Articles
245 Documents
<![CDATA[Analisis Pengembangan Sistem Kredit (Studi Kasus Pada Bank) ]]>
<![CDATA[Kurniawan, Yohannes]]>;
<![CDATA[Bernando, Charles]]>
<![CDATA[ Computatio : Journal of Computer Science and Information Systems Vol. 6 No. 1 (2022): Computatio: Journal of Computer Science and Information Systems ]]>
Publisher : <![CDATA[Faculty of Information Technology, Universitas Tarumanagara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24912/computatio.v6i1.17213
<![CDATA[Organisasi membutuhkan sistem informasi untuk dapat mendukung proses bisnis, khususnya pada bank sebagai organisasi yang memiliki ketergantungan pada sistem. Penelitian ini akan menganalisa dan merancang aplikasi Credit Application System (CAS) yang membantu proses bisnis di Bank XYZ, terutama untuk proses peminjaman kredit. Metode perancangan yang digunakan pada penelitian ini adalah metode waterfall, metode ini dipilih karena bank sudah memiki standard operational procedure yang sudah tersusun rapi dan tidak ada perubahan besar yang diperlukan. Hasil analisa menunjukan bahwa CAS yang mapan namun fleksible untuk user adalah hal yang sangat penting bagi bank berskala besar yang secara langsung mempengaruhi proses peminjaman kredit sebagai sumber pemasukan bank-bank. Hasil yang dicapai dari pembuatan proyek ini adalah pembuatan aplikasi kredit yang baru dengan lebih sederhana dan dapat meningkatkan efisiensi dan kinerja Bank XYZ.]]>
<![CDATA[PERANCANGAN SISTEM RENOVASI MENGGUNAKAN PLATFORM PEGA SYSTEM PADA PT. ASURANSI SINAR MAS ]]>
<![CDATA[Sunjaya, Pattrick Levin]]>;
<![CDATA[Hugeng, Hugeng]]>;
<![CDATA[Rusdi, Zyad]]>
<![CDATA[ Computatio : Journal of Computer Science and Information Systems Vol. 6 No. 1 (2022): Computatio: Journal of Computer Science and Information Systems ]]>
Publisher : <![CDATA[Faculty of Information Technology, Universitas Tarumanagara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24912/computatio.v6i1.17738
<![CDATA[Perusahaan Asuransi Sinar Mas (ASM) adalah perusahaan nasional yang berfokus pada bidang asuransi yang mencakup seluruh aspek kebutuhan hidup sampai kebutuhan antariksa. Dengan banyaknya pegawai di dalam Perusahaan ASM yang tersebar diseluruh Indonesia, tentu banyak juga gedung yang digunakan. Dan dengan penggunaan gedung tersebut, wajar jika terjadi kerusakan, sehingga pekerjaan renovasi pasti dibutuhkan. Maka dari itu, dibuatkanlah aplikasi pengajuan renovasi gedung yang bertujuan memudahkan dan mempercepat proses renovasi. Aplikasi ini dibuat dengan menggunakan Pegasystem, yaitu sebuah alat Business Process Management yang terpusat pada proses bisnis. Dengan dibuatnya sistem ini, karyawan dapat mengajukan pengajuan renovasi gedung dari kota manapun, dan pengajuan tidak perlu dikirimkan secara manual kepada seluruh pihak yang bersangkutan.]]>
<![CDATA[Evaluasi Penilaian Kinerja Karyawan dengan Metode Naïve Bayes ]]>
<![CDATA[Kenny, Kenny]]>;
<![CDATA[Arisandi, Desi]]>;
<![CDATA[Sutrisno, Tri]]>
<![CDATA[ Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 1 (2024): Computatio: Journal of Computer Science and Information Systems ]]>
Publisher : <![CDATA[Faculty of Information Technology, Universitas Tarumanagara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24912/computatio.v8i1.20287
<![CDATA[Sistem penilaian kinerja karyawan adalah sebuah sistem yang digunakan untuk menilai kinerja terbaik para karyawannya. Perusahaan melakukan penilaian kinerja terbaik terhadap karyawan untuk mengevaluasi, memovitasi, memverifikasi dan meningkatkan kinerjanya. Hasil kinerja ini menjadi alat untuk membantu pengambilan keputusan seperti promosi, pemberhentian, pemberian bonus atau memberikan umpan balik bagi karyawan. Penilaian dalam penelitian yang telah dilakukan menggunakan 5 kriteria : kehadiran, ketepatan waktu, sikap, kualitas, dan kuantitas menggunakan metode naïve bayes. data yang dipakai dalam penelitian berupa 126 data training. Hasil prediksi diklasifikasikan sebagai Kompeten atau Tidak Kompeten. Testing confusion matrix menghasilkan akurasi sebesar 86.8% dengan menggunakan 70% data training dan 30% data testing.]]>
<![CDATA[Analisis Penentuan Rekomendasi Mata Kuliah yang Berpengaruh Dalam Dunia Kerja dengan Menggunakan Algoritma C4.5 ]]>
<![CDATA[Harvian, Rayvaldi]]>;
<![CDATA[Mulyawan, Bagus]]>;
<![CDATA[Sutrisno, Tri]]>
<![CDATA[ Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 1 (2024): Computatio: Journal of Computer Science and Information Systems ]]>
Publisher : <![CDATA[Faculty of Information Technology, Universitas Tarumanagara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24912/computatio.v8i1.20288
<![CDATA[Pendidikan tidak terlepas kaitannya dengan dunia kerja sehingga diperlukan sebuah sistem yang membantu memberikan gambaran mata kuliah yang dibutuhkan oleh perusahaan. Aplikasi ini diharapkan membantu mahasiswa dapat bekerja sesuai dengan pekerjaan yang diinginkan dan siap dalam menghadapi persaingan dalam dunia kerja. Aplikasi ini dirancang bertujuan untuk memberikan rekomendasi mata kuliah yang berpengaruh dalam dunia kerja sehingga dapat mempermudah mahasiswa dalam mendapatkan informasi tentang mata kuliah yang dibutuhkan oleh pekerjaan yang diinginkan sehingga mahasiswa tidak kesulitan dalam memilih mata kuliah yang berpengaruh dalam dunia kerja. Metode yang digunakan untuk rekomendasi dengan menggunakan Algoritma C4.5 dan aplikasi ini dibuat menggunakan bahasa pemrograman Javascript dan memakai sistem basis data MongoDB. Dalam melakukan pengujian metode maka diperlukan akurasi menggunakan confusion matrix dengan beberapa skema pengujian dan tingkat akurasi yang paling tinggi dengan menggunakan data latih 50% dan data uji 50% dengan akurasi sebesar 80%. Berdasarkan pengujian yang dilakukan, aplikasi ini dapat bekerja dengan baik sehingga membantu mahasiswa dalam memilih mata kuliah yang dibutuhkan sesuai dengan pekerjaan yang diinginkan]]>
<![CDATA[Pengembangan Aplikasi Pengukuran Capaian Pembelajaran Mahasiswa untuk Rekomendasi Mata Kuliah Peminatan Menggunakan Algoritma Decision Tree ]]>
<![CDATA[Ramadhan, Syahrul]]>;
<![CDATA[Mulyawan, Bagus]]>;
<![CDATA[Sutrisno, Tri]]>
<![CDATA[ Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 1 (2024): Computatio: Journal of Computer Science and Information Systems ]]>
Publisher : <![CDATA[Faculty of Information Technology, Universitas Tarumanagara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24912/computatio.v8i1.20289
<![CDATA[Pengukuran capaian pembelajaran mahasiswa sangat diperlukan untuk proses penilaian yang sesuai dan juga untuk keperluan lain seperti akreditasi. Sistem pemberian rekomendasi matakuliah peminatan juga sangat diperlukan untuk mahasiswa agar tidak terhambat dan lulus tepat pada waktunya. Untuk itu diperlukan sebuah sistem yang secara khusus dapat memberikan informasi-informasi tersebut. Perancangan aplikasi ini dilakukan dengan tujuan memberikan informasi-informasi yang dibutuhkan untuk melihat capaian mahasiswa dan merekomendasikan matakuliah peminatan yang sesuai berdasarkan data mahasiswa tersebut. Proses rekomendasi yang dilakukan menggunakan algoritma decision tree. Rancangan aplikasi ini dibuat berbasis website dengan menggunakan JavaScript sebagai backend dan MongoDB sebagai pengaturan sistem basis data yang digunakan. Untuk mengukur akurasi metode digunakan confusion matrix dengan mengambil dua puluh persen sampel data untuk dibandingkan dengan hasil dari algoritma yang digunakan dan nilai akurasi yang didapatkan cukup baik yaitu sekitar 75% dan 87,5% untuk 40 persen data. Hasil akhir untuk aplikasi ini adalah bahwa aplikasi pengukuran capaian pembelajaran dan rekomendasi matakuliah sudah cukup baik dalam memberikan informasi capaian mahasiswa dan rekomendasi matakuliah peminatan secara otomatis.]]>
<![CDATA[Peramalan Pertumbuhan Jumlah Outlet Menggunakan Metode Gated Recurrent Unit (Studi Kasus: PT XYZ) ]]>
<![CDATA[Suluh, David]]>;
<![CDATA[Herwindiati, Dyah Erny]]>;
<![CDATA[Hendryli, Janson]]>
<![CDATA[ Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 1 (2024): Computatio: Journal of Computer Science and Information Systems ]]>
Publisher : <![CDATA[Faculty of Information Technology, Universitas Tarumanagara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24912/computatio.v8i1.21234
<![CDATA[Sebagai perusahaan telekomunikasi, PT XYZ mengguanakan outlet seluler sebagai mitra untuk melakukan pendistribusian komoditas mereka. Dalam memperluas jaringan outlet seluler merka, PT XYZ tentu perlu memikirkan strategi bisnis yang tepat agar pertumbuhan jumlah outlet dapat menjadi lebih maksimal.Peramalan dapat digunakan sebagai acuan dalam strategi bisnis dan meningkatkan efektivitas rencana penyebaran outlet. Penilitian ini membahas peramalan pertumbuhan jumlah outlet menggunakan metode Gated Recurrent Unit yang berfungsi untuk melakukan peramalan atau prediksi jumlah outlet yang dapat diraih oleh PT XYZ. Data yang digunakan merupakan data outlet yang ada di PT XYZ dimana data ini akan dikelempokkan berdasarkan minggu ketika outlet bergabung. Proses pelatihan data menggunakan 80% dari total dataset dan pengujian menggunakan 20% dari total dataset. Pada proses pengujian, model mendapatkan hasil evaluasi MAE sebesar 0.1230 ,RMSE sebersar 0.2103 dan MSE sebesar 0.0442.]]>
<![CDATA[Perancangan Aplikasi Monitoring dan Prediksi Kinerja Publikasi Universitas "X" ]]>
<![CDATA[Nathan, Michael]]>;
<![CDATA[Mulyawan, Bagus]]>;
<![CDATA[Jaya Perdana, Novario]]>
<![CDATA[ Computatio : Journal of Computer Science and Information Systems Vol. 7 No. 2 (2023): Computatio: Journal of Computer Science and Information Systems ]]>
Publisher : <![CDATA[Faculty of Information Technology, Universitas Tarumanagara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24912/computatio.v7i2.21249
<![CDATA[Aplikasi monitoring dan evaluasi perguruan tinggi merupakan suatu aplikasi dalam bentuk website yang dirancang untuk membantu perguruan tinggi dalam mendata publikasi yang ada dan membantu mahasiswa dalam mencari publikasi dalam perguruan tinggi. Digunakan metode Least Square dalam sistem peramalan dalam aplikasi agar dapat mengeluarkan perkiraan publikasi beberapa tahun yang akan mendatang. Pada hasil perhitungan dihasilkan data perkiraan publikasi beberapa tahun kedepan yang akan ditampilkan dalam bentuk grafik. Pengguna jika menjadi admin dapat menambah data terbaru melalui unggah file excel maupun di input secara manual. Sistem yang digunakan dalam proses pembuatan aplikasi adalah Outsystem. Data perkiraan publikasi yang dihasilkan oleh aplikasi dapat membantu perguruan tinggi dalam mengambil sebuah keputusan. Pengujian yang dilakukan di dalam aplikasi menggunakan pengujian kuesioner, blackbox dan Mean Absolute Percentage Error. Hasil yang didapat dari pengolahan data kuesioner adalah aplikasi berjalan dengan sangat memuaskan dan hasil dari perhitungan Mean Absolute Percentage Error adalah hasil peramalan cukup baik.]]>
<![CDATA[Penerapan Data Mining Dengan Algoritma Apriori Untuk Analisa Pola Pembelian Pelanggan Pada Penjualan Martabak Surya Kencana ]]>
<![CDATA[Albert, Bryan]]>;
<![CDATA[Herwindiati, Dyah Erny]]>;
<![CDATA[Sitorus, Manatap Dolok Lauro]]>
<![CDATA[ Computatio : Journal of Computer Science and Information Systems Vol. 7 No. 2 (2023): Computatio: Journal of Computer Science and Information Systems ]]>
Publisher : <![CDATA[Faculty of Information Technology, Universitas Tarumanagara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24912/computatio.v7i2.21265
<![CDATA[The purpose of this study is to analyze customer buying patterns at Martabak Surya Kencana. The method used is the Apriori algorithm, the Apriori algorithm is one of the most well-known algorithms in data mining in finding data patterns or patterns of occurrence/data frequency. Usually the Apriori algorithm is used to find customer buying patterns at a minimarket based on purchase transactions. The results of this study are with a minimum support value of 20% and a minimum confidence value of 70%, it produces 2 rules, namely if you buy Martabak Telor 3 Super Eggs, you will buy Martabak Sultan Cheese with a support value of 26.8% and a confidence value of 79. 8% and if you buy "Chocolate Sweet Martabak" then you will buy "Dry Nutella / Ovomaltine / Toblerone Thin Martabak" with a support value of 24.2% and a confidence value of 78.9%.]]>
<![CDATA[Analisis Kecepatan Internet Wifi Menggunakan Metode Fuzzy Tsukamoto ]]>
<![CDATA[Haris Farsya, Muhammad Yana]]>;
<![CDATA[Mulyawan, Bagus]]>;
<![CDATA[Sutrisno, Tri]]>
<![CDATA[ Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 1 (2024): Computatio: Journal of Computer Science and Information Systems ]]>
Publisher : <![CDATA[Faculty of Information Technology, Universitas Tarumanagara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24912/computatio.v8i1.21584
<![CDATA[Internet sudah menjadi kebutuhan yang sangat dibutuhkan oleh seluruh kalangan dari pelajar hingga pekerja. Selain untuk hiburan, internet kini juga digunakan dalam mengerjakan tugas maupun kerjaan secara efisien. Dikarenakan semakin tinggi minat pada internet, semakin banyak juga perusahaan yang menyediakan jasa penyedia Wifi. Dari berbagai penyedia layanan Wifi tersebut, tentunya memiliki kualitas yang berbeda-beda seperti ada yang internetnya suka terputus, ada yang cukup baik, dan berbagai hal lainnya. Banyak orang yang bingung ingin menggunakawn penyedia layanan apa dikarenakan kurangnya informasi untuk dicari. Website yang dibuat ditujukan bagi para user yang ingin menentukan provider mana yang lebih unggul agar dapat menentukan ingin berlangganan pada provider yang mana di daerah mereka dengan fitur Speedtest. Metode yang digunakan pada website ini adalah Fuzzy Tsukamoto yang digunakan untuk mengkalkulasikan Ping dan Jitter milik user lalu memberikan label dari Sangat Baik, Baik, Cukup, Buruk, dan Sangat Buruk. Hasil yang akan ditampilkan ke sisi user adalah score yang berupa angka dari 0.1 sampai dengan 5 dimana semakin kecil maka semakin bagus kualitas provider serta persentase jumlah komentar.]]>
<![CDATA[Sistem Rekomendasi Produk untuk Pelanggan Perusahaan Distribusi Menggunakan Metode Collaborative Filtering dan K-Means Clustering ]]>
<![CDATA[Sebastian, Dennis]]>;
<![CDATA[Mulyawan, Bagus]]>;
<![CDATA[Jaya Perdana, Novario]]>
<![CDATA[ Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 1 (2024): Computatio: Journal of Computer Science and Information Systems ]]>
Publisher : <![CDATA[Faculty of Information Technology, Universitas Tarumanagara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24912/computatio.v8i1.21752
<![CDATA[PT Enseval merupakan perusahaan distribusi yang memiliki banyak jenis produk yang ditawarkan. Banyaknya produk yang ditawarkan dapat membuat salesman Enseval kesulitan untuk menawarkan produk yang cocok dan sesuai untuk pelanggan. Keterampilan salesman untuk menawarkan produk ke pelanggan sangat mempengaruhi penjualan barang distribusi. Maka dari itu, pada kesempatan ini akan dibangun sistem rekomendasi produk untuk pelanggan PT Enseval menggunakan metode k-means dan collaborative filtering. Perancangan aplikasi dibuat untuk memudahkan salesman dalam merekomendasikan produk ke pelanggan dan membantu pelanggan dalam memilih produk . Data yang akan digunakan merupakan data transaksi sales periode 2021 - 2022. Uji coba dengan metode collaborative filtering untuk menentukan akurasi menggunakan mean absolute error (MAE) mendapatkan nilai 0,114678277 dan rekoemendasi dengan menggunakan gabungan metode k-means dan collaborative filtering mendapatkan rata-rata MAE sebesar 0.158411487. Kedua hasil MAE memiliki akurasi yang cukup baik karena semua hasil scenario memiliki keselahan (error) yang mendekati angka 0.Berdasarkan hasil tersebut, dapat ditarik kesimpulan bahwa metode k-means kurang efektif digabungkan dengan metode collaborative filtering dalam memberikan rekomendasi produk dalam sistem aplikasi ini.]]>
