Garuda - Garba Rujukan Digital

IDENTIFIKASI JENIS OBAT BERDASARKAN GAMBAR LOGO PADA KEMASAN MENGGUNAKAN METODE NAIVE BAYES Surya Rahayuda
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 3, No 2 (2016)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v3i2.46

There many types of drugs have been approved by the government and circulating in the community, but many people don’t know. In this study, I want to create an application that can identify the type of drug based on the logo on the packaging. I’m using 4 different types of modern medicine and 3 types of herbal medicine, total there will be as many as 7 different logo that will be used. Pictures will be entered into the application, then detected the edges of the image using the Edge Detection, to get the shape of the logo image, after it is extracted using methods GLCM, extraction will produce output in the form of numbers, the numeric data is then classified using Naïve Bayes classification and will get the results in the form of the type of drug. From the experiments it was found that the resulting level of accuracy is quite high, there are 3 categories of types of drugs that have a high accuracy on Obat Bebas, Obat Bebas Terbatas and Obat Keras. From the results of these trials concluded that the Naïve Bayes method can be used to mengkalsifikasi types of drugs is based on the logo on the packaging of drugs.Keywords: logo, drug, image processing, edge detection, GLCM, naïve bayesTerdapat banyak jenis obat telah disetujui oleh pemerintah dan beredar di masyarakat, namun banyak masyarakat tidak mengetahuinya. Pada penelitian ini saya ingin membuat suatu aplikasi yang dapat mengindentifikasi jenis obat berdasarkan logo pada kemasan. Saya menggunakan 4 jenis obat moderen dan 3 jenis obat herbal, total akan terdapat sebanyak 7 macam logo yang akan digunakan. Gambar akan diinputkan ke dalam aplikasi, kemudian dideteksi tepian gambarnya menggunakan metode Edge Detection, untuk mendapatkan bentuk dari gambar logo, setelah itu diekstraksi menggunakan metode GLCM, hasil ekstraksi akan menghasilkan output berupa angka, data angka ini kemudian diklasifikasikan menggunakan metode Naïve Bayes dan akan mendapatkan hasil klasifikasi berupa jenis obat. Dari percobaan yang dilakukan didapatkan bahwa tingkat akurasi yang dihasilkan cukup tinggi, terdapat 3 buah kategori jenis obat yang memiliki akurasi yang tinggi yaitu pada jenis Obat Bebas, Obat Bebas Terbatas dan Obat Keras. Dari hasil percobaan tersebut disimpulkan bahwa metode Naïve Bayes dapat digunakan untuk mengkalsifikasi jenis obat berdasarkan logo pada kemasan obat. Kata kunci: logo, obat, image processing, edge detection, GLCM, naïve bayes

MODEL PENENTUAN SISTEM JARINGAN AIR BERSIH UNTUK MITIGASI BENCANA KEBAKARAN PERKOTAAN DENGAN SISTEM PAKAR BERBASIS SISTEM INFORMASI GEOGRAFIS SABRILLAH TARIDALA
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 5, No 1 (2018)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v5i1.113

Kendari City is an urban area with the smallest area and the densest population in Southeast Sulawesi Province. Fire disaster in the city of Kendari often occurs and has caused considerable losses, to claim casualties. This study aims to build a model of determining clean water network system for fire disaster mitigation in Kendari City, using Expert System approach based on Geographic Information System (GIS). The results showed that the clean water network for firefighting in Kendari City is classified into four categories, namely Very Suitable for the development of the network as much as 267 grids, Suitable for the development of 5,819 grids, Sufficient Suitable for network development of 38,493 grids, and Not Recommended for network development clean water for urban firefighting, as many as 63,257 grids. Suitable clean water network for fire disaster mitigation in Kendari City is an area close to potential water sources for outages, located in urban areas with high and very high fire risk levels and is in medium to densely populated areas, whereas urban areas is not recommended for the development of clean water network is the area prone to flood and landslide disaster, with hilly and mountainous morphology and this area is not a residential area. Keywords : Expert System, GIS, Model, urban fire, water supplyKota Kendari merupakan suatu kawasan perkotaan dengan luas wilayah terkecil dan jumlah penduduk terpadat di Provinsi Sulawesi Tenggara. Bencana kebakaran di Kota Kendari sering terjadi dan telah menimbulkan kerugian yang cukup banyak, hingga menelan korban jiwa. Penelitian ini bertujuan untuk membangun model penentuan sistem jaringan air bersih untuk mitigasi bencana kebakaran di Kota Kendari, dengan menggunakan pendekatan Sistem Pakar (Expert System) berbasis Sistem Informasi Geografis (SIG). Hasil penelitian menunjukkan bahwa jaringan air bersih untuk pemadaman kebakaran di Kota Kendari terklasifikasi dalam empat kategori, yaitu Sangat Sesuai untuk pengembangan jaringan sebanyak 267 grid, Sesuai untuk pengembangan sebanyak 5.819 grid, Cukup Sesuai untuk pengembangan jaringan sebanyak 38.493 grid, dan Tidak Dianjurkan bagi pengembangan jaringan air bersih untuk pemadaman kebakaran perkotaan, sebanyak 63.257 grid. Jaringan air bersih yang Sangat Sesuai untuk mitigasi bencana kebakaran di Kota Kendari merupakan kawasan yang dekat dengan sumber air potensial untuk pemadaman, berada pada kawasan perkotaan dengan tingkat risiko kebakaran tinggi dan sangat tinggi serta berada pada daerah hunian yang sedang hingga padat, sedangkan kawasan perkotaan yang tidak dianjurkan bagi pengembangan jaringan air bersih merupakan daerah kawasan rawan bencana banjir dan longsor, dengan morfologi berbukit dan bergunung dan kawasan ini bukan merupakan daerah hunian. Kata kunci : Sistem Pakar, SIG, model, kebakaran perkotaan, air bersih

MODEL JARINGAN SYARAF TIRUAN MEMPREDIKSI PRODUKSI EKSPOR BATU BARA MENURUT NEGARA TUJUAN UTAMA DALAM MENDORONG LAJU PERTUMBUHAN EKONOMI Rafiqa Dewi; Sundari Retno Andani; Solikhun Solikhun
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 6, No 2 (2019)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v6i2.227

Prediction is a process for estimating how many needs in the future. This study aims to predict the amount of coal exports according to the country the main goal in driving the pace of economic growth. The role of the agricultural sector in the national economy is very important and strategic. Coal is one of the fossil fuels. The general definition is a sedimentary rock that can burn, formed from organic deposits, mainly the remains of plants and formed through the process of pembatubaraan. The main elements consist of carbon, hydrogen and oxygen. Domestic production makes the government continue to implement coal export policies according to the state's main goal in driving the pace of economic growth in Indonesia. By using Artificial Neural Networks and backpropagation algorithms, architectural models will be sought to predict the amount of coal exports according to the state's main goal in driving the pace of economic growth to determine steps to assist the government in exporting coal based on the main destination country. This study uses 12 input variables with 1 target. Using 4 architectural models to test the data to be used for prediction, namely models 12-8-1, 12-16-1, 12-32-1 and 12-64-1. The best architectural model results obtained are 12-16-1 architectural models with 100% truth accuracy, the number of epoch 2602 and MSE is 0.0032. By using this model, predictions of coal exports are in accordance with the main destination countries with 100% accuracy.Keywords: Coal, Exports, predictions, backpropagation, Artificial Neural Networks Prediksi adalah proses untuk memperkirakan berapa banyak kebutuhan di masa depan. Studi ini bertujuan untuk memprediksi jumlah ekspor batubara menurut negara tujuan utama dalam mendorong laju pertumbuhan ekonomi. Peran sektor pertanian dalam ekonomi nasional sangat penting dan strategis. Batubara adalah salah satu bahan bakar fosil. Definisi umum adalah batuan sedimen yang dapat terbakar, terbentuk dari endapan organik, terutama sisa-sisa tanaman dan terbentuk melalui proses pembatubaraan. Unsur utama terdiri dari karbon, hidrogen, dan oksigen. Produksi dalam negeri membuat pemerintah terus menerapkan kebijakan ekspor batubara sesuai dengan tujuan utama negara dalam mendorong laju pertumbuhan ekonomi di Indonesia. Dengan menggunakan Jaringan Saraf Tiruan dan algoritma backpropagation, model arsitektur akan dicari untuk memprediksi jumlah ekspor batubara sesuai dengan tujuan utama negara dalam mendorong laju pertumbuhan ekonomi untuk menentukan langkah-langkah untuk membantu pemerintah dalam mengekspor batubara berdasarkan negara tujuan utama . Penelitian ini menggunakan 12 variabel input dengan 1 target. Menggunakan 4 model arsitektur untuk menguji data yang akan digunakan untuk prediksi, yaitu model 12-8-1, 12-16-1, 12-32-1 dan 12-64-1. Hasil model arsitektur terbaik yang diperoleh adalah model arsitektur 12-16-1 dengan akurasi 100%, jumlah zaman 2602 dan MSE adalah 0,0032. Dengan menggunakan model ini, prediksi ekspor batubara sesuai dengan negara tujuan utama dengan akurasi 100%.Kata kunci: Batubara, Ekspor, prediksi, backpropagation, Jaringan Syaraf Tiruan

FENOMENA SPORADIC E FREKUENSI 5.2 MHZ PADA KONDISI SOLAR MINIMUM TAHUN 2019 Zulmi Zakariyah; Titon Dutono; Tri Budi Santoso; Bustamir Arif
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 7, No 2 (2020)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v7i2.314

High Frequency (HF) Communication is very dependent on the condition of the ionosphere which changes conditions over time. 2019 is a year with minimum solar conditions marked by a lack of solar cold spots. This condition can cause interference with the propagation path of radio waves in the ionosphere. In this research, a report on HF wave propagation observations is presented using a retrospective method to determine the sporadic E intensity at minimum solar conditions. Data retrieval is done by beacon / sounding system between radio stations by using a low power signal processing software that is Weak Signal Propagation Report (WSPR). Observations were made by building 2 radio stations in Surabaya (7.30S, 112.78E) as transmitter and radio stations in Jombang (7.61S, 112.31E) as receiver. Observations were carried out for one year from November 2018 until October 2019. During the observation process, a frequency of 5.2 MHz is used and the results showed that there were several days that described a favorable phenomenon for HF communication at close range (below 500 km), namely Sporadic E. During the observation it was obtained 8 times the Sporadic E phenomenon that is quite long with a time span of occurrence between 1 hour to 3 hours. Overall observations show that in May to August is the time when most Sporadic E phenomena occur. So from this research, it can be concluded that the sporadic E phenomenon can still occur when the sun enters the minimum solar conditions.Keywords: HF, Solar Minimum, Ionospher, Sporadic E Komunikasi High Frequency (HF) sangat bergantung pada kondisi ionosfer yang mengalami perubahan kondisi dari waktu ke waktu. Tahun 2019 merupakan tahun dengan kondisi solar minimum yang ditandai dengan minimnya nilai titik dingin matahari. Kondisi ini dapat mengakibatkan gangguan pada jalur propagasi gelombang radio di lapisan ionosfer. Pada penelitian ini, disajikan laporan pengamatan propagasi gelombang HF menggunakan metode retrospektif untuk mengetahui intensitas sporadic E saat kondisi solar minimum. Pengambilan data dilakukan dengan sistem beacon / sounding antar stasiun radio dengan memanfaatkan software pengolahan sinyal daya rendah yaitu Weak Signal Propagation Report (WSPR). Pengamatan dilakukan dengan membangun 2 stasiun radio yang berada di Surabaya (7.30S, 112.78E) sebagai pemancar dan stasiun radio di Jombang (7.61S, 112.31E) sebagai penerima. Pengamatan dilakukan selama satu tahun dari bulan November 2018 sampai dengan bulan Oktober 2019. Pada proses pengamatan digunakan frekuensi 5.2 MHz dan hasilnya menunjukkan terdapat beberapa hari yang menggambarkan fenomena menguntungkan untuk komunikasi HF jarak dekat (dibawah 500 km) yaitu Sporadic E. Selama pengamatan telah didapatkan 8 kali fenomena Sporadic E yang cukup lama dengan rentang waktu kejadian antara 1 jam hingga 3 jam. Secara keseluruhan hasil pengamatan menunjukkan bahwa pada bulan Mei hingga bulan Agustus merupakan waktu paling banyak terjadinya fenomena Sporadic E. Sehingga dari penelitian ini dapat disimpulkan bahwa fenomena sporadic E masih bisa terjadi ketika matahari memasuki kondisi solar minimum.Kata kunci: HF, Solar Minimum, Ionosfer, Sporadic E

PENENTUAN ANGGOTA ASRAMA DENGAN ITERATIVE DICHOMOTISER THREE Muhammad Hasan; Muliadi Aziz; Dodon T. Nugrahadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 3, No 1 (2016)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v3i1.33

Determination of the members of the boarding will done through assessment the criteria for determining the status of the members of the Sorority. This determination is usually consultation between members according to their respective conscience. Therefore, determination of the members of the boarding will done using Iterative Dichomotiser Three by displaying the root criteria so that it becomes a reference node in the assessment of the Member. Determination of the Member of a dormitory with Iterative Dichomotiser Three produce entropy values i.e. (Kitchen 0.121596288; Hall 0.091945213; Bathroom 0.114734253; Living room 0.159141033; Terrace 0.271219296; Manners 0.228396102; Religious 0.217768967; sensitivity 0.339842104; and the money base of 0). The results of calculation of the information gain is generating decision tree with nodes of the criteria each branch. Based on the results that sensitivity of root and the money Base into base of decision tree with reference to the value of the information gain. The result also shows determination of the predictive reports members of the dormitory with Iterative Dichomotiser Three Keywords: Members of the boarding, Iterative Dichomotiser Three, Entropy, lnformation Gain, Decision Tree Penentuan anggota asrama dilakukan melalui penilaian kriteria-kriteria untuk menentukan status anggota asrama. Penentuan ini biasanya melalui musyawarah antar anggota sesuai hati nurani masing-masing. Oleh karena itu, penentuan anggota asrama dilakukan menggunakan Iterative Dichomotiser Three dengan menampilkan root kriteria sehingga menjadi acuan node dalam penilaian anggota asrama. Penentuan anggota asrama dengan Iterative Dichomotiser Three menghasilkan nilai entropy yaitu 0,89357112 dan nilai information gain dari 9 kriteria penilaian anggota asrama yaitu (Dapur 0,121596288; Aula 0,091945213; Kamar Mandi 0,114734253; Ruang Tamu 0,159141033; Teras 0,271219296; Tata Krama 0,228396102; Keagamaan 0,217768967; Kepekaan 0,339842104; dan Uang Pangkal 0). Hasil perhitungan information gain menghasilkan pohon keputusan dengan node-node kriteria tiap cabangnya. Berdasarkan hasil bahwa Kepekaan menjadi root dan Uang Pangkal menjadi pangkal pohon keputusan dengan mengacu pada nilai information gain. Hasilnya juga menampilkan laporan prediksi penentuan anggota asrama dengan Iterative Dichomotiser Three. Kata kunci : Anggota asrama, Iterative Dichomotiser Three, Entropy, lnformation Gain, Pohon Keputusan

SELEKSI ATRIBUT PADA ALGORITMA C4.5 MENGGUNAKAN GENETIK ALGORITMA DAN BAGGING UNTUK ANALISA KELAYAKAN PEMBERIAN KREDIT Saeful Bahri
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 4, No 2 (2017)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v4i2.99

According to the banking ACT No. 9 of 1992 is the provision of credit or money bills which can dipersama-kan with it, based on the approval of an agreement between the bank pinjam-meminjam with other parties that require that the borrower to pay off a loan after a certain period of time with the giving of flowers. Credit analysis aims to evaluate the customer able to or not in fulfilling obligations. In analyzing the sometimes an analyst is not accurate in analyzing causing bad credit. Of the problems that existed then used a method of classification for an analysis of the feasibility of granting credit using a model algorithm Genetic Algorithm with C4.5 (AG) as a selection of attributes and bagging method to improve accuracy. After testing two models namely algorithm C4.5 and C4.5 with Genetic Algorithms (AG) and the results obtained bagging method is the algorithm C 4.5 produces a value accuracy 93,47% and AUC values 0,932 with excellent levels of Clasification diagnose but after Genetic Algorithm added (AG) and increased accuracy value bagging 2.87% to 96,34% and AUC values increased 0.044 became 0.976.Keywords: Credit, the algorithm C 4.5, Genetic Algorithms (GA), BaggingMenurut UU Perbankan No.9 Tahun 1992 kredit merupakan penyediaan uang atau tagihan yang dapat dipersama-kan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam-meminjam antara bank dengan pihak lain yang mewajibkan pihak peminjam untuk melunasi utangnya setelah jangka waktu tertentu dengan pemberian bunga. Analisa kredit bertujuan untuk mengevaluasi nasabah mampu atau tidak dalam memenuhi kewajiban. Dalam menganalisa terkadang seorang analis tidak akurat dalam menganalisa sehingga menyebabkan kredit macet. Dari permasalahan yang ada maka digunakan sebuah metode klasifikasi untuk analisis kelayakan pemberian kredit menggunakan model algoritma C4.5 dengan Algoritma Genetika (AG) sebagai seleksi atribut dan metode bagging untuk meningkatkan akurasi. Setelah dilakukan pengujian dua model yaitu algoritma C4.5 dan C4.5 dengan Algoritma Genetika (AG) dan metode bagging hasil yang diperoleh adalah algoritma C4.5 menghasilkan nilai akurasi 93,47 % dan nilai AUC 0,932 dengan tingkat diagnose excellent Clasification namun setelah ditambahkan Algoritma Genetika(AG) dan bagging nilai akurasi meningkat 2,87% menjadi 96,34 % dan nilai AUC meningkat 0.044 menjadi 0.976.Kata kunci: Kredit, Algoritma C4.5, Algoritma Genetika (AG), Bagging

APLIKASI MOBILE STUDENT ASSISTANT PRODI SISTEM INFORMASI DI STMIK INDONESIA PADANG BERBASIS ANDROID Amuharnis Chaniago
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 6, No 1 (2019)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v6i1.188

Mobile learning (m- learning) is a learning model that utilizes information and communication technology, bring the benefits of the availability of teaching materials that can be accessed at any time in the form of text, image, or video content. Almost all the material presented for lectures in major of information system in STMIK Indonesia in the form of M-learning content. This causes, need for an application that can facilitate to share M-learning either that teaching materials given lectures and tasks that have been completed by Student. This application mobile developed based on Android with mobile java programming language and Firebase as database. System development for this research is System Development Life Cycle (SDLC) with waterfall approach. The result of this researches is the creation of a Mobile Student Assistant Application based on Android that can be used to share m-learning, uploading, and downloading lectures by dean and students in major of information system in STMIK Indonesia Padang.Keywords: Mobile Student Asistant, AndroidMobile learning (m-learning) merupakan model pembelajaran yang memanfaatkan teknologi informasi dan komunikasi, membawa manfaat ketersediaan materi ajar yang dapat diakses setiap saat berupa konten teks, gambar, maupun video. Hampir seluruh materi yang disajikan untuk perkuliahan di jurusan sistem informasi pada STMIK Indonesia berupa konten m-learning. Hal ini menyebabkan dibutuhkannya sebuah aplikasi yang dapat memudahkan untuk berbagi m-learning baik itu materi ajar yang diberikan dosen maupun tugas yang telah diselesaikan mahasiswa. Aplikasi Mobile Student Assistant ini dikembangkan berbasis Android dengan bahasa pemrograman Java mobile dan Firebase sebagai basis data. Metode pengembangan sistem untuk peneitian ini adalah System Development Life Cycle (SDLC) dengan pendekatan Waterfall. Hasil akhir dari penelitian ini adalah terciptanya Aplikasi Mobile Student Assistant berbasis Android yang dapat digunakan untuk berbagi m-learning, mengupload, dan download tugas perkuliahan oleh mahasiswa program studi Sistem Informasi pada STMIK Indonesia Padang.Kata kunci: Android, Mobile Learning

FEED FORWARD NEURAL NETWORK SEBAGAI ALGORITMA ESTIMASI STATE OF CHARGE BATERAI LITHIUM POLYMER Mohammad Imron Dwi Prasetyo; Anang Tjahjono; Novie Ayub Windarko
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 7, No 1 (2020)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v7i1.290

Estimasi State Of Charge (SOC) baterai merupakan parameter terpenting dalam Battery Management System (BMS), terlebih sebagai aplikasi dari mobil listrik dan smart grid. SOC tidak dapat dilakukan pengukuran secara langsung, sehingga diperlukan metode estimasi untuk mendapatkan nilai tersebut. Beberapa metode yang pernah diusulkan adalah coloumb counting dan open circuit voltage. Akan tetapi coloumb counting memiliki kelemahan dalam hal inisialisasi SOC awal dan memiliki ketergantungan terhadap sensor arus. Sedangkan metode open circuit voltage hanya dapat digunakan pada baterai dalam kondisi idel. Pada penelitian ini diusulkan metode algoritma Feed Forward Neural Network (FFNN) untuk estimasi SOC baterai lithium polymer. Algoritma ini dapat menyelesaikan sistem nonlinier seperti yang dimiliki oleh baterai lithium polymer. Arsitektur FFNN dibangun dua kali (dual neural) untuk estimasi OCV dan SOC. FFNN pertama dengan input tegangan, arus, dan waktu charging maupun discharging untuk estimasi OCV. OCV hasil training neural pertama digunakan sebagai input FFNN kedua untuk estimasi SOC. Hasil dari estimasi ini didapatkan dengan nilai hidden neuron 11 pada neural pertama dan hidden neuron 4 pada neural kedua.Keywords: SOC, BMS, Coloumb Counting, OCV, FFNNEstimasi State Of Charge (SOC) baterai merupakan parameter terpenting dalam Battery Management System (BMS), terlebih sebagai aplikasi dari mobil listrik dan smart grid. SOC tidak dapat dilakukan pengukuran secara langsung, sehingga diperlukan metode estimasi untuk mendapatkan nilai tersebut. Beberapa metode yang pernah diusulkan adalah coloumb counting dan open circuit voltage. Akan tetapi coloumb counting memiliki kelemahan dalam hal inisialisasi SOC awal dan memiliki ketergantungan terhadap sensor arus. Sedangkan metode open circuit voltage hanya dapat digunakan pada baterai dalam kondisi idel. Pada penelitian ini diusulkan metode algoritma Feed Forward Neural Network (FFNN) untuk estimasi SOC baterai lithium polymer. Algoritma ini dapat menyelesaikan sistem nonlinier seperti yang dimiliki oleh baterai lithium polymer. Arsitektur FFNN dibangun dua kali (dual neural) untuk estimasi OCV dan SOC. FFNN pertama dengan input tegangan, arus, dan waktu charging maupun discharging untuk estimasi OCV. OCV hasil training neural pertama digunakan sebagai input FFNN kedua untuk estimasi SOC. Hasil dari estimasi ini didapatkan dengan nilai hidden neuron 11 pada neural pertama dan hidden neuron 4 pada neural kedua.Kata kunci: SOC, BMS, Coloumb Counting, OCV, FFNN

PREFERENCE RANKING ORGANIZATION METHOD FOR ENRICHMENT EVALUATION(PROMETHEE) SEBAGAI PENUNJANG KEPUTUSAN PEMILIHAN ANGGOTA BEM FMIPA UNLAM BANJARBARU Megi Adhiyani; Muliadi Aziz; Dwi Kartini
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 2, No 2 (2015)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v2i2.24

The members election process of Student Executive Board of FMIPA UNLAM Banjarbaru is still done manually, so that the election of members require a long time and sometimes subjective. Thus, it needs a decision support system that could help ease the decision-making process using Promethee. Promethee is a method determining the sequence (priority) to analyze the problems with the point is the simplicity, clarity, and stability (Arsita, 2013). From the result of the research and observation of the system has been made, can be known that Decision Support System for Member Election of Student Executive Board using Promethee get compliance 89.80 percent and the remaining 10.20 percent not in accordance with the decision of Student Executive Board of FMIPA UNLAM. Keywords : Decision Support System, Member Election of Student Executive Board, Promethee. Badan Eksekutif Mahasiswa (BEM) FMIPA UNLAM Banjarbaru memiliki proses pemilihan anggota yang masih dilakukan secara manual sehingga pemilihan anggota BEM memerlukan waktu yang lama dan terkadang subjektif. Oleh karena itu, diperlukan sebuah sistem pendukung keputusan yang dapat mempermudah proses pengambilan keputusan menggunakan metode Promethee. Metode Promethee adalah suatu metode penentuan urutan (prioritas) dalam analisa yang masalah pokoknya adalah kesederhanaan, kejelasan, dan kestabilan (2). Dari hasil penelitian dan pengamatan dari sistem yang telah dibuat, dapat diketahui bahwa Sistem Pendukung Keputusan Pemilihan Anggota BEM menggunakan metode Promethee ini mendapatkan nilai kesesuaian 89,80% dan sisanya 10,20% tidak sesuai dengan keputusan dari BEM FMIPA UNLAM. Kata kunci : Sistem Pendukung Keputusan, Pemilihan Anggota BEM, Metode Promethee.

IMPLEMENTASI WEIGHT PRODUCT MODEL (WPM) DALAM MENENTUKAN PEMILIHAN SEPEDA MOTOR SPORT BERBASIS SPK Muhammad Noor Hasan Siregar
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 4, No 1 (2017)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v4i1.72

Perkembangan dunia otomtif khususnya sepeda motor menjadi salah satu trend dikalangan masyrakat saat ini. Banyak jenis produk khususnya sepeda motor sport yang ditawarkan kepada masyrakat. Produk produk ini memiliki keunggulan masing masing. Penelitian ini bertujuan untuk membangun sebuah sistem pendukung keputusan dengan menggunakan metode Weight Product Model (WPM) untuk menentukan pemilihan sepeda motor sport yang paling diminati. Penelitian ini dilaksanakan dengan observasi dan interview untuk melakukan pengumpulan data sepeda motor. Kesimpulan hasil penelitian ini adalah Pemberian kriteria-kriteria dalam pemilihan sepeda motor sport dapat membantu dalam mengambil keputusan untuk menentukan sepeda motor sport yang bagus dan sesuai dengan keinginan konsumen. Dengan Menerapkan metode Weight Product Model (WPM) proses pemilihan sepeda sepeda motor sport lebih efisien dan praktis.Kata Kunci: Pemilihan, SPK, Sepeda motor sport, Metode WPM, Pematangsiantar

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