Claim Missing Document
Check
Articles

Found 15 Documents
Search

METODE ADDITIVE RATIO ASSESSMENT ( ARAS ) UNTUK REKOMENDASI SEPEDA MOTOR YAMAHA PADA PT. YAMAHA DETA BAHANA CIREBON Erwin Fauzi; Susi Widyastuti; Ilman Kadori
INFOKOM Vol. 17 No. 1 (2024): JURNAL INFORMASI DAN KOMPUTER (INFOKOM)
Publisher : STIKOM POLTEK CIREBON

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

Abstract

Kendaraan merupakan alat yang digunakan sebagai alat bantu manusia untuk bisa berpindah dari satu tempat ke tempat lain. Salah satu kendaraan yang ada pada saat ini adalah sepeda motor. Banyaknya pilihan Sepeda Motor mengakibatkan konsumen bingung untuk menentukan pilihan sepeda motor yang sesuai dengan keinginannya. Penelitian ini bertujuan untuk membantu konsumen mengambil keputusan mengenai pemilihan sepeda motor Yamaha sesuai kebutuhan dan keinginan. Pemilihan tersebut menggunakan Sistem pendukung keputusan dengan menggunakan metode Additive Ratio Assessment (ARAS) untuk membantu konsumen memberikan rekomendasi sepeda motor mana yang akan dipilih, sehingga keputusan dapat tercapai dengan benar dan mendapatkan rekomendasi pilihan sepeda motor Yamaha yang diinginkan. Berdasarkan proses perhitungan dan hasil perangkingan dengan menempatkan data alternatif sebanyak 21 alternatif beserta 5 kriteria yang diantaranya yaitu jenis motor, suku cadang, jenis speedometer, jarak tempuh per liter dan harga. Semua data kemudian di konversikan menjadi bentuk matriks untuk proses mendapatkan hasil nilai akhir. Setelah dilakukan proses perhitungan, dapat diputuskan bahwa motor direkomendasikan pada beberapa data yang masuk dalam perhitungan dengan nilai akhir perangkingan adalah alternatif ke-19 (Xmax 250) dengan nilai 0,8917046. Data Alternatif ke-19 yaitu motor Yamaha Xmax 250 terpilih menjadi rekomendasi terbaik setelah dilakukan proses perhitungan secara keseluruhan
METODE ARAS UNTUK REKOMENDASI SEPEDA MOTOR YAMAHA PADA PT. YAMAHA DETA BAHANA Susi Widyastuti; Erwin Fauzi
INFOKOM Vol. 17 No. 2 (2024): JURNAL INFORMASI DAN KOMPUTER (INFOKOM)
Publisher : STIKOM POLTEK CIREBON

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

Abstract

Kendaraan merupakan alat yang digunakan sebagai alat bantu manusia untuk bisa berpindah dari satu tempat ke tempat lain. Salah satu kendaraan yang ada pada saat ini adalah sepeda motor. Banyaknya pilihan Sepeda Motor mengakibatkan konsumen bingung untuk menentukan pilihan sepeda motor yang sesuai dengan keinginannya. Penelitian ini bertujuan untuk membantu konsumen mengambil keputusan mengenai pemilihan sepeda motor Yamaha sesuai kebutuhan dan keinginan. Pemilihan tersebut menggunakan Sistem pendukung keputusan dengan menggunakan metode Additive Ratio Assessment (ARAS) untuk membantu konsumen memberikan rekomendasi sepeda motor mana yang akan dipilih, sehingga keputusan dapat tercapai dengan benar dan mendapatkan rekomendasi pilihan sepeda motor Yamaha yang diinginkan. Berdasarkan proses perhitungan dan hasil perangkingan dengan menempatkan data alternatif sebanyak 21 alternatif beserta 5 kriteria yang diantaranya yaitu jenis motor, suku cadang, jenis speedometer, jarak tempuh per liter dan harga. Semua data kemudian di konversikan menjadi bentuk matriks untuk proses mendapatkan hasil nilai akhir. Setelah dilakukan proses perhitungan, dapat diputuskan bahwa motor direkomendasikan pada beberapa data yang masuk dalam perhitungan dengan nilai akhir perangkingan adalah alternatif ke-19 (Xmax 250) dengan nilai 0,8917046. Data Alternatif ke-19 yaitu motor Yamaha Xmax 250 terpilih menjadi rekomendasi terbaik setelah dilakukan proses perhitungan secara keseluruhan.
IMPLEMENTASI METODE MABAC UNTUK EVALUASI KINERJA KARYAWAN PADA YOGYA GRAND KOTA CIREBON Virgiyanti; Susi Widyastuti; Dimas Pambudi Subagyo
INFOKOM Vol. 18 No. 1 (2025): JURNAL INFORMASI DAN KOMPUTER (INFOKOM)
Publisher : STIKOM POLTEK CIREBON

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

Abstract

Evaluasi kinerja karyawan adalah sebuah proses penilaian kinerja atau evaluasi yang diberikan oleh perusahaan untuk mengukur kualitas kinerja karyawan. Dalam proses evaluasi kinerja karyawan memiliki tenggang waktu selama enam bulan sekali dan jumlah karyawan yang bekerja berjumlah lebih dari 150 menyebabkan pihak manager memerlukan waktu yang cukup lama untuk melakukan penilaian terhadap karyawannya. Selain itu, tujuan dari melakukan evaluasi kinerja karyawan juga diharapkan dapat menilai kinerja karyawan secara adil dan efektif. Oleh karena itu penulis tertarik untuk merancang suatu sistem yang dapat mampu mengevaluasi kinerja karyawan menggunakan metode Multi -Attributve Border Approximation Area Comparison (MABAC). MABAC merupakan salah satu metode sistem pendukung keputusan yang bersifat multikriteria. Adapun kriteria yang digunakan dalam proses evaluasi kinerja karyawan adalah Kehadiran (C1), Tanggung Jawab (C2), Kerjasama dan Komunikasi (C3), Sikap (C4) dan Kepatuhan (C5). Berdasarkan hasil peneltian ini yang diperoleh dari perhitungan metode MABAC merupakan data berupa rangking dan Implementasi metode MABAC ini memberikan informasi kepada bagian Manager / Supervisor sebagai bahan pertimbangan dalam mengambil keputusan evaluasi kinerja karyawan dengan menghasilkan daftar karyawan yang akan dipromosikan dan dievaluasi.
PENERAPAN ALGORITMA VERNAM CIPHER DAN BASE64 UNTUK KEAMANAN DATA PERNIKAHAN PADA KUA KECAMATAN HARJAMUKTI Igen Meyasha; Susi Widyastuti; Rahmat Maulana
INFOKOM Vol. 18 No. 2 (2025): JURNAL INFORMASI DAN KOMPUTER (INFOKOM)
Publisher : STIKOM POLTEK CIREBON

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

Abstract

Keamanan dari suatu data merupakan hal yang perlu diperhatikan dalam menjaga kerahasiaaninformasi terutama yang berisi informasi yang hanya boleh diketahui isinya oleh pihak yang berhak saja.Penelitian ini dilakukan untuk memberikan keamanan data pernikahan pada KUA KecamatanHarjamukti. Data pernikahan dienkripsi terlebih dahulu menggunakan algoritma Vernam Cipher dengankey yang sudah disiapkan kemudian dilakukan proses encoding menggunakan algoritma Base64.Algoritma Base64 merupakan salah satu algoritma untuk encoding dan decoding. Tujuan dari encodingadalah untuk mengubah suatu data ke dalam format ASCII yang didasarkan pada bilangan dasar 64 ataubisa dikatakan sebagai salah satu metode yang digunakan untuk melakukan encoding (penyandian)terhadap data binary. Kombinasi kedua algoritma tersebut memberikan sistem keamanan berlapis padadata sehingga sulit untuk dibaca oleh pihak selain KUA Kecamatan Harjamukti meskipun data tersebutdiambil atau direkam, dan semua karakter dapat diproses tanpa mengalami kerusakan data sepertiperubahan, penambahan, atau pengurangan karakter.
Application of the C4.5 Decision Tree for Classifying Furniture Product Sales Performance at CV Indowest Design Furniture Susi Widyastuti; Asep Kosasih; Audry Viola Shihab
Journal of Mathematics Instruction, Social Research and Opinion Vol. 5 No. 3 (2026): September
Publisher : MASI Mandiri Edukasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58421/misro.v5i3.1953

Abstract

Many rattan furniture producers, including CV Indowest Design Furniture, still judge product performance manually, so production, restocking, and promotion decisions rest on informal estimates. This study applied the C4.5 decision tree algorithm to classify the company's products by sales performance and embedded the model in a web-based decision support system. Sales records from August to November 2025 (99 transactions, 1,875 units) were aggregated into 17 product-level records. Each product was labelled best seller, moderate, or low seller from its average units per transaction using management-defined thresholds, and purchase frequency and unit selling price, each discretized into three levels, served as predictors. The tree was grown with the gain ratio criterion and implemented in a Laravel 10 and MySQL application. Unit selling price was selected as the root node (gain ratio 0.5585), and the final tree contains five rules. On the 17 training records the tree reached an accuracy of 76.47%, with macro-averaged precision, recall, and F1-score of 77.14%, and all five high-priced products were correctly identified as low sellers. Under leave-one-out cross-validation, however, accuracy fell to 47.06%, only slightly above the 41.18% majority-class baseline, because the two predictors could not reliably separate best sellers from moderate products. The tree therefore offers an interpretable profile of current sales performance, particularly for flagging high-priced slow movers, but it is not yet a dependable predictive tool; longer transaction histories and richer attributes are needed before it is used for forecasting.