Article Per Year (5 Year)
p-Index From 2021 - 2026
2.765
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jurnal Ilmiah Intech : Information Technology Journal of UMUS Jurnal Litbang Kota Pekalongan JSITP IC Tech: Majalah Ilmiah Jurnal Pengabdian Pada Masyarakat METHABDI Jurnal Surya Informatika SmartComp IC Tech: Majalah Ilmiah
Wahyu Setianto, Wahyu
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Immunology & microbiology Languange, Linguistic, Communication & Media Medicine & Pharmacology Physics Public Health Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
PENERAPAN MACHINE LEARNING UNTUK PENENTUAN SEGMENTASI MAHASISWA BARU DENGAN METODE K MODES sugianti, devi; Wim Hapsoro, Hermanus; Setianto, Wahyu
IC Tech: Majalah Ilmiah Vol 17 No 1 (2022): IC Tech: Majalah Ilmiah Volume XVII No. 1 April 2022
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v17i1.227

Abstract

Strategi marketing sangat diperlukan, untuk mendapatkan mahasiswa sebanyak-banyaknya. Kelangsungan perguruan tinggi bergantung terhadap pembiayaan dari mahasiswa. Dibutuhkan strategi marketing untuk mempromosikan keunggulan dari setiap program studi, agar penerimaan mahasiswa baru semakin meningkat. Data yang perlu dianalisa adalah data pendaftaran mahasiswa baru di Sistem Pendaftaran Mahasiswa Baru SIPENMARU. Langkah langkah penelitian yang dilakukan : identifikasi masalah, pengumpulan data, pemrosesan data dan pemodelan. Data yang dikumpulkan dari tahun 2019 sampai dengan tahun 2021 sebanyak 1.219 data pendaftar dengan variabel sebanyak 109. Saat pemrosesan data dilakukan yang digunakan ada 5 variabel yaitu : jenis kelamin, asal kota, pekerjaan ayah, asal sekolah dan program studi. Pada fase pemodelan menggunakan clustering untuk pengelompokkan data dengan karakteristik yang sama, teknik cluster dengan mengelompokkan dengan tipe data bersifat kategorikal menggunakan K modes. Cluster dibagi menjadi 2 cluster, dari hasil eksperimen didapatkan hasil untuk program studi Teknik informatika di dominasi berjenis kelamin Laki-laki, asal kota Pekalongan, pekerjaan ayah PNS dan asal sekolah SMA. Sedangkan untuk program studi Sistem Informasi di dominasi jenis kelamin perempuan, asal kota Batang, perkejaan ayah wiraswasta, asal sekolah SMK.
KLASIFIKASI DIABETES TIPE 2 MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR Ivandari; Setianto, Wahyu; Alkaromi, M. Adib
IC Tech: Majalah Ilmiah Vol 18 No 1 (2023): IC Tech: Majalah Ilmiah Volume XVIII No. 1 April 2023
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v18i1.273

Abstract

Penyakit diabetes adalah penyakit yang banyak menimbulkan kematian. Menurut data dari WHO sepanjang tahun 2019 tercatat ada 2juta kematian yang diakibatkan penyakit diabetes. Pencatatan kondisi pasien banyak dilakukan untuk keperluan medis. Banyaknya pencatatan atau data yang tidak digunakan hanya menjadi sampah digital. Data mining hadir dengan klasifikasi untuk mengolah data menjadi pengetahuan baru. Pengenalan pola dari data dicari dengan model perhitungan algoritmik sebagaimana statistic. Salah satu algoritma klasifikasi terbaik dan banyak digunakan untuk dataset berdimensi tinggi adalah KNN. Penelitian ini menggunakan dataset diabetes dari uci repository yang dirilis pada 2020. Hasil penelitian menunjukkan bahwa tingkat akurasi algoritma KNN untuk klasifikasi data diabetes adalah 92,50%. Hasil ini menunjukkan performa algoritma KNN baik dan layak digunakan.
Business Intellegenge untuk Perencanaan Strategi Pemasaran pada UMKM Sarung dengan Manajemen Dashboard Setianto, Wahyu; Sugianti, Devi; Wibowo, Ari Putra; Risqiati, Risqiati; Darmawan, Arief Soma
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 9 No. 2 (2025): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

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

Abstract

MSMEs are the backbone of the national economy, the government is trying to recover the economy after the Covid-19 pandemic by making a new breakthrough with digitalization. Digitalization helps MSMEs to process and analyze data for decision making. The data stored in the company is increasing, so it requires Business Intelligence to make it easier for companies to present information. MSME Abitex experienced problems in planning sales strategies by looking at interest in each city. The stages of research carried out were problem identification, data collection, design, manufacture, testing results. In identifying problems, problems were found in monitoring sales to create sales strategies, in data collection from 2021 to 2023. The number of transactions was 807 sales with 3 types of sarongs, a total of 14 sarongs produced. In designing using a star schema obtained from the sales fact table, time dim, customer dim, goods dim. Business intelligence can display data visualization by grouping by product, customer and by time, and can see interest in products in each city
Analisis Sentimen Penerapan Kurikulum Merdeka Pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor Dengan Forward Selection Darmawan, Wachid; Kurniawan, Muhammad Faizal; Setianto, Wahyu; Hapsoro, Wim
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 1 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i1.4634

Abstract

Kurikulum yang di terapkan di Indonesia untuk kegiatan belajar mengajar selalu mengalami perubahan yang tujuannya untuk meningkatkan sistem pembelajaran yang ada. Kurikulum terbaru yang di terapkan pemerintah adalah kurikulum merdeka. Kurikulum merdeka ini akan serta merta menggantikan kurikulum 2013, walaupun saat ini masih ada sekolah yang menerapakan kurikulum 2013. Kurikulum yang baru diluncurkan dan diterapkan tahun ajaran 2022/2023 sudah banyak dirasakan dan banyak bermunculan opini yang bernada positif ataupun negatif di Twitter. Untuk mengetahui Analisis Sistemen dari opini yang ada, akan digunakan metode klasifikasi pada hasil opini masyarakat yang ada di Twitter. Data yang digunakan sebanyak 500 tweet, setelah dilakukan pembersihan data didapatkan data sebanyak 220 tweet, terdiri dari 110 data tweet positif dan 110 data tweet negatif. Metode klasifikasi yang digunakan untuk mengetahui Analisis Sentimen pada kurikulum Merdeka Belajar adalah metode K-Nearest Neighbor (K-NN) dengan Forward Selection (FS). Berdasarkan ekperimen yang sudah dilakukan metode K-NN akurasinya sebesar 73.64%, sedangkan K-NN + FS akurasinya meningkat menjadi 76.82%. berdasarkan perhitungan machine learning dihasilkan Sentimen Analisis bernada atau opini negatif yang banyak di tweetkan oleh masyarakat terkait penerapan Kurikulum Merdeka. Untuk penelitian selanjutnya bisa menggunnakan algoritma klasifikasi lainya serta ada penambahan datasetnya.
Sistem Pendukung Keputusan Pemberian Pembiayaan Nasabah Dengan Metode K-Nearst Neighbor (KNN) Di KospinMu Surya Mentari Karanganyar Kabupaten Pekalongan Setianto, Wahyu; Ilyas, Agus; Setiawan, Tri Agus
Jurnal Surya Informatika Vol. 13 No. 1 (2023): Surya Informatika, Vol. 13. No. 1, Mei 2023
Publisher : Universitas Muhammadiyah Pekajangan Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.48144/suryainformatika.v13i1.1434

Abstract

KospinMU Surya Mentari Karanganyar merupakan koperasi yang melakukan banyak aktivitas didalamnya termasuk memberikan pembiayaan bagi nasabah. Demi kelancaran kegiatan pemberiaan pembiayaan antara pihak koperasi dengan nasabah, pihak koperasi perlu menilai dan menentukan kelayakan pembiayaan yang akan diterima nasabah terlebih dahulu sebelum memberikan keputusan pembiayaanya. Masalah yang dihadapi KospinMU Surya Mentari Karanganyar belum mampu mengatur pemberian pembiayaan secara tepat sasaran karena penyeleksiannya yang manual, tidak ada sistem nilai dimana nasabah dapat rekomendasi lain jika nilai tidak sesuai yang diajukan. Dalam pembangunan sistem ini menggunakan metode pengembangan sistem waterfall yang terdiri dari tahapan komunikasi, tahapan perencanaan, tahapan modeling, tahapan pengkodean dan tahapan deployment. Metode pengujian yang digunakan adalah white box, black box dan UAT (User Acceptance Test). Sistem pendukung keputusan pemberian pembiayaan nasabah dengan metode K Nearest Neighbor (KNN) di KospinMU Surya Mentari Karanganyar Kab. Pekalongan ini dapat mempermudah pekerjaan komite dalam memberikan pembiayaan nasabah, sistem dapat memberikan klasifikasi setiap pemohon baru sesusai dengan nilai yang dihitung dengan metode perhitungan K Nearest Neighbor (KNN) dan dapat menjadi media penyimpanan cadangan ketika memorendum yang disimpan secara manual hilang atau rusak.
Co-Authors Agung Budijanto, Hari Aidjili, Mosses Alkaromi, M. Adib Anas Syaifudin Binabar, Sattriadi Wahyu Budijanto, Hari Agung DARMAWAN, ARIEF SOMA Darmawan, Wachid Faizal Kurniawan Hapsoro, Hermanus Wim Hapsoro, Wim Ilyas, Agus Indrayanti, Indrayanti Ivandari Jumiati, Eny Risqiati, Risqiati Rusli, Christian Yulianto Sampurno, Anton Sugianti, Devi Syaifudin, Anas Tri Agus Setiawan Wahyu Binabar, Sattriedi WIBOWO, ARI PUTRA Wim Hapsoro, Hermanus Yunianto, Era