cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Achmad Fauzi
Contact Email
fauzyrivai88@gmail.com
Phone
-
Journal Mail Official
jsik.kaputama@gmail.com
Editorial Address
-
Location
Kota binjai,
Sumatera utara
INDONESIA
Jurnal Sistem Informasi Kaputama (JSIK)
Published by STMIK Kaputama Binjai
ISSN : 25489712     EISSN : 26855232     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Sistem Informasi Kaputama (JSIK) diterbitkan oleh program studi sistem informatika kaputama sebagai media untuk mempublikasi karya ilmiah dibidang sistem informasi, sistem pendukung keputusan, data mining dan komputer vixion.
Arjuna Subject : -
Articles 379 Documents
 21   22   23   24   25 
PEMILIHAN DUTA GENERASI BERENCANA DENGAN MENGGUNAKAN METODE SMART (STUDI KASUS DINAS PENGENDALIAN PENDUDUK DAN KELUARGA BERENCANA KOTA BINJAI) Dimas; Fauzi, Achmad; Gultom, Imeldawaty
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jsik.v6i2.159

Abstract

Pemilihan duta Generasi Berencana (GenRe) bertujuan tegar remaja yang berperilaku sehat, terhindar dari resiko tiga kesehatan reproduksi remaja, menunda usia pernikahan, dan memiliki perencanaan kehidupan berkeluarga untuk mewujudkan keluarga kecil bahagia dan sejahtera. Pemilihan Duta GenRe dimulai dari tahun 2010 hingga saat ini, dimana jumlah peserta setiap tahunnya ± 30 pasang dan hanya 1 pasang yang terpilih. Masalah yang muncul masih ada unsur penilaian secara subjektif dan ada beberapa peserta yang memiliki nilai yang sama sehingga menyulitkan pihak pengambil keputusan untuk menentukan mana yang terbaik, untuk itu diperlukan sebuah sistem pendukung keputusan.Metode yang digunakan adalah SMART. Berdasarkan hasil penelitian yang dilakukan, sistem ini dapat membantu pihak pengambil keputusan dalam menentukan alternatif terbaik menjadi duta GenRe untuk Laki Laki dengan nilai tertinggi 0,8 dan Perempuan dengan nilai tertinggi 0,9 dan dengan adanya sistem ini proses pemilihannya menjadi lebih objektif dan mudah.
Penerapan Data Mining Pengelompokan Data Pada Penghasilan Orang Tua Siswa Menggunakan Metode Clustering Algoritma K-Means Pada SMA Negeri 1 Selesai Defita Br. Manurung, Sella; Simanjuntak, Magdalena; Novriyenni
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jsik.v6i2.160

Abstract

Penyebab siswa tidak melanjutkan pendidikan adalah factor ekonomi orang tua yangmempengaruhi, Oleh sebab itu, dari pihak sekolah tidak ingin siswanya putus sekolahkarena orang tua siswa tidak mampu membayar secara lunas biaya pendidikan setiapsemester. Maka sekolah membutuhkan sebuah sistem yang dapat mengelompokkansiswanya, berdasarkan penghasilan orang tua siswa dan berbagai kriteria pertimbanganlainya. Sehingga sekolah dapat memberikan penundaan pembayaran setiap semester, padasiswa yang tepat dan tidak salah sasaran sehingga siswa dapat menyelesaikanpendidikannya tampa terbebani dengan baiya pendidikan yang belum lunas. Salah satupendekatan yang di gunakan dalam mengembangkan metode clustering yaitu metode KMeans, dimana metode ini merupakan salah satu metode pengelompokan data nonhierarki(sekatan) yang berusaha mempartisipasi data kedalam bentuk dua atau lebih. Tetapi kalaucluster tidak harus akan tetapi pengelompokanya berdasarkan pada kedekatan dari suatukarakeristik simple yang ada, salah satunya dengan menggunkan rumus jarak eclulden.Aplikasih cluster ini sangat banyak, karena hampir dalam mengidentifikasihkanpermasalahan atau pengembalian keputusan selalu tidak sama persis akan tetapi cenderungmemiliki kemiripan saja.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN WILAYAH PRIORITAS INTERVENSI KEGIATAN KELUARGA BERENCANA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) STUDI KASUS : DINAS PENGENDALIAN PENDUDUK DAN KELUARGA BERENCANA KOTA BINJAI Fauzan Akbar, Ahmad; Simanjuntak, Magdalena
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

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

Abstract

Keluarga Berencana merupakan tindakan yang membantu individu atau pasangan suami istriuntuk mendapatkan objek tertentu yang dijalankan oleh Dinas Pengendalian Penduduk danKeluarga Berencana (DPPKB) Kota Binjai. Intervensi merupakan suatu kegiatan yang dilakukansecara sistematis dan terencana untuk mengubah keadaan seseorang, kelompok orang ataumasyarakat yang menuju kepada perbaikan atau mencegah memburuknya suatu keadaan. untukmemilih wilayah prioritas intervensi kegiatan Keluarga Berencana yang meliputi permasalahanseperti proses pemilihan yang memakan waktu lama dan memungkinkan terjadinya kesalahanmanusia, diperlukan sebuah sistem pendukung keputusan berbasis web yang dibangunmenggunakan metode Simple Additive Weighting (SAW).
PENERAPAN DATA MINING PENGELOMPOKAN JAMINAN HARI TUA (JHT) BERDASARKAN WILAYAH DALAM MASA PANDEMI (STUDI KASUS : BPJS KETENAGAKERJAAN CABANG LANGKAT) Mustika Dewi, Tata
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jsik.v6i2.162

Abstract

During the COVID-19 pandemic, many companies experienced a decline or went bankrupt, so they had to reduce the number of workers and even close the company. BPJS Ketenagakerjaan is a public legal entity that is responsible to the president and functions to administer four programs, namely Work Accident Insurance (JKK), Death Insurance (JKM), Old Age Security (JHT), with the addition of the Pension Guarantee program (JP). One of them is the submission of claims from too many participants of the Old Age Security program from various regions, especially the Langkat sub-district, so that it becomes a big problem to provide good service or information for the participants. For this reason, the author tries to create a system to support a computerized grouping process that can help automatically classify JHT claims by region, so there is an opportunity to design a grouping data mining system in it. Data mining is a process of mining data in very large amounts of data using statistical, mathematical methods, to utilizing the latest artificial intelligence technology. Clustering is a method that is applied in creating a grouping data mining system to make it easier for employees to group JHT by region. Based on the analysis that has been done in the grouping of old-age insurance data using the clustering method, it is necessary to do the cluster process several times to get the same results according to the process that was first carried out, namely in cluster 1 : 2 3 2 cluster 2 : 2 8 2, cluster 3 : 2 13 2 with 545 data in cluster 1, 308 data in cluster 2 and 421 data in cluster 3.
PEMILIHAN TEMPAT PENYULUHAN BERDASARKAN TINGKAT KERAWANAN DENGAN MENGGUNAKAN METODE SMART Susilawati
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jsik.v6i2.163

Abstract

The National Narcotics Agency is a non-structural institution tasked with coordinating relevant government agencies in the formulation of policies and their implementation in the field of availability, prevention, eradication, abuse and illicit trafficking of narcotics (P4GN). In an effort to contain the rate of increase in the prevalence of drug abuse and illicit trafficking in Binjai City, the National Narcotics Agency of Binjai City conducts anti-drug counseling activities to the entire community. In this study, the SMART (Simple Multi Attribute Rating Technique) method was used to build a web-based system that aims to make it easier to determine the right place for anti-drug counseling. The results of this study indicate that by applying the method (Simple Multi Attribute Rating Technique) the best alternative can be obtained, namely A5 (Tunggorono Village) with the criteria values: C1 (Number of Drug Crime Cases) = 0.3; C2 (Crime Rate) = 0.25; C3 (Narcotics Use Rate) = 0.20; C4 (Drug Location) = 0.15; C5 (Low Social Interaction) = 0.1 with a total final result of 1.
PENERAPAN DATA MINING PENGELOMPOKAN PESERTA BPJS KETENAGAKERJAAN BERDASARKAN PROGRAM YANG DIAMBIL MENGGUNAKAN METODE CLUSTERING Zema; Maulita, Yani; Arliana, Lina
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jsik.v6i2.166

Abstract

The implementation of the social security program is one of the responsibilities and obligations of the State, to provide socio-economic protection to the community. Indonesia, like other developing countries, develops social security programs based on funded social security, namely social security that is funded by participants and is still limited to working people in the formal sector. BPJS Ketenagakerjaan continues to improve competence in all aspects of service while developing various programs and benefits that can be directly enjoyed by workers and their families. Non-Wage Recipient Workers (BPU) are employees who carry out economic activities or businesses independently to earn income from their activities or business. The problem that hinders the length of data collection for BPJS Employment participants is the process of determining the social security program that will be taken by Non-Wage Recipient (BPU) workers from the program taken by BPJS Ketenagakerjaan participants. owned is very small and only enough for the daily needs of participants. Data Mining is a data mining process in very large amounts of data using statistical, and mathematical methods, and utilizing the latest Artificial Intelligence technology. Data mining in the process of grouping data can use a grouping method, namely the Clustering method. The system is designed with the MATLAB R2014a programming application, after testing with the system, the results obtained are that in group 1 there are 370 data, group 2 there are 359 data and group 3 there are 271 data with a total of 100 data participants.
PENERAPAN DATA MINING PENGELOMPOKAN DATA PENGGUNA AIR BERSIH BERDASARKAN KELUHANNYA MENGGUNAKAN METODE CLUSTERING PADA PDAM LANGKAT Annisa, Karin; Ginting, Budi Serasi; Syar, Mili Alfhi
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jsik.v6i2.167

Abstract

Permasalahan pelanggan memang sangat kompleks, oleh karena itu harus ditangani secara baik, jelas, dan tuntas. Pelayanan yang baik dari suatu perusahaan dapat menunjukan profesionalisme perusahaan itu sendiri, artinya keseriusan, kepastian waktu, ketepatan waktu dan hasil kerja yang dapat dipertanggung jawabkan dalam menyelesaikan semua permasalahan dapat membuktikan kualitas suatu perusahaan. Clustering merupakan proses partisi satu set objek data ke dalam himpunan bagian yang disebut dengan cluster. Objek yang di dalam cluster memiliki kemiripan karakteristik antar satu sama lainnya dan berbeda dengan cluster yang lain. Clustering sangat berguna dan bisa menemukan group atau kelompok yang tidak dikenal dalam data. Dari 2056 data keluhan pelanggan iperoleh hasil Cluter 1 yaitu 12, 5, 5, pada cluster 2 yaitu 4, 5, 5 dan cluster 3 yaitu 8, 2, 2. Dengan jumlah anggota cluster 1 883 anggota, cluster 2 635 anggota dan cluster 3 yaitu 538 anggota. Dari hasil cluster Matlab tersebut terdapat kesamaan hasil yaitu jenis keluhan pada cluster 1 dengan cluster 2 yaitu kode 5 jenis keluhan pipa bocor dengan peanganan kerusakan menyambung pipa air (gibout join).
DATA MINING PENGELOMPOKAN PENGGUNA NARKOBA BERDASARKAN USIA MENGGUNAKAN METODE CLUSTERING (STUDI KASUS : BNN KOTA BINJAI) Ananda, Rizki Putri; Ginting, Budi Serasi; Pasaribu, Tio Ria
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jsik.v6i2.168

Abstract

Peredaran dan penyalahgunaan narkoba merupakan masalah yang sangat kompleks, yang memerlukan upaya penanggulangan. Mengingat masih banyaknya kendala dalam proses pengelompokan pengguna narkoba di Kantor BNN Kota Binjai, untuk itu penulis mencoba membuat suatu sistem untuk mendukung proses pengelompokan yang terkomputerisasi yang dapat membantu mengelompokan secara otomatis pengguna narkoba berdasarkan usia, sehingga ada peluang untuk merancang sistem data mining pengelompokan didalamnya. Data mining adalah bagian dari sistem informasi berbasis komputer yang memperkerjakan satu atau lebih teknik pembelajaran komputer untuk menganalisis dan mengekstrasi pengetahuan secara otomatis yang dipakai untuk mendukung pengelompokan dalam suatu organisasi atau suatu perusahaan. Clustering adalah sebuah metode yang diterapkan dalam membuat suatu sistem data mining pengelompokan untuk memudahkan para staff dalam mengelompokan pengguna narkoba berdasarkan usia. Berdasarkan analisis yang telah dilakukan pada pengelompokan data pengguna narkoba dengan menggunakan metode clustering, maka perlu dilakukan proses cluster beberapa kali untuk mendapatkan hasil yang sama sesuai dengan proses yang pertama kali dilakukan. Dalam proses ini dilakukan proses sebanyak 10 kali proses sehingga mendapatkan hasil cluster. Pada cluster 1 yaitu 3 9 4, cluster 2 yaitu 3 1 4, cluster 3 yaitu 3 5 4 dengan jumlah pada anggota cluster 1 sebanyak 322 data, cluster 2 sebanyak 81 data dan cluster 3 sebanyak 97 data.
PENERAPAN DATA MINING PENGELOMPOKAN DATA PASIEN BERDASRKAN JENIS PENYAKIT MENGGUNAKAN METODE CLUSTERING (STUDI KASUS KLINIK MITRA ND) SITEPU, ADE FEBRIAN
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jsik.v6i2.169

Abstract

Dalam menemukan informasi baru berdasarkan data medis pasien yang ada di Poliklinik Mitra Nd. Pengelompokan data medis pasien berdasarkan jenis penyakit menggunakan metode clustering merupakan cara tepat yang dapat dilakukan dari semua pengelompokan-pengelompokan yang sudah ditentukan. Berdasarkan hasil pengelompokan tersebut, penulis akan menggali informasi penting yang dapat digunakan untuk mengetahui variabel-variabel apa saja yang menjadi pengelompokan jenis penyakit untuk pengclusteran pada data. kriteria yang telah ditentukan yaitu umur, tempat tinggal dan jenis penyakit, oleh karena itu dengan memnfaatkan data penyakit pasien dapat diketahui informasi tentang data penyakit pasien yang terdapat di klinik nd melalui teknik data mining. Tools yang digunakan untuk membuat aplikasi penerapan data mining adalah dengan MATLAB R2008. Dikatahui data yang telah dijelaskan sebelumnya pada bab IV bahwa untuk Grup 1 Centroid = 3,7778 2,5505 2,5707 (terdapat 198 data). Berdasarkan perhitungan diatas dapat di ketahui bahwasanya pada cluster 1 pada cluster 1 berpusat pada centroid dengan grup Umur (X) adalah >25 Tahun, dengan tempat tinggal (Y) bertempat tinggal di paret rimo, dengan jenis penyakit (Z) yaitu Penyakit Fever. Grup 2 Centroid 2 = 3,6806 6,3351 2,5497 (terdapat 205 data). Berdasarkan perhitungan diatas dapat di ketahui bahwasanya pada pada cluster 2 berpusat pada centroid dengan grup Umur (X) adalah >25 Tahun, dengan tempat tinggal (Y) bertempat tinggal di gardu, dengan jenis penyakit (Z) yaitu Penyakit Fever. Grup 3 Centroid 3 = 3,1559 4,1559 6,6828 (terdapat 186 data). Berdasarkan perhitungan diatas dapat di ketahui bahwasanya pada cluster 3 berpusat pada centroid dengan grup Umur (X) adalah 16-25 Tahun, dengan tempat tinggal (Y) bertempat tinggal di sawit seberang, dengan jenis penyakit (Z) yaitu Penyakit DBD.
Clustering Peserta Kb Aktif Di Kota Binjai Menggunakan Metode K-Means (Study Kasus BKKBN Kota Binjai) sitepu, Rida Gustina Br; Ginting, Budi Serasi; Fatmaira, Zira
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jsik.v6i2.170

Abstract

Kebutuhan teknologi saat ini sangat diperlukan baik dalam bidang kesehatan, pendidikan dan lain-lain. Teknologi dapat membantu dalam mempercepat pekerjaan yang awal manual menjadi digital, seperti perhitungan, pengelompokan, dan sebagainya. Sekarang ini begitu banyak data yang terdapat dalam sebuah organisasi, sehingga menimbulkan kesulitan dalam hal pengelompokan data. Clustering atau pengelompokan data sangatlah penting dalam suatu perusahaan atau organisasi untuk menyelesaikan masalah data dalam hal perencanaan dan pengambilan keputusan serta dalam pengambilan kebijakan untuk suatu informasi. Penelitian ini bertujuan untuk Untuk mengetahui pelompokkan peserta KB aktif Kota Binjai. Dengan mengelompokan Peserta KB aktif Membantu mengelompokkan pasangan usia subur dan peserta KB yang aktif dan mempermudah proses dalam memperoleh informasi tentang usia subur dan peserta KB aktif. Selanjutnya hasil pemilahan objek dijadikan input dalam pembuatan model clustering menggunakan metode K-Means. Hasil ini menunjukkan bahwa model clustering Peserta Kb aktif dapat digunakan untuk keperluan pengelompokan.

Page 23 of 38 | Total Record : 379

 21   22   23   24   25 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 9 No. 1 (2025): Volume 9, Nomor 1, Januari 2025 Vol. 8 No. 2 (2024): Volume 8, Nomor 2, Juli 2024 Vol. 8 No. 1 (2024): Volume 8, Nomor 1, Januari 2024 Vol. 7 No. 2 (2023): Volume 7, Nomor 2, Juli 2023 Vol. 7 No. 1 (2023): Volume 7, Nomor 1, Januari 2023 Vol 7, No 1 (2023): Volume 7, Nomor 1 Januari 2023 Vol 6, No 2 (2022): Volume 6, Nomor 2 Juli 2022 Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022 Vol. 6 No. 1 (2022): Volume 6, Nomor 1, Januari 2022 Vol 6, No 1 (2022): Volume 6, Nomor 1 Januari 2022 Vol. 5 No. 2 (2021): Volume 5, Nomor 2, Juli 2021 Vol 5, No 2 (2021): Volume 5, Nomor 2 Juli 2021 Vol 5, No 1 (2021): Volume 5, Nomor 1 Januari 2021 Vol. 5 No. 1 (2021): Volume 5, Nomor 1, Januari 2021 Vol. 4 No. 2 (2020): Volume 4, Nomor 2, Juli 2020 Vol 4, No 2 (2020): Edisi Juli, Volume 4 Nomor 2, Juli 2020 Vol. 4 No. 1 (2020): Volume 4, Nomor 1, Januari 2020 Vol 4, No 1 (2020): EDISI JANUARI 2020 Vol. 3 No. 2 (2019): Volume 3, Nomor 2, Juli 2019 Vol 3, No 2 (2019): VOLUME 3, NOMOR 2, EDISI JULI 2019 Vol. 3 No. 1 (2019): Volume 3, Nomor 1, Januari 2019 Vol 3, No 1 (2019): Edisi Januari 2019 Vol 2, No 2 (2018): Volume 2 No. 2 Juli 2018 Vol. 2 No. 2 (2018): Volume 2, Nomor 2, Juli 2018 Vol. 2 No. 1 (2018): Volume 2, Nomor 1, Januari 2018 Vol 2, No 1 (2018): Volome 2 Nomor 1 Januari 2018 Vol. 1 No. 2 (2017): Volume 1, Nomor 2, Juli 2017 Vol. 1 No. 1 (2017): Volume 1, Nomor 1, Januari 2017 Vol 1, No 2 (2017) Vol 1, No 1 (2017) More Issue