Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Media Informatika

Klasifikasi Sekolah Potensial untuk Promosi Kampus UMBJM Menggunakan Random Forest Aqli, Ahmad; Marleny, Finki Dona; Windarsyah, Windarsyah
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6122

Abstract

Setiap perguruan tinggi melakukan promosi rutin setiap tahun untuk menarik minat calon mahasiswa baru. Selain memasang spanduk di berbagai lokasi dalam kota, promosi juga dapat dilakukan langsung ke sekolah-sekolah yang dianggap potensial. Penelitian ini bertujuan mengidentifikasi sekolah asal mahasiswa yang memiliki potensi sebagai target promosi kampus Universitas Muhammadiyah Banjarmasin (UMBJM). Metode klasifikasi dengan pendekatan supervised learning digunakan dalam penelitian ini, dengan algoritma Random Forest yang diterapkan pada data pendaftaran mahasiswa UMBJM tahun 2019–2024. Setelah melalui proses filtering dan preprocessing data, model dilatih untuk menghasilkan prediksi dengan akurasi sebesar 81.60%. Hasil penelitian ini diharapkan dapat membantu pihak kampus dalam merancang strategi promosi yang lebih efisien dan tepat sasaran.
Clustering Kos Dengan Algoritma K-Means Untuk Rekomendasi Tempat Berdasarkan Harga dan Fasilitas Fitriana, Elisa; Windarsyah, Windarsyah; Kamarudin, Kamarudin
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6188

Abstract

Meningkatnya jumlah penduduk permukiman besar yang menjadi pusat pendidikan, seperti Yogyakarta, Bandung, dan Surabaya, berdampak pada tingginya permintaan akan hunian sementara seperti rumah kos[1]. Variasi dalam hal harga, fasilitas, dan lokasi kerap menyulitkan calon penyewa dalam menentukan pilihan yang sesuai. Untuk menjawab permasalahan ini, penelitian ini mengembangkan sistem rekomendasi tempat kos menggunakan pendekatan clustering dengan algoritma K-Means[2]. Algoritma ini dipilih karena efisiensinya dalam mengelompokkan data berskala besar berdasarkan kemiripan atribut. Data kos yang dianalisis mencakup harga dan fasilitas, yang kemudian dikelompokkan ke dalam beberapa segmen, mulai dari kos dengan harga terjangkau dan fasilitas dasar hingga kos eksklusif dengan layanan lengkap. Hasil dari proses pengelompokan ini digunakan untuk memberikan rekomendasi kos yang sesuai dengan preferensi pengguna. Sistem ini tidak hanya mempermudah pencarian kos bagi calon penyewa, tetapi juga membantu pemilik kos dalam memahami karakteristik pasar mereka. Berdasarkan hasil evaluasi, sistem yang dibangun mampu mengelompokkan data secara akurat dan memberikan rekomendasi yang relevan.
Implementasi Algoritma K-Means Untuk Analisis Pola Penjualan Pada Toko Monisa Noval, Muhammad; Windarsyah, Windarsyah; Marleny, Finki Dona
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6237

Abstract

Manajemen stok yang tidak tepat dapat berdampak negatif terhadap efisiensi dan keuntungan bisnis ritel. Toko Monisa menghadapi permasalahan dalam menentukan produk yang perlu diprioritaskan dalam penyediaan stok. Tujuan dari penelitian ini adalah untuk mengelompokkan produk berdasarkan performa penjualan guna membantu pengambilan keputusan dalam pengelolaan stok. Metode yang digunakan adalah algoritma K-Means Clustering dengan pendekatan Knowledge Discovery in Databases (KDD) yang meliputi seleksi data, pembersihan data, transformasi, proses clustering, dan evaluasi hasil. Data yang dianalisis terdiri dari 18.344 transaksi penjualan sepanjang tahun 2024. Jumlah klaster optimal ditentukan menggunakan Elbow Method, menghasilkan tiga klaster, dan validitas klaster diuji menggunakan Silhouette Score yang menunjukkan nilai 0,79. Hasil klasterisasi menunjukkan bahwa produk dapat dikategorikan menjadi tiga kelompok: penjualan rendah, sedang, dan tinggi. Temuan ini memberikan dasar bagi pengambilan keputusan dalam perencanaan stok, strategi promosi, dan efisiensi pengelolaan produk. Simpulan dari penelitian ini menunjukkan bahwa algoritma K-Means mampu memberikan solusi efektif berbasis data historis dalam mendukung efisiensi operasional toko ritel.