Claim Missing Document
Check
Articles

Found 2 Documents
Search

Optimasi Meminimalkan Biaya Produksi Martabak dan Terang Bulan Menggunakan Metode Grafik Pada Qm For Windows Muhammad Risman; Fiqram Putra Pratama; Raditya Zoe Arkhana; Sultan Abyzet; Gonzales Henpaul Marlissa; Heru Sutejo
Tamilis Synex: Multidimensional Collaboration innovation in the digital era
Publisher : CV Edujavare Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70610/tls.v2i01.364

Abstract

Penelitian ini bertujuan untuk meningkatkan keuntungan produksi Martabak dan Terang Bulan Putra Tegal dengan mengurangi bahan baku dan menggunakan aplikasi QM For Windows V5 metode grafik. Penelitian ini menggunakan pendekatan deskriptif kualitatif untuk memahami proses produksi dan mengurangi biaya bahan baku. Metode Grafik digunakan untuk memprediksi biaya produksi yang diperoleh dari setiap produksi yang dilakukan oleh pedagang martabak dalam jangka waktu 7 hari. Hasil penelitian menunjukkan bahwa menggunakan aplikasi QM For Windows V5 metode grafik dapat mengurangi biaya produksi minimum sebesar 11.760.000 dalam satu seminggu. Penelitian ini berharap dapat memberikan kontribusi pada industri martabak dan mendorong penggunaan teknologi informasi untuk meningkatkan efisiensi produksi. Dalam penelitian ini, aplikasi QM For Windows V5 metode grafik digunakan untuk memprediksi biaya produksi dengan memanfaatkan data historis dan analisis statistik. Dengan demikian, pedagang martabak dapat lebih efektif dalam mengatur produksi dan mengurangi biaya bahan baku. Hasil penelitian ini diharapkan dapat membantu UMKM Martabak dan Terang Bulan Putra Tegal untuk meminimumkan biaya produksi tanpa mengurangi kualitas produk.
Implementasi Metode Teorema Bayes Pada Diagnosa Penyakit Gigi Muhammad Risman; Fiqram putra pratama; Gonzales H. Marlissa; Hardiana; Lucilla T. Ledious Monika; Astika Ramadhani; Rexci Trido Ngaderman7; Putra Hidayatullah; Patmawati Hasan
An Nafi': Multidisciplinary Science Vol. 2 No. 4 (2025): An Nafi’
Publisher : CV Edujavare Publishing

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

Abstract

This study implements the Bayes Theorem method to diagnose dental diseases based on patient-reported symptoms. Bayes Theorem operates by calculating the probability of a disease as a hypothesis based on available evidence in the form of observed symptoms. In this study, patient-reported symptoms are analyzed probabilistically to diagnose several types of dental diseases, namely gingivitis, dental caries, periodontal abscess, and pulpitis. The system utilizes conditional probability values between symptoms and diseases obtained from expert knowledge to calculate the posterior probability of each disease. The system is developed using the Python programming language and consists of a knowledge base containing symptom data, disease types, and probability values, as well as an inference engine that applies Bayes Theorem calculations. Research data were collected through interviews with dentists at Dian Farma Clinic, South Jayapura. The results indicate that the Bayes Theorem method is effective in supporting the early diagnosis of dental diseases in an objective and measurable manner; however, the diagnostic results still require further confirmation by professional medical personnel.