Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Bulletin of Information Technology (BIT) JIKTEKS : Jurnal Ilmu Komputer dan Teknologi Informasi
Yuni Simanullang, Rahma
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Seleksi Penerimaan Sales Marketing Dengan Menggunakan Pendekatan Metode Weighted Product Dalam Sistem Pendukung Keputusan Yuni Simanullang, Rahma; Susilawati, Indri
JIKTEKS : Jurnal Ilmu Komputer dan Teknologi Informasi Vol. 1 No. 03 (2023): Agustus
Publisher : Faatuatua Media Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemilihan sales marketing dalam dunia pemasaran salah satu tugas sangat penting bagi HRD perusahaan dalam memilih sumber daya manusia yang bermutu. Proses ini memerlukan metode yang efisien sehingga memastikan individu yang terpilih memiliki kualifikasi tepat dan berpotensi menjadi aset berharga bagi perusahaan. Mengatasi masalah di atas maka melalui penelitian ini memberikan solusi pendekatan terkait penerapan metode Weighted Product (WP). Metode weighted product merupakan satu metode fuzzy multi criteria decision yang memungkinkan evaluasi berdasarkan berbagai faktor dan bobot kriteria yang telah ditetapkan sebelumnya. Tahap awal penerapan metode weighted product terlebih dahulu dilakukan pengumpulan data kriteria sesuai dengan kriteria seleksi penerimaan sales marketing terdiri dari kriteria kualifikasi pendidikan, pengalaman, keterampilan komunikasi, dan performa sebelumnya. Penerapan metode weighted product mengkonfirmasi bahwa dengan menggunakn metode weighted product (WP) dalam SPK adalah alat yang bermanfaat untuk meningkatkan kualitas seleksi penerimaan sales marketing. Hal ini membantu perusahaan membangun tim kuat dan kompetitif untuk mencapai tujuan bisnis mereka dalam lingkungan kompetitif. Hasil penelitian menunjukkan bahwa penggunaan Metode WP dalam SPK memberikan hasil yang lebih objektif dan konsisten dalam seleksi penerimaan sales marketing. Adapun hasil dari penelitian ini ialah 0,1633 dengan peringkat pertama menghasilkan nilai tertinggi yaitu sebagai sales marketing ialah alternatif 1 dengan nama Nur Aini.
Analysis of Inpatient Data Using Cluster Analysis on Simulation Dataset Putera Utama Siahaan , Andysah; Azizah Harahap, Nur; Yuni Simanullang, Rahma; Khairunnisa; Wanny, Puspita; Utari
Bulletin of Information Technology (BIT) Vol 6 No 1: Maret 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v6i1.1830

Abstract

This study aims to analyze inpatient data using the K-Means Clustering method on a simulated dataset. The dataset includes various patient-related attributes such as age, billing amount, length of stay, medical condition, and type of admission. Several preprocessing steps were applied, including date conversion, duration calculation, numerical normalization, and one-hot encoding for categorical attributes. The Elbow Method was used to determine the optimal number of clusters, and clustering quality was evaluated using both the Silhouette Score and Davies-Bouldin Index. The analysis results show that the patients can be segmented into three major clusters, each exhibiting distinct characteristics—for example, younger patients with short and low-cost stays, and elderly patients with prolonged and more expensive hospitalizations. The resulting Silhouette Score of 0.14 and Davies-Bouldin Index of 1.74 reflect a moderate clustering performance, yet the model remains informative and meaningful. These clusters provide actionable insights that hospitals can use to optimize their service strategies, improve resource allocation, and enhance operational efficiency. Moreover, the study illustrates the practical application of unsupervised learning techniques in healthcare settings, contributing to data-driven decision-making practices and offering a foundation for further research into patient segmentation.
Co-Authors Andysah Putera Utama Siahaan Azizah Harahap, Nur Indri Susilawati Khairunnisa Utari Wanny, Puspita