Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Wijaya, Yudhistira
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
ALGORITMA FP-GROWTH UNTUK MENINGKATKAN MODEL ASOSIASI PADA DATA PERMINTAAN BARANG LOGISTIK RUMAH SAKIT XXX JAKARTA Anggraeni, Anggi; Kurniawan, Rudi; Wijaya, Yudhistira; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12688

Abstract

Pengelolaan logistik rumah sakit membutuhkan analisis pola permintaan barang untuk meningkatkan efisiensi operasional. Penelitian ini menggunakan algoritma FP-Growth untuk mengidentifikasi pola asosiasi antar barang logistik berdasarkan data permintaan Rumah Sakit XXX Jakarta tahun 2023. Algoritma ini dipilih karena kemampuannya dalam menganalisis frequent itemsets secara efisien dan akurat. Data penelitian mencakup 1.433 entri transaksi permintaan barang, meliputi nama barang, jumlah, dan frekuensi permintaan. Proses penelitian mengikuti tahapan Knowledge Discovery in Database (KDD), meliputi praproses data, transformasi, analisis menggunakan FP-Growth, dan evaluasi hasil. Analisis menemukan bahwa Tissue Hand Towel memiliki nilai support tertinggi (0,645), diikuti oleh Tissue Toilet Roll (0,174). Pola asosiasi antara keduanya menunjukkan confidence 79,4%, mengindikasikan hubungan kuat dalam pemesanan bersama. Hasil penelitian menunjukkan bahwa penerapan algoritma FP-Growth mampu memberikan wawasan strategis untuk manajemen logistik, seperti pengelolaan stok yang lebih efisien, pengurangan pemborosan, dan ketersediaan barang yang tepat waktu. Disarankan pengembangan sistem otomatis berbasis algoritma ini untuk meningkatkan efisiensi dan akurasi pengelolaan logistik di sektor kesehatan.
ALGORITMA K-MEANS UNTUK MENINGKATKAN MODEL KLASTERISASI DATA SISWA SMK SAMUDRA NUSANTARA KABUPATEN CIREBON BERDASARKAN NILAI AKADEMIK Alif Prayudha, Bimo; Kurniawan, Rudi; Wijaya, Yudhistira; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12689

Abstract

Pengelolaan data nilai akademik siswa yang besar dan kompleks menjadi tantangan signifikan dalam dunia pendidikan, khususnya di SMK yang fokus mempersiapkan siswa untuk dunia kerja. Data yang tidak terorganisir dengan baik sering kali menghambat proses pengambilan keputusan berbasis data. Algoritma K-Means dipilih dalam penelitian ini karena kemampuannya yang efektif dalam menganalisis data dan mengelompokkan pola tersembunyi. Penelitian ini menerapkan metodologi Knowledge Discovery in Databases (KDD), meliputi seleksi data, praproses, transformasi, klasterisasi, evaluasi menggunakan Davies-Bouldin Index (DBI), dan interpretasi hasil. Dataset terdiri dari nilai akademik siswa pada mata pelajaran utama, seperti Matematika, Bahasa Inggris, dan Kimia. Hasil penelitian menunjukkan klaster ideal terdiri dari dua kelompok dengan nilai DBI 0.519, di mana atribut Kimia memiliki pengaruh paling signifikan. Klasterisasi ini memberikan wawasan yang mendalam tentang pola akademik siswa, mendukung strategi pembelajaran berbasis data, serta membantu sekolah menyusun kebijakan pendidikan yang lebih efektif.
Co-Authors Alif Prayudha, Bimo Anggraeni, Anggi Hayati, Umi Rudi Kurniawan