Claim Missing Document
Check
Articles

Found 2 Documents
Search

Knowledge Management System Pengajuan Nasabah Pembiayaan pada BJB Syariah Opitasari Opitasari
STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Vol 7, No 2 (2022)
Publisher : Universitas Indraprasta PGRI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/string.v7i2.12306

Abstract

BJB Syariah has several work units, including branch heads, operational managers, back offices, tellers, customer service and marketing. In recording the submission of financing customers, BJB Syariah still performs the documentation using paper media so that the knowledge obtained is still difficult to process. It makes the customer data lost or not neatly arranged, leading to a relatively long period of searching the data. Therefore, it is necessary to have a system that can provide convenience in recording customer submissions in the form of a Knowledge Management System. The system is expected to produce information that is related to customers and can be documented as evidence of data storage in real time. The system development method used is Rapid Application Development (RAD) starting from the Requirement Planning stage to the Workshop Design stage. The design tool used is the Unified Modeling Language (UML). The system is made using software Preprocessor Home Page (PHP) as a programming language and MySQL as database management. The designing of this web-based knowledge management system produces reports containing customer data and reports on financing submission on a regular basis.
ADAPTIVE AFFINITY PROPAGATION UNTUK PENGELOMPOKAN KEHADIRAN MAHASISWA PEMBELAJARAN DARING SELAMA PANDEMI DENGAN NILAI AKHIR Millati Izzatillah; Fauzan Natsir; Siti Anisah; Opitasari Opitasari
NJCA (Nusantara Journal of Computers and Its Applications) Vol 6, No 2 (2021): Desember 2021
Publisher : Computer Society of Nahdlatul Ulama (CSNU) Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36564/njca.v6i2.286

Abstract

Clustering merupakan metode pengelompokan data dengan mudah dan bertujuan untuk melihat korelasi antar data atribut. Clustering adalah proses pengelompokan titik-titik data yang diambil berdasarkan kesamaan nilai untuk menentukan pusat cluster (exemplar). Affinity Propagation (AP) dan Adaptive Affinity Propagation (AAP) adalah algoritma clustering yang dapat menghasilkan jumlah cluster, anggota cluster, dan contoh dari setiap cluster. Penelitian ini dilakukan untuk mengetahui algoritma yang lebih efektif dalam pengelompokan data. AAP merupakan pengembangan dari algoritma AP yang telah melakukan beberapa perbaikan dalam clustering data. Peneliti juga mengimplementasikan dan menguji kedua algoritma tersebut dengan MATLAB 2021 menggunakan data presensi siswa dalam pembelajaran daring di masa pandemi dengan data nilai akhir sebanyak 500 data. Hasil dari penelitian ini adalah algoritma AP menghasilkan lebih banyak klaster daripada algoritma AAP, klaster AP 5 menggunakan preferensi minimum dan 8 klaster menggunakan preferensi median, klaster AAP 3 menggunakan preferensi minimum dan 2 klaster menggunakan preferensi median. Pemrosesan data runtime AAP lebih cepat daripada AP menggunakan preferensi minimum atau median. Algoritma terbaik dalam clustering data secara optimal adalah Adaptive AP. Hasil lainnya adalah terdapat korelasi antara pengelompokan kehadiran siswa terhadap pembelajaran daring di masa pandemi dengan nilai akhir.