Articles
<![CDATA[Komparasi Penerapan Forward Selection Pada Algoritma C4.5 Dan Algoritma Naïve Bayes Untuk Memprediksi Kompetensi Karyawan (Studi Kasus: PT. XYZ) ]]>
<![CDATA[Fuza Putra Arwanda]]>;
<![CDATA[Hannie Hannie]]>;
<![CDATA[Budi Arif Dermawan]]>
<![CDATA[ Jurnal Ilmiah Wahana Pendidikan Vol 7 No 3 (2021): Jurnal Ilmiah Wahana Pendidikan ]]>
Publisher : <![CDATA[Peneliti.net ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (283.103 KB)
|
DOI: 10.5281/zenodo.4970680
<![CDATA[Monitoring and evaluation that is not well targeted towards employee assessment will cause problems in the development of human resources within a company. Currently the company PT. XYZ, is a new company which just started its production in 2020, thus monitoring and evaluation of the performance of each employee is very necessary. This study aims to compare C4.5 and the Naïve Bayes algorithm and add forward selection with the KDD (Knowledge Discovery in Database) methodology to predict competent and incompetent employees. Evaluation of the comparative use of the two algorithms, namely C4.5 and Naïve Bayes, was carried out by testing using Cross-Validation using 10-fold cross-validation.]]>
<![CDATA[Penerapan SVM dan Information Gain Pada Analisis Sentimen Pelaksanaan Pilkada Saat Pandemi ]]>
<![CDATA[Aliffia Kulsumarwati]]>;
<![CDATA[Intan Purnamasari]]>;
<![CDATA[Budi Arif Darmawan]]>
<![CDATA[ Jurnal Teknologi Informatika dan Komputer Vol 7, No 2 (2021): Jurnal Teknologi Informatika dan Komputer ]]>
Publisher : <![CDATA[Universitas Mohammad Husni Thamrin ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.37012/jtik.v7i2.641
<![CDATA[Sosial media pada masa kini banyak dimanfaatkan untuk berbagai aktifitas, salah satunya adalah untuk menumpahkan segala tanggapannya terhadap kejadian-kejadian yang tengah terjadi di masyarakat. Seperti banyaknya masyarakat yang memberikan tanggapan terhadap kebijakan pemerintah Indonesia mengenai perlaksanaan Pilkada 2020 yang tetap diselenggarakan meski di tengah pandemi Covid-19 di Twitter. Berbagai tanggapan masyarakat ada yang mendukung maupun tidak setuju dengan diadakannya pilkada 2020 karna dilaksanakan di masa pandemi. Untuk itu maka dilakukan penerapan data mining dengan algoritma Support Vector Machine dan seleksi fitur information gain untuk menganalisis berbagai tanggapan masyarakat mengenai pelaksanaan pilkada 2020. Data yang digunakan merupakan tweet dari aplikasi Twitter sebanyak 496 data. Sebelum tahap data mining, dilakukan pembagian data menjadi 80% data traning dan 20% data testing. Hasil klasifikasi data tweet dengan Support Vector Machine menggunakan kernel linear menghasilkan nilai akurasi yang besar yaitu 92%, precision 90%, dan recall 92%.]]>
<![CDATA[Analisis dan Penerapan Algoritma Convolutional Neural Network untuk Klasifikasi Kendaraan Prioritas ]]>
<![CDATA[Rijal Abdulhakim]]>;
<![CDATA[Carudin]]>;
<![CDATA[Budi Arif Dermawan]]>
<![CDATA[ Jurnal Sains dan Informatika Vol. 7 No. 2 (2021): Jurnal Sains dan Informatika ]]>
Publisher : <![CDATA[Teknik Informatika, Politeknik Negeri Tanah Laut ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34128/jsi.v7i2.335
<![CDATA[Jumlah kendaraan bermotor di Indonesia terus menerus meningkat di setiap tahunnya. Hal ini dapat menimbulkan masalah lalu lintas, salah satunya yaitu kemacetan. Dampak yang ditimbulkan dari kemacetan salah satunya yaitu terganggunya arus lalu lintas. Sedangkan menurut UU RI Nomor 22 Tahun 2009 tentang lalu lintas dan angkutan jalan pada pasal 134 terdapat 7 kendaraan yang harus mendapatkan prioritas di jalan raya. Karena itu, dalam penelitian ini dilakukan analisis model klasifikasi untuk jenis kendaraan pemadam kebakaran, ambulans / mobil jenazah, dan kendaraan non-prioritas dengan menerapkan algoritma CNN menggunakan data video dari CCTV yang dikelola oleh ATCS Kota Bandung. Pada penelitian ini terdapat 5 skenario berbeda dimana skenario tersebut dibedakan dengan menggunakan metode holdout dalam pembagian data dan evaluasi model. Hasil penelitian ini menunjukan bahwa skenario terbaik terdapat pada skenario 2 dengan data training sebesar 60%, data validation sebesar 20%, dan data testing sebesar 20% berhasil mendapatkan validation accuracy sebesar 66,15% dan testing accuracy sebesar 69,231%.]]>
<![CDATA[Penerapan Metode Regresi Linear Berganda untuk Prediksi Kerugian Negara Berdasarkan Kasus Tindak Pidana Korupsi ]]>
<![CDATA[Alfanda Novebrian Maharadja]]>;
<![CDATA[Iqbal Maulana]]>;
<![CDATA[Budi Arif Dermawan]]>
<![CDATA[ Journal of Applied Informatics and Computing Vol 5 No 1 (2021): July 2021 ]]>
Publisher : <![CDATA[Politeknik Negeri Batam ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30871/jaic.v5i1.3184
<![CDATA[Tindak pidana korupsi merupakan kegiatan yang dapat mengakibatkan kerugian keuangan negara atau perekonomian negara serta dapat menghambat pembangunan nasional. Semenjak penindakan kasus korupsi 2013-2020, pada tahun 2014 merupakan angka tertinggi dalam jumlah kasus, yaitu sebanyak 629 kasus, sedangkan pada tahun 2020 negara mengalami kerugian tertinggi sebesar Rp. 18,6 Triliun. Adanya permasalahan tersebut perlu dilakukan kebijakan yang tepat serta antisipasi dalam meminimalisir kerugian negara pada tahun selanjutnya. Oleh karena itu penelitian ini melakukan prediksi kerugian negara berdasarkan tindak pidana korupsi dengan menggunakan regresi linear berganda. Regresi linear berganda merupakan salah satu metode statistik yang digunakan untuk menelusuri pola hubungan antara variabel terikat dengan dua atau lebih variabel bebas. Pembelajaran regresi linear berganda dalam penelitian ini menghasilkan model regresi yang dimana menghasilkan nilai konstanta yaitu 284645.5891073216 serta nilai koefisien yaitu -139837.38007863 dan 363493.06049751. Kemudian penelitian ini melakukan pengukuran performa model regresi linear dengan kondisi pembagian data 80% untuk data training dan 20% untuk data testing. Dari kondisi pembagian data tersebut memperoleh nilai RMSE sebesar 8447373.485 untuk data training dan 9769609.026 untuk data testing. Sedangkan untuk nilai koefesien determinasi memperoleh nilai sebesar 0.579 untuk data training yang tingkat hubungan antar variabelnya cukup kuat dan 0.662 untuk data testing yang berarti tingkat hubungan antar variabelnya kuat. Dengan melakukan prediksi menggunakan metode regresi linear berganda dapat memberikan informasi yang membantu pemerintah dalam mengambil kebijakan yang tepat terahadap permasalahan kasus korupsi serta meminimalisir dan mengantisipasi kerugian negara yang lebih besar untuk tahun selanjutnya.]]>
<![CDATA[Prediksi Barang Keluar TB. Wijaya Bangunan Menggunakan Algoritma KNN Regression dengan RStudio ]]>
<![CDATA[Natcha Kwintarini Suparman]]>;
<![CDATA[Budi Arif Dermawan]]>;
<![CDATA[Tesa Nur Padilah]]>
<![CDATA[ JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 6 No. 2 (2021): Mei 2021 ]]>
Publisher : <![CDATA[UIN Sunan Kalijaga Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (231.973 KB)
|
DOI: 10.14421/jiska.2021.6.2.90-97
<![CDATA[TB. Wijaya Bangunan is a business entity that has weaknesses in managing inventories. This study aims to help TB. Wijaya Bangunan in managing inventory based on existing data reduce the difference between the number of incoming goods and the number of outgoing goods. The methods used are data collection, data preparation, data selection, preprocessing, data transformation, distance calculation, calculation of predictions, evaluation, and display of prediction results using a Shiny framework. This study uses the Time Series KNN Regression algorithm to predict the number of outgoing goods based on time series data with existing data. The most predicted results came out in the 9th week period as much as 22.40%. Based on the process that has been done, it can be concluded that the evaluation value of Root Mean Square Error (RMSE) is at least 3.55, which means it has the best predictive accuracy results.]]>
<![CDATA[Sistem Pakar Diagnosis Hama dan Penyakit Tanaman Stroberi Dengan Metode Certainty Factor Berbasis Web ]]>
<![CDATA[Cika Oktavia]]>;
<![CDATA[Apriade Voutama]]>;
<![CDATA[Budi Arif Dermawan]]>
<![CDATA[ Jurnal Ilmiah Wahana Pendidikan Vol 8 No 15 (2022): Jurnal Ilmiah Wahana Pendidikan ]]>
Publisher : <![CDATA[Peneliti.net ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (234.488 KB)
|
DOI: 10.5281/zenodo.7040696
<![CDATA[Buah stroberi kaya akan antioksidan yang sangat bermanfaat untuk kesehatan serta memiliki nilai jual yang tinggi. Namun, produksi panen stroberi mengalami penurunan signifikan. Hama dan penyakit menjadi penyebab menurunnya tingkat produksi stroberi. Petani menyadari adanya tanaman yang terserang hama atau penyakit, namun terkadang tidak mengetahui jenis penyakit dan cara pengendaliannya. Keterbatasan tenaga dan waktu dari pakar membuat pengetahuan yang dimiliki pakar tidak tersampaikan dengan baik kepada petani. Hal ini menunjukan perlu adanya teknologi penerapan sistem pakar dalam memaksimalkan identifikasi hama dan penyakit untuk meningkatkan kualitas serta kuantitas produksi buah stroberi. Penelitian ini merancang sebuah sistem pakar diagnosis hama dan penyakit pada tanaman stroberi dengan metode Certainty Factor serta didukung oleh mesin inferensi Forward Chaining berbasis web. Sistem akan menganalisis berdasarkan gejala yang dialami pengguna dan melakukan perhitungan nilai Certainty Factor untuk menemukan persentase keyakinan. Hasil diagnosis yang ditampilkan berupa nama hama atau penyakit, persentase keyakinan serta solusi penanganannya. Berdasarkan hasil pengujian yang dilakukan, keseluruhan fungsionalitas aplikasi telah berfungsi dengan baik.]]>
<![CDATA[Implementasi Metode Forward Chaining dan Certainty Factor dalam Mendiagnosis Tanaman Cabai Berbasis Website ]]>
<![CDATA[Putri Dwi Rahayu]]>;
<![CDATA[Budi Arif Dermawan]]>;
<![CDATA[Betha Nurina Sari]]>
<![CDATA[ Jurnal Ilmiah Wahana Pendidikan Vol 8 No 17 (2022): Jurnal Ilmiah Wahana Pendidikan ]]>
Publisher : <![CDATA[Peneliti.net ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (493.607 KB)
|
DOI: 10.5281/zenodo.7077525
<![CDATA[The chili production process can be influenced by several factors ranging from soil fertility, poor seed quality, and the influence of weather. Weather factors in the rainy season can result in high air humidity so that pests and diseases easily develop and spread causing damage or death of chili plants. In the process of handling these problems requires an expert or extension worker in the related field. To overcome these problems, it is necessary to create a system that has the ability to detect chili plant diseases by implementing the knowledge possessed by an expert into applications, namely an expert system. The expert system that will be implemented is an expert system for detecting chili plant diseases using the forward chaining method to perform reasoning, and using the certainty factor method to calculate the level of confidence in the diagnosis results. The system will analyze based on the symptoms experienced by farmers with the aim of helping farmers who still do not understand the attacks that occur on chili plants. The results of the evaluation of the system show that the system is able to run very well, besides the results of processing the questionnaire data distributed to users indicate that the assessment in terms of appearance has a percentage of 75% and the percentage obtained in terms of benefits is 74.37%.]]>
<![CDATA[Penerapan Fuzzy Inference System untuk Sistem Pemantauan Kualitas Air pada Budidaya Cheerax Quadricarinatus ]]>
<![CDATA[Budi Arif Dermawan]]>;
<![CDATA[Adhi Rizal]]>;
<![CDATA[Anis Fitri Nur Masruriyah]]>
<![CDATA[ Jurnal Informatika Universitas Pamulang Vol 8, No 1 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG ]]>
Publisher : <![CDATA[Teknik Informatika Universitas Pamulang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32493/informatika.v8i1.29214
<![CDATA[Cheerax quadricarinatus (Redclaw) becomes a fishery commodity that has high selling value with various advantages in terms of cultivation. In the Redclaw cultivation process, water quality is one of the indicators that require attention. Flawed water quality affects the conditions when the lobsters molt. In addition, shoddy water quality also impacts the slow growth rate and high mortality during ontogeny. The level of water quality is influenced by the parameters of Temperature, Potential of Hydrogen (pH), Ammonia, and Total Dissolved Solid (TDS). The level of water quality requires monitoring in real-time with the aim of being able to find out the latest conditions according to the category of aquaculture pond. Water quality monitoring is carried out by implementing a Fuzzy Inference System in a Water Quality Monitoring System based on a Wireless Sensor Network (WSN) and the Internet of Things (IoT). The water quality monitoring system is running well, marked by all sensors being able to send parameter values and the monitoring dashboard being able to display all parameter values along with water quality and condition values. The water quality level results show that the pond's cultivation habitat is in a suitable category, indicated by a water quality value of more than 90%. The level of water quality can be represented as suitability for Redclaw habitat to increase growth.]]>
<![CDATA[Peramalan Tren Produk Pakaian Menggunakan Metode SARIMA pada Data Google Trends ]]>
<![CDATA[Muhammad Hilmi Syarif]]>;
<![CDATA[Nana Mulyana Maghfur]]>;
<![CDATA[Budi Arif Dermawan]]>
<![CDATA[ Jurnal Ilmiah Wahana Pendidikan Vol 9 No 8 (2023): Jurnal Ilmiah Wahana Pendidikan ]]>
Publisher : <![CDATA[Peneliti.net ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.5281/zenodo.7886616
<![CDATA[The development of the digital era is very rapid at this time there are so many technologies that are present in human life, one of which is e-commerce. Today's society is very dependent on what is called e-commerce, there are lots of transactions made every year from 2017 there are around 8,657 USD until 2021 which continues to increase to 53,808 USD. This is more or less influenced by advertisements scattered in cyberspace. In 2020, the 1st rank of the highest number of transactions is held by clothing products, so sellers from e-commerce need to be assisted with a recommendation system that displays the best time to display their advertisements. The process uses the time-series forecasting method using the SARIMA algorithm. This algorithm takes the trend of the season from the previous data, so it is very suitable for the cases mentioned earlier. The data retrieval processes up to deployment to the web system uses the CRISP-DM research method. The results of this study have a very good evaluation value, namely with an R2 of 0.36993 so that the model is good to use and in its implementation is a web system that takes the category and how long it will be predicted.]]>
<![CDATA[PENERAPAN ALGORITME FP-GROWTH UNTUK MENENTUKAN PELETAKAN BARANG PEDAGANG SAYUR ]]>
<![CDATA[Wahyu Alfafisabil]]>;
<![CDATA[Budi Arif Dermawan]]>;
<![CDATA[Tesa Nur Padilah]]>
<![CDATA[ Jurnal Informatika Polinema Vol. 7 No. 4 (2021): Vol 7 No 4 (2021) ]]>
Publisher : <![CDATA[UPT P2M State Polytechnic of Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33795/jip.v7i4.507
<![CDATA[Sayuran merupakan sumber vitamin dan protein. Setiap ibu rumah tangga membutuhkan sayuran untuk memasak dalam kehidupan sehari-hari. Sayuran didapatkan di pasar sehingga akan mempersulit ibu rumah tangga yang rumahnya jauh dari pasar. Pedagang sayur keliling merupakan pedagang yang menjual berbagai macam sayuran yang dibawa ke rumah-rumah untuk memenuhi kebutuhan ibu rumah tangga. Pedagang sayur keliling bertujuan untuk mencari keuntungan, sehingga untuk memaksimalkan tingkat penjualan diperlukan strategi penjualan. Association rules adalah metode untuk mencari hubungan antar item pada suatu dataset. Data mining dapat disebut salah satu langkah dari proses KDD. FP-Growth merupakan algoritme untuk mencari himpunan data yang paling sering muncul. Penelitian ini menganalisis data transaksi untuk memprediksi peletakan barang dipedagang sayur dengan tujuan memaksimalkan tingkat penjualan menggunakan algoritme FP-Growth dan bahasa pemrograman python. Pada proses data mining dengan menggunakan algoritme FP-Growth peneliti menjelaskan langkah-langkah FP-Growth dengan perhitungan manual. Evaluasi peneliti melakukan pencocokan hasil perhitungan manual dengan program. Setelah perhitungan sesuai, peneliti menggunakan data tota transaksi untuk mengetahui rules-nya dengan syarat minimum support 0.01 atau 1% dan minimum confidence 0.9 atau 90%. Pada hasil terdapat 44 rules yang memenuhi syarat.]]>
