Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Decode: Jurnal Pendidikan Teknologi Informasi
Imam Riadi
Sistem Informasi Universitas Ahmad Dahlan
Computer Science & IT Control & Systems Engineering Education Languange, Linguistic, Communication & Media Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Data Mining Sistem Inventory Menggunakan Algoritma Apriori: Analysis Data Mining of Inventory System Using Apriori Algorithm Fitriah; Imam Riadi; Herman
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i1.132

Abstract

Dalam manajemen rantai persedian barang (supply chain management) diperlukan kebijakan persediaan barang yang maksimal agar ketersedian barang tetap tersedia dan tidak terlambat dalam restock barang. Hal ini dibutuhkan manajemen persedian barang untuk menentukan cara yang tepat dan mempermudah dalam pengendalian persedian barang tersebut. Salah satu cara yang dilakukan adalah dengan menerapkan teknik yang terdapat pada cabang ilmu Data Mining yaitu teknik aturan asosiasi (Association Rule). Tujuan penelitian ini adalah menganalisis informasi transaksi penjualan barang untuk menghasilkan association rules dari pola kombinasi itemsets yang sesuai agar membantu pemilik dalam melakukan peletakan dan persedian barang. Langkah terpenting aturan asosiasi adalah mengetahui seberapa sering kombinasi item yang disebut frequent pattern, muncul dalam database. Objek penelitian ini adalah data transaksi penjualan barang pakaian. Berdasarkan hasil pengujian menggunakan Ms. Excel dan RapidMiner diperoleh hasil dari association rules dengan minimum support 0,2% dan confidence sesuai dengan kriteria pengujian yang telah ditentukan bahwa hasil yang memenuhi nilai support minimum dan confidence 0,8% ditemukan 7 aturan asosiasi. Dari pengurutan nilai support tertinggi yaitu STX dan LK dengan nilai support 10% dengan nilai confidence 88% dan nilai Association rules Final 8,8%. Hal ini menunjukkan bahwa produk STX dan LK merupakan produk yang paling sering dibeli secara bersamaan.
Prediksi Kelulusan Tepat Waktu Berdasarkan Riwayat Akademik Menggunakan Metode Naïve Bayes Imam Riadi; Rusydi Umar; Rio Anggara
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 1: MARET 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i1.308

Abstract

Kelulusan tepat waktu mahasiswa memiliki dampak besar dalam dunia pendidikan. Namun, tidak semua mahasiswa, mampu mencapai prestasi tersebut. Oleh karena itu, diperlukan penelitian yang mendalam dalam menganalisis data kelulusan sebagai upaya mendukung mahasiswa agar berhasil menyelesaikan studi mereka tepat waktu. Penelitian data kelulusan bisa dilakukan menggunakan tehnik klasifikasi data mining. Klasifikasi merupakan salah satu pengolahan dalam data mining dilakukan dengan cara mengelompokkan dengan metode tertentu. Penelitian ini membangun aplikasi dengan implementasi metode naive bayes dengan mempertimbangkan parameter menghasilkan klasifikasi mahasiswa lulus tidak tepat waktu dan lulus tepat waktu. Tahapan pada penelitian seperti load data, cleaning data, selection data, transformation data, data training, data testing, dan hasil prediksi. Tahapan pengujian akurasi penelitian menggunakan metode confusion matrix mendapat akurasi 72% dengan total penerapan data sejumlah 291 dengan detail 273 data training dan 18 data testing. Hasil akurasi menunjukkan bahwa sistem prediksi kelulusan dapat digunakan FTI UAD sebagai salah satu acuan dan pertimbangan fakultas mengambil langkah-langkah kelulusan mahasiswa.
Co-Authors Fitriah Herman Rio Anggara Rusydi Umar