Claim Missing Document
Check
Articles

Found 27 Documents
Search

SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN KARYAWAN DENGAN METODE SIMPLE ADDITIVE WEIGHTING DI PT. HERBA PENAWAR ALWAHIDA INDONESIA Anang Aris Widodo, Ardhi Bagus Primahudi, Fajar Agustinus Suciono,
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 1, No 2 (2016): AGUSTUS
Publisher : Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1499.76 KB) | DOI: 10.37438/jimp.v1i2.16

Abstract

Dengan semakin berkembangnya teknologi dan ilmu pengetahuan, semakin berkembang pula proses pendidikan di Indonesia ini. Menyebabkan banyaknyaperusahaan atau instansi-instansi sulit memilih pegawai/karyawan-karyawati yangsesuai dengan kebutuhan dan ahli pada bidangnya masing-masing, selain itu Salahsatu yang terpenting dalam manajemen sumber daya manusia (SDM) di suatu perusahaan adalah pemilihan karyawan terbaik secara periodic sehingga untuk memacu semangat karyawan dalam meningkatkan dedikasi dan kinerjanya. Oleh karena itu menyadari betapa pentingnya memilih calon pegawai yang tepat, maka dirancang program aplikasi sistem pendukung keputusan untuk pemilihan penerimaan pegawai untuk suatu perusahaan dengan berbasis website. Penelitian ini bertujuan untuk membantu perusahaan dalam pemilihan karyawan terbaik pada PT. Herba Penawar Alwahida Indonesia serta untuk menghasilkan sistem pendukung keputusan pemilihan karyawan terbaik berdasarkan rangking. Dalam menentukan karyawan terbaik di PT. Herba Penawar Alwahida Indonesia, sistem menggunakan metode Simple Additive weighting (SAW) dengsn menggunakan kriteria-kriteria yang sudah digunakan di perusahaan tersebut yaitu pendidikan terakhir, IPK, usia, pengalaman kerja, akreditasi, status perkawinan, dan kesesuaian program studi pelamar kerja. Sistem ini dikembangkan dengan bahasa pemograman php dan xampp. Sistem pendukung keputusan ini dapat digunakan untuk mengolah data pelamar kerja mulai dari proses informasi lowongan kerja, proses perekrutan pelamar kerja, proses pemilihan pelamar kerja, sampai dengan proses pembuatan laporan pelamar kerja. Output dalam sistem ini adalah nilai perhitungan penilaian pelamar kerja terbaik dengan metode Simple Additive Weighting (SAW) dan rekomendasi karyawan terbaik untuk PT. Herba Penawar Alwahida Indonesia dalam bentuk bobot kriteria dan rangking. Kata kunci: Sistem Pendukung Keputusan, Simple Additive Weighting (SAW), pemilihan karyawan terbaik.
Recognition of Korean Alphabet (Hangul) Handwriting into Latin Characters Using Backpropagation Method Widodo, Anang Aris; Izza Mahendra, Muchammad Yuska; Zoqi Sarwani, Mohammad
International Journal of Artificial Intelligence & Robotics (IJAIR) Vol. 3 No. 2 (2021): IJAIR : November
Publisher : Informatics Department-Universitas Dr. Soetomo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25139/ijair.v3i2.4210

Abstract

The popularity of Korean culture today attracts many people to learn everything about Korea, especially in learning the Korean language. To learn Korean, you must first know Korean letters (Hangul), which are non-Latin characters. Therefore, a digital approach is needed to recognize handwritten Korean (Hangul) words easily. Handwritten character recognition has a vital role in pattern recognition and image processing for handwritten Character Recognition (HCR). The backpropagation method trains the network to balance the network's ability to recognize the patterns used during training and the network's ability to respond correctly to input patterns that are similar but not the same as the patterns used during training. This principle is used for character recognition of Korean characters (Hangul), a sub-topic in fairly complex pattern recognition. The results of the calculation of the backpropagation artificial neural network with MATLAB in this study have succeeded in identifying 576 image training data and 384 Korean letter testing data (Hangul) quite well and obtaining a percentage result of 80.83% with an accuracy rate of all data testing carried out on letters. Korean (Hangul).
KLASIFIKASI DATA SET VIRUS CORONA MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Muhammad Misdram; Fahmi Syarifuddin; Anang Aris Widodo
SPIRIT Vol 12, No 2 (2020): SPIRIT
Publisher : STMIK YADIKA BANGIL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53567/spirit.v12i2.184

Abstract

Abstract: At the beginning of 2020 the world of health was shocked by the discovery of a new virus that was known to have originated from this virus in Wuhan, China. Almost the whole world has experienced this virus pandemic. Then on February 11, 2020, the World Health Organization named the new virus Severa acute respiratory syndrome coronavirus-2 (SARS-CoV-2) and the name of the disease as Coronavirus Disease 2019 (COVID-19) (WHO, 2020). At first, the transmission of this virus could not be determined whether it was between animal-human or human-human. Meanwhile, the number of cases continues to increase over time. At that time, there were 15 medics infected by one of the patients. It was finally confirmed that the transmission of pneumonia can be transmitted from human to human. Until now, the handling of Covid-19 patients is still continuing. This is because the number of patients continues to grow every day. For this reason, an application is needed that can monitor the cure rate for Covid-19 patients. This system is built using the Naïve Bayes Classification (NBC) method. The NBC method is a method used for classification and can predict future opportunities based on past experiences. The test results show that using the Nive Bayes Method has a fairly good accuracy, namely 84%. Keywords : Covid-19, classification, Naïve Bayes Classifier
Rancang Bangun Aplikasi Dengan Linear Congruent Method (LCM) Sebagai Pengacakan Soal Muhammad Ganda Arizqia; Anang Aris Widodo
JOINTECS (Journal of Information Technology and Computer Science) Vol 2, No 1 (2017)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1043.462 KB) | DOI: 10.31328/jointecs.v2i1.412

Abstract

Pendidikan merupakan hal penting yang harus dimiliki oleh setiap orang. Kualitas pendidikan dapat diketahui dengan melalui pelaksanaan ujian untuk mengetahui pencapaian kemampuan dan keberhasilan dalam memahami bidang studi yang ditempuhnya. Seiring perkembangan teknologi informasi dan komunikasi sistem ujian sudah tidak lagi menggunakan media konvensional melainkan sudah secara komputerisasi. pelaksanaan ujian secara konvensional rentan terhadap kebocoran soal yang akan diajukan sebelum ujian dan kecurangan yang dilakukan seperti mencontek jawaban teman. Adanya kelemahan itulah perlu dilakukan perancangan pengacakan soal. Pengacakan soal tersebut dirancang dan diimplementasikan dengan menggunakan metode Linear Congruent Method (LCM). Pengacakan soal ini diharapkan mampu mengatasi kelemahan dari cara yang ada sehingga setiap pihak dapat membuat soal nya sendiri secara efektif dan efisien.
Implementasi Fuzzy Analytical Hierarchy Process Menggunakan Database Maria DB Anang Aris Widodo; Sholeh Hadi Pramono; Harry Soekotjo Dachlan
Jurnal EECCIS Vol 13, No 2 (2019)
Publisher : Fakultas Teknik, Universitas Brawijaya

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

Abstract

Abstrak–-Paper ini berisi tetntang implementasi metode fuzzy Analytical Hierarchy Process (F-AHP) pada database mariaDB. Untuk membuat suatu Decision Support System (DSS) yang dinamis maka metode Analytical Hierarchy Process (AHP) dibuat didalam database, pada penelitian ini menggunakan database mariaDB. Terdapat kelebihan dan kekurangan jika suatu metode diletakkan didalam database. Kelebihannya adalah sistem akan menjadi dinamis karena jika ada perubahan dan penambahan kriteria dan alternatif tidak akan mempengaruhi sistem yang sudah dibangun. Kekurangannya adalah sistem akan menjadi berat karena mengakses data langsung dari server.Kata Kunci—AHP,  DSS, mariaDB, server.
KLASIFIKASI KELAYAKAN TELUR AYAM RAS (BROILER) MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Andre Maulana; Rudi Hariyanto; Anang Aris Widodo
RAINSTEK : Jurnal Terapan Sains & Teknologi Vol. 2 No. 3 (2020): September
Publisher : Fakultas Sains & Teknologi Universitas Kanjuruhan Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21067/jtst.v2i3.4915

Abstract

Telur tetas merupakan telur fertil atau telur yang telah dibuahi baik secara alami maupun buatan, dihasilkan dari peternakan ayam pembibit bukan peternakan komersial Telur yang ditetaskan haruslah melalui proses seleksi, tidak semua telur tetas dapat digunakan dalam penetasan. Faktor utama yang perlu diperhatikan dalam memilih telur tetas adalah kualitas telur, jika kualitas telur yang akan ditetaskan buruk maka presentase jumlah telur yang menetas rendah. Bobot telur tetas haruslah seragam sehingga besarnya juga seragam, yaitu tidak terlalu besar dan tidak terlalu kecil. Telur yang terlalu besar menyebabkan kantung udara terlalu kecil untuk perkembangan embrio sehingga telur akan terlambat untuk menetas. Ada beberapa kendala yang dihadapi karyawan untuk menyeleksi telur tetas diantaranya kurang teliti, faktor usia yang yang sudah tidak produktif dan juga faktor kelelahan mengakibatkan kurang fokus dalam menyeleksi. Pada permasalahan ini maka penelitian ini adalah bagaimana menentukan kelayakan telur dan dan klasifikasi dari citra telur layak dan tidak. Proses klasifikasi kelayakan telur ini dilakukan menggunakan Naïve Bayes Classifier. Data yang dikumpulkan berjumlah 100 data citra telur terbagi menjadi 80 data latih dan 20 data uji. Dari hasil pengujian didapatkan hasil akurasi sebesar 75% dengan 20 data uji.
PENERAPAN AUGMENTED REALITY SEBAGAI PEMBELAJARAN KONEKSI JARINGAN Roni Wibowo; Rudi Hariyanto; Anang Aris Widodo
RAINSTEK : Jurnal Terapan Sains & Teknologi Vol. 2 No. 4 (2020): Desember
Publisher : Fakultas Sains & Teknologi Universitas Kanjuruhan Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21067/jtst.v2i4.4929

Abstract

Penggunaan teknologi saat ini sudah mampu memvisualisasikan sebuah tindakan di kehidupan nyata menjadi sebuah objek dalam sebuah aplikasi. Augmented Reality adalah sebuah teknologi yang menggabungkan dunia nyata dengan dunia virtual yang bersifat interaktif dan realtime. Pengembangan Augmented Reality sebagai media pembelajaran pun juga sedang berkembang. Namun pada saat ini materi pembelajaran tentang teknik informasi dan komunikasi telah dihapuskan dari kurikulum pembelajaran siswa, hal ini sangat mempengaruhi kebutuhan siswa tentang komputer dan jaringan. Siswa yang terlanjur mengetahui informasi dasar mengenai jaringan pun tidak bisa mempraktikkan langsung ilmunya dan mengkoneksikan koneksi jaringan. Dari permasalahan tersebut terbentuklah sebuah media pembelajaran koneksi jaringan yang berjudul “Penerapan AR Sebagai Pembelajaran Koneksi Jaringan” yang berguna untuk menampilkan objek 2 dimensi menjadi objek 3 dimensi serta koneksi dalam mengatur jaringan komputer dan tes koneksi jaringan komputer.
PERBANDINGAN KINERJA METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN NEURAL NETWORK (NN) PADA PENGENALAN WAJAH Khoirul Anam, Anang Aris Widodo, Sultoni
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 1, No 3 (2016): DESEMBER
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (788.655 KB) | DOI: 10.37438/jimp.v1i3.40

Abstract

Deteksi wajah adalah salah satu langkah preprocessing yang palingpenting pada sistem pengenalan wajah yang digunakan dalam identifikasi biometrik.Biometrik adalah kemampuan verifikasi dan identifikasi berdasarkan karakteristik fisik dan perilaku manusia.Sedangkan sistem pengenalan wajah adalahcontoh biometrik didasarkan pada karakteristik fisik yang dapat membantu sistem komputeruntuk memiliki kemampuan mirip dengan manusia. Pada penelitian ini perbandingan kinerja metode PCA dan NN pada pengenalan wajah, algoritma yang digunakan dalam metode PCA adalah algoritma eigenfaces sedangkan algoritma yang digunakan dalam metode NN adalah algoritma backpropagation. Dengan perbandingan akurasi dan waktu pada kedua metode tersebut menunjukkan rata-rata 23.753% untuk akurasi dan 35.363 detik untuk waktu. Kata Kunci - Deteksi Wajah, Biometrik, Pengenalan Wajah, Principal Component Analysis, Neural Network.
ENTERPRISE SISTEM ADMINISTRASI UNTUK LEMBAGA KURSUS DAN PELATIHAN STUDI KASUS DI LKP INKA GROUP PASURUAN Bambang Hindrajid, Anang Aris Widodo, Achmadi Prasita Nugroho
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 1, No 2 (2016): AGUSTUS
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1333.67 KB) | DOI: 10.37438/jimp.v1i2.25

Abstract

Lembaga Pendidikan dan Keterampilan (LKP) atau biasa dikenal sebagai lembaga kursus saat ini sangat berkembang dengan bukti banyaknya LKP yang ada di kota Pasuruan. Sistem administrasi LKP ini umumnya masih sederhana yaitu menggunakan buku dan kertas untuk pencatatan peserta maupun keuangannya. Oleh karena itu perlu dirancang sistem administrasi yang terkomputerisasi agar lebih praktis dan lebih cepat. Sistem yang dirancang mencakup modul penerimaan peserta, pengaturan transaksi keuangan, dan penilaian (pencetakan sertifikat). Sistem dibangun dengan menggunakan Visual Studio 2013 dan Microsoft SQL Server 2012. Sistem dibangun dari nol, karena sebelumnya segala pengurusan administrasi hanya mengandalkan buku dan kertas. Sistem dibuat sedemikian rupa sehingga bisa digunakan di LKP mana saja dengan bidang pengajaran apa saja sehingga sistem ini mencakup skala enterprise. Dari hasi uji coba penggunaan aplikasi, didapat bahwa kecepatan layanan kepada peserta kursus belum mengalami peningkatan, sebaliknya operator merasa bahwa penggunaan aplikasi justru lebih lambat dibandingkan cara manual. Hal ini tampaknya karena belum terbiasanya operator dalam menggunakan aplikasi, selain itu perlu optimalisasi penggunaan dengan pelatihan dan sebagainya. sebaliknya, pengarsipan data berjalan dengan baik, data yang semula ada di buku bisa tersimpan dengan aman di database komputer. Kata kunci : LKP, administrasi, enterprise, visual studio, peserta kursus.
Sistem Pendukung Keputusan Untuk Membantu Calon Siswa Memilih SMA Negeri di Kota Pasuruan Menggunakan Metode AHP Muhammad Hanif; Rudi Hariyanto; Anang Aris Widodo
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 5, No 1 (2020): MARET
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (468.707 KB) | DOI: 10.37438/jimp.v5i1.245

Abstract

Pemilihan SMA Negeri di Kota Pasuruan ini dibuat untuk membantu siswa untuk memilih sekolah dan untuk mengetahui informasi sekolah, perangkingan SMA Negeri di Kota Pasuruan ini berdasarkan kriteria Nilai Unas, Zona, Pagu, dan Jurusan. Sistem ini menggunakan dan mengembangkan konsep dasar Analytical Hierarchy Process (AHP) yang akan digunakan sebagai teori dasar untuk melakukan perhitungan pembobotan dari tiap faktor dan kriteria nyata yang ada di lapangan. Sistem ini dibangun dengan bahasa pemrograman PHP dan MySQL sebagai basis data. Dengan terciptanya sebuah aplikasi yang bisa merangking sekolah berdasarkan data yang ada dan dipadukan dengan metode AHP maka Hasil Akhir dari penelitian ini yaitu nilai bobot SMA Negeri 1 Pasuruan sebesar 5,21, SMA Negeri 2 Pasuruan sebesar 4,74, SMA Negeri 3 Pasuruan sebesar 3.91 dan SMA Negeri 4 Pasuruan Pasuruan 2.63.Kata Kunci: Sistem Pendukung Keputusan, Pemilihan SMA Negeri, AHP.