cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ricky Firmansyah
Contact Email
ricky.rym@bsi.ac.id
Phone
+6281318340588
Journal Mail Official
jurnal.informatika@bsi.ac.id
Editorial Address
Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Jurnal Informatika
Published by Universitas Bina Sarana Informatika
ISSN : 23556579     EISSN : 25282247     DOI : https://doi.org/10.31294/ji.v4i2
Core Subject : Science,
Computer Science & IT
Jurnal Informatika respects all researchers Technology and Information field as a part spirit of disseminating science resulting and community service that provides download journal articles for free, both nationally and internationally. The editorial welcomes innovative manuscripts from Technology and Information field. The scopes of this journal are: Expert System Decision Support System Data Mining Artificial Intelligence System Machine Learning Genetic Algorithms Business Intelligence and Knowledge Management Big Data the manuscripts have primary citations and have never been published online or in print. Every manuscript will be checked the plagiarism using Turnitin software. If the manuscript indicated major plagiarism, the manuscript is rejected.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 13 Documents
 1   2 
Search results for , issue "Vol 10, No 2 (2023): October 2023" : 13 Documents clear
Rate and Proportion Analysis of The Decision Model from Online Learning Sustainability Sihotang, Erna Fransisca Angela; Alam, Islam Nur
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16713

Abstract

The human development index is built by three fundamental dimensions: long life and healthy life, knowledge, and a decent standard of living. This research was inspired by sustainable development goal four, Quality Education. Quality of education has an excellent relation with knowledge management. The fuzzy logic-based decision support model of online course learning suggests nine parameters to be considered. This research collaborates those nine parameters, participation rate, and the Proportion of youth and adult involvement in formal and non-formal education. The result shows that from the participation rate, it concluded that those with stable expansion also consistently enrich their knowledge by attending formal or non-formal learning; female constantly takes learning more than male; people who lived in city has more urge to learn than people who live in villages. From the Proportion from 2017, 2018 and 2022, people with ICT skills increased significantly, showing good value. Nevertheless, while female participation in learning is higher than male, it does not make female has better skills than male. Last, needed an innovation to gain interest in study to village residents.
Implementasi Metode Content Based Filtering Pada Pemilihan Komik Kurniaji, Arba'i; Santi, Rina Candra Noor
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16113

Abstract

Komik adalah rangkaian gambar dan kata yang disusun dengan tujuan untuk menyampaikan informasi kepada orang yang membacanya. Selain dalam bentuk buku saat ini komik memiliki bentuk digital yang dapat dibaca melalui smartphone atau komputer. Komik memiliki beragam alur cerita dan genre, mulai dari aksi, petualangan dan lain-lain . Selain itu setiap negara memiliki komik dengan gaya yang berbeda. Banyaknya komik yang ada saat ini serta memiliki jenis, alur dan genre yang berbeda menjadi sebuah masalah bagi orang yang ingin membaca komik. Permasalahan ini dapat diselesaikan dengan membuat suatu sistem rekomendasi. Pada penelitian ini akan menggunakan metode Content Based Filtering untuk mendapatkan hasil rekomendasi. Dalam metode ini menggunakan metode TF-IDF untuk melakukan pembobotan dan Cosine Similarity untuk mencari kemiripan komik. Metode ini dipilih karena melihat kebiasaan pembaca komik yang sering membaca komik sesuai dengan yang pernah mereka baca sebelumnya. Kriteria yang akan digunakan pada penelitian ini adalah sinopsis, genre, dan komikus. Jumlah data yang digunakan pada penelitian ini sebanyak 200 komik. Hasil dari penelitian ini mengambil 10 komik untuk dijadikan rekomendasi. Pada pengujian yang telah dilakukan dengan menggunakan komik Ao Ashi sebagai komik preferensi mendapatkan nilai kemiripan sebesar 0.13901. Hasil rekomendasi pada peringkat pertama memiliki nilai kemiripan sebesar 0.03901 dengan persentase kemiripan 100% dan pada peringkat terakhir sebesar 0.09046 dengan persentase kemiripan 65.08%. Rata-rata nilai kemiripan yang dihasilkan adalah 0.10604 dengan persentase kemiripan sebesar 76.38%. Dengan nilai dan persentase yang didapatkan menunjukkan bahwa sistem berjalan dengan baik dan menghasilkan rekomendasi yang sesuai preferensi pengguna.
Implementasi Algortima Naive Bayes Untuk Klasifikasi Kesegaran Buah Jeruk Firmansyah, Guntur; Hermawan, Arief
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16115

Abstract

Jeruk adalah salah satu buah yang paling popular di dunia. Jeruk merupakan buah sitrus yang memiliki banyak kandungan vitamin C dan anti oksidan, yang bermanfaat bagi kekebalan tubuh. Buah jeruk banyak tumbuh di daerah tropis salah satunya Indonesia. Produktivias buah jeruk di Indonesia sangat tinggi dengan hal tersebut maka proses pemilahan buah jeruk berkualitas akan membutuhkan waktu yang lama apabila dilakukan secara manual. Hal ini tentunya akan mengurangi efektivitas dan efisiensi waktu yang ada. Sehingga dibutuhkannya suatu sistem komputasi dengan suatu algoritma untuk menunjang permasalahan tersebut. Perancangan sistem ini akan menggunakan algoritma naïve bayes untuk mengklasifikasikan kualitas buah jeruk. Sistem ini akan mempermudah proses pemilahan jeruk berkualitas dan manajemen waktu akan lebih efektif. Hasil akhir dari sistem ini mendapatkan hasil akurasi pelatihan 72,7% dan pengujian 62,6%.
Penerapan Metode Regresi Linear Untuk Prediksi Jumlah Bahan Baku Produksi Selai Bilfagi Husdi, Husdi; Dalai, Hastuti
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.14129

Abstract

Penelitian ini bertujuan untuk mengetahui hasil penerapan metode regresi linear sederhana untuk memprediksi jumlah bahan baku nanas produksi Selai Bilfagi yang bertempat di Rumah Produksi Selai Bilfagi. Permasalahan yang sering dihadapi oleh pemilik usaha Selai Bilfagi adalah seringnya terjadi penumpukan maupun kekosongan jumlah persediaan nanas. Hal ini disebabkan oleh pembelian nanas diawal sebagai persediaan bahan baku sehingga sering terjadi penumpukan yang berlebih, sedangkan kekosongan terjadi karena faktor nanas itu sendiri yang mudah busuk. Peramalan diperlukan demi mempermudah pihak Rumah Produksi Selai Bilfagi dalam meramalkan seberapa besar jumlah bahan baku nanas yang dibutuhkan untuk produksi Selai Bilfagi pada bulan berikutnya, sehingga tidak mengalami kekosongan atau penumpukan bahan baku nanas pada bulan selanjutnya. Metode regresi linier sederhana merupakan metode peramalan yang menggunakan dua faktor, sehingga dapat menentukan hasil yang maksimal. Dengan metode regresi linear sederhana ini didapatkan Mean Absolute Percentage Error (MAPE) di uji coba dengan data 2021 yang didapatkan yaitu 18,897% dari hasil akurasi dapat disimpulkan bahwa sistem prediksi efektif untuk digunakan.This study aims to determine the results of applying a simple linear regression method to predict the raw material number of pineapple production at the Bilfagi Jam Production House. The problem often faced by Bilfagi Jam business owners is the pineapple supplies that often show cumulation or emptiness.  It is due to the initial purchase of pineapples as a stock of raw materials that there is often an excess cumulation.  The emptiness occurs due to the perishable condition of pineapple. A prediction is needed to make it easier for the Bilfagi Jam Production House.  It predicts the number of raw materials (pineapple) required by Bilfagi Jam production for the following month.  It leads to no emptiness or cumulation of pineapple raw materials in the following month. The simple linear regression method is a prediction method that uses two factors.  It can determine the maximum result through a simple linear regression method.  The mean absolute percentage error (MAPE) is tested with the 2021 data obtained. It has 18.897% of accurate results. It means that the prediction system is effective to use. 
Perbandingan Metode Klasifikasi pada Data dengan Imbalance Class dan Missing Value Istiana, Nofita; Mustafiril, Arief
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.15540

Abstract

Imbalance class dan missing value merupakan beberapa permasalahan dalam metode klasifikasi. Imbalance class berdampak pada hasil prediksi dimana kelas minoritas sering disalahklasifikasikan sebagai kelas mayoritas. Missing value menyebabkan beberapa algoritma dalam metode klasifikasi tidak dapat dijalankan. Pada penelitian ini, imbalance class ditangani dengan SMOTE, sedangkan missing value ditangani dengan imputasi rataan dan binning peubah. Metode klasifikasi yang dibandingkan dalam kasus ini adalah regresi logistik, bagging, boosting, random forest, dan support vector machine yang diaplikasikan pada data dummy status kolektibilitas debitur. Metode klasifikasi tersebut akan cenderung memprediksi data kelas mayor (debitur berstatus kolektibilitas baik), sehingga prediksi kelas minor (debitur berstatus kolektibilitas buruk) cenderung sedikit. Metode yang memberikan akurasi tertinggi yaitu random forest (missing value diimputasi dengan nilai rataan), yang menghasilkan akurasi sebesar 0.801, sensitivitas sebesar 0.593, dan spesivitas sebesar 0.807. Imbalance class and missing value are some of the problems in classification method. Imbalance class causes the prediction of the minority class to be misclassified as the majority class. Missing value causes several algorithms in classification method cannot be run. In this study, imbalance class is handled by SMOTE, while missing value is handled by mean imputation and binning variable. The classification methods being compared in this study are logistic regression, bagging, boosting, random forest, and support vector machines which are applied to dummy data on debtors' collectibility status with total data 12459. The data contains 97.48 debtors with good collectibility status and 2.52 percent of debtors with bad collectibility status. The method that provides the highest accuracy is random forest (missing value imputed by mean value), which results in accuracy of 80.1 percent, sensitivity of 59.3 percent, and specificity of 80.7 percent. 
Penerapan Business Intelligence Untuk Analisis Kematian di Indonesia Tahun 2000-2022 Abdillah, Allif Rizki; Muflih, Hilmy Zhafran; Pranata, Ananda Bagas; Hasan, Firman Noor
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16569

Abstract

Kematian terus menerus terjadi dan sebagai manusia biasa kematian tidak dapat dihindari. Seiring berjalannya waktu, jenis kematian juga semakin bertambah khususnya di Indonesia, faktor kematian yang disebabkan oleh bencana alam, bencana non-alam atau penyakit dan bencana sosial yang di dalamnya memuat jenis-jenis penyebab kematian juga semakin bertambah jenis kematian yang baru. Seperti kemarin Indonesia mendapatkan jenis kematian baru yaitu covid-19 yang menelan ratusan ribu korban jiwa. Tujuan dari penelitian ini untuk mengidentifikasi serta menganalisa penyebab kematian yang ada di Indonesia dengan rentang tahun 2000 sampai tahun 2022. Peneliti memperoleh dataset untuk penelitian ini dari situs www.kaggle.com untuk dibuat data visualisasinya dengan mengimplementasikan Business Intelligence menggunakan platform Tableau dalam pembuatan visualisasinya. Hasil dari penelitian ini adalah laporan berupa dashboard yang di dalamnya memuat Total kematian berdasarkan kategori, total kematian beserta jenis kematiannya, total kematian per tahun dari tahun 2000 sampai tahun 2022, dll. Sehingga dapat memudahkan proses pengambilan keputusan. Kesimpulan dari penelitian ini yaitu terdapat 777.076 korban yang meninggal karena bencana non alam atau penyakit, terdapat 185.290 korban yang meninggal akibat bencana alam dan 261 korban yang meninggal akibat bencana sosial. Total kematian di Indonesia pada rentang tahun 2000 sampai tahun 2022 sejumlah 962.627. Death keeps happening and as an ordinary human being death cannot be avoided. Over time, the types of death have also increased, especially in Indonesia, the factor of death caused by natural disasters, non-natural disasters or diseases and social disasters which contain the types of causes of death. Like yesterday, Indonesia got a new type of death, namely Covid-19 which claimed hundreds of thousands of lives. The purpose of this research is to identify and analyze the causes of death in Indonesia from 2000 to 2022. Researchers obtained the dataset for this study from the website www.kaggle.com to make data visualization by implementing Business Intelligence using the Tableau platform in making the visualization. The results of this study are reports in the form of dashboards which contain total deaths by category, total deaths and types of deaths, total deaths per year from 2000 to 2022, etc. So that it can facilitate the decision-making process. The conclusion of this study is that there were 777,076 victims who died due to non-natural disasters or diseases, there were 185,290 victims who died as a result of natural disasters and 261 victims who died as a result of social disasters. The total number of deaths in Indonesia between 2000 and 2022 is 962,627.
Sistem Pendukung Keputusan Penentuan Nutrisi Pada Masa Kehamilan Menggunakan Metode Harris Benedict Umar, Najirah; Anatasya, A.Edeth Fuari; Putri, Nur Ika; Nur, Sri Khaerawati
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.15658

Abstract

Kehidupan manusia dimulai dengan lahirnya janin dalam kandungan. Manusia telah berpindah dari kehidupan kemasa perjuangan, salah satunya menghadapi kemungkinan kekurangan zat nutrisi yang diterima. Ketika seorang ibu menghadapi kurangnya gizi selama kehamilan, maka menimbulkan masalah bagi ibu maupun janinnya, seperti anemia, pendarahan dan berat badan ibu tidal bertambah secara normal. Kekurangan gizi dapat mempengaruhi proses persalinan yang menyebabkan  persalinan akan sulit dan lama, kelahiran premature dan pendarahan postpartum, mempengaruhi perkembangan  janin dan menyebabkan abortus, keguguran, cacat lahir dan berat lahir bayi rendah. Terutama masalah gizi ibu hamil di pengaruhi faktor ekonomi yang dimana tingkat kemampuan material ibu hamil masih banyak di garis kemiskinan. Oleh kaena itu Penelitian dilakukan untuk merancang dan mengimplementasikan system pendukung keputusan penentuan nutrisi pada masa kehamilan dengan menggunakan metode harris benedict. Rancangan system ini didesain secara terstruktur menggunakan UML, meliputi model use case diagram, activity diagram, sequence diagram dan class diagram. Dalam menentukan nutrisi yang baik dan sesuai dengan yang dibutuhkan oleh ibu hamil, maka dibutuhkan suatu hasil dan saran dari hasil perhitungan jumlah nutrisi yang akan membantu para ibu hamil untuk mengoptimalkan dan memaksimalkan pola hidup yang sehat.Penelitian ini memberikan solusi dalam menentukan jumlah nutrisi atau rekomendasi asupan nutrisi dan system mampu memberikan Hasil penentuan jumlah nutrisi yang akurat sehingga dapat memberikan suatu alternatif pengambilan keputusan.berdasarkan hasil pengujian ahli gizi dengan kesamaan hasil penentuan nutrisi dengan system menghasilkan persentase 90%. Berdasarkan pengujian blackbox yang telah dilakukan system ini menghasilkan output sesuai dengan diharapkan oleh 30 responden dengan persentase kelengkapan informasi 89,33%, kebutuhan pengguna 96,67%, kemudian akses 93,33%. Human life begins with the birth of the fetus in the womb. Humans have moved from life to struggle, one of which faces the possibility of lack of nutrients received. When a mother faces malnutrition during pregnancy, it causes problems for both the mother and her fetus, such as anemia, bleeding and the mother's weight does not increase normally. Malnutrition can affect the labor process causing labor to be difficult and long, premature birth and postpartum bleeding, affecting fetal development and causing abortion, miscarriage, birth defects and low birth weight of the baby. Especially the nutritional problems of pregnant women are influenced by economic factors where the level of material ability of pregnant women is still at the poverty line. Therefore, research was conducted to design and implement a decision support system for determining nutrition during pregnancy using the harris benedict method. The design of this system is designed in a structured manner using UML, including model use case diagrams, activity diagrams, sequence diagrams and class diagrams. In determining good nutrition and in accordance with what is needed by pregnant women, it takes a result and advice from the calculation of the amount of nutrients that will help pregnant women to optimize and maximize a healthy lifestyle. This research provides solutions in determining the amount of nutrients or nutritional intake recommendations and the system is able to provide accurate results of determining the amount of nutrients so as to provide an alternative decision making. Based on the results of nutritionist testing with the similarity of the results of determining nutrition with the system produces a percentage of 90%. Based on blackbox testing that has been carried out, this system produces output as expected by 30 respondents with a percentage of completeness of information 89.33%, user needs 96.67%, then access 93.33%.
Perbandingan Efisiensi Deteksi Tepi Roberts, Prewitt, dan Canny untuk Identifikasi Kartu Mahasiswa Saputra, Rizal Adi; Rayadin, Muhamad Amhar; Febryanti, Wa Ode Ika
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16726

Abstract

Sekarang ini setiap universitas/perguruan tinggi memiliki identitas tersendiri yang membedakannya dengan universitas/perguruan tinggi lain. Memisahkan mahasiswa dari universitas berdasarkan kartu mahasiswa mereka.  Dalam kartu mahasiswa terdapat data NIM. Nomor Induk Mahasiswa (NIM) adalah nomor yang digunakan sebagai nomor identitas mahasiswa selama masa studi berlangsung. Berdasarkan hal itu sebuah perguruan tinggi perlu memiliki sistem yang dapat mengidentifikasi NIM pada kartu mahasiswa. Adanya sistem tersebut dapat mempermudah dalam mengidentifikasi data mahasiswa berdasarkan nim yang tertera pada kartu mahasiswa. Untuk melakukan identifikasi data NIM pada kartu mahasiswa, dapat dilakukan metode deteksi tepi. Operator kernel pertama yang digunakan adalah Roberts. Kemudian digunakan Prewitt, lalu terakhir Canny. Ketiga metode ini bekerja dengan mengidentifikasi dan menonjolkan lokasi pixel yang memiliki nilai perbedaan intensitas citra yang ekstrim, akan tetapi ketiganya memiliki perbedaan pada ukuran kernel, kompleksitas metode, dan sensivitas terhadap derau. Penelitian ini bertujuan untuk membandingkan efisiensi antara ketiga operator tersebut dalam deteksi tepi. Dari hasil identifikasi NIM, diperoleh nilai rata - rata MSE, RMSE, dan PSNR operator Canny dari data uji yaitu  0.34068692, 0.57071118 dan 53.08796. Nilai ini adalah lebih baik dibanding dengan Roberts dan Prewitt. Dengan demikian dapat disimpulkan bahwa operator Canny adalah yang terbaik untuk melakukan deteksi tepi pada kartu mahasiswa
Penerapan Algoritma Genetika Dalam Penjadwalan Mata Pelajaran Pangestu, Lintang Aji; Suryawan, Sayekti Harits; Latipah, Asslia Johar
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16701

Abstract

Penjadwalan merupakan proses yang krusial dalam dunia pendidikan, dimana merencanakan aktivitas pada waktu tertentu dengan mempertimbangkan banyak faktor seperti kelas, mata pelajaran, guru, dan waktu pelajaran. Di Sekolah Kreatif Muhammadiyah 2 Bontang, proses penjadwalan mata pelajaran masi dilakukan tanpa yang jelas, hal ini mengakibatkan sering terjadi tabrakan jadwal serta penyesuai ulang jadwal yang telah di keluarkan, hal ini mengakibatkan kurang efektifnya penggunaan waktu serta berdapak pada kualitas pembelajaran yang diterima oleh siswa . Untuk mengatasi masalah ini, digunakan algoritma genetika sebagai metode optimasi dalam penyusunan jadwal mata pelajaran. Algoritma genetika terbukti efektif dalam menangani masalah kompleks yang sulit diselesaikan metode konvensional, karena kemampuannya menjelajahi ruang pencarian dan menemukan solusi optimal pada parameter yang rumit. Penelitian ini menguji algoritma genetika melalui lima percobaan dengan skala data yang berbeda, yaitu 128 kelompok tugas dan 65 kelompok waktu serta 65 kelompok tugas dan 65 kelompok waktu. Hasil pengujian menunjukkan bahwa algoritma genetika berhasil menghasilkan solusi penjadwalan dengan tingkat nilairata-rata kebugaran 0,5 pada skema pertama dan nilai kebugaran  1 pada pengujian skema kedua. Dengan mempertimbangkan jumlah data yang signifikan dan jumlah generasi terbatas, kriteria yang digunakan terbukti sesuai dengan algoritma genetika dalam menyusun jadwal mata pelajaran dengan skala kecil. Scheduling plays a crucial role in the education sector, involving the planning of activities at specific times while considering multiple factors such as classes, subjects, teachers, and class hours. However, at Muhammadiyah 2 Bontang Creative School, the subject scheduling process lacks a clear structure, leading to frequent conflicts and necessitating schedule adjustments. As a result, the effective use of time and the quality of student learning experiences are affected. To tackle this issue, genetic algorithms are utilized as an optimization method for arranging subject schedules.Genetic algorithms have proven to be effective in addressing complex problems that conventional methods struggle with. Their ability to explore extensive search spaces and find optimal solutions amidst complex parameters makes them suitable for this study. The genetic algorithms are tested through five experiments with different data scales: 128 task groups and 65 time groups, as well as 65 task groups and 65 time groups. Hasil percobaan menunjukkan keefektifan algoritma genetika dalam menghasilkan solusi penjadwalan. Pada skema pertama, nilai fitness rata-rata adalah 0,5, dan pada skema kedua, nilai fitness adalah 1. Meskipun terdapat konflik jadwal pada skala data yang lebih besar . Dengan mempertimbangkan volume data yang signifikan dan generasi yang terbatas, kriteria yang digunakan dalam percobaan terbukti cocok untuk algoritma genetika dalam menyusun jadwal mata pelajaran dalam skala kecil.
Rekomendasi Merk Mobil Untuk Calon Pembeli Menggunakan Algoritma Decision Tree Mawaridi, Bima Hamdani; Faisal, Muhammad
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16000

Abstract

Indonesia merupakan salah satu negara dengan jumlah penduduk yang banyak di dunia. Dalam aktivitas sehari-hari, mobil merupakan modal transportasi yang mayoritas dipakai oleh masyarakat selain sepeda  motor. Saat ini merk mobil yang diproduksi di Indonesia maupun langsung diimpor dari luar negeri semakin banyak dengan berbagai keunggulan masing –masing. Hal tersebut menyebabkan pengguna yang mau membeli mobil seringkali masih kesulitan untuk menentukan merk mobil yang sesuai dengan kriteria yang diinginkan. Dari permasalahan di atas maka akan dilakukan sebuah penelitian untuk membuat sebuah sistem klasifikasi merk mobil. Klasifikasi merk mobil ini nantinya diharapkan dapat meningkatkan efektifitas pemilihan merk mobil yang akan dibeli. Dalam penelitian ini disusulkan metode decission tree. Metode Decision tree sering digunakan untuk menghasilkan sebuah pohon keputusan yang memetakan kondisi dan tindakan yang harus diambil berdasarkan kondisi. Data yang digunakan memiliki Informasi tentang 3 merk mobil yakni AS, Jepang, Eropa. Tujuannya yaitu menemukan merk mobil menggunakan parameter seperti inci kubik, tahun pembuatan, dan lain-lain. Dari hasil pengujian nilai akurasi yang didapatkan yaitu 70%, rata-rata presisi 66% dan recall 70%.  Indonesia is one of the countries with a large population in the world. In daily activities, the car is the mode of transportation that the majority of people use besides motorbikes. Currently there are more and more car brands produced in Indonesia and directly imported from abroad with their respective advantages. This causes users who want to buy a car to often find it difficult to determine a car brand that fits the desired criteria. From the problems above, a study will be carried out to create a car brand classification system. This classification of car brands is expected to increase the effectiveness of choosing the car brand to be purchased. In this study, the decision tree method was proposed. The Decision tree method is often used to produce a decision tree that maps conditions and actions to be taken based on conditions. The data used has information about 3 car brands namely US, Japan, Europe. The goal is to find the make of the car using parameters like cubic inches, year of manufacture, etc. From the test results the accuracy value obtained is 70%, the average precision is 66% and the recall is 70%.

Page 1 of 2 | Total Record : 13

 1   2 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 12, No 2 (2025): October Vol 12, No 1 (2025): April Vol 11, No 1 (2024): April 2024 Vol 11, No 2 (2024): October Vol 10, No 2 (2023): October 2023 Vol 10, No 1 (2023): April 2023 Vol 9, No 2 (2022): Oktober 2022 Vol 9, No 1 (2022): April 2022 Vol 8, No 2 (2021): September 2021 Vol 8, No 1 (2021): April 2021 Vol 7, No 2 (2020): September 2020 Vol 7, No 1 (2020): April 2020 Vol 6, No 2 (2019): September 2019 Vol 6, No 1 (2019): April 2019 Vol 5, No 2 (2018): Jurnal INFORMATIKA Vol 5, No 1 (2018): Jurnal INFORMATIKA Vol 4, No 2 (2017): Jurnal INFORMATIKA Vol 4, No 1 (2017): Jurnal INFORMATIKA Vol 3, No 2 (2016): Jurnal INFORMATIKA Vol 3, No 1 (2016): Jurnal INFORMATIKA Vol 2, No 2 (2015): Jurnal INFORMATIKA Vol 2, No 1 (2015): Jurnal INFORMATIKA Vol 1, No 2 (2014): Jurnal INFORMATIKA Vol 1, No 1 (2014): Jurnal INFORMATIKA More Issue