Indonesian Journal of Business Intelligence (IJUBI)
Fokus jurnal adalah karya inovatif pada analisis, desain, pengembangan, implementasi, evaluasi program, proyek, dan produk sistem informasi dalam manajemen strategis dan intelijen bisnis.
Articles
10 Documents
Search results for
, issue
"Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI)"
:
10 Documents
clear
<![CDATA[KOMPARASI METODE NAÏVE BAYES DAN C4.5 DALAM KLASIFIKASI LOYALITAS PELANGGAN TERHADAP LAYANAN PERUSAHAAN ]]>
<![CDATA[Musthofa Galih Pradana]]>;
<![CDATA[Pujo Hari Saputro]]>
<![CDATA[ Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) ]]>
Publisher : <![CDATA[Program Studi S1 Sistem Informasi Fakultas Komputer dan Teknik Universitas Alma Ata ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21927/ijubi.v3i1.1205
<![CDATA[Keberadaan pelanggan bagi jalannya sebuah usaha sangatlah penting. Pelanggan memiliki kecenderungan yakni untuk tetap lanjut berlangganan dengan perusahaan atau sebaliknya berhenti berlangganan. Salah satu teknik yang dapat digunakan untuk mengidentifikasi kecenderungan loyalitas pelanggan adalah dengan klasifikasi data. Berdasarkan data pelanggan yang dimiliki perusahaan dapat dilakukan pengolahan data atau data mining dengan mengkelompokan pelanggan yang loyal dan yang tidak loyal. Ada banyak metode yang dapat diterapkan untuk klasifikasi data, diantaranya adalah algortima Naïve Bayes dan C4.5. Kedua metode ini menghasilkan akurasi yang berbeda ketika digunakan untuk proses klasifikasi data. Digunakan 2 skenario dalam proses pengujian kedua algoritma, skenario membagi data dalam data testing dan training serta skenario pengujian menggunakan cross validation. Hasil kedua skenario ini menunjukan bahwa metode C4.5 lebih unggul dibandingkan dengan metode Naïve Bayes dengan akurasi skenario 1 sebesar 78,6086 % dan skenario 2 akurasi sebesar 78,61%. AbstrakKeberadaan pelanggan bagi jalannya sebuah usaha sangatlah penting. Pelanggan memiliki kecenderungan yakni untuk tetap lanjut berlangganan dengan perusahaan atau sebaliknya berhenti berlangganan. Salah satu teknik yang dapat digunakan untuk mengidentifikasi kecenderungan loyalitas pelanggan adalah dengan klasifikasi data. Berdasarkan data pelanggan yang dimiliki perusahaan dapat dilakukan pengolahan data atau data mining dengan mengkelompokan pelanggan yang loyal dan yang tidak loyal. Ada banyak metode yang dapat diterapkan untuk klasifikasi data, diantaranya adalah algortima Naïve Bayes dan C4.5. Kedua metode ini menghasilkan akurasi yang berbeda ketika digunakan untuk proses klasifikasi data. Digunakan 2 skenario dalam proses pengujian kedua algoritma, skenario membagi data dalam data testing dan training serta skenario pengujian menggunakan cross validation. Hasil kedua skenario ini menunjukan bahwa metode C4.5 lebih unggul dibandingkan dengan metode Naïve Bayes dengan akurasi skenario 1 sebesar 78,6086 % dan skenario 2 akurasi sebesar 78,61%.]]>
<![CDATA[KOMPARASI METODE NAÃVE BAYES DAN C4.5 DALAM KLASIFIKASI LOYALITAS PELANGGAN TERHADAP LAYANAN PERUSAHAAN ]]>
<![CDATA[Pradana, Musthofa Galih]]>;
<![CDATA[Saputro, Pujo Hari]]>
<![CDATA[ Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) ]]>
Publisher : <![CDATA[Program Studi S1 Sistem Informasi Fakultas Komputer Universitas Alma Ata ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21927/ijubi.v3i1.1205
<![CDATA[Keberadaan pelanggan bagi jalannya sebuah usaha sangatlah penting. Pelanggan memiliki kecenderungan yakni untuk tetap lanjut berlangganan dengan perusahaan atau sebaliknya berhenti berlangganan. Salah satu teknik yang dapat digunakan untuk mengidentifikasi kecenderungan loyalitas pelanggan adalah dengan klasifikasi data. Berdasarkan data pelanggan yang dimiliki perusahaan dapat dilakukan pengolahan data atau data mining dengan mengkelompokan pelanggan yang loyal dan yang tidak loyal. Ada banyak metode yang dapat diterapkan untuk klasifikasi data, diantaranya adalah algortima Naïve Bayes dan C4.5. Kedua metode ini menghasilkan akurasi yang berbeda ketika digunakan untuk proses klasifikasi data. Digunakan 2 skenario dalam proses pengujian kedua algoritma, skenario membagi data dalam data testing dan training serta skenario pengujian menggunakan cross validation. Hasil kedua skenario ini menunjukan bahwa metode C4.5 lebih unggul dibandingkan dengan metode Naïve Bayes dengan akurasi skenario 1 sebesar 78,6086 % dan skenario 2 akurasi sebesar 78,61%. AbstrakKeberadaan pelanggan bagi jalannya sebuah usaha sangatlah penting. Pelanggan memiliki  kecenderungan yakni  untuk tetap lanjut berlangganan dengan perusahaan atau sebaliknya berhenti berlangganan. Salah satu teknik yang dapat digunakan untuk mengidentifikasi kecenderungan loyalitas pelanggan  adalah dengan klasifikasi data. Berdasarkan data pelanggan yang dimiliki perusahaan dapat dilakukan pengolahan data atau data mining dengan mengkelompokan pelanggan yang loyal dan yang tidak loyal. Ada banyak metode yang dapat diterapkan untuk klasifikasi data, diantaranya adalah algortima Naïve Bayes dan C4.5. Kedua metode ini menghasilkan akurasi yang berbeda ketika digunakan untuk proses klasifikasi data. Digunakan 2 skenario dalam proses pengujian kedua algoritma, skenario membagi data dalam data testing dan training serta skenario pengujian menggunakan cross validation. Hasil kedua skenario ini menunjukan bahwa metode C4.5 lebih unggul dibandingkan dengan metode Naïve Bayes dengan akurasi skenario 1 sebesar 78,6086 % dan skenario 2 akurasi sebesar 78,61%.]]>
<![CDATA[IMPLEMENTASI ALGORITMA DIJKSTRA DALAM PENENTUAN JALUR TERPENDEK STUDI KASUS JARAK TEMPAT KULIAH TERDEKAT ]]>
<![CDATA[Muhammad Muharrom]]>
<![CDATA[ Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) ]]>
Publisher : <![CDATA[Program Studi S1 Sistem Informasi Fakultas Komputer dan Teknik Universitas Alma Ata ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21927/ijubi.v3i1.1229
<![CDATA[Bagi siapapun yang ingin bepergian menuju jakarta, darimana pun domisili orang tersebut berada, seperti wilayah bekasi yang memang salah satu wilayah yang berdekatan dengan provinsi Jakarta, entah bepergian menuju ke jakarta perihal bekerja ataupun kuliah harus mengetahui rute mana yang tercepat dan terpendek untuk dilalui dan sebisa mungkin menghindari wilayah yang macetnya parah, karena kemacetan di Jakarta sudah menjadi pemandangan sehari-hari. Banyak langkah langkah yang telah dilakukan oleh pemerintah untuk mengatasi kemacetan tersebut, seperti pembangunan fly over dan underpass, pengoperasian jalur busway, pemberlakuan jam tree in one dan sebagainya. Akan tetapi kemacetan tetap saja masih sering terjadi sampai saat ini, Oleh karena itu diperlukan peran aktif dari pengguna jalan sendiri untuk dapat mengatasi kemacetan tersebut. Salah satu cara yang paling efektif yaitu dengan mencari rute alternatif yang dapat dilalui. Oleh karena itu penulis mencoba membuat study kasus perjalanan dari Ujungharapan-Bekasi menuju Menara Salemba (STMIK Nusa Mandiri) - Jakarta Pusat sebagai percobaan penerapan metode dengan menggunakan algoritma Dijkstra yang dapat menemukan jalur tercepat dan terpendek. Sehingga perjalanan dari Bekasi menuju STMIK Nusa Mandiri akan lebih cepat dan menghemat waktu, tenaga dan biaya bahan bakar.]]>
<![CDATA[IMPLEMENTASI ALGORITMA DIJKSTRA DALAM PENENTUAN JALUR TERPENDEK STUDI KASUS JARAK TEMPAT KULIAH TERDEKAT ]]>
<![CDATA[Muharrom, Muhammad]]>
<![CDATA[ Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) ]]>
Publisher : <![CDATA[Program Studi S1 Sistem Informasi Fakultas Komputer Universitas Alma Ata ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21927/ijubi.v3i1.1229
<![CDATA[Bagi siapapun yang ingin bepergian menuju jakarta, darimana pun domisili orang tersebut berada, seperti wilayah bekasi yang memang salah satu wilayah yang berdekatan dengan provinsi Jakarta, entah bepergian menuju ke jakarta perihal bekerja ataupun kuliah harus mengetahui rute mana yang tercepat dan terpendek untuk dilalui dan sebisa mungkin menghindari wilayah yang macetnya parah, karena kemacetan di Jakarta sudah menjadi pemandangan sehari-hari. Banyak langkah langkah yang telah dilakukan oleh pemerintah untuk mengatasi kemacetan tersebut, seperti pembangunan fly over dan underpass, pengoperasian jalur busway, pemberlakuan jam tree in one dan sebagainya. Akan tetapi kemacetan tetap saja masih sering terjadi sampai saat ini, Oleh karena itu diperlukan peran aktif dari pengguna jalan sendiri untuk dapat mengatasi kemacetan tersebut. Salah satu cara yang paling efektif yaitu dengan mencari rute alternatif yang dapat dilalui. Oleh karena itu penulis mencoba membuat study kasus perjalanan dari Ujungharapan-Bekasi menuju Menara Salemba (STMIK Nusa Mandiri) - Jakarta Pusat sebagai percobaan penerapan metode dengan menggunakan algoritma Dijkstra yang dapat menemukan jalur tercepat dan terpendek. Sehingga perjalanan dari Bekasi menuju STMIK Nusa Mandiri akan lebih cepat dan menghemat waktu, tenaga dan biaya bahan bakar.]]>
<![CDATA[EVALUASI USABILITY SISTEM INFORMASI PAYMENT GATEWAY CV ADIKARA PAYMENT ]]>
<![CDATA[Deden Hardan Gutama]]>
<![CDATA[ Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) ]]>
Publisher : <![CDATA[Program Studi S1 Sistem Informasi Fakultas Komputer dan Teknik Universitas Alma Ata ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21927/ijubi.v3i1.1178
<![CDATA[Penelitian ini bertujuan untuk mengetahui tingkat usability pada sistem informasi payment gateway pada CV Adikara Payment, dan memberikan usulan perbaikan terhadap variabel yang bernilai rendah agar terjadi peningkatan penggunaan sistem.Penelitian ini dilakukan di CV Adikara Payment. Metode pengumpulan data menggunakan kuisioner, dokumentasi, data sekunder, observasi dan wawancara. Analisis data pada penelitian ini menggunakan analisis deskriptif.Berdasarkan hasil riset penelitian yang telah dilaksanakan dapat ditarik kesimpulan bahwa tingkat usability dengan responden baik adalah sebesar 50 orang (63,2%), dan usability dengan responden cukup baik adalah sebesar 30 orang (37,5%). Hal ini menunjukkan bahwa payment gateway pada CV Adikara Payment sudah memenuhi kriteria sebagai website yang baik. Berdasarkan data hasil analisis, nilai cukup baik sebesar 37,5% perlu dilakukan perbaikan guna mendapatkan hasil yang lebih baik seperti perbaikan notifikasi transaksi, user guide, dan sub sistem voucher.]]>
<![CDATA[EVALUASI USABILITY SISTEM INFORMASI PAYMENT GATEWAY CV ADIKARA PAYMENT ]]>
<![CDATA[Gutama, Deden Hardan]]>
<![CDATA[ Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) ]]>
Publisher : <![CDATA[Program Studi S1 Sistem Informasi Fakultas Komputer Universitas Alma Ata ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21927/ijubi.v3i1.1178
<![CDATA[Penelitian ini bertujuan untuk mengetahui tingkat usability pada sistem informasi payment gateway pada CV Adikara Payment, dan memberikan usulan perbaikan terhadap variabel yang bernilai rendah agar terjadi peningkatan penggunaan sistem.Penelitian ini dilakukan di CV Adikara Payment. Metode pengumpulan data menggunakan kuisioner, dokumentasi, data sekunder, observasi dan wawancara. Analisis data pada penelitian ini menggunakan analisis deskriptif.Berdasarkan hasil riset penelitian yang telah dilaksanakan dapat ditarik kesimpulan bahwa tingkat usability dengan responden baik adalah sebesar 50 orang (63,2%), dan usability dengan responden cukup baik adalah sebesar 30 orang (37,5%). Hal ini menunjukkan bahwa payment gateway pada CV Adikara Payment sudah memenuhi kriteria sebagai website yang baik. Berdasarkan data hasil analisis, nilai cukup baik sebesar 37,5% perlu dilakukan perbaikan guna mendapatkan hasil yang lebih baik seperti perbaikan notifikasi transaksi, user guide, dan sub sistem voucher.]]>
<![CDATA[EVALUASI TINGKAT KEMATANGAN SPBE DI DISPERINDAG KABUPATEN BANJAR ]]>
<![CDATA[M Rizeki Yuda Saputra]]>;
<![CDATA[Wing Wahyu Winarno]]>;
<![CDATA[Henderi Henderi]]>
<![CDATA[ Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) ]]>
Publisher : <![CDATA[Program Studi S1 Sistem Informasi Fakultas Komputer dan Teknik Universitas Alma Ata ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21927/ijubi.v3i1.1188
<![CDATA[AbstrakPenelitian ini dilakukan untuk mengetahui capaian kemajuan dan memberikan saran untuk pelaksanaan domain layanan SPBE di Dinas Perindustrian dan Perdagangan Kabupaten Banjar. Struktur penilaian SPBE dikhususkan pada Domain 3 Layanan SPBE tingkat kematangan pada kapabilitas fungsi dan menggunakan metode CMM/CMMI Development versi 1.3.Perhitungan Indeks domain Layanan SPBE dilakukan berdasarkan hasil pengolahan data dari 12 responden pada kuesioner SPBE, kemudian Roamap CMMI dipetakan berdasarkan domain layanan SPBE yang memiliki nilai kesesuaian paling tinggi digunakan sebagai roadmap yang palin cocok, yang dalam penelitian ini adalah Process Roadmap yang kemudian diukur tingkat kematangan tiap Process Area- nya (Process area Organizational Process Focus, Process area Organizational Focus Definition, Process area Measurement and Analysis, Process area Causal Analysis and Resolution, Process area Process and Product Quality Assurance).Rekomendasi diberikan berdasarkan hasil perhitungan tingkat kematangan dari setiap Process Area agar saran yang diberikan dapat digunakan sebagai langkah perbaikan yang tepat dan berkelanjutan bagi instansi terkait.]]>
<![CDATA[EVALUASI TINGKAT KEMATANGAN SPBE DI DISPERINDAG KABUPATEN BANJAR ]]>
<![CDATA[Saputra, M Rizeki Yuda]]>;
<![CDATA[Winarno, Wing Wahyu]]>;
<![CDATA[Henderi, Henderi]]>
<![CDATA[ Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) ]]>
Publisher : <![CDATA[Program Studi S1 Sistem Informasi Fakultas Komputer Universitas Alma Ata ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21927/ijubi.v3i1.1188
<![CDATA[AbstrakPenelitian ini dilakukan untuk mengetahui capaian kemajuan dan memberikan saran untuk pelaksanaan domain layanan SPBE di Dinas Perindustrian dan Perdagangan Kabupaten Banjar. Struktur penilaian SPBE dikhususkan pada Domain 3 Layanan SPBE tingkat kematangan pada kapabilitas fungsi dan menggunakan metode CMM/CMMI Development versi 1.3.Perhitungan Indeks domain Layanan SPBE dilakukan berdasarkan hasil pengolahan data dari 12 responden pada kuesioner SPBE, kemudian Roamap CMMI dipetakan berdasarkan domain layanan SPBE yang memiliki nilai kesesuaian paling tinggi digunakan sebagai roadmap yang palin cocok, yang dalam penelitian ini adalah Process Roadmap yang kemudian diukur tingkat kematangan tiap Process Area- nya (Process area Organizational Process Focus, Process area Organizational Focus Definition, Process area Measurement and Analysis, Process area Causal Analysis and Resolution, Process area Process and Product Quality Assurance).Rekomendasi diberikan berdasarkan hasil perhitungan tingkat kematangan dari setiap Process Area agar saran yang diberikan dapat digunakan sebagai langkah perbaikan yang tepat dan berkelanjutan bagi instansi terkait.]]>
<![CDATA[PEMANTAUAN SISTEM KUALITAS UDARA MENGGUNAKAN OPENHAB ]]>
<![CDATA[Bambang Nakulo]]>;
<![CDATA[Indah Daila Sari]]>;
<![CDATA[Dedy Hariyadi]]>
<![CDATA[ Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) ]]>
Publisher : <![CDATA[Program Studi S1 Sistem Informasi Fakultas Komputer dan Teknik Universitas Alma Ata ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21927/ijubi.v3i1.1203
<![CDATA[Pencemaran udara bukan masalah sederhana, banyak dampak buruk yang timbul karena perubahan kualitas udara baik pada kesehatan manusia dan makhluk hidup lainnya. Oleh karena itu sistem pemantauan kualitas udara perlu dilakukan untuk membantu orang mengetahui kualitas udara di sekitar mereka. Pengendalian kualitas udara telah diatur dalam Peraturan Pemerintah Nomor 41 Tahun 1999 tentang pengendalian pencemaran udara, sebagai tolak ukur kualitas udara berdasarkan pengukuran kadar SO2, No2, SPM, pH, Ozon, Gas Rumah Kaca, PM10, PM2.5 di udara. Sistem pemantauan kualitas udara sangat diperlukan terlebih sistem berbasis internet. Didalam penelitian ini telah dibuat sistem pemantauan kualitas udara menggunakan platform OpenHAB yang memanfaatkan sumber data dari open sensor. Penelitian ini sebagai wujud usulan sebuah sistem yang dapat menampilkan derajat kualitas udara di berbagai kota di Indonesia.]]>
<![CDATA[PEMANTAUAN SISTEM KUALITAS UDARA MENGGUNAKAN OPENHAB ]]>
<![CDATA[Nakulo, Bambang]]>;
<![CDATA[Sari, Indah Daila]]>;
<![CDATA[Hariyadi, Dedy]]>
<![CDATA[ Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) ]]>
Publisher : <![CDATA[Program Studi S1 Sistem Informasi Fakultas Komputer Universitas Alma Ata ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21927/ijubi.v3i1.1203
<![CDATA[Pencemaran udara bukan masalah sederhana, banyak dampak buruk yang timbul karena perubahan kualitas udara baik pada kesehatan manusia dan makhluk hidup lainnya. Oleh karena itu sistem pemantauan kualitas udara perlu dilakukan untuk membantu orang mengetahui kualitas udara di sekitar mereka. Pengendalian kualitas udara telah diatur dalam Peraturan Pemerintah Nomor 41 Tahun 1999 tentang pengendalian pencemaran udara, sebagai tolak ukur kualitas udara berdasarkan pengukuran kadar SO2, No2, SPM, pH, Ozon, Gas Rumah Kaca, PM10, PM2.5 di udara. Sistem pemantauan kualitas udara sangat diperlukan terlebih sistem berbasis internet. Didalam penelitian ini telah dibuat sistem pemantauan kualitas udara menggunakan platform OpenHAB yang memanfaatkan sumber data dari open sensor. Penelitian ini sebagai wujud usulan sebuah sistem yang dapat menampilkan derajat kualitas udara di berbagai kota di Indonesia.]]>
