Claim Missing Document
Check
Articles

Found 9 Documents
Search

PREDIKSI PENJUALAN SEPEDA MOTOR TERLARIS DI ASTRA HONDA BREBES MENGGUNAKANALGORITMA NAIVE BAYES Luthfi Ardyansyah; Nur Ariesanto Ramdhan; Puji wahyuningsih
Elkom: Jurnal Elektronika dan Komputer Vol. 19 No. 1 (2026): Juli : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v19i1.3756

Abstract

Penelitian ini bertujuan untuk menerapkan metode Support Vector Machine (SVM) dalam memprediksi tingkat penjualan sepeda motor di Astra Honda Brebes menggunakan data historis penjualan periode 2020–2025. Dataset penelitian terdiri dari 200 data penjualan yang memiliki atribut model motor, tahun kendaraan, harga, jenis transmisi, jenis kendaraan, kapasitas mesin, dan status penjualan. Proses penelitian meliputi preprocessing data, pembagian data training dan testing, proses klasifikasi menggunakan kernel RBF, serta evaluasi model menggunakan confusion matrix, accuracy, precision, recall, F1-score, AUC, dan cross validation. Hasil penelitian menunjukkan bahwa metode SVM mampu melakukan klasifikasi tingkat penjualan kendaraan dengan performa yang baik. Nilai accuracy yang diperoleh sebesar 89.50%, precision 87.20%, recall 85.40%, F1-score 86.29%, AUC sebesar 0.91, serta cross validation accuracy sebesar 91.20%. Hasil tersebut menunjukkan bahwa metode SVM memiliki kemampuan yang baik dalam membedakan kategori kendaraan laris dan kurang laris. Penelitian ini diharapkan dapat membantu pihak dealer dalam menentukan strategi pemasaran, pengelolaan stok kendaraan, dan pengambilan keputusan secara lebih efektif, objektif, dan berbasis data.
Optimasi Mobilenetv2 Dengan Transfer Learning Untuk Klasifikasi Penyakit Daun Cabai Rizkon Jajila; Nur Ariesanto Ramdhan; Puji Wahyuningsih; Bambang Irawan
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 1 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i1.33812

Abstract

This research effort seeks to establish a robust classification model for chili leaf diseases through optimization of the MobileNetV2 architecture using transfer learning methodology. The presence of diseases in chili plants is often a major barrier to agricultural productivity, necessitating the development of a rapid and accurate early detection system. The dataset used for this investigation includes six different leaf condition categories, specifically: Bacterial Spot, Cercospora Leaf Spot, Leaf Curl Virus, Healthy Leaf, Nutrient Deficiency, and White Spot. The investigation process begins with an image pre-processing phase and the application of data augmentation techniques, which aim to increase the variability of the training data while simultaneously reducing the risk of overfitting. Next, the model is trained using pre-trained weights from ImageNet, which are adjusted to align with the inherent visual characteristics of chili leaves. Model evaluation is conducted rigorously based on accuracy, precision, recall, and F1-score metrics. The experimental results demonstrate outstanding performance, with the model achieving an accuracy rate of 99%, an average F1-score of 0.99, and a validation loss of 0.07. These figures demonstrate the model's highly competent generalization ability when applied to new data. Analysis facilitated by a confusion matrix found a very low error rate, with only 11 images (0.73%) misclassified out of a total of 1,500 test images. These results support the assertion that MobileNetV2 optimization is highly efficient and accurate in identifying chili leaf diseases. This model has significant potential for integration into mobile devices or digital image-based smart farming systems, thereby assisting farmers in making informed decisions in real time.
IMPLEMENTASI METODE AHP PADA SISTEM PENDUKUNG KEPUTUSAN GURU BERPRESTASI DI SMK Selvi Awaliyah; Nur Ariesanto Ramdhan; Puji Wahyuningsih
JUTECH : Journal Education and Technology Vol 6, No 2 (2025): JUTECH DESEMBER
Publisher : STKIP Persada Khatulistiwa Sintang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31932/jutech.v6i2.5201

Abstract

Penilaian guru berprestasi di lingkungan sekolah merupakan proses yang penting namun sering kali menghadapi tantangan subjektivitas dan ketidakteraturan dalam pengambilan keputusan. Penelitian ini bertujuan untuk merancang dan membangun sistem pendukung keputusan (SPK) berbasis metode Analytical Hierarchy Process (AHP) guna membantu proses pemilihan guru berprestasi secara objektif dan terstruktur di SMK Ma’arif NU 01 Ketanggungan. Teknik pengumpulan data pada penelitian ini dengan memberikan kuisioner kepada siswa agar penilaian lebih objektif.  Metode AHP digunakan untuk membobotkan kriteria penilaian yang meliputi kompetensi pedagogik, profesional, kepribadian, dan sosial. Sistem Pendukung Keputusan yang dihasilkan dalam penelitian ini dapat menampilkan peringkat guru yang sesuai dengan penilaian yang dilakukan dengan menggunakan metode Analytical Hierarchy Process (AHP). Dengan adanya sistem ini, proses pemilihan guru berprestasi menjadi lebih transparan, efisien, dan dapat dipertanggungjawabkan.
lPenerapan Metode TOPSIS Dalam Sistem Pendukung Keputusan Rekomendasi Program Studi Perguruan Tinggi Evita Setyaningrum; Agyztya Premana; Puji Wahyuningsih
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.6870

Abstract

Choosing a study program is an important decision for students before pursuing higher education. Limited information about study programs and a lack of self-understanding often make it difficult for students to select a suitable program. This study aims to provide study program recommendations based on students’ academic and non-academic abilities using the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) method. The criteria used in this study include grade point average, supporting subject scores, achievements, and student skills. The alternatives consisted of ten study programs at Universitas Muhadi Setiabudi. The TOPSIS method was applied through decision matrix construction, normalization, weighted normalization, determination of positive and negative ideal solutions, distance calculation, and preference value calculation. The results showed that the Indonesian Language and Literature Education Program (PBSI) obtained the highest preference value of 0.83, followed by the Elementary School Teacher Education Program (PGSD) with 0.70 and Agribusiness with 0.62. These findings indicate that the TOPSIS method is capable of providing objective and measurable study program recommendations based on predetermined criteria, thereby assisting students in selecting study programs that match their potential. Keyword : Decision Support System, TOPSIS, Study Program Recommendation, Higher Education, Decision Making.
Pemilihan Karyawan Terbaik Menggunakan Metode AHP dan TOPSIS Pada PT Bintang Indokarya Gemilang Ahmad Farhan; Mohammad Romdlon; Puji Wahyuningsih; bambang irawan
Journal of Exploratory Dynamic Problems Vol. 3 No. 1 (2026): Vol.3 No.1 2026
Publisher : Fakultas Keguruan dan Ilmu Pendidikan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/edp.v3i1.210

Abstract

Sumber daya manusia merupakan aset strategis yang sangat krusial bagi keberlangsungan operasional PT Bintang Indokarya Gemilang. Meskipun demikian, proses evaluasi dan pemilihan karyawan terbaik (Best Employee) di perusahaan ini masih dilakukan secara konvensional, lisan, dan subjektif, sehingga rentan terhadap bias penilaian. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Pendukung Keputusan (SPK) pemilihan karyawan terbaik menggunakan hibridasi metode Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Dalam penelitian ini, AHP digunakan untuk menentukan bobot prioritas kriteria penilaian berdasarkan persepsi manajemen, sedangkan TOPSIS diterapkan untuk melakukan perankingan alternatif karyawan. Indikator penilaian utama mencakup Perilaku di Lingkungan Kerja, Komunikasi, Inisiatif, dan Proaktif. Hasil penelitian menunjukkan bahwa kriteria Perilaku di Lingkungan Kerja memperoleh bobot tertinggi sebesar 0.4658, diikuti Proaktif (0.2771), Inisiatif (0.1611), dan Komunikasi (0.0960) dengan nilai Consistency Ratio (CR) sebesar 1.15% (konsisten). Kombinasi AHP dan TOPSIS terbukti berhasil memberikan rekomendasi pemeringkatan kandidat secara objektif, transparan, presisi, dan efisien untuk mendukung keputusan manajemen.
Sistem Pendukung Keputusan Seleksi Karyawan Tetap Menggunakan Metode Waspas di PT SMJ M Syifa Adi Kharisma; Puji Wahyuningsih; Bambang Irawan
Journal of Exploratory Dynamic Problems Vol. 3 No. 1 (2026): Vol.3 No.1 2026
Publisher : Fakultas Keguruan dan Ilmu Pendidikan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/edp.v3i1.216

Abstract

Proses seleksi karyawan tetap merupakan tahapan penting bagi perusahaan karena berkaitan langsung dengan kualitas sumber daya manusia yang akan bekerja dalam jangka panjang. Pada praktiknya, PT SMJmasih melakukan penilaian calon karyawan tetap secara manual berdasarkan pertimbangan subjektif tim HRD, sehingga proses tersebut rentan terhadap ketidakkonsistenan dan membutuhkan waktu yang relatif lama. Penelitian ini bertujuan merancang Sistem Pendukung Keputusan (SPK) seleksi karyawan tetap menggunakan metode Weighted Aggregated Sum Product Assessment (WASPAS), yaitu metode yang menggabungkan pendekatan Weighted Sum Model (WSM) dan Weighted Product Model (WPM) untuk menghasilkan nilai akhir (Qi) yang lebih akurat dibandingkan penggunaan salah satu metode saja. Kriteria yang digunakan dalam penelitian ini meliputi pendidikan, pengalaman kerja, nilai tes tertulis, nilai wawancara, dan tingkat ketidakhadiran, dengan data uji berupa lima calon karyawan pada PT Sumber Masanda Jaya. Hasil perhitungan menunjukkan bahwa metode WASPAS mampu menghasilkan perangkingan calon karyawan secara objektif dan konsisten, dengan calon karyawan bernama Siti Aminah memperoleh nilai Qi tertinggi sebesar 0,8292 sehingga direkomendasikan sebagai karyawan tetap terbaik. Sistem ini diharapkan dapat membantu pihak manajemen dalam mengambil keputusan seleksi karyawan secara lebih cepat, transparan, dan objektif
Sistem Pendukung Keputusan Seleksi Karyawan Tetap Pada Perusahaan Manufaktur Menggunakan Metode Waspas M Syifa Adi Kharisma; Puji Wahyuningsih; bambang irawan
Journal of Exploratory Dynamic Problems Vol. 3 No. 2 (2026): Vol.3 No.2 2026
Publisher : Fakultas Keguruan dan Ilmu Pendidikan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/edp.v3i2.218

Abstract

Pemilihan karyawan tetap adalah fase krusial bagi sebuah perusahaan guna memastikan mutu SDM secara jangka panjang. Di Perusahaan Manufaktur, evaluasi kandidat saat ini masih dijalankan secara manual dan bertumpu pada penilaian subjektif HRD. Hal ini memicu risiko inkonsistensi serta memakan banyak waktu. Oleh karena itu, riset ini dikembangkan untuk membangun sebuah Sistem Pendukung Keputusan (SPK) menggunakan metode Weighted Aggregated Sum Product Assessment (WASPAS). Metode ini mengintegrasikan Weighted Sum Model (WSM) dan Weighted Product Model (WPM) agar kalkulasi nilai akhir (Qi) menjadi lebih presisi dibandingkan penerapan metode tunggal. Pengujian dilakukan terhadap lima kandidat pada sebuah perusahaan manufaktur, dengan mempertimbangkan lima kriteria utama: latar belakang pendidikan, pengalaman kerja, hasil tes tertulis, skor wawancara, serta tingkat ketidakhadiran. Berdasarkan hasil analisis, metode WASPAS terbukti efektif menyajikan pemeringkatan yang konsisten dan objektif. Siti Aminah tercatat sebagai kandidat dengan perolehan nilai Qi tertinggi yakni 0,8292, sehingga direkomendasikan sebagai karyawan tetap terpilih. Kehadiran sistem ini diproyeksikan mampu memfasilitasi manajemen dalam mengeksekusi keputusan seleksi yang lebih cepat, transparan, dan terukur.
Implementasi Algoritma KNN Untuk Klasifikasi Jurusan Siswa Kelas XI di SMA Al Irsyad Tegal Mohamad Arjun Rizqian; Bambang Irawan; Puji Wahyuningsih
Journal of Citizen Research and Development Vol. 1 No. 2 (2024): November 2024
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jcrd.v1i2.3309

Abstract

Penjurusan merupakan suatu proses yang dilakukan sekolah untuk memetakan minat dan bakat siswa agar sesuai dengan kemampuan yang dimiliki. Berdasarkan hasil pengamatan yang dilakukan di SMA Al Irsyad Tegal, proses penjurusan siswa memiliki kendala seperti proses yang dilakukan masih menggunakan manual yaitu dengan memetakan siswa satu persatu berdasarkan kriteria yang dibuat oleh sekolah dan masih terdapat hasil pemetaan yang tidak sesuai dengan minat dan bakat siswa. Data Mining memiliki suatu teknik untuk klasifikasi suatu data untuk mempermudah dalam hal penjurusan siswa. Oleh karena itu, dilakukanlah proses penjurusan siswa dengan teknik klasifikasi menggunakan K-Nearest Neighbor dengan menggunakan aplikasi RapidMiner. Hasil penelitian yang didapatkan adalah pengujian split rasio tertinggi dengan pembagian 80% data training dan 20% data testing diperoleh pada K=9 dengan akurasi sebanyak 77,78%, class recall IPA 91,67%, class recall IPS 50%, precision IPA 78,57% dan precision IPS 75%. Dengan hasil tersebut artinya klasifikasi jurusan dapat menggunakan metode K-Nearest Neighbor karena menghasilkan nilai akurasi yang baik.
Analisis Sentimen Pelanggan Untuk Produk Bawang Goreng Simbok Brebes Dengan Metode Naïve Bayes Adetya Yudha Prasetya; Nur Ariesanto Ramdhan; Puji Wahyuningsih
Journal of Citizen Research and Development Vol. 1 No. 2 (2024): November 2024
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jcrd.v1i2.3378

Abstract

Bawang goreng merupakan salah satu makanan khas Indonesia. Bawang goreng ini merupakan bawang merah yang digoreng hingga berwarna keemasan dan memiliki tekstur yang renyah. Di Kabupaten Brebes sendiri salah satu UMKM yang menjalankan usaha olahan bawang merah yaitu Bawang Goreng Simbok, terletak di Desa Larangan, Kabupaten Brebes. Usaha ini telah ada sejak 2017. Produk mereka cukup diminati oleh banyak orang dengan kepuasan pelanggan merupakan hal yang penting menjadi tujuan perusahaan. Produk-produk mereka memiliki reputasi yang cukup baik sejak melakukan penjualan secara online menjadi salah satu toko favorit dengan pelanggan yang cukup banyak yaitu Bawang Goreng Simbok dengan jumlah pengikut 2.5 ribu pengikut serta memiiki rating penjualan 4.9 dari 5. Mengetahui hasil penerapan data mining dengan metode dan kinerja model pengklasifikasian sentimen terhadap ulasan produk Bawang Goreng Simbok dengan menggunakan metode Naïve Bayes Classifier (NBC) dan juga Mengetahui penerapan sistem data mining untuk memprediksi analisis sentimen menggunakan aplikasi Rapid Miner pengujian split data dengan membagi 20% data testing dan 80 data traning. Pengujian dilakukan sebanyak 9 kali dengan menghasilkan nilai akurasi tertinggi pada akurasi 93,10%, recall 93,10%, preccision 100% dan f1 score 96,42% dan nilai terendah 90 data traning dan 10 data testing menghasilkan nilai akurasi 45,45%, recall 100%, preccision 40% dan f1 score 57,14%