Garuda - Garba Rujukan Digital

Prototype Mesin Pencarian Pada Presensi Perkuliahan Menggunakan Semantic Web retnawati, lestari; saurina, nia
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Presensi merupakan proses pengumpulan data guna mengetahui kehadiran seseorang dalam suatu kegiatan. Salah satu kegiatan yang membutuhkan presensi adalah perkuliahan. Presensi dalam perkuliahan secara umum masih dilakukan secara manual, yakni dengan menggunakan lembar presensi yang dibawa oleh dosen di tiap pertemuan.Tujuan penelitian ini adalah untuk melakukan pengembangan sistem pencarian dengan memanfaatkan teknologi web semantik sehingga dapat menjadi alternatif untuk menggantikan pencarian data berdasarkan presensi manual.Dalam penulisan ini komponen-komponen teknologi web semantik yang dipergunakan adalah RDF (Resource Description Framework) sebagai representasi pengetahuan yang digunakan. Komponen yang kedua adalah SPARQL digunakan untuk mengambil informasi yang terdapat pada RDF. Komponen yang terakhir adalah RAP (RDF API for PHP) yang dipergunakan untuk menjembatani antara RDF dengan PHP sehingga informasi yang ada di dalam RDF dapat digunakan pada PHP. Aplikasi ini dirancang untuk menghasilkan keluaran yang mudah dimengerti oleh pemakai serta membantu dalam pencarian presensi perkuliahan. Setelah sistem pencarian penelitian ini di uji coba, menunjukan bahwa sistem pencarian dapat menghasilkan keluaran yang mudah dimengerti oleh pengguna namun pada kemudahan penggunaan masih dirasa kurang. Dikarenakan masih kurangnya fasilitas untuk mempermudah pencarian presensi perkuliahan. Kata Kunci: presensi perkuliahan, semantic web, RDF. ABSTRACT Presence is the process of gathering data to find someone in an activity. One of the activities that requires attendance is lectures. Presence in lectures is still done manually, namely by using attendance sheets conducted by lecturers at each class.The purpose of this research is to develop a system to search using semantic web technology so that it can be an alternative for data search assistance based on manuals.In this context the semantic web technology components used are RDF (Resource Description Framework) as a representation of the knowledge used. The second component, SPARQL, is used to retrieve information carried out on RDF. The last component is RAP (RDF API for PHP) which is used to bridge between RDF and PHP so that the information contained in RDF can be used in PHP. This application is designed to get results that are easily understood by users and also helps in finding the presence of lectures. After this research search system is tested, it shows that the system could search and produce information that is easily understood by users, but the ease of use is still lacking. Because it still requires facilities to search for lecture presence. Keywords: lecture presence, semantic web, RDF.

Pengaruh E-Learning Terhadap Hasil Belajar Matematika pada Mahasiswa Teknik Informatika A'yun, Qurrota; Sujiwo, Dimas Anditha Cahyo; Hidayatullah, Anggar Wahyu
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v4i1.2420

E-learning merupakan penggunaan tekonologi basis internet dalam kegiatan belajar mengajar. Dilihat dari segi manfaatnya e-learning ini merupakan sebuah solusi yang dapat digunakan oleh pengguna untuk menambah pengetahuannya serta juga dalam bidang keterampilannya. Semua ini dikarenakan pembelajaran seperti ini sangat luas karena secara sifat jaringannya mampu memberikan informasi dalam segi kecepatan. Dalam manfaatnyapembelajarannya yang tak terbatas salah satunya seperti antara pendidik dengan siswa baik komunikasinya dan mudah pelaksanaan kegiatannya tentunya menggunakan fasilitas internet secara teratur tanpa mempersoalkan waktu, tempat,dan jarak. Rancangan penelitian menggunakan one-group pretest postest desain. Yang dilakukan ialah data yang telah terkumpul yaitu data pretest dan posstest dikaji menggunakan t-test. penganalisisan yang dilakukan untuk menguji dan menunjukkan bahwa adakah pengaruh pembelajaran e-learning atas hasil belajar mahasiswa Teknik Informatika. Berdasarkan hasil analisis yang telah dilakukan diperoleh untuk a = 5%, dk 32 diperoleh t-hitung = 3,1 dengan t-hitung > t-tabel, maka dapat dikategorikan untuk Ha diterima sementara untuk H0 ditolak, dengan kesimpulan bahwa rata - rata nilai mahasiswa setelah dilakukan tindakan pemberian pembelajaran e-learning lebih dari rata-rata nilai sebelum pemberian tindakan pembelajaran e-learning. Berdasarkan penjabaran ini, bahwasanya terdapat pengaruh pembelajaran e-learning terhadap hasil belajar mahasiswa Teknik Informatika. Kata Kunci: Pembelajaran e-learning, hasil belajar Matematika ABSTRACT E-learning is the use of internet-based technology in teaching and learning activities. In terms of the benefits of e-learning, this is a solution that can be used by users to increase their knowledge and also in their areas of skill. All of this is because learning like this is very wide because the nature of the network is able to provide information in terms of speed. In the benefits of unlimited learning, one of them is like between educators and students, both communication and easy implementation of their activities, of course, use internet facilities regularly without questioning time, place, and distance. The research design uses one-group pretest postest design. What is done is the data that has been collected ie the pretest and posstest data are examined using t-tests. analyzing is done to test and show that there is an influence of e-learning learning on the learning outcomes of Informatics Engineering students. Based on the results of the analysis that has been done it is obtained for a = 5%, dk 32 obtained t-count = 3.1 with t-count> t-table, then it can be categorized for Ha accepted while for H0 rejected, with the conclusion that the average value students after taking action e-learning learning more than the average value before giving e-learning learning actions. Based on this explanation, there is an influence of e-learning learning on the learning outcomes of Informatics Engineering students. Keywords: e-learning, mathematics learning outcomes

Kualitas Pelayanan Sistem Informasi Akademik Pada Kepuasan Mahasiswa Menggunakan Metode Webqual 4.0 Zakiyyah, Amalina Maryam
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Penelitian ini bertujuan untuk mengetahui Pengaruh Kualitas Pelayanan Sistem Informasi Akademik Terhadap Kepuasan Mahasiswa Fakultas Teknik Universitas Muhammadiyah Jember. Kualitas pelayanan diukur menggunakan metode Webqual 4.0 dengan teknik pengumpulan data menyebarkan kuesioner melalui google docs, dan diperoleh 114 responden sebagai sampel dengan teknik snowball sampling. Kemudian data dianalisis dengan menggunakan uji regresi berganda dengan hasil bahwa model hanya mampu menjelaskan kepuasan mahasiswa sebesar 32,9% dan sisanya dijelaskan oleh faktor lain yang tidak diteliti. Secara bersama-sama ketiga variabel bebas memiliki pengaruh yang signifikan terhadap kepuasan mahasiswa dalam menggunakan sistem informasi akademik. Walaupun secara parsial hanya variabel service interaction quality yang berpengaruh positif signifikan terhadap kepuasan mahasiswa. (1 baris kosong, 10pt) Kata kunci: kualitas layanan, sistem informasi akademik, kepuasan, webqual ABSTRACT This study aims to measure the Effect of Academic Information System?s Service Quality on Student Satisfaction at the Faculty of Engineering, University of Muhammadiyah Jember. Service quality was measured by using the Webqual 4.0 method with data collection techniques distributing questionnaires through Google docs, and obtained 114 respondents as samples with snowball sampling technique. Then the data were analyzed using multiple regression tests with the result that the model was only able to explain student satisfaction by 32.9% and the rest was explained by other factors not examined. Together, the three independent variables have a significant influence on student satisfaction in using academic information system. Even though partially only service interaction quality variable has a significant positive effect on student satisfaction. Keywords: service quality, academic information system, satisfaction, webqual

Prediksi Pembayaran Tagihan Listrik Menggunakan Model Artificial Neural Network Rahman, Miftahur
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Setiap saat daya listrik yang digunakan tidak sama disebabkan penggunaan energi yang dipakai setiap konsumen berbeda. Terjadinya fluktuasi penggunaan energi listrik berdampak pada pembayaran tagihan listrik setiap bulannya. Hal ini terjadi pada pembayaran biaya tagihan listrik di Pesantren Sukorejo Jawa Timur. Biaya pembayaran yang dilakukan setiap bulan tidak menentu tergantung pemakaian dan juga terdapat kekeliruan dalam mengestimasi anggaran. Disebabkan, dalam melakukan prediksi masih belum ditemukan metode yang tepat. Sehingga, dari data yang ada ini penting untuk dilakukan analisis prediksi. Prediksi biaya tagihan listrik bertujuan untuk menghasilkan prediksi yang lebih akurat yang selanjutnya digunakan sebagai pedoman untuk mengetahui dan merencanakan biaya listrik kedepannya, guna meminimalisir kekeliruan dalam merencanakan anggaran. Dataset yang digunakan adalah dataset primer time series mulai Bulan Januari 2011 sampai Bulan Desember 2015. Metode yang digunakan pada penelitian ini adalah model Artificial Neural Network (ANN). Setelah beberapa kali dilakukan pengujian menghasilkan performance RMSE 0.090 dengan waktu eksekusi 1 detik. Hasil ini membuktikan bahwa metode dengan model ANN dapat digunakan sebagai metode untuk melakukan prediksi terhadap pembayaran tagihan listrik secara lebih akurat. Kata kunci: Prediksi, Tagihan Listrik, Neural Network, ANN, RMSE ABSTRACT Every time the electrical power used is not always the same due to the use and power used by each customer or client is different. Fluctuations in the use of electric power have an impact on the costs incurred to pay electricity bills every month. This happened to the payment of the electricity bill at the Pesantren Sukorejo East Java. The payment prices that are made every month are uncertain depending on usage and there are also errors in estimating the budget. Because at this time there is still no exact method in making better predictions. So, from the data, it is important to do predictive analysis. The prediction of the cost of electricity bills aims to produce more accurate predictions which will be used as a guideline to find out and plan for future electricity costs, to minimize errors in budget planning. The dataset used is the time series primary dataset from January 2011 to December 2015. In this study using the Artificial Neural Network (ANN) model. After several tests, by producing RMSE 0.090 performance with 1 second execution time. These results prove that the method with the ANN model can be used as a method to make predictions of payment of electricity bills more accurately. Keywords: Prediction, Electricity Bill, Neural Network, ANN, RMSE

Clustering Data Kredit Bank Menggunakan Algoritma Agglomerative Hierarchical Clustering Average Linkage Abdurrahman, Ginanjar
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Data mining adalah pengembangan model yang merepresentasikan penemuan pola menggunakan data historis. Model dapat diaplikasikan pada data untuk prediksi (klasifikasi dan regresi), segmentasi populasi (clustering), dan menentukan hubungan di dalam populasi (asosiasi). Dari beberapa model, salah satunya adalah clustering yang didefinisikan sebagai proses mengorganisir objek-objek menjadi satu kelompok yang anggotanya memiliki kemiripan tertentu. Similaritas ada dua, yakni similaritas berdasarkan bentuk dan jarak. Clustering mempunyai beberapa karakteristik, yaitu: partitioning, hierarchical, overlapping, dan hybrid. Hierarchical clustering adalah salah satu algoritma clustering dengan karakteristik setiap data harus termasuk dalam cluster tertentu, dan data yang termasuk dalam cluster tertentu tidak dapat berpindah ke cluster lain. Hierarchical clustering ada dua, yaitu divisive (top to down) dan agglomerative (down to top). Algoritma agglomerative ada empat yaitu single linkage, centroid linkage, complete linkage, dan average linkage. Salah satu dari algoritma agglomerative tersebut adalah average linkage. Algoritma ini merupakan algoritma terbaik di antara algoritma hierarchical yang lain, tetapi memiliki waktu komputasi tertinggi. Pada penelitian ini akan dilakukan clustering terhadap nasabah di suatu bank dengan algoritma agglomerative hierarchical clustering average linkage. Atribut data yang digunakan: status pengecekan, durasi kredit, sejarah kredit, tujuan kredit, besaran kredit, status tabungan, employment, komitmen, status personal, pihak lain, menetap sejak, kepemilikan property, umur, rencana pembayaran lainnya, status rumah, keberadaan kredit, pekerjaan, jumlah tanggungan, telepon rumah, pekerja luar negeri, dan kelas. Data dalam penelitian ini sebanyak 1000 instances, yang kemudian dijadikan sebagai data training sebanyak 25 %, 50 %, dan 75 %, sedangkan untuk data testing digunakan keseluruhan data. Kata kunci : Data mining, Dataset, Clustering, Agglomerative Hierarchical Clustering, Average Linkage ABSTRACT Data mining is the development of model that represents pattern discovery using historical data. The model can be applied to data for prediction (classification and regression), population segmentation (clustering), and determining relationships within the population (association). Of the several models, one of them is clustering which is defined as the process of organizing objects into one group whose members have similarities. There are two similarities, namely similarity based on shape and distance. Clustering has several characteristics, namely: partitioning, hierarchical, overlapping, and hybrid. Hierarchical clustering is a clustering algorithm with the characteristics of each data must be included in a particular cluster, and data included in a particular cluster cannot moved to another cluster. There are two hierarchical clustering, namely divisive (top to down) and agglomerative (down to top). There are four agglomerative algorithms, namely single linkage, centroid linkage, complete linkage, and average linkage. One of the agglomerative is average linkage. This algorithm is the best hierarchical algorithms, but has the highest computational time. In this study clustering of customers in a bank conducted with the agglomerative hierarchical clustering average linkage. Data attributes used: checking status, credit duration, credit history, credit goals, loan size, savings status, employment, commitment, personal status, other parties, settled since, property ownership, age, other payment plans, home status, credit availability, employment, number of dependents, landline, overseas workers and class. The data in this study were 1000 instances, which were then used as training data for 25%, 50%, and 75%, while for the testing data the entire data. Keywords: Data mning, datasets, clustering, agglomerative hierarchical clustering, average linkage

Prototype Mesin Pencarian Pada Presensi Perkuliahan Menggunakan Semantic Web lestari retnawati; nia saurina
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v4i1.2419

Presensi merupakan proses pengumpulan data guna mengetahui kehadiran seseorang dalam suatu kegiatan. Salah satu kegiatan yang membutuhkan presensi adalah perkuliahan. Presensi dalam perkuliahan secara umum masih dilakukan secara manual, yakni dengan menggunakan lembar presensi yang dibawa oleh dosen di tiap pertemuan.Tujuan penelitian ini adalah untuk melakukan pengembangan sistem pencarian dengan memanfaatkan teknologi web semantik sehingga dapat menjadi alternatif untuk menggantikan pencarian data berdasarkan presensi manual.Dalam penulisan ini komponen-komponen teknologi web semantik yang dipergunakan adalah RDF (Resource Description Framework) sebagai representasi pengetahuan yang digunakan. Komponen yang kedua adalah SPARQL digunakan untuk mengambil informasi yang terdapat pada RDF. Komponen yang terakhir adalah RAP (RDF API for PHP) yang dipergunakan untuk menjembatani antara RDF dengan PHP sehingga informasi yang ada di dalam RDF dapat digunakan pada PHP. Aplikasi ini dirancang untuk menghasilkan keluaran yang mudah dimengerti oleh pemakai serta membantu dalam pencarian presensi perkuliahan. Setelah sistem pencarian penelitian ini di uji coba, menunjukan bahwa sistem pencarian dapat menghasilkan keluaran yang mudah dimengerti oleh pengguna namun pada kemudahan penggunaan masih dirasa kurang. Dikarenakan masih kurangnya fasilitas untuk mempermudah pencarian presensi perkuliahan. Kata Kunci: presensi perkuliahan, semantic web, RDF. ABSTRACT Presence is the process of gathering data to find someone in an activity. One of the activities that requires attendance is lectures. Presence in lectures is still done manually, namely by using attendance sheets conducted by lecturers at each class.The purpose of this research is to develop a system to search using semantic web technology so that it can be an alternative for data search assistance based on manuals.In this context the semantic web technology components used are RDF (Resource Description Framework) as a representation of the knowledge used. The second component, SPARQL, is used to retrieve information carried out on RDF. The last component is RAP (RDF API for PHP) which is used to bridge between RDF and PHP so that the information contained in RDF can be used in PHP. This application is designed to get results that are easily understood by users and also helps in finding the presence of lectures. After this research search system is tested, it shows that the system could search and produce information that is easily understood by users, but the ease of use is still lacking. Because it still requires facilities to search for lecture presence. Keywords: lecture presence, semantic web, RDF.

Pengaruh E-Learning Terhadap Hasil Belajar Matematika pada Mahasiswa Teknik Informatika Qurrota A'yun; Dimas Anditha Cahyo Sujiwo; Anggar Wahyu Hidayatullah
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v4i1.2420

E-learning merupakan penggunaan tekonologi basis internet dalam kegiatan belajar mengajar. Dilihat dari segi manfaatnya e-learning ini merupakan sebuah solusi yang dapat digunakan oleh pengguna untuk menambah pengetahuannya serta juga dalam bidang keterampilannya. Semua ini dikarenakan pembelajaran seperti ini sangat luas karena secara sifat jaringannya mampu memberikan informasi dalam segi kecepatan. Dalam manfaatnyapembelajarannya yang tak terbatas salah satunya seperti antara pendidik dengan siswa baik komunikasinya dan mudah pelaksanaan kegiatannya tentunya menggunakan fasilitas internet secara teratur tanpa mempersoalkan waktu, tempat,dan jarak. Rancangan penelitian menggunakan one-group pretest postest desain. Yang dilakukan ialah data yang telah terkumpul yaitu data pretest dan posstest dikaji menggunakan t-test. penganalisisan yang dilakukan untuk menguji dan menunjukkan bahwa adakah pengaruh pembelajaran e-learning atas hasil belajar mahasiswa Teknik Informatika. Berdasarkan hasil analisis yang telah dilakukan diperoleh untuk a = 5%, dk 32 diperoleh t-hitung = 3,1 dengan t-hitung t-tabel, maka dapat dikategorikan untuk Ha diterima sementara untuk H0 ditolak, dengan kesimpulan bahwa rata - rata nilai mahasiswa setelah dilakukan tindakan pemberian pembelajaran e-learning lebih dari rata-rata nilai sebelum pemberian tindakan pembelajaran e-learning. Berdasarkan penjabaran ini, bahwasanya terdapat pengaruh pembelajaran e-learning terhadap hasil belajar mahasiswa Teknik Informatika. Kata Kunci: Pembelajaran e-learning, hasil belajar Matematika ABSTRACT E-learning is the use of internet-based technology in teaching and learning activities. In terms of the benefits of e-learning, this is a solution that can be used by users to increase their knowledge and also in their areas of skill. All of this is because learning like this is very wide because the nature of the network is able to provide information in terms of speed. In the benefits of unlimited learning, one of them is like between educators and students, both communication and easy implementation of their activities, of course, use internet facilities regularly without questioning time, place, and distance. The research design uses one-group pretest postest design. What is done is the data that has been collected ie the pretest and posstest data are examined using t-tests. analyzing is done to test and show that there is an influence of e-learning learning on the learning outcomes of Informatics Engineering students. Based on the results of the analysis that has been done it is obtained for a = 5%, dk 32 obtained t-count = 3.1 with t-count t-table, then it can be categorized for Ha accepted while for H0 rejected, with the conclusion that the average value students after taking action e-learning learning more than the average value before giving e-learning learning actions. Based on this explanation, there is an influence of e-learning learning on the learning outcomes of Informatics Engineering students. Keywords: e-learning, mathematics learning outcomes

Kualitas Pelayanan Sistem Informasi Akademik Pada Kepuasan Mahasiswa Menggunakan Metode Webqual 4.0 Amalina Maryam Zakiyyah
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v4i1.2416

Penelitian ini bertujuan untuk mengetahui Pengaruh Kualitas Pelayanan Sistem Informasi Akademik Terhadap Kepuasan Mahasiswa Fakultas Teknik Universitas Muhammadiyah Jember. Kualitas pelayanan diukur menggunakan metode Webqual 4.0 dengan teknik pengumpulan data menyebarkan kuesioner melalui google docs, dan diperoleh 114 responden sebagai sampel dengan teknik snowball sampling. Kemudian data dianalisis dengan menggunakan uji regresi berganda dengan hasil bahwa model hanya mampu menjelaskan kepuasan mahasiswa sebesar 32,9% dan sisanya dijelaskan oleh faktor lain yang tidak diteliti. Secara bersama-sama ketiga variabel bebas memiliki pengaruh yang signifikan terhadap kepuasan mahasiswa dalam menggunakan sistem informasi akademik. Walaupun secara parsial hanya variabel service interaction quality yang berpengaruh positif signifikan terhadap kepuasan mahasiswa. (1 baris kosong, 10pt) Kata kunci: kualitas layanan, sistem informasi akademik, kepuasan, webqual ABSTRACT This study aims to measure the Effect of Academic Information System’s Service Quality on Student Satisfaction at the Faculty of Engineering, University of Muhammadiyah Jember. Service quality was measured by using the Webqual 4.0 method with data collection techniques distributing questionnaires through Google docs, and obtained 114 respondents as samples with snowball sampling technique. Then the data were analyzed using multiple regression tests with the result that the model was only able to explain student satisfaction by 32.9% and the rest was explained by other factors not examined. Together, the three independent variables have a significant influence on student satisfaction in using academic information system. Even though partially only service interaction quality variable has a significant positive effect on student satisfaction. Keywords: service quality, academic information system, satisfaction, webqual

Prediksi Pembayaran Tagihan Listrik Menggunakan Model Artificial Neural Network Miftahur Rahman
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v4i1.2417

Setiap saat daya listrik yang digunakan tidak sama disebabkan penggunaan energi yang dipakai setiap konsumen berbeda. Terjadinya fluktuasi penggunaan energi listrik berdampak pada pembayaran tagihan listrik setiap bulannya. Hal ini terjadi pada pembayaran biaya tagihan listrik di Pesantren Sukorejo Jawa Timur. Biaya pembayaran yang dilakukan setiap bulan tidak menentu tergantung pemakaian dan juga terdapat kekeliruan dalam mengestimasi anggaran. Disebabkan, dalam melakukan prediksi masih belum ditemukan metode yang tepat. Sehingga, dari data yang ada ini penting untuk dilakukan analisis prediksi. Prediksi biaya tagihan listrik bertujuan untuk menghasilkan prediksi yang lebih akurat yang selanjutnya digunakan sebagai pedoman untuk mengetahui dan merencanakan biaya listrik kedepannya, guna meminimalisir kekeliruan dalam merencanakan anggaran. Dataset yang digunakan adalah dataset primer time series mulai Bulan Januari 2011 sampai Bulan Desember 2015. Metode yang digunakan pada penelitian ini adalah model Artificial Neural Network (ANN). Setelah beberapa kali dilakukan pengujian menghasilkan performance RMSE 0.090 dengan waktu eksekusi 1 detik. Hasil ini membuktikan bahwa metode dengan model ANN dapat digunakan sebagai metode untuk melakukan prediksi terhadap pembayaran tagihan listrik secara lebih akurat. Kata kunci: Prediksi, Tagihan Listrik, Neural Network, ANN, RMSE ABSTRACT Every time the electrical power used is not always the same due to the use and power used by each customer or client is different. Fluctuations in the use of electric power have an impact on the costs incurred to pay electricity bills every month. This happened to the payment of the electricity bill at the Pesantren Sukorejo East Java. The payment prices that are made every month are uncertain depending on usage and there are also errors in estimating the budget. Because at this time there is still no exact method in making better predictions. So, from the data, it is important to do predictive analysis. The prediction of the cost of electricity bills aims to produce more accurate predictions which will be used as a guideline to find out and plan for future electricity costs, to minimize errors in budget planning. The dataset used is the time series primary dataset from January 2011 to December 2015. In this study using the Artificial Neural Network (ANN) model. After several tests, by producing RMSE 0.090 performance with 1 second execution time. These results prove that the method with the ANN model can be used as a method to make predictions of payment of electricity bills more accurately. Keywords: Prediction, Electricity Bill, Neural Network, ANN, RMSE

Clustering Data Kredit Bank Menggunakan Algoritma Agglomerative Hierarchical Clustering Average Linkage Ginanjar Abdurrahman
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v4i1.2418

Data mining adalah pengembangan model yang merepresentasikan penemuan pola menggunakan data historis. Model dapat diaplikasikan pada data untuk prediksi (klasifikasi dan regresi), segmentasi populasi (clustering), dan menentukan hubungan di dalam populasi (asosiasi). Dari beberapa model, salah satunya adalah clustering yang didefinisikan sebagai proses mengorganisir objek-objek menjadi satu kelompok yang anggotanya memiliki kemiripan tertentu. Similaritas ada dua, yakni similaritas berdasarkan bentuk dan jarak. Clustering mempunyai beberapa karakteristik, yaitu: partitioning, hierarchical, overlapping, dan hybrid. Hierarchical clustering adalah salah satu algoritma clustering dengan karakteristik setiap data harus termasuk dalam cluster tertentu, dan data yang termasuk dalam cluster tertentu tidak dapat berpindah ke cluster lain. Hierarchical clustering ada dua, yaitu divisive (top to down) dan agglomerative (down to top). Algoritma agglomerative ada empat yaitu single linkage, centroid linkage, complete linkage, dan average linkage. Salah satu dari algoritma agglomerative tersebut adalah average linkage. Algoritma ini merupakan algoritma terbaik di antara algoritma hierarchical yang lain, tetapi memiliki waktu komputasi tertinggi. Pada penelitian ini akan dilakukan clustering terhadap nasabah di suatu bank dengan algoritma agglomerative hierarchical clustering average linkage. Atribut data yang digunakan: status pengecekan, durasi kredit, sejarah kredit, tujuan kredit, besaran kredit, status tabungan, employment, komitmen, status personal, pihak lain, menetap sejak, kepemilikan property, umur, rencana pembayaran lainnya, status rumah, keberadaan kredit, pekerjaan, jumlah tanggungan, telepon rumah, pekerja luar negeri, dan kelas. Data dalam penelitian ini sebanyak 1000 instances, yang kemudian dijadikan sebagai data training sebanyak 25 %, 50 %, dan 75 %, sedangkan untuk data testing digunakan keseluruhan data. Kata kunci : Data mining, Dataset, Clustering, Agglomerative Hierarchical Clustering, Average Linkage ABSTRACT Data mining is the development of model that represents pattern discovery using historical data. The model can be applied to data for prediction (classification and regression), population segmentation (clustering), and determining relationships within the population (association). Of the several models, one of them is clustering which is defined as the process of organizing objects into one group whose members have similarities. There are two similarities, namely similarity based on shape and distance. Clustering has several characteristics, namely: partitioning, hierarchical, overlapping, and hybrid. Hierarchical clustering is a clustering algorithm with the characteristics of each data must be included in a particular cluster, and data included in a particular cluster cannot moved to another cluster. There are two hierarchical clustering, namely divisive (top to down) and agglomerative (down to top). There are four agglomerative algorithms, namely single linkage, centroid linkage, complete linkage, and average linkage. One of the agglomerative is average linkage. This algorithm is the best hierarchical algorithms, but has the highest computational time. In this study clustering of customers in a bank conducted with the agglomerative hierarchical clustering average linkage. Data attributes used: checking status, credit duration, credit history, credit goals, loan size, savings status, employment, commitment, personal status, other parties, settled since, property ownership, age, other payment plans, home status, credit availability, employment, number of dependents, landline, overseas workers and class. The data in this study were 1000 instances, which were then used as training data for 25%, 50%, and 75%, while for the testing data the entire data. Keywords: Data mning, datasets, clustering, agglomerative hierarchical clustering, average linkage

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Lutfi Ali

Contact Email
lutfi.muharom@unmuhjember.ac.id

Phone
+6282231308136

Journal Mail Official
justindo@unmuhjember.ac.id

Editorial Address
Jl. Karimata No 49 Sumbersari Jember

Location
Kab. jember,

Jawa timur

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Lutfi Ali

Contact Email lutfi.muharom@unmuhjember.ac.id

Phone +6282231308136

Journal Mail Official justindo@unmuhjember.ac.id

Editorial Address Jl. Karimata No 49 Sumbersari Jember

Location Kab. jember, Jawa timur INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Lutfi Ali

Contact Email
lutfi.muharom@unmuhjember.ac.id

Phone
+6282231308136

Journal Mail Official
justindo@unmuhjember.ac.id

Editorial Address
Jl. Karimata No 49 Sumbersari Jember

Location
Kab. jember,

Jawa timur

INDONESIA