cover
Contact Name
Agus Junaidi
Contact Email
agusjunaidi@mediaantartika.id
Phone
+6281318340588
Journal Mail Official
jka.antartika@gmail.com
Editorial Address
Jl. Amil Wahab No.8, RW.9, Kramat Jati, Jakarta Timur, Daerah Khusus Ibukota Jakarta 13510
Location
Kota adm. jakarta timur,
Dki jakarta
INDONESIA
Jurnal Komputer Antartika
ISSN : -     EISSN : 29885272     DOI : -
Core Subject : Science,
Jurnal Komputer Antartika adalah jurnal yang diterbitkan oleh Antartika Media Indonesia yang berfokus pada penerbitan artikel ilmiah pada bidang ilmu-ilmu komputer meliputi: Komputasi dan pemrosesan data, Kecerdasan buatan, Jaringan dan keamanan, Sistem informasi dan manajemen, Grafis dan visualisasi, Arsitektur dan teknologi komputer, dan e-learning.
Articles 66 Documents
Kahoot berbasis Game Based Learning terhadap Hasil Pembelajaran Sekolah Dasar dengan Model Addie Permana, Rizqi Agung; Husein, Hisyam; Sahara, Sucitra
Jurnal Komputer Antartika Vol. 1 No. 4 (2023): Desember 2023
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v1i4.226

Abstract

Perkenalan gadget terlalu dini tanpa pengawasan dan bimbingan memberikan dampak tidak baik pada anak, Banyak anak yang sudah jenuh untuk mengikuti pembelajaran. Tujuan untuk memperlihatkan bahwa gamebased learning bisa memberikan manfaat yang baik, bagi tumbuh kembang kreatifitas dan pengetahuan anak, mengurangi kecanduan sehingga anak menjadi jenuh dalam belajar, pengenalan media pembelajaran yang mudah, dan menyenangkan bagi anak. Model ADDIE mengembangkan model analisis, desain, pengembangan, implementasi, dan evaluasi. Pemilihan model pengembangan ADDIE sebagai acuan adalah model pengembangan dirancang untuk analisis kebutuhan. Game based learning cukup berperan dalam edukasi anak, banyak juga orang tua yang mendukung adanya sistem game untuk edukasi ini, untuk merubah mindset atau kebiasaan anak mereka yang bermain gadget agar lebih bermanfaat. Dunia teknologi bermanfaat bagi kehidupan, namun jika berlebihan dapat menimbulkan efek negatif. Maka dari itu agar tidak terjadi hal yang menimbulkan berlebihan bagi semua orang baik anak anak, orang dewasa atau manula lebih baiknya perbanyak edukasi dan wawasan tentang perkembangan teknologi.   Introducing gadgets too early without supervision and guidance has a bad impact on children. Many children are bored with learning. The aim is to show that game based learning can provide good benefits, for the growth and development of children's creativity and knowledge, reducing addiction so that children become bored with learning, introducing learning media that is easy, and fun for children. The ADDIE model develops analysis, design, development, implementation and evaluation models. The choice of the ADDIE development model as a reference is a development model designed for needs analysis. Game based learning plays quite a role in children's education, many parents also support the existence of a game system for this education, to change the mindset or habits of their children who play gadgets so that they are more useful. The world of technology is beneficial for life, but if it is excessive it can have negative effects. Therefore, so that nothing happens that causes excess for everyone, whether children, adults or the elderly, it is better to increase education and insight into technological developments.
Implementasi Private Cloud Storage dengan Menggunakan Owncloud dan Linux Ubuntu Pada Virtualbox Oracle Dwi Saputra, Dedi; Dwi Noviati, Diah; Mochamad Issa Wirakusumah, Raden; Faiz, Achmad; Dwifadzila Wijaya, Fildzah; Fauzan Zidny, Mohammad
Jurnal Komputer Antartika Vol. 2 No. 1 (2024): Maret 2024
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v2i1.232

Abstract

Dalam era teknologi digital yang terus berkembang, kebutuhan akan solusi penyimpanan file yang efisien dan aman menjadi perhatian sentral, terutama di lingkungan akademis di mana manajemen tugas dan ujian pribadi memegang peranan penting. Penelitian ini mengeksplorasi implementasi OwnCloud, sebuah platform sumber terbuka yang terkenal karena kemampuannya dalam manajemen file yang kokoh, fitur keamanan yang canggih, dan fungsionalitas kolaboratif, dalam lingkungan Linux Ubuntu dengan menggunakan VirtualBox untuk virtualisasi. Tujuan utamanya mencakup evaluasi menyeluruh terhadap kapabilitas OwnCloud dalam menyediakan solusi penyimpanan file yang aman dan fleksibel, khususnya untuk tugas dan ujian akademis pribadi, serta implementasinya secara praktis dalam lingkungan Linux Ubuntu melalui VirtualBox. Evaluasi difokuskan pada pengamatan keamanan dan metrik kinerja dari solusi OwnCloud yang diimplementasikan. Temuan dari penelitian ini memiliki signifikansi bagi institusi pendidikan, mahasiswa, dan profesional yang aktif mencari mekanisme penyimpanan file yang efektif dan aman, dengan harapan bahwa hasil penelitian akan memberikan wawasan berharga terhadap kelayakan OwnCloud sebagai platform yang dapat diandalkan untuk manajemen file pribadi dan kolaboratif dalam ekosistem Linux. Kesimpulan dan rekomendasi yang dihasilkan diharapkan dapat memberikan panduan strategis untuk usaha-usaha masa depan yang bertujuan mengembangkan solusi sejenis.   In the rapidly evolving landscape of digital technology, the demand for secure and efficient file storage solutions has emerged as a pivotal concern, particularly within academic realms where the effective management of personal assignments and examinations plays a critical role. This research delves into the implementation of OwnCloud, an open-source platform renowned for its robust file management capabilities, advanced security features, and collaborative functionalities, within the Linux Ubuntu environment utilizing VirtualBox for virtualization. The primary objectives encompass the thorough evaluation of OwnCloud's capacity to provide a secure and adaptable file storage solution tailored for individual academic tasks and exams, coupled with the practical implementation of this solution in the Linux Ubuntu setting through VirtualBox. The assessment focuses on scrutinizing the security robustness and performance metrics of the deployed OwnCloud solution. The outcomes of this research bear significance for educational institutions, students, and professionals actively seeking effective and secure file storage mechanisms, with the anticipation that the findings will offer valuable insights into the viability of OwnCloud as a dependable platform for personal and collaborative file management within the Linux ecosystem. The derived conclusions and recommendations are poised to provide strategic guidance for future endeavors aimed at developing analogous solutions.
Neural Machine Tranlation Untuk Bahasa Sunda Loma – Sunda Halus Menggunakan Long Short Term Memory Sakinah, Marsela Arsya; Ramadhan, Teguh Ikhlas; Hartono, Rudi
Jurnal Komputer Antartika Vol. 2 No. 1 (2024): Maret 2024
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v2i1.244

Abstract

Bahasa Sunda, dengan kompleksitas undak-usuk basa, memiliki peran penting dalam komunikasi di Jawa Barat, Indonesia. Mesin penerjemah Bahasa Sunda Loma ke Bahasa Sunda Halus menjadi tantangan karena penggunaan kata harus tepat sesuai konteksnya. Mesin ini penting sebagai alat pembelajaran Bahasa Sunda, mengingat banyaknya generasi yang kehilangan pemahaman terhadap bahasa daerah. Neural Machine Translation (NMT), terutama dengan model Long Short Term Memory (LSTM), menjadi solusi yang menjanjikan. Penelitian ini bertujuan mengimplementasikan LSTM dalam penerjemah Bahasa Sunda, tetapi penelitian terbaru masih kurang. Hasil penelitian menunjukkan bahwa optimizer ADAM pada dataset duplikat menghasilkan akurasi terbaik, meskipun masih ada evaluasi yang kurang baik. Mesin penerjemah ini diharapkan dapat membantu pelestarian Bahasa Sunda di era digital. Evaluasi BLEU score menunjukkan kualitas terjemahan yang rendah pada dataset asli dan dataset duplikat dengan optimizer RMS, sementara dengan optimizer ADAM menunjukkan peningkatan signifikan, terutama pada dataset duplikat. Meskipun demikian, masih ditemukan evaluasi yang kurang baik pada dataset yang diduplikat.   Sundanese, with its intricate speech levels, holds a pivotal role in West Java's communication. Translating from Loma to Formal Sundanese poses challenges due to precise contextual word usage. Crucial for Sundanese language preservation, a Neural Machine Translation (NMT) system using Long Short Term Memory (LSTM) models emerges promising, yet current research is limited.This study aims to implement LSTM in Sundanese translation, focusing on the ADAM optimizer's efficacy on duplicate datasets. While ADAM yields the highest accuracy, some evaluations remain suboptimal. The translation engine's role is vital in preserving Sundanese in the digital era. BLEU score evaluations show low translation quality with RMS and significant improvements with ADAM, especially in duplicates. However, deficiencies persist, notably in duplicated datasets. This endeavor addresses the decline in regional language comprehension among younger generations, fostering Sundanese language education.
Analisis Kinerja Sistem Informasi Inventory Papoetoys Jombang Menggunakan Metode Pieces Framework Handoko, Lilik Hendrayani; Balafif, Nufan; Kurniawan, Eddy
Jurnal Komputer Antartika Vol. 2 No. 1 (2024): Maret 2024
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v2i1.248

Abstract

CV. Putra Putri Jombang sebuah Perusahaan yang bergerak di bidang manufaktur merasakan pentingnya memiliki sistem informasi yang mampu mengelola data stok dan penjualan yang baik. Keinginan untuk membuat suatu sistem informasi yang terintegrasi antar divisi terkait yaitu antara Kantor dan Gudang untuk mempermudah proses pekerjaan demi meningkatkan efisiensi dan kinerja Perusahaan dirasa perlu untuk kemajuan ke depannya. Kemudian dengan bekerjasama dengan CV. Nusantara Computech hal ini berhasil diwujudkan. Tetapi hingga 2 tahun berjalan sejak diimplementasikan belum pernah dilakukan evaluasi untuk mengetahui apakah sistem yang berjalan sudah sesuai dengan kebutuhan Perusahaan dan apakah Pengguna merasa Puas dengan adanya sistem ini? Sehingga Peneliti kemudian mengambil metode PIECES untuk mengevaluasi kinerja Sistem Informasi Inventory (Simtory), bagaimana kinerja simtory dapat mendukung proses bisnis yang berjalan di CV. Putra Putri Jombang. Dan hasilnya didapatkan bahwa sistem informasi ini sudah sesuai dengan kebutuhan Perusahaan. Dimana setelah penelitian dilakukan mendapatkan hasil untuk variable Performance 3,90 yang berarti Puas, variable Information  3,78 yang berarti Puas, variable Economy 3,58 yang berarti Puas, variable Control 3,65 yang berarti Puas, variable Efficiency 3,70 yang berarti Puas dan variable Service 3, 625 yang berarti Puas, sehingga kesimpulannya secara keseluruhan hasil kinerja sistem setelah diimplementasikan merasa Puas dengan adanya Simtory ini sebagai sistem informasi yang sesuai dengan proses bisnis di CV. Putra Putri Jombang.   CV. Putra Putri Jombang, a company operating in the manufacturing sector, feels the importance of having an information sistem that can manage stock and sales data well. The desire to create an integrated information sistem between related divisions, namely between the Office and the Warehouse to simplify the work process to increase the Company's efficiency and performance, is deemed necessary for future progress. Then by collaborating with CV. Nusantara Computech has succeeded in realizing this. However, up to 2 years after it was implemented, no evaluation has been carried out to find out whether the sistem that is running is by the Company's needs and whether users are satisfied with this sistem. So the researcher then used the PIECES method to evaluate the performance of the Inventory Information Sistem (Simtory), and how the performance of Simtory can support the business processes running at CV. Putra Putri Jombang. And the results showed that this information sistem was by the Company's needs. Where after the research was carried out, the results for the Performance variable were 3.90 which means Satisfied, the Information variable 3.78 which means Satisfied, the Economy variable 3.58 which means Satisfied, the Control variable 3.65 which means Satisfied, the Efficiency variable 3.70 which means Puas and the Service variable 3, 625 which means Satisfied, so the overall conclusion is that the sistem performance results after implementation are Satisfied with the existence of Simtory as an information sistem that is by the business processes at CV. Putra Putri Jombang.
Penggunaan Media Sosial Dalam Pemberdayaan Masyarakat Terkait Isu Lingkungan Dengan Metode Analytical Hierarchy Process Kusnadi, Yahdi; Novianti, Novianti
Jurnal Komputer Antartika Vol. 2 No. 1 (2024): Maret 2024
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v2i1.253

Abstract

Media sosial memainkan peran yang signifikan dalam meningkatkan kesadaran masyarakat tentang masalah lingkungan. Di situs web seperti Tiktok, Instagram, dan Twitter, orang dapat berbagi ide kreatif, mengungkapkan keprihatinan, dan memobilisasi tindakan untuk pelestarian lingkungan. Menghasilkan konten baru, menempatkan hastag pada konten, dan mendorong pengikut untuk melestarikan adalah beberapa cara yang dapat digunakan. Dalam situasi seperti ini, analisis proses hierarki (AHP) dapat membantu Anda membuat keputusan yang tepat, mengevaluasi dampak, dan menentukan prioritas. efek dari tindakan dan keberhasilan kampanye di media sosial. Peneliti ingin mengetahui seberapa besar pengaruh media sosial terhadap pemberdayaan masyarakat terkait masalah lingkungan. Dalam konteks masalah lingkungan, metode ini dapat digunakan untuk mengukur dampak dari berbagai tindakan, mengedit prioritas tindakan, dan membuat rencana aksi yang efektif.   Social media plays a significant role in increasing public awareness about environmental issues. On websites like TikTok, Instagram, and Twitter, people can share creative ideas, express concerns, and mobilize action for environmental conservation. Generating new content, placing hashtags on content, and encouraging followers to preserve are some of the ways that can be used. In situations like these, hierarchical process (AHP) analysis can help you make informed decisions, evaluate impacts, and determine priorities. the effects of actions and the success of campaigns on social media. Researchers want to know how much influence social media has on community empowerment regarding environmental issues. In the context of environmental problems, this method can be used to measure the impact of various actions, edit action priorities, and create effective action plans.
Identifikasi Ekspresi Wajah Manusia dengan Metode Support Vector Machine Handul, Yohanes Janssen; Matulessy, Junus Yosia Eran Saktriawan; Kaesmetan, Yampi R
Jurnal Komputer Antartika Vol. 2 No. 2 (2024): Juni 2024
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v2i2.294

Abstract

Wajah adalah bagian tubuh manusia yang berfungsi sebagai pusat ekspresi, pengenalan dan juga komunikasi. Penciptaan teknik yang berguna untuk mengidentifikasi dan menganalisis ekspresi wajah sangat penting untuk penelitian ini. Support Vector Machine (SVM) merupakan teknik pembelajaran mesin yang digunakan untuk pengenalan pola klasifikasi ekspresi wajah Manusia. Support Vector Machine (SVM) adalah metode klasifikasi yang menggunakan konsep mencari hyperplane yang optimal dalam suatu ruang feature untuk memisahkan beberapa kelas. Dari keempat klasifikasi tersebut ternyata presentasi accuracy, precision dan recall tidak berbeda jauh untuk mendeteksi ekspresi wajah dari tiap kelas tersebut dengan menggunakan metode SVM. Berdasarkan uji ekstraksi  hasil rata-rata accuracy tertinggi yaitu  jenis ekspresi marah dengan accuracy paling tinggi. Tingkat rata-rata tertinggi accuracy yang kedua yaitu ekspresi senang. tingkat rata-rata tertinggi accuracy ketiga yaitu ekspresi netral, lalu tingkat rata-rata tertinggi accuracy keempat yaitu ekspresi senyum dan tingkat rata-rata terendah accuracy yaitu ekspresi sedih.   The face is a part of the human body that functions as a center of expression, recognition and communication. The creation of useful techniques for identifying and analyzing facial expressions was crucial for this study. Support Vector Machine (SVM) is a machine learning technique used for pattern recognition classification of Human facial expressions. Support Vector Machine (SVM) is a classification method that uses the concept of finding the optimal hyperplane in a feature space to separate classes. From the four classifications, it turns out that the presentation of accuracy, precision and recall is not much different to detect facial expressions from each class using the SVM method. Based on the extraction test, the highest average accuracy result is the type of angry expression with the highest accuracy. The second highest average level of accuracy is the expression of pleasure. The third highest average level of accuracy is neutral expression, then the fourth highest average level of accuracy is smile expression and the lowest average level of accuracy is sad expression.
Sistem Informasi Manajemen Stok Berbasis Web Pada Globalindo Group Argomasetyo, Firqi; Alie, Jemmy Yosua; Fahlapi, Riza
Jurnal Komputer Antartika Vol. 2 No. 2 (2024): Juni 2024
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v2i2.303

Abstract

Penelitian ini menyoroti penerapan sistem informasi manajemen stok di Globalindo Group, sebuah perusahaan konveksi besar. Sistem manajemen stok pada Globalindo Group sebelumnya menggunakan catatan kertas serta catatan di ponsel pegawai. Karena masih memakai sistem manual, banyak barang yang hilang di gudang dan di toko, serta susah untuk dilacak atau didata kembali. Lalu dari Tim IT di Globalindo Group dibuatkan manajemen stok berbasis website yang bernama ABSI. Dengan menggunakan sistem manajemen stok berbasis web bernama ABSI ini, Globalindo Group mampu mengelola persediaan barang di gudang dan toko secara lebih efisien. Sistem ini menggantikan metode konvensional yang rentan terhadap kesalahan dan kehilangan data. Penelitian dilakukan menggunakan metode kualitatif, melalui observasi, wawancara, dan studi pustaka. Pengembangan sistem ABSI menggunakan metodologi Software Development Life Cycle (SDLC) dengan model waterfall, yang mencakup perencanaan, analisis, perancangan, pengujian, dan implementasi. Hasilnya menunjukkan bahwa penggunaan ABSI memungkinkan pemantauan persediaan secara real-time, pelacakan pengiriman dan penerimaan barang, serta pengurangan risiko kehilangan barang selama pengiriman. Implementasi sistem ini juga mendukung efisiensi operasional, meningkatkan akurasi data, dan membantu karyawan bekerja lebih efektif. Dengan adanya ABSI, Globalindo Group dapat mencapai target perusahaan lebih mudah dan meningkatkan penghasilan. Penelitian ini merekomendasikan pengembangan lebih lanjut terhadap ABSI, termasuk penambahan fitur dan pembuatan versi mobile untuk kemudahan akses pengguna. Secara keseluruhan, adopsi sistem informasi canggih ini memberikan kontribusi signifikan dalam mendukung pengambilan keputusan yang lebih baik dan meningkatkan kinerja bisnis.   This research highlights the implementation of a stock management information system at Globalindo Group, a large convection company. The stock management system at Globalindo Group previously used paper records and notes on employees' cell phones. Because it still uses a manual system, many items are lost in the warehouse and in the store, and are difficult to track or record again. Then the IT team at Globalindo Group created a website-based stock management called ABSI. By using this web-based stock management system called ABSI, Globalindo Group is able to manage inventory in warehouses and stores more efficiently. This system replaces conventional methods that are prone to errors and data loss. The research was conducted using qualitative methods, through observation, interviews, and literature studies. The development of the ABSI system uses the Software Development Life Cycle (SDLC) methodology with a waterfall model, which includes planning, analysis, design, testing, and implementation. The results show that the use of ABSI enables real-time inventory monitoring, tracking of shipping and receiving goods, and reducing the risk of losing goods during shipping. The implementation of this system also supports operational efficiency, improves data accuracy, and helps employees work more effectively. With ABSI in place, Globalindo Group can achieve company targets more easily and increase revenue. This research recommends further development of ABSI, including the addition of features and the creation of a mobile version for easy user access. Overall, the adoption of this advanced information system makes a significant contribution in supporting better decision-making and improving business performance.
Penerapan Algoritma C4.5 Untuk Prediksi Penyakit Jantung Menggunakan Rapidminer Muzakki, Farhan; Ubaydillah, Iqbal; Assyiami, Nur Rahma; Soleha, Sugiyarti
Jurnal Komputer Antartika Vol. 2 No. 2 (2024): Juni 2024
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v2i2.304

Abstract

Jantung merupakan organ yang sangat penting untuk dijaga kesehatannya, karena begitu pentingnya fungsi jantung bagi tubuh manusia. Penyakit jantung sangat sulit untuk dideteksi, sehingga menyebabkan banyak orang yang meninggal secara tiba-tiba tanpa menyadari jika seseorang terkena penyakit jantung atau serangan jantung. Penyakit jantung merupakan penyebab kematian nomor satu di dunia. Data ini kami olah untuk mengetahui faktor apa saja yang paling berpotensi pada penyakit jantung, dengan hasil pengolahan data ini kami harapkan dapat menjadi pengingat bagi siapa saja untuk menjaga pola hidup sehat dan mengantisipasi potensi penyakit jantung sejak dini. Teknik data mining yang digunakan dalam penelitian ini menggunakan metode Decision Tree melalui algoritma C4.5 hasil yang diperoleh mulai dari nilai accuracy, precision, dan recall dengan membandingkan split data pada data training dan data testing yang terbesar adalah split data 90 – 10 yaitu accuracy = 65.25%, recall = 70.87% , dan precision = 62.46%. Dengan menggunakan algoritma C4.5 ini diharapkan dapat menghasilkan akurasi yang tepat untuk memprediksi penyakit jantung.   The heart is an organ that is very important to maintain its health, because it is so important the function of the heart for the human body. Heart disease is very difficult to detect, causing many people to die suddenly without realizing if someone has heart disease or a heart attack. Heart disease is the number one cause of death in the world. We process this data to find out what factors have the most potential in heart disease, with the results of this data processing we hope to be a reminder for anyone to maintain a healthy lifestyle and anticipate the potential for heart disease early on. The data mining technique used in this study uses the Decision Tree method through the C4.5 algorithm. The results obtained start from the accuracy, precision, and recall values ​​by comparing the split data on training data and testing data. The largest is a data split of 90 – 10, namely accuracy = 65.25%, recall = 70.87%, and precision = 62.46%. By using this C4.5 algorithm, it is expected to produce the right accuracy to predict heart disease.
Implementasi Algoritma C4.5 Untuk Klasifikasi Data Insentif Karyawan PT. Adhi Cakra Utama Mulia Sari, Putri Widia; Giwangga, Gilang; Fitriyanti, Novi Dian; Putra, Advinca Arlisdia; Irawan, Hari
Jurnal Komputer Antartika Vol. 2 No. 3 (2024): September 2024
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v2i3.318

Abstract

Penentuan insentif karyawan yang akurat dan adil merupakan salah satu tantangan utama dalam manajemen sumber daya manusia. Penelitian ini bertujuan untuk mengimplementasikan algoritma C4.5 dalam proses klasifikasi data insentif karyawan guna meningkatkan ketepatan dan keadilan dalam penentuan insentif. Algoritma C4.5 dipilih karena kemampuannya dalam menangani data kontinu dan kategorik serta kemampuannya untuk menghasilkan pohon keputusan yang mudah dipahami. Data penelitian diperoleh dari PT Adhi Cakra Utama Mulia, yang mencakup atribut seperti nama karyawan, wilayah, nama toko, minimal penjualan, pencapaian dan keputusan. Proses penelitian dimulai dengan pengumpulan dan pra-pemrosesan data, yang meliputi pembersihan data dan normalisasi. Selanjutnya, algoritma C4.5 diterapkan untuk membangun model klasifikasi berdasarkan data yang telah diproses. Hasil implementasi menunjukkan bahwa algoritma C4.5 mampu mengklasifikasikan data insentif karyawan dengan tingkat akurasi yang tinggi. Selain itu, pohon keputusan yang dihasilkan memberikan wawasan yang jelas mengenai faktor-faktor yang paling berpengaruh dalam penentuan insentif. Penelitian ini diharapkan dapat membantu perusahaan dalam mengambil keputusan yang lebih objektif dan transparan terkait pemberian insentif kepada karyawan. Berdasarkan penelitian yang di lakukan dapat disimpulkan bahwa data mining yang digunakan dengan metode algoritma C45 dapat diterapkan dengan tingkat accuracy = 77.73%, dengan nilai entropy 0.829762 dan gain information terbesar 0.038638 sedangkan untuk recall = 35.67% dan precision = 61.76%.   Determining accurate and fair employee incentives is one of the main challenges in human resource management. This research aims to implement the C4.5 algorithm in the employee incentive data classification process in order to increase accuracy and fairness in determining incentives. The C4.5 algorithm was chosen because of its ability to handle continuous and categorical data and its ability to produce decision trees that are easy to understand. Research data was obtained from PT Adhi Cakra Utama Mulia, which includes attributes such as employee name, region, shop name, minimum sales, achievements and decisions. The research process begins with data collection and pre-processing, which includes data cleaning and normalization. Next, the C4.5 algorithm is applied to build a classification model based on the processed data. The implementation results show that the C4.5 algorithm is able to classify employee incentive data with a high level of accuracy. In addition, the resulting decision tree provides clear insight into the most influential factors in determining incentives. It is hoped that this research can help companies make more objective and transparent decisions regarding providing incentives to employees. Based on the research conducted, it can be concluded that data mining used with the C45 algorithm method can be applied with an accuracy level = 77.73%, with an entropy value of 0.82962 and the largest information gain of 0.038638, while for recall = 35.67% and precision = 61.76%.
Penerapan Algoritma C4.5 Terhadap Tingkat Kepuasan Pasien Pada Pelayanan Penggunaan Toilet di RSAB Harapan Kita Susanto, Acu; Luktian, Ilfan; Hengky, Hengky; Utomo, Ricky; Rejeki, Sri
Jurnal Komputer Antartika Vol. 2 No. 3 (2024): September 2024
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v2i3.335

Abstract

Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pasien terhadap pelayanan toilet di RSAB Harapan Kita. Kepuasan pasien dianggap sebagai salah satu hal yang sangat penting dalam menilai tingkat pelayanan yang diberikan pihak rumah sakit kepada pasiennya. Terutama pada fasilitas toilet, toilet dianggap sebagai salah satu tolak ukur indikator utama dari standar suatu fasilitas kesehatan yang merupakan akibat pengaruh pelayanan kesehatan yang diberikan pihak rumah sakit dan hal inilah yang membuat pengukuran kepuasan pasien menjadi komponen penting. Dalam mengatasi hal tersebut penggunaan algoritma C4.5 adalah pilihan yang tepat untuk dapat mengambil keputusan pada pelayanan penggunaan toilet. Dengan menggunakan algoritma C4.5 untuk menghasilkan keputusan yang tepat dan diuji oleh software RapidMiner. Dimana data bersumber dari hasil survei tahun 2023. Model yang dihasilkan dari algoritma C4.5 mampu memprediksi tingkat kepuasan pasien dengan tingkat accuracy = 52.61%, dengan nilai entropy 1182558 dan gain information terbesar 0.904627. Adapun performance pada setiap tanggapan yaitu recall = 75.00% , precision = 65.45% untuk tanggapan sangat puas, recall = 50.00% , precision = 54.55% untuk tanggapan puas, recall = 6.25% , precision = 21.43% untuk tanggapan kurang puas, recall = 79.17% , precision = 48.10% untuk tanggapan tidak  puas.   This study aims to analyze the level of patient satisfaction with toilet services at RSAB Harapan Kita. Patient satisfaction is considered to be one of the most important things in assessing the level of service provided by the hospital to its patients. Especially in toilet facilities, toilets are considered as one of the main benchmark indicators of the standard of a health facility which is the result of the influence of health services provided by the hospital and this is what makes measuring patient satisfaction an important component. In overcoming this problem, using the C4.5 algorithm is the right choice to be able to make decisions on toilet use services. By using the C4.5 algorithm to produce the right decisions and tested by RapidMiner software. Where the data comes from survey results in 2023. The model produced from the C4.5 algorithm is able to predict the level of patient satisfaction with an accuracy level = 52.61%, with an entropy value of 1182558 and the largest information gain of 0.904627. The performance for each response is recall = 75.00%, precision = 65.45% for very satisfied responses, recall = 50.00%, precision = 54.55% for satisfied responses, recall = 6.25%, precision = 21.43% for less satisfied responses, recall = 79.17 % , precision = 48.10% for dissatisfied responses..