Claim Missing Document
Check
Articles

Found 2 Documents
Search

Sistem Informasi Arsip Surat Berbasis Web Pada Dinas Pertanian Dan Pangan Kabupaten Kudus Herlina Sari, Nurya; Setiawan, R.Rhoedy
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 6 No. 3 (2025): Edisi Juli - September
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jpkmn.v6i3.6435

Abstract

Pada era digital saat ini, pengelolaan arsip surat masih dilakukan dengan cara manual dan sering menimbulkan masalah seperti lambatnya pencarian dokumen, potensi kehilangan data, serta ketidakrapian penyimpanan. Dinas Pertanian dan Pangan Kabupaten Kudus sebagai instansi pemerintah memerlukan sistem yang efektif untuk mendokumentasikan surat masuk dan keluar. Kegiatan pengabdian ini bertujuan untuk pengembangan sistem informasi pengarsipan surat yang berbasis web yang dapat meningkatkan efisiensi administrasi. Kegiatan yang telah dilakukan dengan berbagai tahapan melalui observasi, wawancara, dokumentasi, serta studi Pustaka. Sistem dirancang menggunakan metode waterfall dan teknologi Laravel. Hasil dari kegiatan ini adalah sebuah aplikasi pengarsipan yang mampu menyimpan data surat secara terstruktur dilengkapi dengan fitur pencarian, penyaringan, dan laporan otomatis. Sistem ini juga dapat memperbaiki efisiensi kerja serta dapat melindungi keamanan data arsip surat. Diharapkan implementasi sistem ini dapat mendukung transformasi digital administrasi di instansi pemerintah dan dapat diterapkan di instansi lain. 
Analisis Penjualan Nike dengan Random Forest dan K-Means untuk Identifikasi Pola dan Produk Terlaris Herlina Sari, Nurya; Latifah, Noor
Buletin Ilmiah Ilmu Komputer dan Multimedia Vol 3 No 4 (2025): Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA) (INPRESS)
Publisher : Shofanah Media Berkah

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

Abstract

Penelitian ini bertujuan untuk menganalisis pola penjualan produk Nike dengan memanfaatkan algoritma Random Forest dan K-Means Clustering. Dataset diambil dari Kaggle dan diproses dengan Google Colab untuk mengenali faktor-faktor yang memengaruhi volume penjualan serta segmentasi produk berdasarkan kesamaan karakteristik. Random Forest diterapkan untuk mengidentifikasi variabel yang paling berpengaruh terhadap penjualan, sementara K-Means digunakan untuk mengelompokkan produk ke dalam berbagai Cluster. Visualisasi menunjukkan bahwa harga adalah faktor utama yang paling memengaruhi penjualan, diikuti dengan penilaian pelanggan. Dengan menggunakan Elbow Method, ditemukan jumlah Cluster optimal sebanyak tiga, yaitu produk dengan harga rendah dan penjualan menengah, produk premium dengan penjualan rendah, serta produk dengan harga menengah dan penjualan tinggi. Segmentasi ini memberikan wawasan yang jelas tentang pola penjualan dan kelompok produk yang berpotensi besar untuk diperluas. Temuan dari penelitian ini diharapkan menjadi pedoman dalam strategi pemasaran, manajemen persediaan, dan inovasi produk berdasarkan atribut penjualan yang paling berpengaruh.