar kondisi perusahaan saat ini.]]>
<![CDATA[Implementasi Big Data untuk Pencarian Pattern Data Gudang Pada PT. Bank Mandiri (Persero) Tbk ]]>
<![CDATA[Megantara, Fauzi]]>;
<![CDATA[Warnars, Harco Leslie Hendric Spits]]>
<![CDATA[ JURNAL SISFOTEK GLOBAL Vol 6, No 2 (2016): JURNAL SISFOTEK GLOBAL ]]>
Publisher : <![CDATA[STMIK Bina Sarana Global ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.38101/sisfotek.v6i2.112
<![CDATA[Big Data bukanlah sebuah teknologi, teknik, maupun inisiatif yang berdiri sendiri. Big Data adalah suatu trend yang mencakup area yang luas dalam dunia bisnis dan teknologi. Big Data menunjuk pada teknologi dan inisiatif yang melibatkan data yang begitu beragam, cepat berubah, atau berukuran super besar sehingga terlalu sulit bagi teknologi, keahlian, maupun infrastruktur konvensional untuk dapat menanganinya secara efektif. Bank Mandiri adalah perusahaan yang bergerak di bidang perbankan, perusahaan ini salah satunya adalah melayani pemesanan barang antar Wilayah, Area dan Cabang dari seluruh Indonesia. Dalam proses pelaporannya, staf gudang masih menggunakan data yang di sediakan dari system yang sudah ada, namun data yang di sediakan masih dalam bentuk laporan data biasa yang di hasilkan dari OLTP dan data yang bersifat tidak dapat di ubah, sehingga laporan yang di berikan kepada management tingkat atas sebagai bahan analisa dalam pengabilan keputusan kurang informatif. Penulis akan mengembangkan aplikasi yang dapat mengolah dan melakukan pencarian pola data sebagai bahan pelaporan, implementasi teknologi big data akan sangat membantu proses pengelolaan data pada aplikasi tersebut, dikarenakan data yang di kelola dalam kurun waktu yang cepat akan terus bertambah, sehingga pengelolaan data menggunakan teknologi big data menjadi solusi untuk dapat mengolah data dalam melakukan pencarian pattern pada data gudang Bank Mandiri. Aplikasi yang akan di kembangkan tersebut akan menyajikan informasi-informasi yang di butuhkan seperti pattern barang yang paling banyak di pesan dan pattern user yang paling banyak melakukan pemesanan, sehingga pattern pada aplikasi tersebut akan membantu staff dalam melakukan pelaporan dan Manegement tingkat atas dalam melakukan analisa dalam pengambilan keputusan.]]>
<![CDATA[Prediksi Prioritas Infrastruktur Jalan di Provinsi Banten Dengan Metode AHP ]]>
<![CDATA[Kusnadi, Endang]]>;
<![CDATA[Warnars, Harco Leslie Hendric Spits]]>
<![CDATA[ JURNAL SISFOTEK GLOBAL Vol 11, No 1 (2021): JURNAL SISFOTEK GLOBAL ]]>
Publisher : <![CDATA[STMIK Bina Sarana Global ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.38101/sisfotek.v11i1.347
<![CDATA[Jalan merupakan sarana infrastruktur utama yang sangat dibutuhkan dalam mendukung kelancaran transportasi guna meningkatkan kondisi perekonomian masyarakat. Seiring dengan berjalannya waktu jalan akan mengalami kerusakan baik karena faktor alam maupun karena faktor teknis lainnya, sehingga diperlukan upaya penanganan serius dari pemerintah setempat. Dalam hal penanganan kerusakan jalan dibeberapa wilayah masih ditemukannya permasalahan yang perlu segera diselesaikan, salah satunya adalah permasalahan ketersediaan anggaran yang tidak sebanding dengan tingkat kerusakan jalan yang cukup banyak sehingga diperlukan sebuah metode untuk mengetahui urutan prioritas jalan harus segera ditangani. Untuk menentukan prediksi dan urutan prioritas penanganan jalan maka digunakan metode Analytic Hierarchy Process (AHP) dengan pertimbangan faktor kerusakan, lalulintas dan ekonomi.]]>
<![CDATA[Prototype Data Mining Pola Jabatan Fungsional Dosen Menggunakan Teknik Emerging Pattern: Studi Kasus Universitas Mercu Buana ]]>
<![CDATA[Nuruliyani, Nuruliyani]]>;
<![CDATA[Warnars, Harco Leslie Hendric Spits]]>
<![CDATA[ PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 7 No 2 (2019): September 2019 ]]>
Publisher : <![CDATA[LPPM Universitas Islam 45 Bekasi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33558/piksel.v7i2.1842
<![CDATA[Abstract Lecture Functional position is used to ensure the development of lecturer carrier, structural position, and professionalism improvement. Every lecturer has a right to propose a functional promotion as long as their education background is linear. Data mining has been widely used to analyze data into information in term of patterns that are easily understand by the users. In order to create a functional position pattern that produces beneficial and useful results, the data mining techniques are utilized for analyzing, for example the emerging pattern. The emerging pattern technique represents very strong distinguishing knowledge between datasets and shows an accurate classification ability. The results of data mining with emerging pattern techniques were used in this study to obtain patterns of functional positions and to classify lecturers' educational linearity. The learning data results obtained a confidence value for the sex dataset confidence values for male and female itemset of 50%. Dataset functional lecturers having higher confidence was Lectors of 300 points with a confidence value of 73%. Department dataset which had higher confidence value was psychology by 85%. The highest confidence value in the dataset from tertiary institutions originates from abroad by 62% and for the age dataset that most have functional lecturer positions were aged 51-70 years with a confidence value of 55%. Keywords: Data Mining, Emerging Pattern, Fungsional Position, Lecturer, Linear Education Abstrak Suatu pola untuk menjamin pembinaan karier kepangkatan, jabatan dan peningkatan profesionalisme dosen disebut Jabatan fungsional dosen. Setiap dosen berhak untuk mengajukan kenaikan jabatan fungsional dengan syarat salah satunya adalah liniear dalam bidang ilmu. Data mining mampu menganalisis data menjadi informasi berupa pola yang mempunyai arti bagi pendukung keputusan. Agar proses dalam pencarian pola jabatan fungsional ini menghasilkan nilai tambah dan berguna maka dibutuhkan teknik data mining untuk menganalisanya. Salah satu teknik dalam data mining adalah emerging pattern. Teknik emerging pattern merepresentasikan pengetahuan pembeda yang sangat kuat antara dataset dan menunjukkan kemampuan klasifikasi yang akurat. Hasil dari data mining dengan teknik emerging pattern adalah mendapatkan pola (pattern) dalam jabatan fungsional dan mengelompokkan kelinieritasan pendidikan dosen. Dari hasil learning data diperoleh nilai confidence untuk dataset jenis kelamin nilai confidence untuk itemset Laki-laki dan perempuan sebesar 50%. Dataset jabatan fungsional dosen yang nilai confidence nya lebih besar adalah Lektor 300 dengan nilai confidence sebesar 73%. Dataset jurusan yang mempunyai nilai confidence terbesar adalah psikologi sebesar 85%. Nilai confidencen yang paling besar pada dataset asal perguruan tinggi berasal dari luar negeri sebesar 62% dan pada dataset usia yang paling banyak memiliki jabatan fungisonal dosen berada pada usia 51-70 tahun dengan nilai confidence sebesar 55%. Kata Kunci: Data Mining, Emerging Pattern, Jabatan Fungsional, Dosen, Linier.]]>
<![CDATA[Using Attribute Oriented Induction High Level Emerging Pattern (AOI-HEP) to Mine Frequent Patterns ]]>
<![CDATA[Harco Leslie Hendric Spits Warnars]]>
<![CDATA[ International Journal of Electrical and Computer Engineering (IJECE) Vol 6, No 6: December 2016 ]]>
Publisher : <![CDATA[Institute of Advanced Engineering and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (623.079 KB)
|
DOI: 10.11591/ijece.v6i6.pp3037-3046
<![CDATA[Frequent patterns in Attribute Oriented Induction High level Emerging Pattern (AOI-HEP), are recognized when have maximum subsumption target (superset) into contrasting (subset) datasets (contrasting ⊂ target) and having large High Emerging Pattern (HEP) growth rate and support in target dataset. HEP Frequent patterns had been successful mined with AOI-HEP upon 4 UCI machine learning datasets such as adult, breast cancer, census and IPUMS with the number of instances of 48842, 569, 2458285 and 256932 respectively and each dataset has concept hierarchies built from its five chosen attributes. There are 2 and 1 finding frequent patterns from adult and breast cancer datasets, while there is no frequent pattern from census and IPUMS datasets. The finding HEP frequent patterns from adult dataset are adult which have government workclass with an intermediate education (80.53%) and America as native country(33%). Meanwhile, the only 1 HEP frequent pattern from breast cancer dataset is breast cancer which have clump thickness type of AboutAverClump with cell size of VeryLargeSize(3.56%). Finding HEP frequent patterns with AOI-HEP are influenced by learning on high level concept in one of chosen attribute and extended experiment upon adult dataset where learn on marital-status attribute showed that there is no finding frequent pattern.]]>
<![CDATA[Perbandingan Penggunaan Database OLTP dan Data Warehouse ]]>
<![CDATA[Spits Warnars]]>
<![CDATA[ CCIT Journal Vol 8 No 1 (2014): CCIT JOURNAL ]]>
Publisher : <![CDATA[Universitas Raharja ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (282.702 KB)
|
DOI: 10.33050/ccit.v8i1.274
<![CDATA[As a permanent storage for business process transaction, database is a crucial and the needed for the system. Using database often does not match with the ability and functionality and even is it possible as theory said about using transaction database and beyond the advantages and disadvantages, separating using between transactional database and database for decision making will mine the ability and the powerful database as much as possible. Beside that daily transaction will increase the database capacity month by month and year by year and will decrease the performance, especially for customer daily services. Separating between database transaction and database for decision making will decrease connection to daily database transaction and increase daily database transaction as which is run by application and will implicate the increasing customer satisfaction. Moreover making the strategic reports for decision making never ever become a nightmare and unimportant thing. Differentiation efficiency for saving the amount of data byte and effectiveness the query speed in sql statement in order to make the decision making reports will be used as an approach for justification.]]>
