Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Ekonomi dan Bisnis
Ramatika, Desy
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance

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

Found 2 Documents
Search

 1 
Pengujian Algoritma C4.5 Untuk Mengevaluasi Kinerja Pegawai Pada Klinik Lulu Nasution, Darmeli; Marsya, Alviona; Ramatika, Desy; Siburian, Ramli S; Barutu, Sipra
Surplus: Jurnal Ekonomi dan Bisnis Vol. 2 No. 2 (2024): Januari-Juni 2024
Publisher : Yayasan Pendidikan Tanggui Baimbaian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.71456/sur.v2i2.879

Abstract

Penelitian ini membahas pengujian algoritma C4.5 untuk mengevaluasi kinerja pegawai di Klinik Lulu. Evaluasi kinerja pegawai merupakan aspek penting dalam manajemen sumber daya manusia untuk meningkatkan produktivitas dan efisiensi operasional. Algoritma C4.5 digunakan untuk membangun pohon keputusan dari data kinerja pegawai, memungkinkan identifikasi pola dan hubungan antara faktor-faktor yang memengaruhi kinerja. Dengan pendekatan berbasis data mining, diharapkan penilaian kinerja pegawai menjadi lebih akurat dan objektif. Hasil penelitian menunjukkan bahwa algoritma C4.5 dapat membantu manajemen Klinik Lulu dalam meningkatkan efektivitas evaluasi kinerja pegawai.
MODEL PREDIKTIF DAN ANALISIS TREN PENYEWAAN KONTAINER DENGAN MACHINE LEARNING DALAM MENGOPTIMALKAN OPERASIONAL PERUSAHAAN Ramatika, Desy; Marlina, Leni; Siahaan, Andysah Putera Utama
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5877

Abstract

Penelitian ini bertujuan mengembangkan model prediktif berbasis K-Nearest Neighbor (KNN) untuk memprediksi tren penyewaan kontainer pada tahun 2023 serta menganalisis faktor-faktor yang memengaruhinya. Data yang digunakan mencakup transaksi penyewaan dari kuartal I hingga IV tahun 2023. Evaluasi akurasi model dilakukan menggunakan metrik MAE, MSE, RMSE, dan R². Hasil prediksi total transaksi menunjukkan performa baik dengan MAE 15.247.442,46, RMSE 47.566.997,44, dan R² sebesar 0,9663. Namun, pada prediksi bulanan dan harian, akurasi menurun signifikan (R² masing-masing -0,2190 dan -1,9959), menandakan kelemahan dalam memprediksi data berskala lebih kecil. Analisis tren menunjukkan fluktuasi musiman: kuartal I mengalami peningkatan stabil, kuartal II mengalami penurunan jumlah sewa meskipun durasi meningkat, kuartal III mengalami penurunan signifikan, dan kuartal IV menunjukkan pemulihan, terutama pada bulan Desember. Berdasarkan temuan ini, disarankan agar perusahaan menambah armada menjelang kuartal IV dan memberikan promo di kuartal III. Hasil riset ini menyediakan model prediktif berbasis data yang dapat digunakan sebagai dasar pengambilan keputusan strategis untuk optimalisasi operasional perusahaan penyewaan kontainer.
Co-Authors Andysah Putera Utama Siahaan Barutu, Sipra Leni Marlina Marsya, Alviona Nasution, Darmeli Siburian, Ramli S