Garuda - Garba Rujukan Digital

EFESIENSI ENERGI PADA BANGUNAN MENGGUNAKAN MULTIVARIATE RANDOM FOREST Triando Hamonangan Saragih; Mohammad Reza Faisal; Muhammad Haekal
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.421

Energy is needed by humans. Energy utilization is often carried out in daily activities, such as helping with work, household activities to lighting both at home and on the road. Recently, there has been a lot of research on concerns about the waste of energy and its lasting adverse impact on the environment. Previous research conducted by Tsanas and Xifara in 2012 has carried out energy efficiency in buildings using Statistical Machine Learning. Their research focuses on calculating outcomes one by one, not directly on all outcomes. In this study using the Multivariate Random Forest method. Multivariate Random Forest has similarities compared to Random Forest, while the Multivariate Random Forest method is more used if more than one output is produced. Based on the tests that have been carried out, it can be concluded that the best parameter that gives maximum results is the number of trees as many as 200 with a data division of 60% training data and 40% testing data with RMSE results of 2.602036 and MSE result of 6.770589. Based on the tests that have been carried out, it proves that the more the number of trees does not prove that it can provide maximum results.Keywords: Energy, Efficiency, Prediction, Multivariate Random ForestEnergi sangat dibutuhkan oleh manusia. Pemanfaatan energi sering dilakukan dalam kegiatan sehari-hari, seperti membantu pekerjaan, kegiatan rumah tangga hingga penerangan baik dalam rumah maupun di jalan. Akhir-akhir ini banyak penelitian tentang kekhawatiran mengenai pemborosan energi dan dampak buruknya yang abadi terhadap lingkungan. Penelitian sebelumnya yang dilakukan oleh Tsanas dan Xifara pada tahun 2012 telah melakukan efesiensi energi pada bangunan menggunakan Statistical Machine Learning. Penelitian mereka berfokus pada perhitungan luaran secara satu persatu, tidak secara langsung semua luaran. Pada penelitian ini menggunakan metode Multivariate Random Forest. Multivariate Random Forest memiliki kesamaan dibandingkan dengan Random Forest, sedangkan metode Multivariate Random Forest lebih digunakan jika luaran yang dihasilkan lebih dari satu. Berdasarkan pengujian yang sudah dilakukan, dapat disimpulkan bahwa parameter terbaik yang memberikan hasil maksimal yaitu pada jumlah pohon sebanyak 200 dengan pembagian data sebanyak 60% data latih dan 40% data uji dengan hasil RMSE sebesar 2.602036 dan MSE sebesar 6.770589. Berdasarkan pengujian yang sudah dilakukan membuktikan semakin banyak jumlah pohon tidak membuktikan bisa memberikan hasil yang maksimal.Kata kunci: Energi, Efesiensi, Prediksi, Multivariate Random Forest

Analisis Penerapan Deep Learning untuk Klasifikasi Serangan Terhadap Keamanan Jaringan I Made Suartana
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.451

The growth of the information technology field necessitates newer and better methods for data and information security. Several methods in machine learning are tried to be applied to network security mechanisms. Classical methods in network security use the identification of traffic or network traffic as a critical component in detecting attacks. This mechanism becomes increasingly ineffective as the network scales and data usage increases. One of the solutions to overcome the increase in size and data is deep learning. This type of machine learning method used in security can perform extensive data analysis and is a recent innovation that tries to study information patterns to detect unauthorized entries into computer networks. This study tries to conduct a preliminary study to apply Deep Learning to classify network security attacks originating from attack datasets. Based on the trials conducted, Deep learning can classify attacks with good accuracy according to the Deep learning architectural model used. Keywords: Network Security Classification Deep Learning Machine LearningPertumbuhan bidang teknologi informasi mengharuskan perlunya metode yang lebih baru dan lebih baik untuk keamanan data dan informasi. Terdapat beberapa metode dalam pembelajaran mesin yang dicoba diterapkan untuk mekanisme pengaman jaringan. Metode klasik dalam keamanan jaringan menggunakan identifikasi lalu lintas atau trafik jaringan sebagai komponen kunci dalam mendeteksi serangan. Mekanisme ini semakin menjadi tidak efektif karena peningkatan skala jaringan dan penggunaan data. Solusi mengatasi peningkatan ukuran dan data salah satunya dengan Deep learning. Jenis metode pembelajaran mesin ini digunakan dalam keamanan dapat melakukan analisis data dalam ukuran besar dan merupakan inovasi terbaru yang mencoba mempelajari pola informasi dengan tujuan mendeteksi entri yang tidak sah ke dalam jaringan komputer. Penelitian ini mencoba melakukan studi awal untuk menerapkan Deep Learning untuk klasifikasi serangan keamanan jaringan yang berasal dari dataset serangan. Berdasarkan ujicoba yang dilakukan Deep learning dapat melakukan klasifikasi serangan dengan akurasi yang baik sesuai dengan model arsitektur Deep learning yang digunakan.Kata kunci: Keamanan Jaringan, Klasifikasi, Deep Learning, Mesin Learning

ANALYSIS OF MODIFIED K-MEANS CLUSTERING IN DECISION SUPPORT OF INDUSTRIAL PARTNER GROUPING Billy Sabella; Veri Julianto; Ahmad Rusadi Arrahimi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.429

Internship is part of achieving the competencies expected in the educational process. Therefore, the suitability of students to companies that serve as a place for street vendors is something important to pay attention to. Weaknesses in the previous system, there are still many students who are not right in choosing companies/agencies. They are still not paying attention to the competencies expected in this internship process. This study aims to help group industrial partners according to the competency achievements of each department. The method used in this research is Modified K-Means Clustering in the grouping process. While the criteria used are the suitability of the company's field with the department, credibility, company ecosystem, company track record in the field of education, and the facilities provided. In carrying out this work, a system will be developed to process the data resulting from the questionnaire so that groups from each company are obtained. The results of the study were obtained from 86 respondents who were apprentices who had been in 37 companies or agencies. 22 questions that build 7 criteria resulted in 4 stable clusters after 8 iterations.Keywords: internship, decision support system, Modified K-Means Clustering.

PENERAPAN GIM AUGMENTED REALITY BERBASIS ANDROID DALAM PENGENALAN SEJARAH KERATON KERAJAAN PONTIANAK Fatma Agus Setyanngsih
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.452

History is all events or events of the past, which aims to understand the behavior of the past, present and future. There are many ways to introduce history, from learning at school to using ebook media. Learning history by making a game on a smartphone is currently lacking, therefore one of the efforts to make learning and provide historical information in an interesting, fun and effective way is to create an augmented reality game on an Android smartphone.One of the games that can be implemented in the introduction program to the history of the Pontianak Royal Palace is a game that uses Augmented Reality technology. The research was conducted in the Pontianak Royal Palace, Yogyakarta, by looking for Augmented Reality objects in the form of "fireballs" that were found according to the placement of the object. This game uses location as a condition to be able to find objects, so every user who has found the location is required to scan by pointing to the side of the building/building writing according to his instructions. The methodology used for reporting is ADDIE, namely Analyze, Design, Development, Implementation, Evaluation.The result obtained is an application of Android-Based Augmented Reality GIM Application in Introduction to the History of the Pontianak Royal Palace. The use of this game can be used for the latest method as a medium for introducing campuses that are different from beforeKey Words: Smartphone, Android, The Kingdom of Pontianak RelicSejarah merupakan semua kejadian atau peristiwa masa lalu, yang bertujuan untuk memahami perilaku masa lalu, masa sekarang dan masa yang akan datang. Banyak cara untuk mengenalkan sejarah, mulai dari pembelajaran di sekolah sampai dengan menggunakan media ebook. Pembelajaran sejarah dengan menjadikan sebuah gim di smartphone saat ini masih kurang, oleh sebab itu salah satu upaya untuk melakukan pembelajaran dan memberikan informasi sejarah dengan menarik, menyenangkan dan efektif adalah dengan membuat gim augmented reality di smartphone Android.Salah satu gim yang dapat diimplementasikan dalam program pengenalan Sejarah Keraton Kerajaan Pontianak adalah gim yang menggunakan teknologi Augmented Reality. Penelitian dilakukan di lingkungan Keraton Kerajaan Pontianak Yogyakarta dengan mencari objek Augmented Reality berbentuk “bola api” yang terdapat sesuai penempatan objek. Gim ini menggunakan lokasi sebagai syarat agar dapat menemukan objek, jadi setiap pengguna yang sudah menemukan lokasinya maka diharuskan scan dengan mengarahkan ke sisi bangunan/tulisan bangunan sesuai perintahnya. Metodologi yang digunakan untuk pembuatan laporan adalah ADDIE yaitu Analyze, Design, Development, Implementation, Evaluation.Hasil yang didapatkan adalah sebuah aplikasi Penerapan GIM Augmented Reality Berbasis Android Dalam Pengenalan Sejarah Keraton Kerajaan Pontianak. Pemanfaatan gim ini dapat digunakan untuk metode terbaru sebagai media pengenalan kampus yang berbeda dari sebelumnya.Kata Kunci: Smartphone, Android, Keraton Kerajaan Pontianak

IMPLEMENTASI METODE K-MEANS UNTUK PENGELOMPOKAN DATA JAMAAH PADA BIRO UMROH JABAL RAHMAH PACITAN Melinda Yunitasari Yunitasari; Tamara Maharani Maharani; Bagus Hikmahwan Hikmahwan
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.402

Currently, religious tourism, especially for Hajj and Umrah, is in great demand by the public because it offers a variety of package facilities according to the economic conditions of the congregation. Diverse congregational data is the basis for this research to find new knowledge as a marketing strategy to find out which packages are most interested in pilgrims in the future.The case study of this research is in the Bureau of Jabal Rahmah Pacitan. This study uses K-Means clustering which is one of the techniques in data mining for unsupervised modeling and method of grouping data by partition. Attributes used in data processing include age, gender, marital status, year of registration, and packages chosen by the congregation. Data processing is assisted using the WEKA application. The results of this study obtained data/cluster A with 83 people or 55% and cluster B with 45 people or 45% of 151 records. So by using the K-Means method, it can be concluded that package A is the most favorite package or the most desirable.Keywords: Clustering, Data Mining, K-Means, WEKA, Umrah. Saat ini perjalanan wisata religi khususnya untuk ibadah haji dan umroh banyak diminati masyarakat karena menawarkan berbagai macam fasilitas paket sesuai kondisi ekonomi jamaah. Data jamaah yang beragam menjadi landasan pada penelitian ini untuk menemukan pengetahuan yang baru sebagai strategi pemasaran guna mengetahui paket yang paling diminati jamaah dimasa yang akan datang.Studi kasus penelitian ini di Biro Jabal Rahmah Pacitan. Penelitian ini menggunakan K-Means clustering yang merupakan salah satu teknik pada data mining untuk pemodelan unsupervised dan metode pengelompokkan data secara partisi. Atribut yang digunakan dalam pengolahan data meliputi usia, jenis kelamin, status pernikahan, tahun daftar, dan paket yang dipilih jamaah. Pengolahan data dibantu menggunakann aplikasi WEKA. Hasil dari penelitian ini diperoleh data/cluster A dengan 83 orang atau 55% dan cluster B dengan 45 orang atau 45% dari 151 record. Sehingga dengan menggunakan metode K-Means dapat disimpulkan bahwa paket A merupakan paket terfavorit atau yang paling diminati. Kata kunci: Clustering, Data Mining, K-Means, WEKA, Umroh.

METODE FUZZY SAW DAN ALGORITMA SELECTION SORT UNTUK PEMILIHAN VENDOR PENGADAAN BARANG badriawan sukma; septi andryana; agus iskandar
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.438

Vendor selection in business processes is important. If you choose the wrong vendor, the company may get less profit and the quality is not as expected. In some cases finding vendors with appropriate criteria, conducting vendor selection and surveys of goods are still used manually. Based on this problem, the researcher intends to create a vendor selection support system using Fuzzy Multi Attribute Decision Making (FMADM), with Simple Additive Weighting (SAW) Algorithm as a solution to Fuzzy MADM and Selection Sort Algorithm for ordering the highest vendor value. The fuzzy saw method is one method that can be used in the decision-making process. The system that will be made later is expected to be able to provide recommendations in the vendor selection process based on predetermined criteria and get results that help decision makers determine which vendor is appropriate. Keywords: Simple Additive Weighting, Vendor Selection, Fuzzy, FMADM, Decision Support System.Pemilihan vendor dalam proses bisnis merupakan hal yang penting. Jika salah dalam pemilihan vendor, perusahaan bisa saja mendapatkan profit yang lebih sedikit dan kualitas tidak sesuai dengan apa yang diharapkan. Dalam beberapa kasus menemukan vendor dengan kriteria yang sesuai, melakukan seleksi vendor dan survei barang masih digunakan cara manual. Berdasarkan masalah tersebut peneliti bermaksud membuat sistem pendukung pemilihan vendor menggunakan Fuzzy Multi Attribute Decision Making (FMADM), dengan Algoritma Simple Additive Weighting (SAW) sebagai penyelesaian Fuzzy MADM dan Algoritma Selection Sort untuk pengurutan nilai vendor yang tertinggi. Metode fuzzy saw adalah salah satu metode yang dapat digunakan pada proses pengambilan keputusan. Sistem yang akan dibuat nanti diharapkan dapat memberi rekomendasi dalam proses pemilihan vendor berdasarkan kriteria-kriteria yang telah ditentukan dan mendapatkan hasil yang membantu para pengambil keputusan menentukan vendor mana yang sesuai.Kata kunci: Simple Additive Weighting, Pemilihan Vendor, Fuzzy, FMADM, Sistem Pendukung Keputusan.

KLASIFIKASI DATA LULUSAN SMPN 3 TULAKAN MENGGUNAKAN METODE NAÏVE BAYES Lesta Lia Regitaningtyas; Tamara Maharani Maharani; Bagus Hikmawan Hikmawan
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.403

Alumni of junior high school students have a fairly diverse distribution of data. With a case study at SMP Negeri 3 Tulakan, the basis for this research is to predict the distribution of junior high school graduates in the following year. The data mining process is assisted by the WEKA application. The classification used is the nave Bayes classification using the test training set mode and cross validation folds 10. The results of this study from the test training set mode got Correctly Classified 83.2787% and Incorrectly Classified 16,7213% while in cross validation it got Correctly Classified 81.3115% and Incorrectly Classified 18.6885%. The percentage of accuracy value shows the effectiveness of the Admissions dataset applied to the Naïve Bayes Classification method which reaches 80%. The results of this study indicate that the data classification using Naïve Bayes has an accuracy level that is close to accurate.Keywords: data mining, Naive Bayes classification, student data, WEKA applicationAlumni siswa SMP memiliki persebaran data yang cukup beragam. Dengan studi kasus di SMP Negeri 3 Tulakan, menjadikan landasan pada penelitian ini untuk memprediksi persebaran lulusan Sekolah Menengah Pertama pada tahun selanjutnya. Proses data mining dibantu oleh aplikasi WEKA. Adapun klasifikasi yang digunakan adalah klasifikasi naïve bayes dengan menggunakan mode test training set dan cross validation folds 10. Hasil dari penelitian ini dari mode test training set mendapat sebesar Correctly Classified 83.2787% dan Incorrectly Classified 16.7213% sedangkan pada cross validation mendapat sebesar Correctly Classified 81.3115% dan Incorrectly Classified 18.6885%. Nilai persentase akurasi menunjukkan efektifitas dataset Admissions yang di terpkan pada metode Naive Bayes Classification yang mencapai 80%. Dari hasil penelitian ini menunjukkan bahwa klasifikasi data menggunakan Naive Bayes memiliki tingkat akurasi yang mendekati akurat.Kata kunci: data mining, klasifikasi naïve bayes, data siswa, aplikasi WEKA.

PERANCANGAN SISTEM INFORMASI INVENTARIS BERBASIS WEBSITE MENGGUNAKAN METODE WATERFALL darmansah darmansah; Sisilia Rahma Widiasari Sisilia Rahma Widiasari; Raswini Raswini; Marcel Agustine Bacsafra Marcel Agustine Bacsafra
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.448

Dalam era globalisasi saat ini, teknologi informasi sangat diperlukan untuk menunjang berbagai macam kegiatan, bertujuan untuk meningkatkan kinerja dan melakukan monitoring. Penerapan sistem informasi salah satunya pada bidang pemerintahan yaitu Dinas Perhubungan Kabupaten Banyumas, namun dalam hal urusan bagian pendataan inventaris masih menggunakan sistem konvensional yaitu dengan menggunakan Microsoft Excel. Hal ini dapat memperlambat dalam proses pengolahan data sehingga tidak tercapainya efektivitas dan efisiensi kerja. Oleh karena itu, penulis merancang Website Inventaris Dinas Perhubungan Kabupaten Banyumas menggunakan metode Waterfall. Metode Waterfall merupakan mengembangkan sistem perangkat lunak yang terdiri dari beberapa tahapan yaitu perencanaan (planning), analisis (analyst), desain (design), implementasi (implementation), uji coba (testing), dan pengelolaan (maintenance). Dari dibangunnya system ini diharapkan dapat memberikan kemudahan bagi pegawai agar pengolahan data dan memonitor barang inventaris lebih cepat dan efesien.Keywords: Sistem Informasi, Website, Waterfall, Dinas Perhubungan, Barang Inventaris In the current era of globalization, information technology is needed to support various kinds of activities, aiming to improve performance and carry out monitoring. The application of information systems, one of which is in the government sector, namely the Banyumas Regency Transportation Service, but in terms of the affairs of the inventory data collection section still using the conventional system by using Microsoft Excel. This can slow down the data processing process so that the effectiveness and efficiency of work cannot be achieved. Therefore, the authors designed the Inventory Website of the Banyumas Regency Transportation Service using the Waterfall method. The Waterfall method is developing a software system consisting of several stages, namely planning, analysis, design, implementation, testing, and maintenance. From the construction of this system, it is hoped that it will make it easier for employees to process data and monitor inventory items more quickly and efficiently.Kata kunci: Information System, Website, Waterfall, Department of Transportation, Inventory.

IMPLEMENTASI METODE SEDIMENT DELIVERY RATIO (SDR) DALAM SISTEM INFORMASI PENDUGAAN EROSI DAERAH ALIRAN SUNGAI Dimas Kurniawan
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.424

Soil erosion by rainwater is the most significant form of land degradation affecting land productivity and water quality in Indonesia’s watershed management. One of the efforts to avoid damage to a watershed is to estimate erosion. The current calculation of erosion estimation is still done manually, which has shortcomings such as calculation errors and data loss due to human errors. To overcome this problem, we develop an information system that can calculate the estimated amount of erosion in a watershed. The erosion estimation is based on the sediment delivery ratio (SDR) method. The Extreme Programming (XP) method is implemented in developing the system. Several stages are carried out in this method. They are planning the system requirements; followed by designing the business processes and the interface of the system. The next step is a coding implementation using the SDR method and testing the system’s capabilities. The results obtained is a web-based information system for estimating watershed erosion using the SDR method. Based on the results of the tests that have been carried out, the system has successfully passed all test scenarios. In addition, the system has also been assessed by 30 respondents using a questionnaire and obtained satisfactory results.Keywords: watershed, erosion, extreme programming, sediment delivery ratio, information system Erosi tanah oleh air hujan menjadi bentuk degradasi lahan paling signifikan yang memengaruhi produktivitas lahan dan kualitas air dalam pengelolaan daerah aliran sungai (DAS) di Indonesia. Salah satu upaya untuk menghindari kerusakan pada suatu DAS adalah dengan melakukan pendugaan erosi. Perhitungan pendugaan erosi saat ini masih dilakukan secara manual, dimana memiliki kekurangan seperti kesalahan perhitungan dan kehilangan data akibat kelalaian manusia. Untuk mengatasi masalah tersebut penulis mengembangkan sistem informasi yang dapat melakukan perhitungan besarnya pendugaan erosi di suatu DAS. Pendugaan erosi menggunakan metode sediment delivery ratio (SDR). Metode Extreme Programming (XP) digunakan dalam pengembangan sistem. Beberapa tahapan dilakukan dalam metode ini. Terdapat perencanaan kebutuhan sistem; diikuti dengan perancangan proses bisnis dan antarmuka sistem. Tahapan selanjutnya adalah implementasi coding menggunakan metode SDR dan pengujian kemampuan sistem. Hasil yang didapatkan adalah sistem informasi pendugaan erosi daerah aliran sungai berbasis web dengan metode SDR. Berdasarkan hasil pengujian yang telah dilakukan, sistem telah berhasil melewati semua skenario uji dengan sukses. Selain itu, sistem juga telah dinilai oleh 30 responden menggunakan kuesioner dan mendapatkan hasil yang memuaskan.Kata kunci: daerah aliran sungai, erosi, extreme programming, sediment delivery ratio, sistem informasi

KOMBINASI PROFILE MATCHING DAN ENTROPY UNTUK REKOMENDASI PEKERJAAN BAGI LULUSAN UNIVERSITAS PATTIMURA Priskila Damaris Lokollo
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.449

One objective of higher education is to get a good job for every graduate. Graduates are required to have the competence to compete, in order to obtain the appropriate job. For the purposes of the Department Mathematics Pattimura Ambon University implements systems for every graduate job recommendation. The system requires a method that can help in these recommendations. The method used is Profile Matching and Entropy. Entropy is used to determine the weight of interest criteria. While the Profile Matching is used for the process of ranking the job to every graduate. Based on the research results, the system to work with a combination of recommendation Profile Matching and Entropy can determine the interests of each criterion. In addition, the calculation results and ranking of total on each criterion produces ranking jobs. So that every graduate can get a job based on competencies based on the rank result. Keywords: Profile matching, entropy, recommendation, work, rank Salah satu tujuan mengecap pendidikan tinggi yaitu untuk mendapatkan pekerjaan yang baik bagi setiap lulusan. Lulusan dituntut agar memiliki kompetensi yang dapat bersaing, demi memperoleh pekerjaan yang sesuai. Demi tujuan tersebut, Jurusan Matematika Universitas Pattimura Ambon menerapkan sistem rekomendasi pekerjaan bagi setiap lulusan. Sistem yang dibuat membutuhkan metode yang dapat membantu dalam rekomendasi tersebut. Metode yang digunakan yaitu Profile Matching dan Entropy. Entropy digunakan untuk menentukan bobot kepentingan kriteria. Sedangkan Profile Matching digunakan untuk proses pemberian peringkat pekerjaan bagi setiap lulusan. Berdasarkan hasil penelitian, sistem untuk rekomendasi pekerjaan dengan kombinasi Profile Matching dan Entropy dapat ditentukan kepentingan setiap kriteria. Selain itu, hasil perhitungan dan pemberian peringkat nilai total pada setiap kriteria menghasilkan peringkat pekerjaan. Sehingga setiap lulusan mendapatkan pekerjaan yang sesuai dengan kompetensi berdasarkan hasil peringkat.Kata kunci: Profile matching, entropy, rekomendasi, pekerjaan, peringkat

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Muliadi

Contact Email
muliadi@ulm.ac.id

Phone
+6285228102971

Journal Mail Official
klik@ulm.ac.id

Editorial Address
Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location
Kota banjarmasin,

Kalimantan selatan

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Muliadi

Contact Email muliadi@ulm.ac.id

Phone +6285228102971

Journal Mail Official klik@ulm.ac.id

Editorial Address Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location Kota banjarmasin, Kalimantan selatan INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Muliadi

Contact Email
muliadi@ulm.ac.id

Phone
+6285228102971

Journal Mail Official
klik@ulm.ac.id

Editorial Address
Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location
Kota banjarmasin,

Kalimantan selatan

INDONESIA