Article Per Year (5 Year)
p-Index From 2021 - 2026
1.204
P-Index
This Author published in this journals
All Journal INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Jurnal Sisfokom (Sistem Informasi dan Komputer) JUSIM (Jurnal Sistem Informasi Musirawas) Jurnal Mnemonic JUSTIN (Jurnal Sistem dan Teknologi Informasi) Informatics, Electrical and Electronics Engineering Journal of Business Management and Economic Development
Slamet Riyadi, Slamet Riyadi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Mnemonic

 1 
PENERAPAN ALGORITMA APRIORI UNTUK PREDIKSI PENJUALAN PT. DELIMA PANDU BERJAYA Prasista, Nurcahyani; Kacung, Slamet; Ananggadipa Swastyastu, Cempaka; Vega Vitianingsih, Anik
Jurnal Mnemonic Vol 7 No 1 (2024): Mnemonic Vol. 7 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i1.9428

Abstract

Dalam era saat ini, penjualan produk dibidang kesehatan telah mengalami perkembangan yang cukup pesat. Pada awal pandemi COVID 2019 hingga saat ini mengalami peningkatan minat masyarakat akan penggunaan produk kesehatan. Perfect Health memiliki banyak jenis produk alat kesehatan dan salah satu produk unggulannya yaitu kursi pijat elektrik. Namun permasalahan yang dihadapi perusahaan adalah, banyaknya jenis produk kursi pijat elektrik sehingga sering terjadi penumpukan satu jenis produk dan sulit menentukan produk mana yang diminati konsumen. Berdasarkan hal tersebut, perusahaan dapat melakukan penerapan data mining menggunakan algoritma apriori yang memiliki tujuan yaitu untuk mengetahui pola asosiasi antar produk serta produk yang sering dibeli oleh konsumen, sehingga informasi tersebut berguna bagi perusahaan dan dapat dimanfaatkan sebagai prediksi stok penjualan. Hasil penerapan data mining menggunakan algoritma apriori dengan minimal support 7% dan minimal confidence 34% terdapat 2 pola asosiasi final yang terbentuk yaitu, apabila konsumen membeli perfect fit 5 maka produk selanjutnya yang akan dibeli adalah zensure 2 dengan support 8.46%, confidence 36.67%, uji lift 1.32 dan apabila konsumen melakukan pembelian perfect relaxer maka produk selanjutnya yang akan dibeli adalah BFS dengan support 7.69 confidence 35.71 dan uji lift 1.50.
ANALISIS SENTIMEN TERHADAP LAYANAN SAMSAT DIGITAL NASIONAL (SIGNAL) MENGGUNAKAN METODE SVM Kacung, Slamet; Pamungkas Putra Bagyana, Caesare; Cahyono, Dwi
Jurnal Mnemonic Vol 7 No 1 (2024): Mnemonic Vol. 7 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i1.9557

Abstract

Peningkatan signifikan dalam penggunaan pelayanan publik secara digital telah terjadi dalam kurun waktu tiga tahun terakhir. Perubahan ini dipicu oleh dampak wabah Covid-19 di Indonesia, yang mendorong sektor bisnis dan pelayanan untuk berinovasi guna terus memenuhi kebutuhan masyarakat. Dalam hal ini, Korps Lalu Lintas POLRI telah meluncurkan aplikasi bernama Samsat Digital Nasional (SIGNAL) untuk memudahkan pembayaran pajak kendaraan bermotor, menunjukkan komitmen dalam memperbaiki pelayanan publik melalui platform digital. Namun, dalam prakteknya, beberapa pengguna sering mengalami kendala seperti notifikasi kesalahan ketika melakukan pendaftaran seperti verifikasi wajah, kode otp dan verifikasi KTP, kemudian bug dalam penggunaan aplikasi seperti perizinan aplikasi dalam mengakses kamera pada beberapa versi android, bahkan kegagalan transaksi pembayaran saat menggunakan aplikasi SIGNAL. Menghadapi tantangan ini, sentiment analysis digunakan untuk mengevaluasi persepsi masyarakat Selain itu, hasil prediksi dari tiga kernel yang terdapat dalam metode klasifikasi Support Vector Machine (SVM) dan kernel Linier mencapai 96.2%, RBF mencapai 94.12%, polynomial mencapai 85.5%. Namun hasil evaluasi menggunakan KFold linier mencapai 97.65%, KFold RBF mencapai 97.86%, dan KFold polynomial sebesar 69.36%.
Co-Authors Ananggadipa Swastyastu, Cempaka Anastasia Lidya Maukar Anik Vega Vitianingsih Denpharanto Agung Krisprimandoyo DWI CAHYONO Firmansyah, Deden Hermansyah, David Judijanto, Loso Khusnaini, Geovandi Gamma Ma'rifani Fitri Arisa Maukar, Anastasya Lidya Maulidiana, Putri Dwi Rahayu Mitra Musika Lubis Pamungkas Putra Bagyana, Caesare Pramudita, Krisna Eka Prasista, Nurcahyani Puspitarini, Erri Wahyu Sufianto, Dani Vega Vitianingsih, Anik Wati , Seftin Fitri Ana Wati, Seftin Fitri Ana Yonny Koentjoro Zangana, Hewa Majeed