Garuda - Garba Rujukan Digital

IMPLEMENTASI TEKNOLOGI GAME DRESS-UP BERBASIS ANDROID Yunda Heningtyas; Astria Hijriani; Rahmi Permata Hati; Akmal Junaidi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 2 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i2.478

Fashion is a way for women to express themselves in social life. Women who know their body shape can determine the appropriate clothes to enhance the beauty of their appearance. However, not all women understand their body shape. Women have five types of body shapes with their respective advantages and disadvantages. Dress-Up Game is a simulation game that explains the characteristics of a woman's body shape with 2-dimensional images. This game also provides a model of clothing that suits body shape. The dress-Up game is made using the Multimedia Development Life Cycle (MDLC) method and is operated on the Android platform. This Dress-Up game aims to help women understand clothes that suit their body shape.Keywords: android, body shape, Dress-Up, game simulationFashion merupakan salah satu cara wanita untuk mengekspresikan diri dalam kehidupan sosial. Wanita yang mengetahui bentuk tubuhnya dapat menentukan pakaian yang sesuai sehingga meningkatkan keindahan dari penampilannya, Namun, tidak semua wanita memahami bentuk tubuh mereka. Wanita memiliki 5 jenis bentuk tubuh dengan kelebihan dan kekurangannya masing-masing. Game Dress-Up merupakan game simulasi yang menjelaskan ciri-ciri bentuk tubuh wanita disertai gambar 2 dimensi. Game ini juga menyediakan model pakaian yang sesuai dengan bentuk tubuh. Game Dress-Up dibuat menggunakan metode Multimedia Development Life Cycle (MDLC) dan dioperasikan platform Android. Game Dress-Up ini bertujuan untuk membantu wanita dalam memahami pakaian yang sesuai dengan bentuk tubuh.Kata kunci: android, bentuk tubuh, Dress-Up, game simulasi

SELEKSI ATRIBUT PADA ALGORITMA NEURAL NETWORK MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK DIAGNOSIS PENYAKIT LIVER Elah Nurlelah; Dwi Yuni Utami
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 2 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i2.460

The liver is a vital human organ that has complex and diverse functions, one of which is to maintain the needs of the organs in the body, especially the brain. One of the diseases that attack the liver is hepatitis or liver. According to WHO (World Health Organization) data, nearly 1.2 million people per year, especially in Southeast Asia and Africa, die from liver disease. The problem that usually occurs is that it is difficult to recognize liver disease early on, even when the disease has spread. From these problems, the researchers diagnosed liver disease using data mining using the Neural Network Algorithm and Particle Swarm Optimization (PSO)-based Neural Network Algorithm which was taken from secondary data from the UCI Machine Learning Repository (University of California Invene). Based on the results of the research, the accuracy value of the Neural Network algorithm is 66.83%, while the accuracy value of the Neural Network Optimization algorithm using PSO is 72.37% so that the difference in the accuracy value is 5.54%. So it can be concluded that the application of particle swarm optimization techniques is able to select attributes on the Neural Network, resulting in a better level of accuracy in the diagnosis of liver disease than using the individual method of the Neural Network algorithm. Keywords: Liver, Neural Network Algorithm, Particle Swarm Optimization (PSO)-based Neural Network Algorithm Hati adalah organ vital manusia yang memiliki fungsi kompleks dan beragam, salah satunya adalah dengan menjaga kebutuhan organ dalam tubuh, khususnya otak. Salah satu penyakit yang menyerang hati adalah hepatitis atau liver. Menurut data WHO (World Health Organization) menunjukkan hampir 1,2 juta orang per tahun khususnya di Asia Tenggara dan Afrika mengalami kematian akibat terserang penyakit liver. Permasalahan yang biasanya terjadi adalah sulitnya mengenali penyakit liver sejak dini, bahkan ketika penyakit tersebut sudah menyebar. Dari permasalahan tersebut peneliti melakukan diagnosa penyakit liver dengan data mining menggunakan algoritma Neural Network dan Algoritma Neural Network dioptimasi dengan Particle Swarm Optimization (PSO) yang diambil dari data sekunder Machine Learning Repository UCI (Universitas California Invene). Berdasarkan hasil penelitian nilai akurasi algoritma Neural Network senilai 66,83%, sedangkan untuk nilai akurasi Optimasi algoritma Neural Network menggunakan PSO sebesar 72,37% dan tampak selisih nilai akurasi yaitu sebesar 5,54%. Sehingga dapat disimpulkan bahwa penerapan teknik optimasi particle swarm optimization mampu menyeleksi atribut pada Neural Network, sehingga menghasilkan tingkat akurasi diagnosis penyakit liver yang lebih baik dibanding dengan menggunakan metode individual algoritma Neural Network.Kata kunci: Liver, Algoritma Neural Network, Algoritma Neural Network berbasis Particle Swarm Optimization (PSO)

A WEB SERVICE ARCHITECTURE FOR MOBILE ACADEMIC INFORMATION SYSTEM: A CASE STUDY OF LAMPUNG UNIVERSITY Kurnia Muludi; Saiful Anwar; Dwi Sakethi; Akmal Junaidi; Wartariyus Wartariyus
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 2 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i2.473

Lampung University has many information systems with many different platforms and programming languages. This condition degraded the performance of each system. In this case study, we develop a web service that can increase collaboration between systems and between business units. Through a combination of Django REST Framework and OAuth 2.0 technology, it is shown that various platforms and applications can work together. While Django Rest Framework provides an excellent web service, OAuth strives to address the shortcomings of proprietary authentication protocols by creating universal and interoperable authorization mechanisms between service units. To prove the concepts, we implemented web service for an Android application client.Keywords: Web Service, Django REST Framework, OAuth 2.0, Android Application, Application Programming Interface

KOMPARASI METODE ANN-PSO DAN ANN-GA DALAM PREDIKSI PENYAKIT TUBERKULOSIS Erika Mutiara; Elah Nurlelah; Erni Ermawati; Muhammad Rifqi Firdaus
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 2 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i2.462

Tuberculosis (TB) can attack various organs, especially the lungs caused by the bacteria Mycobacterium tuberculosis. Tuberculosis (TB) is one of the infectious diseases that can infect all groups ranging from infants, children, adolescents to the elderly and disease and death of more than 1 million people every year. According to WHO data (2015), Indonesia is the country with the second most pulmonary tuberculosis sufferers in the world, which is 10% of the total cases of pulmonary tuberculosis in the world. There have been many studies that discuss Tuberculosis (TB) in this study, a comparison of the Artificial Neural Network method with Particle Swarm Optimization (PSO) and the Artificial Neural Network method with Genetic Algorithm (GA) was carried out to eliminate input attributes in the neural network algorithm method in order to improve tuberculosis prediction accuracy. Testing using Neural Network Algorithm by adding Particle Swarm Optimization (PSO) and Genetic Algortihm (GA) proved to get better results. The accuracy value obtained only by adding PSO is 95.66%. Meanwhile, by adding GA, the accuracy get even higher, namely 96.55%, compared to only using the Neural Network without other optimizations, the accuracy rate is 94.51%. Keywords: Tuberculosis, Artificial Neural Network, Particle Swarm Optimization, Genetic Algorithm Penyakit Tuberkulosis (TBC) dapat menyerang berbagai organ, terutama paru-paru yang disebabkan oleh kuman mycobacterium tuberculosis. Tuberkulosis (TBC) ini merupakan salah satu penyakit menular yang dapat menginfeksi semua kalangan mulai dari bayi, anak-anak, remaja sampai lansia dan menimbulkan kesakitan dan kematian lebih dari 1 juta orang setiap tahun. Menurut data WHO (2015) menyatakan Indonesia sebagai negara dengan penderita tuberkulosis paru terbanyak kedua di dunia yaitu sebanyak 10% dari total global kasus tuberkulosis paru di dunia. Sudah banyak penelitian yang membahas tentang penyakit Tuberkulosis (TBC) pada penelitian kali ini dilakukan komparasi metode Artificial Neural Network dengan Particle Swarm Optimization (PSO) dan metode Artificial Neural Network dengan Genetic Algorithm (GA) untuk mengeliminasi atribut input pada metode Algoritma neural network agar meningkatkan akurasi prediksi penyakit tuberculosis. Pengujian menggunakan Algoritma Neural Network dengan menambahkan Particle Swarm Optimization (PSO) dan Genetic Algortihm (GA) terbukti mendapatkan hasil yang lebih baik. Nilai akurasi yang didapatkan hanya dengan menambahkan PSO sebesar 95,66%. Sementara dengan menambahkan GA mendapat akurasi yang lebih tinggi lagi yakni 96,55%, dibandingkan hanya menggunakan Neural Network saja tanpa optimasi lain, tingkat akurasinya sebesar 94,51%.Kata kunci: Tuberkulosis, Artificial Neural Network, Particle Swarm Optimization,Genetic Algorithm

BACKPROPAGATION NEURAL NETWORK TO CLASSIFY SUITABILITY BETWEEN ALUMNI'S OCCUPATION AND STUDY PROGRAM Herfia Rhomadhona; Jaka Permadi; Winda Aprianti
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 3 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i3.531

One of the main tasks of Point Career Center (PCC) is to record the suitability of alumni's work with the study program. PCC also provides information about job vacancies. If PCC can predict the suitability of jobs that alumni will get based on academic data and non-academic data, it will help PCC to take policies in an effort to increase the percentage of job suitability of alumni. This research was used BPNN to train dataset with 5 atributtes, namely Grade Point Average, high school background, and competency certificate ownership. Non-academic data are parents’s occupation. BPNN is applied to 70:30, 75:25, 80:20, and 90:10 ratio with several learning rates and several hidden units. The results of this research are accuracy, precision, and recall in all scenarios is above 70%, and the best performance is the ratio of 80:20 and 90:10 with accuracy = 83.33%, precision = 87.50%, and recall = 83.33%. That indicates BPNN is suitable to classify suitability between alumni’s occupation and study program.Keywords: Accuracy, BPNN, Classify, Precision, and Recall

ALGORITMA SEQUENTIAL SEARCH DAN BINARY SEARCH PADA SISTEM PENCARIAN E-ARSIP BERBASIS WEB ismail ismail ismail
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 3 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i3.519

The National University Biology Graduate School has been operating for a long time and has produced many graduates, from the implementation of activities many files and archives have been issued and accepted. Unfortunately, it is still traditionally recorded manually in a ledger, there is no computerized archive management. Based on the background of the problem, the researcher made a web-based letter search application in the administration of the National University Graduate School. The purpose of the application is to facilitate the filing and search of letters carried out by administrative staff to search for letters stored in the electronic archive system. The method we will use is the Sequential Search Algorithm and Binary Search. Sequential Search is used if the data is in a random state or not in order, while Binary Search is used for data that is already in sequence. where to display binary data the total time is 292.9ms to display data and for sequential search 317ms. From the results of research binary search is more efficient to search data.Keywords: Search application. Sequential Search and Binary Search Algorithms.Sekolah Pascasarjana Biologi Univeritas Nasional sudah lama beroperasi dan telah banyak meghasilkan lulusan, dari penyelenggaraan kegiatan banyak berkas dan arsip yang telah dikeluarkan dan diterima. sayangnya masih didata secara tradisional dengan cara manual dicatat didalam buku besar tidak adanya pengelolaan arsip dilakukan secara terkomputerisasi. Berdasarkan latar belakang masalah tersebut peneliti membuat aplikasi pencarian surat berbasis web di administrasi Sekolah Pascasarjana Universitas nasional. Tujuan dari aplikasi tersebut adalah untuk mempermudah pengarsipan dan pencarian surat yang dilakukan oleh staff administrasi untuk mencari surat yang tersimpan pada sistem arsip elektronik. Metode yang akan kami gunakan adalah Algoritma Sequential Search dan Binary Search. Sequential Search digunakan apabila data dalam keadaan acak atau tidak urut sedangkan Binary Search digunakan pada data yang sudah dalam keadaan urut. dimana untuk menampilkan data binary total waktu 292.9ms untuk menapilkan data dan untuk sequential search 317ms. Dari hasil penelitian binary search lebih efisien untuk melakukan pencariian data.Kata Kunci : Pencarian surat. Algoritma Sequential Search dan Binary Search.

SISTEM KONTROLING DENGAN AI (ARTIFICIAL INTELLIGENCE) PADA PEMBERIAN NUTRISI HIDROPONIK Andi Farmadi; Muliadi Muliadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 3 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i3.541

Nutrient levels for plants are very influential in the development of hydroponic plants. Plants that lack nutrients can cause plants to become stunted, wither or even die, but excessive nutrition will result in plants being susceptible to fungal pests and can also cause plant death. Another factor in controlling the provision of nutrients to hydroponic plants is the stability of the pH of the water before hydroponic administration. In this study, the artificial intelligence method, a fuzzy logic control method, was used in stabilizing the acidity level of nutrient water with the Sugeno method. The Fuzzyfication approach used was Center of Maximum (CoM). For the automatic feeding model, it is determined using a polynomial model of order-3 in units of ppm/liter per week. So, based on this method, a monitoring application can be developed using the Labview blog diagram model application.Keywords : Fuzzy Logic Control, LabView, hydroponic Nutrient. Kadar nutrisi untuk tumbuhan sangat berpengaru dalam perkembangan tanaman hidroponik, Tanaman yang kekurangan nutrisi dapat menyebabkan tanaman menjadi kerdil, layu atau bahkan mengalami kematian, namun pemberian nutrisi secara berlebihan akan megakibatkan tanaman rentan teserang hama cendawan dan juga dapat menyebabkan kematian pada tanaman. Faktor lain dalam Pengontrolan pemberian nutrisi tanaman hidroponik adalah kestabilan Ph air sebelum pemberian hidroponik, pada penelitian ini digunakan metode kecerdasan buatan metode fuzzy logic control dalam penstabilan tingkat keasaman air nutrisi dengan pendekatan metode Sugeno, Pendekatan Fuzzyfikasi yang digunakan adalah Center of Maximum (CoM), untuk model pemberian nutrisi secara otomatisasi ditetapkan menggunakan model polynomial orde-3 dalam satuan ppm/liter perminggu. Sehingga dengan dasar metode tersebut maka dapat dikembangkan Aplikasi monitoring yang dibangun menggunakan aplikasi model diagram blog Labview.Kata Kunci : Fuzzy Logic Control, LabView, Nutrisi Hidroponik.

PENERAPAN METODE TOPIK MODELING UNTUK PENENTUAN TOPIK KONSULTASI PADA PORTAL TELEMEDICINE MENGGUNAKAN LDA (LATENT DIRCHLECT ALLOCATION) Saeful Bahri; Gunawan Gunawan; Dede Wintana; Rusda Wajhillah; Satia Suhada
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 3 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i3.465

Abstract The Novel Corona Virus or Covid-19 pandemic that occurred at the beginning of 2020 has had a very big change for the medical world around the world, changes occurred in the pattern of hospital medical services and the work patterns of the medical personnel themselves, this was due to the fear of being infected with the virus. , one of the alternatives provided by the medical world is the application of the telemedicine method, but in practice telemedicine has many shortcomings, one of which is the difficulty of determining the topics in health discussed because most telemedicine documents are usually in text format, this makes it a challenge for researchers in processing text to find something. which can be used to improve consultation outcomes in a telemedicine system. One approach that is quite popular and powerful in finding themes in the medical and health corpus is topic modeling, one of which uses LDA (Latent Dirchlect Allocation), by applying LDA to the determination of TOPIK in the case of corpus telemedicine, it is proven to be able to show good results in terms of value. the highest kohence is 0.551075 with the highest standard deviation with a value of 0.5327286. Keywords: Covid-19; Telemedicine; Pandemic; LDA; Pandemi Novel Corona Virus atau covid-19 yang terjadi pada awala tahun 2020 telah berdampak perubahan yang sangat besar bagi dunia medis diseluruh dunia, perubahan terjadi pada pola pelayanan medis rumah sakit dan pola kerja tenaga medis itu sendiri, hal ini disebabkan karena ketakutan akan terinfeksinya virus, salah satu alternatif yang diberikan oleh dunia medis adalam dengan penerapan metode telemedicine namun dalam prakteknya telemedicine memiliki banyak kekurangan salahsatunya seperti sulitnya penentuan topik dalam kesehatan yang dibaha karena kebanyakan dokument telemedicine biasanya berformat text, hal tersebut menjadikan tantangan bagi peneliti dalam memproses text dalam menemukan sesuatu yang bermakna sehingga dapat dimanfaatkan untuk meningkatkan hasil konsultasi dalam sebuah sistem telemedicine. Salah satu pendekatan yang cukup populer dan powerful dalam penemuan tema dalam korpus medis dan kesehatan adalah pemodelan topik, salah satunya menggunakan LDA (Latent Dirchlect Allocation), dengan diterapkan nya LDA pada penentuan TOPIK dalam kasus korpus telemedicine terbukti mampu menunjukan hasil yang baik dilihat dari nilai kohence tertinggi yaitu 0,551075 dengan standar deviasi tertinggi dengan nilai 0,5327286. Kata kunci: Covid-19; Telemedicine; Pandemic; LDA;

SISTEM PAKAR UNTUK DETEKSI DINI PENYAKIT DEMAM BERDARAH DENGUE BERBASIS WEBSITE MENGGUNAKAN METODE RULE BASED Hapsari Warih Utami; Amalia Beladinna Arifa
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 3 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i3.521

Dengue Hemorrhagic Fever (DHF) is a disease that can be transmitted to humans caused by the dengue virus through the bite of the Aedes aegypti and Aedes albopictus mosquitoes. DHF is an infectious disease that can interfere with a person's productivity and cause death, usually this is because people are late in detecting symptoms similar to dengue hemorrhagic fever. So, patients need to see a doctor for a consultation. However, a doctor sometimes has time constraints in diagnosing a patient's illness due to the large number of patients being treated. Meanwhile, patients must be treated immediately to get more intensive treatment. Therefore, an application is made that is able to detect dengue fever early according to the knowledge of an expert. Applications that can work like humans are known as expert systems. Expert systems can help to solve problems by collecting and storing expert knowledge in the knowledge base and then reasoning like an expert in making decisions. The purpose of this research is to design and build an expert system for website-based early detection of dengue hemorrhagic fever. The method used is a rule based method where knowledge is represented by using the IF-THEN rule. The performance of the expert system was tested with 2 tests, namely blackbox testing and testing using the system usability scale (SUS) method. The results of the blackbox test show that the system is 100% running well, this is indicated by the system running smoothly without any errors in the application. While usability testing using the SUS method shows that the user can accept this application well, indicated by the SUS value of 78.36.Keywords: Dengue Fever, Expert system, Rule Based, Website Demam Berdarah Dengue (DBD) merupakan penyakit yang dapat ditularkan kepada manusia yang disebabkan oleh virus dengue melalui gigitan nyamuk Aedes aegypti dan Aedes albocpictus. DBD merupakan penyakit menular yang dapat mengganggu produktivitas seseorang hingga menyebabkan kematian, biasanya hal ini dikarenakan masyarakat terlambat dalam mendeteksi dini terhadap gejala yang mirip dengan penyakit demam berdarah dengue. Sehingga, masyarakat perlu memeriksakan diri ke dokter untuk melakukan konsultasi. Namun, seorang dokter terkadang memiliki kendala waktu dalam mendiagnosis penyakit pasien dikarenakan kendala banyaknya jumlah pasien yang ditangani. Sedangkan, pasien harus segera dirawat untuk mendapatkan pengobatan yang lebih intensif. Oleh sebab itu, dibuatlah sebuah aplikasi yang mampu mendeteksi dini penyakit DBD sesuai dengan pengetahuan dari seorang pakar. Aplikasi yang dapat bekerja sebagaimana layaknya manusia memberikan keputusan sesuai dengan keahliannya dikenal dengan sistem pakar. Sistem pakar dapat membantu untuk menyelesaikan masalah dengan cara mengumpulkan dan menyimpan pengetahuan pakar dalam basis pengetahuan kemudian melakukan penalaran seperti seorang pakar dalam mengambil keputusan. Tujuan penelitian ini adalah merancang dan membangun sistem pakar untuk deteksi dini penyakit demam berdarah dengue berbasis website. Metode yang digunakan adalah metode rule based dimana pengetahuan direpresentasikan dengan menggunakan aturan IF-THEN. Kinerja sistem pakar diuji dengan 2 pengujian yaitu pengujian blackbox dan pengujian menggunakan metode system usability scale (SUS). Hasil pengujian blackbox menunjukan sistem 100% berjalan dengan baik hal ini ditunjukan dengan sistem berjalan lancar tanpa adanya error pada aplikasi. Sedangkan pengujian usability menggunakan metode SUS menunjukan bahwa user dapat menerima aplikasi ini dengan baik, ditunjukkan dengan nilai SUS sebesar 78,36. Kata kunci: Demam Berdarah Dengue, Rule Based, Sistem pakar, Website

IMPLEMENTASI METODE TREND MOMENT PADA SISTEM PENDUKUNG KEPUTUSAN PERAMALAN PENJUALAN TRUK Cintana Oliviasandrea
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 3 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i3.474

The use of information technology in various sector studies has a very complex relationship of interest in its development. Not only technological devices, as well as the development of computational methods are also developing, one method that is currently being developed is the Decision Support System (DSS). DSS can be used to predict sales and classify for goods order management. The company strives to always be able to maintain the sales results produced continuously. One of the efforts made by the company is to have a decision support system that is able to forecast product sales. The benefits obtained by using the Trend Moment method in predicting truck sales of PT. Karya Zirang Utama, namely the working principles can make it easier for companies to find out the level of truck sales every month and can determine how much truck inventory each month. Based on the results of system analysis and testing, the system can predict truck sales in a certain month with the condition that the data used is at least five periods. Keywords: Decision Support System, Trend Moment, Sales, Forecasting, TruckPemanfaatan teknologi informasi dalam berbagai kajian sektor memiliki hubungan ketertarikan yang sangat kompleks dalam pengembangannya. Tidak hanya perangkat teknologi, begitu juga pengembangan metode komputasi yang ikut berkembang, salah satu metode yang sedang berkembang saat ini adalah Sistem Pendukung Keputusan (SPK). SPK dapat digunakan untuk memprediksi penjualan dan mengklasifikasi untuk manajemen pemesanan barang. Perusahaan berupaya untuk selalu dapat mempertahankan hasil penjualan produksi yang dihasilkan secara terus menerus. Salah satu upaya yang dilakukan perusahaan adalah dengan memiliki sistem pendukung keputusan yang mampu melakukan peramalan penjualan produk. Manfaat yang diperoleh dengan menggunakan metode Trend Moment dalam prediksi penjualan truk PT. Karya Zirang Utama yaitu prinsip-prinsip pengerjaannya dapat mempermudah perusahaan untuk mengetahui tingkat penjualan truk setiap bulan dan dapat menentukan berapa persediaan truk setiap bulannya. Berdasarkan hasil analisis dan pengujian sistem, sistem dapat meramalkan penjualan truk di bulan tertentu dengan syarat data yang digunakan minimal lima periode. Kata kunci: Sistem Pendukung Keputusan, Trend Moment, Penjualan, Forecasting, Truk

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