Articles

Found 7 Documents
Search

Pengelompokkan Data Pembelian Tinta Dengan Menggunakan Metode K-Means Susliansyah, Susliansyah; Sumarno, Heny; Priyono, Hendro; Hikmah, Noer
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 3, No 2 (2019): EDISI SEPTEMBER
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v3i2.156

Abstract

PT. Mayer Indah Indonesia is engaged in the production of goods, where the most important part to prepare the needs for production needs is the purchasing department, but in the purchasing section it is difficult to determine which items must be bought a lot, are and few in meeting the demand requirements of each part because of the needs goods for production are very unpredictable, eventually causing some goods demand not to be fulfilled because the goods are out of stock. To solve the problems experienced by the purchasing part, datamining using clustering algorithm is k-means method, where the initial stages determine the centroid randomly and do the first iteration calculation and determine the new centroid from the first iteration, then the second iteration calculation is done, because the results of the first and second iterations in the smallest layout of the three groups, the calculation stops. The results obtained by using the ink purchase data seen from the three attributes of incoming goods, items purchased and stock of goods, making it easier and help the purchasing department in classifying items that must be purchased a lot, medium and little.
Sistem Informasi Evaluasi Dosen Pada Asian Banking Finance And Informatics Institute (ABFI) Perbanas Christo, Petrus; Sumarno, Heny; Atmaja, Widi
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Vol 2 No 1 (2017): INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS (Desember 2017)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak: Dalam dunia pendidikan peran dosen sebagai pengajar sangat penting, karena dosen merupakan kunci utama yang memberikan ilmu kepada mahasiswa dalam proses belajar mengajar. Proses evaluasi dosen yang diselenggarakan ABFI Institute Perbanas masih dilakukan secara manual dengan mengunakan media kertas yang penyebaran kuesionernya dilakukan ke kelas-kelas. Sistem penyebaran ini tidak efektif karena memerlukan banyak waktu, biaya serta dalam perhitungan dan pembuatan laporan masih terjadi kesalahan sehingga hasil yang dicapai tidak cepat dan akurat. Untuk mengatasi masalah tersebut perlu adanya perancangan sistem yang terkomputerisasi agar hasil yang dicapai akan lebih cepat dan akurat.Oleh karena itu penelitian ini membahas mengenai perancangan sistem guna melakukan evaluasi dosen di lingkungan ABFI Perbanas.   Kata Kunci: Evaluasi Dosen, Sistem Informasi, Rapid Aplication Development   Abstract: In the world of education the role of lecturers as a lecturer is very important, because the lecturer is the main key that provides knowledge to students in teaching and learning process. The evaluation process of lecturers held by ABFI Institute Perbanas is still done manually by using paper media which spread the questionnaire done to the classes. This deployment system is ineffective because it requires a lot of time, cost and in calculation and making of the report is still error so that result is not fast and accurate. To overcome these problems need to design a computerized system so that the results achieved will be faster and accurate. Therefore this paper discusses the war system to evaluate the lecturers in the environment ABFI Perbanas.   Keyword: Information System, Lecture Evaluation, Rapid Aplication Development
PENERAPAN METODE TOPSIS DALAM PENILAIAN KINERJA GURU TETAP SD NEGERI KEBALEN 07 Susliansyah, Susliansyah; Rahadjeng, Indra Riyana; Sumarno, Heny; Deleaniara. M, Chyntia Marianna
Jurnal Pilar Nusa Mandiri Vol 15 No 1 (2019): PILAR Periode Maret 2019
Publisher : PPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (979.127 KB) | DOI: 10.33480/pilar.v15i1.2

Abstract

To find out the problems faced in the teaching performance assessment process by utilizing the Technique For Order Preference method by Similiarity to Ideal Solution (TOPSIS), to manage the processing of Teacher data is a more optimal consideration. By using the (TOPSIS) method as a basis for processing teacher performance assessment data. This can allow the system to provide an assessment in accordance with the quality of each teacher and is expected to facilitate decision making in the assessment of Teacher's performance. The Technique For Order Preference by similiarity to Ideal Solution has been running well and can result in a weighting of assessment criteria and clear and fast information compared to manual calculations so SD Negeri Kebalen 07 can use it as a tool for making appropriate decisions.
PENERAPAN K-MEANS PADA NILAI INPUT PRODUKSI INDUSTRI MIKRO DAN KECIL MENURUT PROVINSI Sumarno, Heny
SinkrOn Vol 3 No 1 (2018): SinkrOn Volume 3 Nomor 1, Periode Oktober 2018
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Industri Pengolahan adalah suatu kegiatan ekonomi yang melakukan kegiatan mengubah suatu barang dasar secara mekanis, kimia, atau dengan tangan sehingga menjadi barang jadi/setengah jadi, dan atau barang yang kurang nilainya menjadi barang yang lebih tinggi nilainya, dan sifatnya lebih dekat kepada pemakai akhir. Nilai Produksi Industri berkaitan dengan nilai tambah, nilai input dan nilai output. Penelitian ini mengambil data tentang nilai input produksi industri mikro dan kecil. Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder yang digunakan adalah penggabungan dari deret waktu (time series) dari tahun 2013- 2015 dan deret lintang (cross section) sebanyak data provinsi di indonesia yang menghasilkan 34 observasi. Sumber data dalam penelitian ini diperoleh dari publikasi Badan Pusat Statistik (BPS). Penelitian ini menggunakan datamining dengan metode K-Means. Varibale yang digunakan (1) jumlah nilai input produksi mikro dan (2) jumlah nilai input produksi mikro. Data akan diolah dengan melakukan clustering dalam 3 cluster yaitu cluster produksi nilai input tinggi, cluster produksi nilai input tinggi sedang dan produksi nilai input tinggi rendah. Cetroid data untuk cluster produksi nilai input tinggi 87899515,0 dan 121258942,3, Cetroid data untuk cluster produksi nilai input sedang 10634113,8 dan 15356152,8 serta Cetroid data untuk cluster produksi nilai input rendah 3044143,6 dan 1507129,8. Sehingga diperoleh 3 provinsi cluster produksi nilai input tinggi, 9 provinsi  cluster produksi nilai input sedang dan 22 cluster produksi nilai input rendah.
Komparasi Algoritma Klasifikasi Machine Learning Pada Analisis Sentimen Film Berbahasa Indonesia Sumarno, Heny
Bahasa Indonesia Vol 4 No 2 (2017): Bina Insani ICT Journal (Desember 2017)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak: Analisa Sentimen adalah proses yang bertujuan membedakan antara polarita diantara tiga harga yaitu positif, negatif dan netral. Opini publik adalah sumber informasi pentingyang dibutuhkan dalam pengambilan keputusan sesorang terhadap suatu produk. Saat ini, opinikonsumen terhadap pengalaman suatu produk semakin meningkat melalui media online. Untukmembaca opini-opini ini membutuhkan waktu yang banyak, tetapi jika hanya mengambil opinidalam jumlah yang sedikit dapat menimbulkan bias informasi. Algoritma Klasifikasi sepertiNaïve Bayes (NB), Support Vector Machine (SVM), dan C.45 dapat digunakan peneliti untuktujuan melakukan analisa sentimen dari opini suatu produk film. Berdasarkan hal ini, dalampenelitian ini dilakukan perbandingan dari tiga algoritma tersebut untuk mendapatkan tingkatpengetesan data yang paling tinggi. Dari penelitian ini didapat kesimpulan bahwa algoritmaNaïves Bayeslah yang mendapatkan tingkat yang paling tinggi. Setelah dilakukan kombinasiantara algoritma Naïve Bayes dan Algoritma Genetika dengan seleksi fitur untuk meningkatkantingkat akurasi dari Naïve Bayes classifier. Evaluasi selesai dilakukan dengan menggunakanmetode 10 fold cross validation. Akurasi dari tingkat pengukuran diukur dengan menggunakanconfussion matrix dan kurva ROC. Hasil akhir yang didapat dari klasifikasi text yang merupakanpenggabungan dari opini positif dan negatif menunjukan terjadi peningkatan dalam hal akurasisebesar 73 sampai dengan 80 persen pada algoritma Naïve Bayes. Kata Kunci: Algoritma Genetika, Analisa Sentimen, Machine, C4.5, Naïve Bayes, Opini,Support Vector Abstract: Sentiment analysis is the process aiming to determine whether the polarity of atowards the positive, negative or neutral. Public opinion is an important source in the decisionmakingpersontoaproduct.Nowadaysconsumersareincreasinglymakingtheiropinionsand experiencesonline.Readingthoseopinionsaretime-consuming,but,ifonlyfewopinionswere read, the evaluation would be biased. Classification algorithms such as Naive Bayes (NB),Support Vector Machine (SVM), and C4.5 were proposed by many researchers to be used insentiment analysis of movie opinions. Therefore, in this study will be to compare the third is toget agorima agoritma where most superior in the test data. So Naive Bayes algorithm generatedthe most superior. After the Naive Bayes algorithm will be combined with genetic algorithmfeature selection in order to improve the accuracy of Naive Bayes classifier. The evaluation wasdone using 10 fold cross validation. While the measurement accuracy is measured by theconfusion matrix and ROC curves. This research resulted in text classification in the form of apositive or negative opinions Indonesian language film. The results showed an increase in the accuracy of Naive Bayes 73.00% to 80.50%. Keywords: C4.5, Genetic Algorith,.Sentimetn Analysis, Naive Bayes, Opinion, Support VectorMachine.
PENERAPAN METODE PROFILE MATCHING PADA PEMILIHAN GURU TERBAIK SMK MADANI S, Susliansyah; Wijayanti, Annisa Dwi; Sumarno, Heny; Priyono, Hendro; Maulida, Linda
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 4, No 1 (2020): EDISI MARET
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v4i1.197

Abstract

Depok Madani Vocational School is a Vocational High School consisting of 2 majors namely Light Vehicle Engineering (TKR) and Computer and Network Engineering (TKJ) with 20 teachers as instructors from class X to class XII. The selection of the best teachers is done once a month to motivate the teacher in conducting teaching and learning activities. Schools in making decisions are often influenced by subjectivity and are done manually. Resulting in social jealousy among teachers and inaccurate decision results. Therefore, in assessing the best teachers a decision support system is needed in order to obtain accurate results. Decision Support System methods used in this study is Profile Matching. The method determines the value of weights on each criterion, which is to be present on time, responsibility, dress neatly and politely, participate and contribute, be active and productive, and help fellow teachers, which is followed by a ranking process. The result of the comparison of the two methods above is to produce the same chosen alternative, so that both methods can be applied to help the school's decision making.
METODE ALGORITMA DECISION TREE C4.5 UNTUK ANALISIS KELAYAKAN KREDIT NASABAH PADA BSM KCP KEMANG PRATAMA Wulandari, Dyah; Lutfiyana, Nur; Sumarno, Heny
Evolusi : Jurnal Sains dan Manajemen Vol 7, No 2 (2019): Jurnal Evolusi 2019
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/evolusi.v7i2.6757

Abstract

Abstract - Credit is the provision of money or equivalent claims, based on agreements or agreements on loans between banks and other parties which require the borrowing party to repay the debt after a certain period of time with the amount of interest, compensation or profit sharing. From the credit customer data available at BSM KCP Kemang Pratama still has Non Performing Financing (NPF) or Bad Credit.In analyzing a credit sometimes an analyst does an inaccurate analysis, so there are some customers who are less able to make credit payments, resulting in bad credit. So the researchers conducted an analysis using the C4.5 decision tree algorithm and Rapid Miner application for determining credit worthiness. From the analysis of credit customer data using the C4.5 decision tree algorithm method, the feasibility of credit recipient customers is very effective and produces a value of accuracy on Rapid Miner 5.3 of 80%, Precision of 100% and Recall of 0% so as to minimize the risk.Keywords? Credit, C4.5 Algorithm, Rapid Miner, Value AccuracyAbstrak - Kredit merupakan penyediaan uang atau tagihan yang dapat disamakan dengan hal itu, berdasarkan persetujuan atau kesepakatan pinjaman-pinjaman antara bank dengan pihak lain yang mewajibkan pihak peminjam untuk melunasi utangnya setelah jangka waktu tertentu dengan jumlah bunga, imbalan atau pembagian hasil keuntungan. Dari data nasabah kredit yang ada pada BSM KCP Kemang Pratama masih memiliki Non Performing Financing (NPF) atau Kredit Macet. Dalam menganalisa sebuah kredit terkadang seorang analis melakukan analisa tidak akurat, sehingga ada beberapa nasabah yang kurang mampu dalam melakukan pembayaran kredit, dan pada akhirnya mengakibatkan kredit macet. Peneliti melakukan analisis menggunakan algoritma decision tree C4.5 dan aplikasi Rapid Miner untuk penentuan kelayakan pemberian kredit. Dari analisis data nasabah kredit menggunakan metode Algoritma decision tree C4.5 menghasilkan kelayakan nasabah penerima kredit sangat efektif dan menghasilkan nilai akurasi pada Rapid Miner 5.3 sebesar 80%, Precision sebesar 100% dan Recall sebesar 0% sehingga dapat meminimalisir resiko yang terjadi.Kata kunci? Kredit, Algoritma C4.5, Rapid Miner, Nilai Akurasi