Dany, Rahmad
Unknown Affiliation

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

Found 2 Documents
Search

Transformasi Sistem Electronic Assessment Management Menggunakan Metode RAD Pada Direktorat Peningkatan Mutu Tenaga Kesehatan Dany, Rahmad; Sriyadi, Sriyadi; Ginabila, Ginabila
Jurnal INSAN Journal of Information System Management Innovation Vol. 4 No. 1 (2024): Juni 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jinsan.v4i1.3613

Abstract

Training Needs Assessment merupakan suatu proses yang dilakukan dalam penilaian kebutuhan pelatihan pada Direktorat Peningkatan Mutu Tenaga Kesehatan. Proses ini terkait dengan pengembangan sumber daya manusia yang ada di lingkungan Kementerian Kesehatan RI. Pada proses pengumpulan data dan penilaian TNA, ditmutunakes sering kali menghadapi sejumlah tantangan, seperti proses yang masih manual, ketidaksesuaian peserta, kurangnya data yang akurat, sulitnya mengidentifikasi prioritas kebutuhan pelatihan, serta kurangnya pemahaman admin dalam pengolahan data. Untuk itu, perancangan aplikasi ESEMA berbasis web menjadi solusi yang diusulkan. Aplikasi ini ditujukan guna memfasilitasi proses TNA tenaga kesehatan dengan lebih efektif dan efisien, sehingga dapat mengidentifikasi kebutuhan pelatihan yang diharapkan. Dalam prosesnya, Rapid Application Development menjadi metode pengembangan sistem yang digunakan dan dikombinasikan dengan bahasa pemrograman PHP. Dari transformasi sistem yang dilakukan, hasil yang diperoleh menyatakan bahwa aplikasi ESEMA sangat efektif dan mampu mengidentifikasi kebutuhan pelatihan, sehingga gap atau kesenjangan yang ada dapat dianalisa dengan baik.
Analisis Data Mining untuk Prediksi Harga Saham: Perbandingan Metode Regresi Linier dan Pola Historis Riyandi, Albert; Aripin, Aripin; Ardiansyah, Ivan Nur; Dany, Rahmad; Yusrizal, Yusrizal
Jurnal Teknologi Sistem Informasi Vol 4 No 2 (2023): Jurnal Teknologi Sistem Informasi
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v4i2.5158

Abstract

Abstrak Data mining menjadi salah satu teknik yang cukup menjanjikan dalam proses pembacaan dan pengumpulan data. Data menjadi asset penting yang dapat digunakan untuk mencari pola, guna memproyeksikan strategi dalam membangun proses pengembangan bisnis. Seperti halnya proyeksi investasi saham menjadi penting dalam pemilihan investasi yang tepat. Dalam prosesnya, investasi saham harus memiliki aspek kemampuan untuk memprediksi pergerakan harga saham. Namun, kemampuan tersebut di batasi dengan adanya ketidaktahuan masyarakat dalam mengelola investasi tersebut. Salah satu investasi saham yang menarik terutama di masa pandemi salah satunya adalah saham mikrosoft. Dengan membandingkan hasil metode regresi linier dan pola historis prediksi yang dihasilkan bisa jauh lebih akurat. Dari dataset analisis harga saham mikrosoft yang diambil sejak tahun 2018-2023 terdapat kesimpulan harga saham terendah mikrosoft bulan november 2022 sebesar 217,826, saham tertinggi bulan mei 2023 sebesar 309,948 dan rata-rata harga sebesar 260,787. Dari perhitungan tersebut didapatkan prediksi saham Microsoft tanggal 15 mei 2023 menggunakan regresi linier sebesar 306,976 dan pola historis sebesar 260,136 sehingga terdapat gap 46,84. Dilihat dari sisi data yang dihasilkan data gap perhitungan manual dengan regresi linier jauh lebih kecil dibandingkan pola historis sebesar 0,054 dan dari gap perhitungan manual dengan pola historis adalah 46,786. Kata kunci: Data Mining, Prediksi Saham, Regresi Linear, Pola Historis Abstract Data mining is one of the promising techniques in the process of reading and collecting data. Data is an important asset that can be used to find patterns, to project strategies in building business development processes. As with stock investment projections, it becomes important in choosing the right investment. In the process, stock investment must have aspects of the ability to predict stock price movements. However, this ability is limited by the ignorance of the public in managing these investments. One of the interesting stock investments, especially during a pandemic, is microsoft stocks. By comparing the results of linear regression methods and historical patterns, the resulting predictions can be much more accurate. From the microsoft stock price analysis dataset taken from 2018-2023, there are conclusions that microsoft's lowest stock price in November 2022 was 217,826, the highest stock in May 2023 was 309,948 and the average price was 260,787. From this calculation, it is obtained that Microsoft's stock prediction for May 15, 2023 uses a linear regression of 306.976 and a historical pattern of 260.136 so that there is a gap of 46.84. In terms of the data generated, the manual calculation gap with linear regression is much smaller than the historical pattern of 0.054 and from the manual calculation gap with the historical pattern is 46.786. Keywords: Data Mining, Stock Predictions, Linear Regression, Historical Patterns