Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal JUTI: Jurnal Ilmiah Teknologi Informasi
Erwin Prasetyowati
Teknik Informatika, Fakultas Teknik, Universitas Madura
Computer Science & IT Dentistry Education Library & Information Science

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

Found 2 Documents
Search

 1 
SISTEM EVALUASI DAN KLASIFIKASI KINERJA AKADEMIK MAHASISWA UNIVERSITAS MADURA MENGGUNAKAN NAIVE BAYES DENGAN DIRICHLET SMOOTHING Erwin Prasetyowati; Nilam Ramadhani
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 16, No. 2, Juli 2018
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v16i2.a688

Abstract

Pengawasan terhadap kinerja akademik mahasiswa sebagai bentuk peningkatan mutu harus dilakukan secara tersistem dan terintegrasi. Namun pengawasan tersebut akan lebih efektif jika dilakukan secara periodik, yaitu pada tahun kedua dan keeempat dengan maksud pihak akademik dapat mengetahui perkembangan pencapaian belajar masing-masing mahasiswa dengan cepat, sehingga peringatan atau tindakan yang akan diberikan pada mahasiswa dan evaluasi terhadap seluruh aktivitas akademis dapat segera dilakukan. Penelitian ini bertujuan mengklasifikasikan kinerja mahasiswa melalui IPK dan jumlah SKS yang belum diselesaikan selama masa studinya. Klasifikasi dilakukan pada tahun kedua dan tahun keempat masa studi. Pada tahun kedua, klasifikasi dibagi menjadi tiga status yaitu Normal, Bermasalah dan Peringatan dengan ditentukan melalui standar nilai yang ditentukan. Pada tahun keempat klasifikasi dibagi menjadi dua kelompok, yaitu kelompok Lulus dan Drop Out. Proses klasifikasi yang dilakukan pada tahun keempat, menggunakan algoritma Naïve Bayes yang terbukti memiliki tingkat keakurasian yang tinggi dengan metode maximum likehood atau berdasarkan kemiripan tertinggi dari data yang diolah. Pada proses penghitungan Naïve Bayes terdapat sedikit keraguan apabila ada peluang yang bernilai 0. Oleh karena itu untuk memaksimalkan performa dari Naïve Bayes dalam klasifikasi ini, maka digunakan Dirichlet Smoothing. Berdasarkan hasil pengujian terhadap 200 data uji maka didapatkan nilai akurasi mencapai 91.50%, nilai precision sebesar 88.78% dan nilai recall adalah 95%. Dengan demikian dapat diketahui bahwa data memiliki nilai yang konsisten.
APLIKASI PENENTUAN HARGA POKOK PRODUKSI BATIK MADURA DENGAN METODE ACTIVITY BASED COSTING DAN ANALISIS REGRESI LINIER Erwin Prasetyowati
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 16, No. 1, Januari 2018
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v16i1.a690

Abstract

Pada umumnya pengrajin batik di Pamekasan tidak menghitung secara rinci biaya-biaya yang dikeluarkan dalam proses produksi, serta menetapkan harga jual berdasarkan harga yang berlaku di pasar, sehingga keuntungan bersih tidak dapat diketahui secara pasti. Berdasarkan permasalan tersebut penelitian ini difokuskan untuk mengurai pembiayaaan produksi batik melalui aktivitas-aktivitas produksi yang dilakukan secara rinci menggunakan metode Activity Based Costing (ABC), dimana metode ini terbukti memiliki tingkat keakurasian yang baik dalam menentukan HPP. Setiap aktivitas yang mengakibatkan biaya akan diakumulasikan untuk menentukan HPP. Untuk mendapatkan biaya bahan baku yang akurat, penelitian ini juga mempertimbangkan perubahan harga bahan baku di pasaran, dengan menggunakan peramalan harga melalui analisis Regresi Linier  mengingat perubahan harga bahan batik memiliki pola data trend. Hasil prediksi pada harga dengan Regresi Linier terhadap bahan baku dan bahan penolong batik meliputi kain, malam dan pewarna masing-masing sebesar Rp. 22.267,00; Rp 80.700,00 dan Rp. 21.300,00. Pada BOP, kelompok aktivitas pembuatan motif, pewarnaan serta pelorotan dan finishing dihitung berdasarkan jumlah warna yang digunakan, sehinggga cost driver yang digunakan adalah panjang kain (meter). Untuk kelompok aktivitas pemeliharaan dan pemasaran, cost driver yang digunakan masing-masing adalah Jam Kerja Langsung (JKL) dan jumlah produk (unit). Jumlah produksi Batik Cap 2 Warna adalah 140 unit, Batik Cap 3 Warna adalah 60 unit, Batik Tulis 2 Warna adalah 40 unit, serta Batik Tulis 3 Warna adalah 30 unit. Berdasarkan HPP per unit dan harga jual, maka total keuntungan terbesar terdapat pada Batik Cap 2 Warna sebanyak Rp. 2.452.100,00.
Co-Authors Nilam Ramadhani