Article Per Year (5 Year)
p-Index From 2021 - 2026
2.109
P-Index
This Author published in this journals
All Journal Jurnas Nasional Teknologi dan Sistem Informasi Martabe : Jurnal Pengabdian Kepada Masyarakat Kumawula: Jurnal Pengabdian Kepada Masyarakat ABSYARA: Jurnal Pengabdian Pada Masyarakat Journal of Data Mining and Information Systems Sabangka Abdimas Jurnal Pengabdian Masyarakat Sabangka Jurnal Pengabdian Masyarakat Berkarya Jurnal Multidisipliner Kapalamada semanTIK
AMIN IRMAWAN
Institut Teknologi Dan Bisnis Muhammadiyah Wakatobi
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Transportation Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Analisis Data Transaksi Penjualan Menggunakan Metode Apriori Untuk Meningkatkan Keputusan Bisnis Di Lalan Mart Intan Daniar; Kariyamin Kariyamin; Amin Irmawan
JDMIS: Journal of Data Mining and Information Systems Vol. 4 No. 2 (2026): August 2026
Publisher : Yayasan Pendidikan Penelitian Pengabdian Algero

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54259/jdmis.v4i2.8907

Abstract

The utilization of sales transaction data can help businesses identify consumer purchasing patterns and support business decision-making. Lalan Mart has sales transaction data that has not been optimally utilized to identify relationships among products that are frequently purchased together. This study aims to analyze consumer purchasing patterns using the Apriori Algorithm and provide recommendations to support inventory management, product placement, and promotional strategies. The data consisted of 4,740 transactions involving 157 types of products during the period from January to December 2025. The analysis was conducted using the Apriori Algorithm with a minimum support of 6% and a minimum confidence of 60%. The results produced 11 association rules with lift values greater than 1, indicating positive relationships among products. The highest confidence value was obtained from the rule Rice and Sugar → Cooking Oil, with a confidence value of 99.32%, while the highest lift value was found in the UHT Milk → Oreo rule, with a lift value of 9.576. These results demonstrate that the Apriori Algorithm can help identify consumer purchasing patterns and support business decision-making through inventory management, product placement, and bundling and cross-selling strategies.
Perbandingan C4.5, Artificial Neural Network, dan Gaussian Naïve Bayes untuk Prediksi Piutang Pendidikan Tak Tertagih dengan Analisis Grouped Permutation Importance Sry Faslia Hamka; Amin Irmawan
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 2 (2026): Agustus 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i2.2026.312-326

Abstract

Pengelolaan piutang biaya pendidikan merupakan tantangan operasional bagi perguruan tinggi, khususnya dalam mengidentifikasi secara dini mahasiswa yang berpotensi mengalami ketidaklancaran pembayaran. Penelitian ini bertujuan membandingkan kemampuan prediktif algoritma C4.5, Artificial Neural Network (ANN), dan Gaussian Naïve Bayes dalam mengklasifikasikan status piutang biaya pendidikan mahasiswa, serta menganalisis kontribusi atribut prediktor secara konsisten lintas-model. Data terdiri atas 258 rekaman mahasiswa dari Institut Teknologi dan Bisnis Muhammadiyah Wakatobi yang mengintegrasikan karakteristik akademik, wilayah tempat tinggal, kondisi sosial ekonomi wali, serta jumlah dan umur piutang UKT dan BPP. Evaluasi menggunakan holdout terstratifikasi 80:20 dan 90:10 serta RepeatedStratifiedKFold 5×10 sebagai prosedur utama. Seluruh algoritma dilatih pada pembagian data yang identik dengan tahap imputasi, encoding, standardisasi, dan oversampling ditempatkan dalam pipeline pelatihan. Kinerja dievaluasi menggunakan accuracy, precision, recall, F1-score, balanced accuracy, dan PR-AUC. Analisis interpretabilitas menggunakan grouped permutation importance diterapkan seragam pada ketiga algoritma. ANN memperoleh kinerja tertinggi dengan accuracy 82,09% ± 6,17%, recall 82,71%, F1-score 78,62%, balanced accuracy 82,20%, dan PR-AUC 91,32%. C4.5 menghasilkan kinerja mendekati ANN dengan accuracy 81,04% ± 4,98% dan PR-AUC 89,08%, disertai simpangan baku lebih kecil yang mencerminkan prediksi lebih stabil. Gaussian Naïve Bayes menghasilkan recall 80,58% namun balanced accuracy hanya 53,86% dan PR-AUC 46,99%, mengindikasikan kecenderungan prediksi positif berlebihan. Jumlah Piutang UKT Mahasiswa merupakan atribut paling berpengaruh secara konsisten pada ketiga algoritma, diikuti Umur Piutang UKT dan Jumlah Piutang BPP. Atribut akademik, wilayah, dan sosial ekonomi memberikan kontribusi yang kecil atau tidak stabil. ANN dipilih sebagai model utama untuk kepentingan operasional yang memprioritaskan deteksi piutang tak tertagih, sedangkan C4.5 menjadi alternatif kompetitif apabila institusi mengutamakan keterpahaman aturan klasifikasi. Hasil penelitian memberikan dasar ilmiah bagi pengembangan sistem pendukung keputusan prioritas pemeriksaan piutang dengan tetap mensyaratkan verifikasi manual sebelum tindak lanjut diambil.
Co-Authors Dafin, Aci Fitriani Fitriani Hasimu, La Herianto, Asfin Intan Daniar Ira, Wa Jumaeni, Jumaeni Jumui Kariyamin, Kariyamin Lifanda, Lifanda Mardan, LM Wirya Naima, Wa Ode Reza, Reza Ruliati Sry Faslia Hamka