Claim Missing Document
Check
Articles

Found 26 Documents
Search

PENERAPAN DATA MINING ALGORITMA DECISION TREE UNTUK MEMPREDIKSI KETERLAMBATAN PEMBAYARAN PIUTANG USAHA PADA PT XYZ Muhammad Tantowi Jauhari; Windarsyah; Finki Dona Marleny
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.6828

Abstract

Tingginya frekuensi dan volume keterlambatan pembayaran piutang usaha menjadi permasalahan utama yang dihadapi PT XYZ, sebuah agen BBM industri, yang secara langsung mengganggu arus kas perusahaan. Proses pemantauan piutang yang masih berjalan manual dinilai tidak efisien dan rentan terhadap kesalahan. Penelitian ini bertujuan membangun model prediktif untuk status pembayaran bulan berikutnya dengan menerapkan metode Knowledge Discovery in Databases (KDD) dan algoritma Decision Tree. Data yang diolah merupakan data internal perusahaan dari Januari 2021 hingga Juni 2022, yang mencakup laporan penjualan dan piutang beredar. Hasil penelitian menunjukkan bahwa model klasifikasi Decision Tree yang dibangun berhasil mencapai akurasi keseluruhan sebesar 92.70%. Analisis atribut mengidentifikasi “Status Pembayaran” bulan berjalan sebagai faktor paling dominan dalam memprediksi keterlambatan. Model ini dapat menjadi landasan bagi perusahaan untuk beralih ke manajemen piutang yang lebih proaktif dan berbasis data untuk memitigasi risiko keterlambatan pembayaran secara lebih efektif.
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.
ANALISIS PERAMALAN PENJUALAN AIR MINUM DALAM KEMASAN DISTRIBUTOR AIR AMANAH DENGAN METODE NAÏVE BAYES naufal, muhammad muhammad; Kamarudin, Kamarudin; Windarsyah, Windarsyah
JATISI Vol 12 No 3 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i3.11545

Abstract

This study aims to assist the Amanah Water Distributor in efficiently managing its stock of bottled drinking water by applying the Naïve Bayes method. This method analyzes historical sales data from 2023 to 2024 to accurately forecast monthly stock requirements. The developed forecasting system provides restocking recommendations to prevent overstocking—which can increase storage costs—and understocking—which may lead to lost sales opportunities. With more accurate forecasting, the system is expected to improve operational efficiency, minimize the risk of loss, and support more effective decision-making to ensure the sustainability of the Amanah Water Distributor’s business operations.
Implementasi Algoritma Naive bayes Untuk Klasifikasi Kasus Stunting Pada Anak Di Puskesmas Pekauman Berbasis Web Hijriawan, Muhammad Ridho; Kamarudin, Kamarudin; Windarsyah, Windarsyah
INTECH Vol 6 No 1 (2025): INTECH (Informatika Dan Teknologi)
Publisher : Informatics Study Program, Faculty of Engineering and Computers, Baturaja University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract