Article Per Year (5 Year)
p-Index From 2021 - 2026
1.513
P-Index
This Author published in this journals
All Journal Journal of Mathematics Instruction, Social Research and Opinion Journal of General Education and Humanities Journal of Computation Science And Artificial Intelligence INFOKOM
Muhammad Erwanto
Sekolah Tinggi Ilmu Komputer Poltek Cirebon
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Languange, Linguistic, Communication & Media Library & Information Science Mathematics Neuroscience Social Sciences Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : INFOKOM

 1 
Metode K-Nearest Neighbors Untuk Prediksi Penjualan Suku Cadang (Sparepart) Motor Honda Muhammad Erwanto; Muhammad Rafi Aziat
INFOKOM Vol. 17 No. 2 (2024): JURNAL INFOKOM
Publisher : STIKOM POLTEK CIREBON

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

Abstract

Persediaan barang dalam penjualan menjadi penentu dalam mendapatkan keuntungan secara maksimal pada suatu perusahaan. Namun keuntungan perusahaan dapat termakan oleh pembelian produk yang tidak profit sehingga keuntungan menjadi tidak maksimal. Dengan memprediksikan suatu produk tersebut apakah laris atau tidak laris akan meminimalkan kesalahan dalam pembelian produk untuk stok. Dengan metode K-Nearest Neighbors merupakan suatu metode yang menggunakan algoritma supervised dimana hasil dari query instance yang baru diprediksikan berdasarkan mayoritas dari label class pada K-Nearest Neighbors. Algoritma K-Nearest Neighbors merupakan sebuah metode untuk melakukan prediksi terhadap obyek baru berdasarkan k tetangga terdekatnya. Sehingga dengan aplikasi data mining metode K-Nearest Neighbors memudahkan perusahaan dalam melakukan prediksi penjualan suatu produk apakah termasuk kategori laris atau tidak laris dan dapat memaksimalkan nilai omzet penjualan sparepart. Selain itu banyaknya data penjualan yang diinputkan akan mempengaruhi ketepatan dalam menentukan hasil prediksi. Sehingga diperlukanya data penjualan yang lebih banyak untuk meningkatkan keakuratan penentuan prediksi laris dan tidak laris pada penjualan suku cadang (sparepart) motor. Dilihat dari banyaknya permintaan konsumen yang tidak menentu ternyata terdapat beberapa produk terlaris dan tidak terlaris, sehingga berdasarkan data 8 bulan terakhir maka dibutuhkan sebuah prediksi penjualan produk terlaris, agar mempermudah pihak usaha penjualan sparepart motor dalam perencanaan penyedia stok. Berdasarkan hasil pengujian nilai K dari 1, 3, 5, dan 7 menghasilkan nilai k=3 sebagai nilai tengah k yang mempunyai akurasi tertinggi selama proses pengujian. Hal ini dibuktikan dari nilai error yang kecil sebesar 0,465 % dan nilai error tertinggi adalah sebesar 1,414 %. Rata-rata nilai K yang menghasilkan error terkecil adalah nilai k=3. Hasil pengujian lainya juga menunjukkan bahwa Tingkat akurasi proses prediksi menggunakan metode K-Nearest Neighbors dipengaruhi oleh jumlah data latih yang menjadi masukan sistem.
PERBANDINGAN METODE MAUT DAN SMART UNTUK MENENTUKAN CALON PENERIMA BANTUAN RUMAH TIDAK LAYAK HUNI PADA DESA KADIPATEN Erwanto, Muhammad; Virgiyanti; Muthiah, Siti
INFOKOM Vol. 18 No. 2 (2025): JURNAL ILMIAH INFOKOM STIKOM POLTEK CIREBON
Publisher : STIKOM POLTEK CIREBON

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

Abstract

Bantuan Rumah Tidak Layak Huni (RTLH) merupakan program pemerintah yang memberikan bantuandana untuk perbaikan rumah tidak layak huni. Desa Kadipaten adalah salah satu desa penerima bantuankelangsungan hidup kepada masyarakat yang berpenghasilan rendah, berupa perbaikan rumah yangkondisinya tidak layak untuk ditempati. Masalah yang terjadi pada instansi dalam menentukan calonpenerima bantuan rumah tidak layak huni adalah proses penentuan calon penerima bantuan masih bersifatsubjektif, artinya yang tidak berhak justru menerima bantuan tersebut. Berdasarkan permasalahantersebut, penulis membuat sistem pendukung keputusan yang dimana membandingkan metode MAUTdan SMART untuk mengatasi permasalahan tersebut. Untuk kriteria yang digunakan pekerjaan,penghasilan, jumlah tanggungan keluarga, material atap, material dinding, material lantai, mck dan statusrumah. Berdasarkan hasil perhitungan metode MSE, diperoleh hasil perhitungan perbandingan antarametode MAUT yaitu 444.3286 sedangkan SMART 443.9798. Dapat disimpulkan bahwa metode dengannilai akhir dari metode MSE yang lebih kecil yaitu metode SMART adalah metode terbaik dan dapatdirekomendasikan untuk menentukan calon penerima bantuan rumah tidak layak huni pada DesaKadipaten. Bedasarkan hasil penelitian dengan menggunakan dua metode yang berbeda menyatakanbahwa Sukarman dengan skor 0.900, Lilis Lismayanti dengan skor 0.888, Ahmad Subagjo dengan skor0.883, Ipah Saripah dengan skor 0.854 dan Riyanto dengan skor 0.846 ini direkomendasikan sebagaicalon penerima bantuan rumah tidak layak huni.
Co-Authors Ariandi, Wahyu Fajriatus Sholihah Fikran Dzulfikar Jogo, Sukmo Banyu Kosim Meyasha, Igen Mohamad Alif Wahidin Muhammad Rafi Aziat Pusriyanto, Wilda Adela Riyanto, Nur Bambang Sandi Fajar Rodiansyah Siti Ariani Rini Siti Muthiah SUGENG WAHYUDI Susi Widyastuti Virgiyanti Widyastuti, Susi Yudha Pradita Putra