cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Nurchim
Contact Email
nurchim@udb.ac.id
Phone
+62271-719552
Journal Mail Official
senatib@udb.ac.id
Editorial Address
Jl. Bhayangkara No 55 Serengan Surakarta 57154
Location
Kota surakarta,
Jawa tengah
INDONESIA
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Published by Universitas Duta Bangsa Surakarta
ISSN : -     EISSN : -     DOI : https://doi.org/10.47701/senatib.v2i1
Core Subject : Economy, Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics
Prosiding SENATIB adalah kegiatan seminar berskala nasional yang diselenggarakan oleh Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta dalam rangka diseminasi hasil penelitian tentang teknologi informasi dan bisnis. Diharapkan pada tahun 2022 melalui penerbitan prosiding ini dapat terwujud berbagai alternatif solusi dalam menghadapi era industri 4.0 dan society 5.0 di Indonesia.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 490 Documents
 2   3   4   5   6 
Prediksi Waktu Tunggu Pekerjaan Bagi Lulusan Perguruan Tinggi Menggunakan Algoritma Naïve Bayes Dyah Retno Utari
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1195.532 KB)

Abstract

Perguruan Tinggi mempersiapkan para lulusan agarsiap menghadapi dunia kerja. Salah satu indikator keberhasilanitu adalah dengan mengetahui waktu tunggu dalam memperolehkerja pertama kali. Bila waktu tunggunya mendekati nol bulanatau negatif (sebelum lulus sudah mendapatkan pekerjaan) makahal tersebut dinilai baik. Penelitian ini bertujuan untukmemprediksi masa tunggu lulusan dalam memperoleh pekerjaanpertamanya. Permasalahan diselesaikan menggunakan teknikdata mining klasifikasi dengan algoritma Naïve bayes.Berdasarkan hasil analisis yang dilakukan menggunakan 199data training dan 22 data testing didapatkan tingkat akurasisebesar 90.90%, recall sebesar 90.48%, presisi 100%. Modelprediksi ini kemudian berhasil diimplementasikan dalamprototipe aplikasi
Perbandingan Klasifikasi Jenis Apel Berkulit Merah Menggunakan Algoritma Linear Discriminant Analysis dan K-Nearest Neighbor Ajib Susanto; Ibnu Utomo Wahyu Mulyono
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (391.482 KB)

Abstract

Buah apel merupakan salah satu buah yangmempunyai rasa dominan manis segar dan memiliki vitamin Ctinggi. Apel dibudidayakan untuk tujuan konsumsi, obat maupunindustri. Dalam industry, apel digunakan sebagai bahan bakupembuatan berbagai macam bentuk makanan dan minumanmisalnya sirup, jenang, wingko, dodol, manisan, asinan, keripik,dan sari apel. Jenis apel yang beragam dan kebutuhan waktupendistribusian berdasarkan jenis apel memerlukan banyakwaktu dan berhubungan dengan kemampuan mata manusiadalam proses sorting manual. Kebutuhan teknologi seperticomputer vision melalui teknik pengolahan citra dapatdiimplementasikan untuk proses sorting khususnya klasifikasijenis apel. Dalam penelitian ini, digunakan apel dengan kulitberwarna merah sebagai dataset. Kesamaan warna kulit danbentuk apel yang hampir sama, menjadi salah satu isu pentinguntuk proses klasifikasi citra. K Nearest Neighbor (KNN) danLinear Discriminant Analysis (LDA) dipilih karena kemampuanklasifikasi citra dengan dataset kecil. Dalam penelitian ini telahdilakukan proses perbandingan hasil akurasi antara KNN danLDA berdasarkan 400 dataset yang berasal dari 8 jenis apelmerah antara lain Cameo, Honeycrips, Pink Lady, Red Delicious,Royal Gala, Macintosh, Empire, Fuji. KNN dan LDA tanpamenggunakan ekstraksi fitur GLCM menghasilkan akurasi yanghampir sama yaitu 99,25% dan 99% sedangkan apabila tidakmenggunakan fitur ekstraksi apapun dihasilkan akurasi 99,25%dan 99%. Dengan demikian diketahui bahwa KNN menghasilkanakurasi lebih tinggi dibanding PCA, meskipun hanya terdapatsedikit selisih akurasi.
Penerapan Metode Analisa Timbangan Data dan Deret In Dalam Memprediksi Harga Saham Menggunakan Moving Average Convergence Divergence (MACD) Jesslyn Fabrianne; Cristine Natalia; Stephanus Ivan Goenawan
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (212.652 KB)

Abstract

Kesadaran masyarakat mengenai saham semakinmeningkat setiap tahunnya. Hal ini perlu diimbagi dengan kemajuanilmu untuk membantu para investor untuk mengambil keputusansecara lebih terukur dan sistematis. Tujuan dari penelitian ini adalahuntuk menerapkan Analisa Timbangan Data (ATD) dan Deret Indalam memprediksi harga saham dengan menggunakan nilai MovingAverage Convergence Divergence (MACD). ATD dan Deret Inmerupakan metode baru untuk mengolah big data dalam memprediksiharga pada waktu tertentu. Populasi dalam penelitian ini adalah hargasaham subsektor telekomunikasi yang dengan sampel harga sahamEXCL (PT XL Axiata Tbk.). Metode pengukuran nilai error yangdigunakan adalah Mean Absolute Percentage Error (MAPE). Hasildari penelitian ini adalah metode ATD dan Deret In mampumemprediksi harga saham subsektor telekomunikasi lebih baikdibandingkan metode yang sudah ada dengan rata-rata error 2,058%dan error terkecil sebesar 0,099%. Sementara, metode yang sudah adamemiliki rata-rata error 11,25 % dan error terkecil sebesar 9,331%.
Penerapan Metode Forecasting untuk Prediksi Pendapatan Retribusi Parkir Tepi Jalan Umum Dinas Perhubungan Kabupaten Berau Dian Anjarwati; Erfanti Fatkhiyah; Prita Haryani; Joko Triyono
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (553.941 KB)

Abstract

Berdasar data Badan Pusat Statistik ProvinsiKalimantan Timur, jumlah kendaraan bermotor tahun 2012-2015di Kabupaten Berau menduduki peringkat ke 5 (data yang palingupdate sampai dengan tahun 2019), maka diperlukan aplikasiyang dapat memprediksi pendapatan retribusi parkir tepi jalanumum di kabupaten berau untuk proses prediksi pendapatanretribusi parkir tepi jalan umum tahun berikutnya. Penelitian inimenggunakan data retribusi parkir tepi jalan umum dari DinasPerhubungan Kabupaten Berau tahun 2017 dan 2018. Teknikforecasting prediksi pendapatan retribusi parkir tepi jalan umumuntuk bulan selanjutnya dengan cara menghitung data historipenjualan selama 1 tahun dari bulan januari sampai desember2017. Data histori penjualan tersebut akan dihitungmenggunakan rumus metode Trend Moment yang akanmenghasilkan jumlah prediksi pendapatan retribusi parkir tepijalan umum untuk bulan berikutnya. Sistem ini akan memprosesinputan tersebut dengan hasil keakuratan tingkat error untuk ujicoba dengan 12 data 2018 yaitu 26,83% dengan tingkat akurasisebesar 73,16%.
Klasifikasi Jenis Persalinan pada Ibu Hamil dengan Metode Random Forest Ayuna Armonica; Paulina H. Prima Rosa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (264.092 KB)

Abstract

Salah satu faktor penyebab kematian ibu pada saatmelahirkan adalah keterlambatan pengambilan keputusan padasaat penanganan persalinan. Untuk mengidentifikasi penangananyang tepat dalam persalinan, dalam penelitian ini dibangunmodel klasifikasi jenis persalinan ibu hamil menggunakan metoderandom forest terhadap 302 data yang diambil dari RSUDArgamakmur. Model klasifikasi diuji dengan variasi jumlah tree2, 4, 8, 16, 32, 64, 128, 256, 512, 1024, 2048, 4096 pada data aslidan data yang telah dilakukan balancing. Dengan teknik crossvalidation, diperoleh akurasi terbaik 92,55130% pada jumlahfold 3 dan jumlah tree 64.
Implementasi Metode Algoritma Apriori untuk Prediksi Transaksi Penjualan Produk pada Aplikasi Point of Sales (Study Kasus: Xyz Tea Milk) Lutfiah Intan
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (525.191 KB)

Abstract

Xyz Tea Milk merupakan bisnis minuman danmakanan kekinian, dimana saat ini sedang marak di masyarakatdan mengedepankan konsep kafe serta online. Banyaknya datatransaksi yang dihasilkan pun semakin lama semakin meningkat,jika data tidak diolah dengan baik, maka data-data transaksipenjualan tersebut tidak menjadi hasil yang bermanfaat untukmeningkatkan kemajuan dan evaluasi bisnis. Dari permasalahantersebut, untuk meningkatkan kemajuan bisnis pada Xyz TeaMilk, data-data penjualan tersebut dimanfaatkan dan diolahmenjadi informasi serta pengetahuan yang biasa disebut dengandata mining. Penulis menggunakan metode algoritma apriori,dimana algoritma apriori ini dirancang pada aplikasi Point ofSales dengan pola asosiasi, menggunakan bahasa PHP dandatabase MySql. Berdasarkan hasil penelitian yang telahdilakukan, diperoleh hasil dari 1423 data transaksi yang diolahdengan minimal support 10% dan minimal confidence 10%diperoleh 8 aturan yang terbentuk.
Klasifikasi Kualitas Buah Melinjo Menggunakan K-NN Cahaya Jatmoko; Daurat Sinaga; Heru Lestiawan; Christy Atika Sari
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (319.549 KB)

Abstract

Banyaknya industri pengolahan yang memanfaatkanmelinjo sebagai bahan baku serta pasar yang membutuhkan melinjountuk konsumsi segar juga turut mempengaruhi potensi untukpengembangan budidaya melinjo. Di Indonesia penentuan kualitasbuah melinjo kebanyakan menggunakan cara konvensional denganmengamati buah secara manual. Pemilahan hasil panen terutamabuah-buahan dapat dilakukan secara otomatis menggunakan highperformance liquid chromatography, pencitraan nearinfrared, dansensor gas, namun cara tersebut membutuhkan perangkat yang mahaldan operator professional. Penelitian ini mengusulkan analisiskualitas buah melinjo berdasarkan pengolahan citra. Denganmenggunakan algoritma K-Nearest Neighbor (KNN) dalammengklasifikasikan buah melinjo ke dalam dua kelompok, yaitu baikdan buruk, serta attribut yang digunakan dalam pengklasifikasianberupa fitur ekstraksi RGB. Berdasarkan hasil eksperimen metode(KNN) mempunyai performa yang baik, dibuktikan dari hasil akurasiyang tinggi. Dari 100 dataset dibagi menjadi data training 70 citradan data testing 30 citra. Hasil pengujian menggunakan data testingyaitu 28 citra masuk kategori benar dalam klasifikasi dan 2 salahsehingga menghasilkan akurasi 93 %, precision 94 persen dan recall94 persen.
Analisa Perbandingan Penerapan Indikator Technical Analysis RSI (Relative Strength Index) Dengan Metode Analisa Timbangan Data (ATD) Dalam Meramalkan Harga Penutupan Saham Di Dalam Sektor Consumer Goods Non-Cyclical Lucas Lucky; Feliks Prasepta S. Surbakti; Christine Natalia
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (355.429 KB)

Abstract

Pada era globalisasi ini, perkembangan kesadaranmasyarakat terhadap konsep uang telah meningkat. Mayoritas darimasyarakat mulai tertarik untuk berinvestasi di dalam pasar modal(Saham, reksadana dan lain-lainnya). Dengan meningkatnyaindividu-individu yang ingin berinvestasi, terjadi peningkatanterhadap demand dari metode atau indikator yang dapatmemprediksi harga saham. Tujuan dari penelitian ini ialah untukmenyediakan indikator baru yang dapat memenuhi kebutuhantersebut. Dalam penelitian ini akan digunakan metode baru yangbernama Analisa Timbangan Data (ATD) dan Deret IN denganmenggunakan indikator RSI (Relative Strength Index) besertametode SMA sebagai pembanding akurasi output penelitian.Dalam penelitian ini akan digunakan data harga closing pricesaham selama satu tahun dari perusahaan UNVR.JK. Untukmembandingkan hasil yang didapatkan akan digunakan metodeMAPE (Mean Absolute Percentage Error). Hasil yang didapatkandari penelitian ini merupakan perbandingan nilai error metodeATD dan Deret IN yang bernilai sebesar 1.81% serta nilai errorRSI yang bernilai sebesar 16%.
Perbandingan Penerapan Metode Analisa Timbangan Data dan Deret IN dengan Stochastic Oscillator dalam Meramalkan Harga Penutupan di Pasar Modal E Yosephan Christanto Milano; Stephanus Ivan Goenawan; Feliks Prasepta S. Surbakti
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (244.612 KB)

Abstract

Perkembangan teknologi sudah semakin cepat, begitujuga dengan penyebaran informasi yang ada terutama pada pasarmodal. Agar investor terhindar dari kerugian yang dialami daripasar modal maka diperlukan sebuah metode yang mampumenganalisa pergerakan harga saham tersebut. Penelitian iniberfokuskan pada penerapan metode ATD dan Deret IN dalammeramalkan harga saham di pasar modal. Metode ATD dan DeretIN merupakan metode baru yang akan diuji penerapannya di pasarmodal. Populasi yang digunakan dalam penelitian ini merupakanemiten yang tergabung dalam IDX 30 dari sub-sektor perbankandengan sampel yang digunakan adalah emiten BBRI (PT BankRakyat Indonesia Tbk). Hasil penelitian ini diketahui bahwa metodeATD lebih baik dalam menghasilkan nilai peramlan dibandingmetode Stochastic Oscillator dengan periode gabungan ATD 18-ATD 17 sebesar 0.044% dan Metode Stochastic Oscillator adalahperiode 14 dengan error 8.932%.
PENGARUH INOVASI PRODUK DAN HARGA TERHADAP LOYALITAS PELANGGAN (Studi Kasus Produk Modul Pembelajaran CV Pustaka Bengawan) Tri Djoko Santosa; Bangun Prajadi Cipto Utomo; Novemy Triyandari Nugroho
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (159.974 KB)

Abstract

Penelitian ini bertujuan mengetahui pengaruh inovasiproduk dan harga terhadap loyalitas pelanggan baik secaraparsial maupun secara simultan. Penelitian ini mengambil objekpada pelanggan Modul Pembelajaran atau LKS yang ada di CVPustaka Bengawan. Penelitian ini termasuk penelitiankuantitatif causalitas yang dimaksudkan untuk menganalisispengaruh variabel independen yang terdiri dari inovasi produkdan harga terhadap variabel dependen, yaitu loyalitaspelanggan. Pengumpulan data menggunakan kuesioner yangdibagikan kepada 100 responden sebagai sampel danmenggunakan analisis statistik dengan uji regresi linierberganda, uji t, uji F dan uji koefisien determinasi untukmenjawab permasalahan dalam penelitian ini. Hasil penelitianmenunjukkan inovasi produk dan harga berpengaruh positif dansignifikan terhadap loyalitas pelanggan baik secara parsialmaupun simultan. Inovasi produk dan harga dalam penelitianini mempunyai kontribusi sebesar 0,607 atau 60,7% terhadaployalitas pelanggan, sedangkan sisanya sebesar 39,3%dipengaruhi oleh variabel lain diluar inovasi produk dan harga.Untuk itu, dalam upaya meningkatkan loyalitas pelangganperusahaan diharapkan selalu melakukan inovasi produkkhsusunya pada produk-produk yang sudah diterima olehkonsumen agar tetap diminati dan dibeli konsumen. Selain itu,pertimbangan dalam penetapan harga yang sesuai dengankondisi dan kinerja produk harus selalu dipeerhatikan. Bagipeneliti yang akan datang dapat melakukan penelitian terkaitdengan loyalitas pelanggan dengan pendekatan lain danmenggunakan indikator penilian variabel sesuai dengan teoriyang berbeda.

Page 4 of 49 | Total Record : 490

 2   3   4   5   6 

Filter by Year

2022 2025


Reset
Filter By Issues
All Issue Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025 Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2023 Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022 Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB)