cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Andy Sapta
Contact Email
saptaandy@gmail.com
Phone
+628126416133
Journal Mail Official
jcom@royal.ac.id
Editorial Address
Jl. H.M. Yamin No 173 Kisaran, kab. Asahan, Prov. Sumatera Utara
Location
Kab. asahan,
Sumatera utara
INDONESIA
J-Com (Journal of Computer)
Published by STMIK Royal Kisaran
ISSN : -     EISSN : 2775801X     DOI : 10.33330
Core Subject : Science,
Computer Science & IT
J-Com (Journal of Computer) is a scientific journals that contains research results conducted by collaborating students with lecturers. J-Com published third a year on March, July, November.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 2 Documents
 1 
Search results for , issue "Vol. 2 No. 1 (2022): MARET 2022" : 2 Documents clear
Perancangan Sistem Aplikasi Persediaan Barang Pada UD. Karya bersama menggunakan Algoritma FIFO (First In First Out) Handoko, Riki; Parini, Parini
J-Com (Journal of Computer) Vol. 2 No. 1 (2022): MARET 2022
Publisher : STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/j-com.v2i1.1575

Abstract

Abstrak: FIFO is an acronym for First In, First Out, an abstraction that deals with how to organize and manipulate data relative to time and priority. The FIFO (First In First Out) method is a method where the goods that were first entered will be issued first, while the goods that were last entered will be issued at a later date. So the first inventory recording is to record the goods/inventory that first entered UD. Karya Bersama is a business in the field of photocopying that is intended for all circles which provides photocopying, volume, and stationery services. The problem that exists is in making inventory reports of UD. Karya Bersama still uses manual methods and is not computerized so that there are reports of inventories that are inefficient, inaccurate and take a long time, this encourages to change the inventory system due to the impact experienced in the future results of reports that are not precise and efficient. The impact resulting from a computerized system can make it easier and faster to process data and get information quickly and efficiently. Kata kunci: First In First Out, UD. Joint Work, Inventory. Abstract: FIFO adalah akronim untuk First In, First Out (pertama masuk, pertama keluar) sebuah abstraksi yang berhubungan dengan cara mengatur dan memanupulasi data relative terhadap waktu dan prioritas. Metode FIFO (First In First Out) merupakan metode dimana barang yang pertama kali masuk akan dikeluarkan terlebih dahulu sedangkan untuk barang yang terakhir kali masuk akan dikeluarkan di kemudian hari. Jadi pencatatan persediaan yang dilakukan pertama kali adalah mencatat barang/persediaan yang pertama kali masuk UD. Karya Bersama merupakan usaha dalam bidang fotocopy yang di peruntukkan untuk segala kalangan dimana menyediakan jasa fotocopy, jilid, dan ATK. Masalah yang ada yaitu dalam pembuatan laporan persediaan barang UD. Karya Bersama masih menggunakan cara manual dan tidak terkomputerisasi sehingga terdapat laporan persediaan barang yang tidak efisien, tidak tepat dan memakan waktu yang lama, hal ini mendorong untuk merubah sistem persediaan barang dikarenakan dampak yang dialami kedepanya hasil laporan yang tidak tepat dan efisien. Dampak yang dihasilkan dari sistem yang sudah terkomputerisasi dapat lebih mempermudah dan mempercepat dalam proses pengolahan data dan mendapatkan informasi dengan cepat dan efisien.            Keywords: First In First Out , UD. Karya Bersama, Persediaan Barang.
Implementasi Metode Naive Bayes Untuk Klasifikasi Penerima Program Keluarga Harapan Arifin, Andhini Asri Awaliyah; Handoko, Wiwin; Efendi, Zulfan
J-Com (Journal of Computer) Vol. 2 No. 1 (2022): MARET 2022
Publisher : STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/j-com.v2i1.1577

Abstract

Abstract: The Family Hope Program (PKH) is a government program in the form of cash for Very Poor Households (RTSM) whose qualifications are met related to efforts to improve human quality, not in the field of education but also health. In the short term, the PKH program is calculated to reduce the expenditure of poor families and reduce poverty in the long term. To receive the PKH Program) the government has set several criteria, including income, house ownership status, house size, floor type, roof, wall, and type of water source. As for the way to do the settlement of the criteria that have been set, namely by utilizing the Data Mining technique through the Naïve Bayes method. The dataset in this study is the data of recipients of the 2020 Family Hope Program as many as 82 samples. The results of the classification modeling with the Naïve Bayes Algorithm produce precision values for the positive class 100%, for the negative class 77%, the recall value for the positive class 80%, for the negative class 100%, the f1-score value for the positive class 89%, for the negative class 87%, and 88% accuracy value. The purpose of this research is to help the Social Service in classifying the recipients of the Family Hope Program (PKH). Keywords: The Family Hope Program; Data Mining; Naïve Bayes  Abstrak: Program Keluarga Harapan (PKH) merupakan program pemerintah dalam bentuk tunai untuk Rumah Tangga Sangat Miskin (RTSM) yang kualifikasinya terpenuhi terkait dengan upaya peningkatan kualitas manusia tersebut bukan dalam bidang pendidikan tetapi juga kesehatan. dalam jangka pendek Program PKH diperhitungkan bisa mengurangi biaya pengeluaran keluarga miskin serta mengurangi kemiskinan dalam jangka panjang. Untuk menerima Program PKH) pemerintah sudah menetapkan beberapa kriteria, diantaranya Penghasilan, Status Kepemilikan Rumah, Ukuran Rumah, tipe Lantai, Atap, Dinding, serta jenis sumber air. Adapun cara untuk melakukan penyelesaian terhadap kriteria yang sudah ditetapkan yaitu dengan memanfaatkan teknik Data Mining melalui Metode Naïve Bayes. Dataset dalam penelitian ini adalah data penerima Program Keluarga Harapan tahun 2020 sebanyak 82 sampel. Hasil pemodelan klasifikasi dengan Algoritma Naïve Bayes menghasilkan besaran nilai precision untuk kelas positif 100%, untuk kelas negatif 77%, nilai recall untuk kelas positif 80%, untuk kelas negatif 100%, nilai f1-score untuk kelas positif 89%, untuk kelas negatif 87%, dan nilai akurasi 88%. Tujuan dilaksanakannya penelitian ini adalah untuk membantu Dinas Sosial mengklasifikasikan penerima Program Keluarga Harapan (PKH). Kata kunci: Program Keluarga Harapan; Data Mining; Naïve Bayes 

Page 1 of 1 | Total Record : 2

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2025): JULI 2025 Vol 5, No 1 (2025): MARET 2025 Vol. 5 No. 1 (2025): MARET 2025 Vol. 4 No. 3 (2024): NOVEMBER 2024 Vol 4, No 3 (2024): NOVEMBER 2024 Vol 4, No 2 (2024): JULI 2024 Vol. 4 No. 2 (2024): JULI 2024 Vol. 4 No. 1 (2024): Maret 2024 Vol 4, No 1 (2024): Maret 2024 Vol 3, No 3 (2023): November 2023 Vol. 3 No. 3 (2023): November 2023 Vol 3, No 2 (2023): Juli 2023 Vol. 3 No. 2 (2023): Juli 2023 Vol 3, No 1 (2023): MARET 2023 Vol 2, No 3 (2022): November 2022 Vol 2, No 2 (2022): Juli 2022 Vol. 2 No. 1 (2022): MARET 2022 Vol 2, No 1 (2022): MARET 2022 Vol 1, No 3 (2021): November 2021 Vol. 1 No. 3 (2021): November 2021 Vol 1, No 2 (2021): Juli 2021 Vol 1, No 1 (2021): Maret 2021 More Issue