Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Clean Energy and Smart Technology TECHNOMEDIA : Informatics and Computer Science
Dimas Prasetyo Utomo
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
STUDI KOMPARASI ALGORITMA NAÏVE BAYES DAN K-NN UNTUK KLASIFIKASI PENERIMAAN BEASISWA DI MI AL – ISLAMIYAH KARANGSAWAH Muslim Hidayat; Afif Nazmi Fuadi; Dimas Prasetyo Utomo; Erna Dwi Astuti; Dian Asmarajati
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 2 No. 4 (2023): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v2i4.2865

Abstract

Pemberian beasiswa dilakukan agar para siswa dapat tetap melanjutkan sekolah, dalam menyeleksi siswa parameter yang digunakan terdiri dari jarak, tanggungan, pekerjaan orag tua, pendapatan orang tua, kelengkapan keluarga dan kelayakan. Dikarenakan belum ada metode untuk menentukan penerima beasiswa maka sering salah sasaran dalam memberikan beasiswa. Oleh karena itu diperlukan klasifikasi penerima beasiswa yang tepat dan akurat. Salah satunya data mining dengan metode deskriptif analitis. Bisa dikatakan penelitian deskriptif analitis mengambil masalah atau memperhatikan masalah- masalah yang ada saat penelitian kemudian diolah untuk mendapatkan sebuah kesimpulan.Berdasarkan hasil analisis dan pembahasan studi komparasi algoritma naïve bayes dan K-NN untuk klasifikasi penerimaan beasiswa di MI AL-Islamiyah, dari 186 data siswa yang terdiri dari 150 data training dan 36 data testing diperoleh Hasil klasifikasi dengan Naïve Bayes dan K-Nearest Neighbor diperoleh masing-masing 91,67% dan 75,00%. Berdasarkan nilai akurasi yan diperoleh dari dua algoritma tersebut, maka akurasinya termasuk excellent classification., dan algoritma Naïve Bayes lebih baik dalam klasifikasi penerimaan beasiswa dibandingkan algoritma K-Nearest Neighbor.
PRODUCT SALES PREDICTION SYSTEM AT REX COMPUTER STORE USING WEBSITE-BASED SINGLE EXPONENTIAL SMOOTHING METHOD Rizqi Kafa Muntaqa; Sibyan, Hidayatus; Dimas Prasetyo Utomo
Clean Energy and Smart Technology Vol. 3 No. 2 (2025): April
Publisher : Nacreva Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/cest.v3i2.136

Abstract

Estimating or predicting the amount of sales is one of the factors that determines whether a company's business is running well or not. The problem faced by Rex Computer is that it cannot predict product sales in the future with current sales data, so customers may run out of stock when they want to buy the items they want. This study aims to create a system that is able to predict sales and determine the level of accuracy of the system. This study will implement the single exponential smoothing method, which is one of the prediction algorithms. The method used is an interview with Rex Computer employees regarding product sales and sales data is obtained. As well as conducting a literature study to find data from various literatures about predictions using the single exponential smoothing method. This study produces a website-based prediction system that can predict with results for product sales in the USB Wifi category with an alpha value of 0.1, namely the prediction results of 6-7 products, MAD = 2.11, MSE = 8.16, RMSE = 2.85560831906761, MAPE = 18.52, and accuracy = 81%,
SISTEM PERAMALAN PENJUALAN FROZEN FOOD DENGAN METODE FUZZY TIME SERIES CHENG Simping Puji Lestari; Adi Suwondo; Muslim Hidayat; Dimas Prasetyo Utomo; Rina Mahmudati; Iman Ahmad Ihsanuddin
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 2 (2025): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i2.149

Abstract

Penjualan yang fluktuatif dari waktu ke waktu menimbulkan kesulitan dalam perencanaan produksi dan pengambilan keputusan bisnis, terutama dalam menentukan jumlah stok yang optimal. Permasalahan ini menimbulkan kebutuhan akan sistem yang mampu meramalkan penjualan secara akurat. Penelitian ini bertujuan untuk mengembangkan sistem peramalan penjualan berbasis web dengan menerapkan metode Fuzzy Time Series Cheng guna membantu pelaku usaha memahami pola penjualan dan memprediksi jumlah penjualan di masa mendatang. Metode Fuzzy Time Series Cheng digunakan melalui tahapan pembentukan interval, fuzzifikasi, pembentukan relasi fuzzy, dan defuzzifikasi. Dataset yang digunakan terdiri dari data penjualan selama 26 bulan. Akurasi hasil peramalan diukur menggunakan indikator Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan bahwa sistem menghasilkan tingkat kesalahan prediksi yang rendah, sehingga layak digunakan sebagai alat bantu dalam pengambilan keputusan bisnis. Sistem dikembangkan menggunakan bahasa pemrograman PHP dan database MySQL, serta dilengkapi fitur pengelolaan data dan laporan berbasis web untuk memudahkan pengguna dalam mengakses hasil peramalan secara praktis.
DATA MINING UNTUK PREDIKSI KELAYAKAAN PENERIMAAN BEASISWA SDN 2 MLIPAK WONOSOBO MENGGUNAKAN METODE NAIVE BAYES Tegar Alam Pribadi; Adi Suwondo; Dimas Prasetyo Utomo
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 1 (2025): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i1.125

Abstract

Pendidikan adalah kunci dalam mengembangkan karakter dan kecerdasan generasi muda di Indonesia, dengan salah satu upayanya adalah melalui beasiswa. SDN 2 Mlipak Wonosobo menerapkan program ini untuk mendukung kesetaraan pendidikan. Data Mining, yang digunakan untuk mengekstrak informasi dari data besar, menjadi penting dalam hal ini. Metode Naïve Bayes terbukti efektif dalam memprediksi kelayakan beasiswa, mengutamakan kecepatan dan akurasi. Pembaruan model Naïve Bayes dengan data terkini dan pelatihan staf sekolah merupakan langkah penting untuk memaksimalkan penggunaan teknologi ini.
Co-Authors Adi Suwondo Afif Nazmi Fuadi dian asmarajati Erna Dwi Astuti Iman Ahmad Ihsanuddin Muslim Hidayat Rina Mahmudati Rizqi Kafa Muntaqa Sibyan, Hidayatus Simping Puji Lestari Suwondo, Adi Tegar Alam Pribadi