Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Mahdyta Kiswana, Eva
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
IMPLEMENTASI CLUSTERING UNTUK PENGELOMPOKAN TOTAL KONSUMSI KOPI DOMESTIK BERDASARKAN NEGARA MENGGUNAKAN ALGORITMA K-MEANS Shahira Julyinda, Syamsa; Mahdyta Kiswana, Eva
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11232

Abstract

Penelitian ini berfokus pada implementasi algoritma K-Means untuk mengelompokkan negara berdasarkan total konsumsi kopi domestik. Data yang digunakan dalam penelitian ini diambil dari 25 negara yang tersedia di situs Kaggle.com. Latar belakang penelitian ini adalah untuk memahami pola konsumsi kopi di berbagai negara dengan tujuan merumuskan strategi pemasaran dan distribusi kopi yang lebih efektif, khususnya untuk pasar Indonesia. Penelitian ini melakukan pengujian menggunakan metode Elbow untuk menentukan jumlah cluster optimal dan evaluasi dengan Silhouette Score untuk menilai kualitas clustering. Hasil pengelompokan menunjukkan terbentuknya dua cluster utama, satu cluster terdiri dari 24 negara dengan konsumsi kopi rendah hingga sedang, sementara Brazil dengan konsumsi kopi yang sangat tinggi membentuk cluster tersendiri. Silhouette Score rata-rata sebesar 0.91 menunjukkan bahwa kualitas clustering yang dihasilkan sangat baik, yang dapat dijadikan dasar dalam pengambilan keputusan terkait strategi pemasaran dan distribusi kopi.
KOMPARASI METODE PREDIKSI RESTOCK DENGAN PENDEKATAN K-NEAREST NEIGHBOR (K-NN) DAN SUPPORT VECTOR MACHINE (SVM) Mahdyta Kiswana, Eva; Sukmadinigtyas, Sukmadinigtyas
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13125

Abstract

Manajemen persediaan merupakan elemen penting dalam operasional supermarket untuk mencegah kelebihan atau kekurangan stok yang dapat menyebabkan kerugian finansial. Kesalahan dalam memprediksi dapat menyebabkan: kelebihan persediaan yang menyebabkan biaya penyimpanan yang tinggi dan potensi penurunan nilai barang, serta kekurangan persediaan yang dapat mengakibatkan hilangnya penjualan dan menurunnya kepuasan pelanggan. Penelitian ini bertujuan untuk membandingkan dua metode prediksi restock, yaitu K-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM), dalam meningkatkan akurasi prediksi kebutuhan stok pada supermarket. Data penjualan digunakan sebagai basis untuk implementasi kedua algoritma tersebut. Tahapan penelitian meliputi pengumpulan data, preprocessing, implementasi algoritma, dan evaluasi kinerja menggunakan metrik akurasi. Hasil penelitian menunjukkan bahwa K-NN menghasilkan akurasi sebesar 88,75% dan SVM menghasilkan akurasi sebesar 88,26%, dengan K-NN memberikan performa lebih baik secara keseluruhan. Penelitian ini diharapkan dapat membantu supermarket dalam mengoptimalkan manajemen persediaan dan memberikan wawasan baru untuk pengembangan sistem prediksi stok yang lebih efektif.
Co-Authors Shahira Julyinda, Syamsa Sukmadinigtyas, Sukmadinigtyas