Prakoso, Bakhtiyar Hadi
Unknown Affiliation

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

Pengaruh Preprocessing Data pada Metode SVR dalam Memprediksi Permintaan Obat Prakoso, Bakhtiyar Hadi
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 2, No 2 (2017): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (697.877 KB) | DOI: 10.32528/justindo.v2i2.1045

Abstract

Stock out merupakan permasalahan yang sering muncul pada Instalasi Farmasi Rumah Sakit. Kondisi ini disebabkan karena permintaan obat lebih banyak dari stok obat yang ada. Upaya untuk mengatasi stock out dengan mengelola persediaan obat dengan benar salah satunya adalah dengan cara memprediksi permintaan obat. Pada penelitian ini akan digunakan metode SVR. Dalam perhitungan SVR melewati proses sebuah preprocesing data yang berfungsi untuk meningkatkan akurasi hasil. Penelitian ini akan membandingkan metode preprocessing linear scaling dengan z normalization. Hasil MAPE menunjukkan preprocessing dengan linear scaling  menghasilkan nilai yang lebih baik dibandingkan dengan z-normalization. 
Pengaruh Preprocessing Data pada Metode SVR dalam Memprediksi Permintaan Obat Prakoso, Bakhtiyar Hadi
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 2, No 2 (2017): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v2i2.1045

Abstract

Stock out merupakan permasalahan yang sering muncul pada Instalasi Farmasi Rumah Sakit. Kondisi ini disebabkan karena permintaan obat lebih banyak dari stok obat yang ada. Upaya untuk mengatasi stock out dengan mengelola persediaan obat dengan benar salah satunya adalah dengan cara memprediksi permintaan obat. Pada penelitian ini akan digunakan metode SVR. Dalam perhitungan SVR melewati proses sebuah preprocesing data yang berfungsi untuk meningkatkan akurasi hasil. Penelitian ini akan membandingkan metode preprocessing linear scaling dengan z normalization. Hasil MAPE menunjukkan preprocessing dengan linear scaling  menghasilkan nilai yang lebih baik dibandingkan dengan z-normalization. 
Sistem Pakar Diagnosa Penyakit Tanaman Bawang Merah Menggunakan Metode Certainty Factor Rosi, Mohammad Fathor; Prakoso, Bakhtiyar Hadi
BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer Vol 1 No 1 (2020): March
Publisher : Puslitbang Sinergis Asa Professional

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1174.721 KB) | DOI: 10.37148/bios.v1i1.5

Abstract

The lack of knowledge of farmers and the unequal counseling about onion diseasefrom experts is a strong reason for the difficulty of overcoming or immediately treateddiseases of onions, for this requires early diagnosis of disease onion plants. Thisresearch uses the Certainty Factor method. This method uses the certainty of an experton the symptoms of each disease. By determining the value of MB (Measure ofBelieve) as the level of confidence in the hypothesis and MD (Measure of Disbelieve)the level of distrust of the hypothesis. After using the Certainty Factor formula, thevalue of each disease will be generated from the new symptoms owned by using thehighest value of each disease, so that is the result of disease diagnosis in shallots. Thisstudy uses as many as 35 data as testing and from these data obtained an accuracyvalue of 85.71%
Perbandingan Metode Double Exponential Smoothing dan Least Square untuk Sistem Prediksi Hasil Produksi Teh Nurkahfi, Muhammad Bagus; Wahanggara, Victor; Prakoso, Bakhtiyar Hadi
BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer Vol 1 No 2 (2020): September
Publisher : Puslitbang Sinergis Asa Professional

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (975.199 KB) | DOI: 10.37148/bios.v1i2.12

Abstract

Tea is one of the mainstay commodities of Indonesian plantation. In order to meet market demand, it is necessary to plan the right production needs, so that the amount of production capacity and market demand is balanced. To meet the needs of the right production requires good planning. The way that can be done is by making predictions. In this study, the prediction of tea production was carried out using the Double Exponential Smothing and Least Square methods. From the test results, it was found that the MAPE value of the Double Exponential Smoothing method, the most optimal α value is α 0.1 with a MAPE value of 18.084% and for the Least Square method the MAPE value is 17.008%.