Article Per Year (5 Year)
p-Index From 2019 - 2024
2.326
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) International Journal of Engineering, Science and Information Technology
Mulyawan, Mulyawan
Unknown Affiliation
Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
KOMPARASI ALGORITMA APRIORI DAN FP-GROWTH UNTUK MEMBERIKAN STRATEGI DISKON Lorentiana Wijayanti, Rima; Kurniawan, Rudi; Mulyawan, Mulyawan; Herdiana, Ruli; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8935

Abstract

PT Menara Intermode memiliki data yang besar terkait penjualan tas brand En-ji Collection secara offline. Data ini dapat memberikan informasi atau pola terkait penjualan. Penulis menemukan permasalahan dalam mengidentifikasi pola pembelian transaksi karena terbatasnya menganalisis data tersebut. PT Menara Intermode memerlukan strategi pemasaran yang tepat. Kebiasaan belanja pelanggan dapat dicari pola nya dengan menggunakan teknik data mining. Dengan menggunakan teknik data mining penulis mempunyai tujuan untuk memberikan strategi diskon kepada konsumen. Tahap pertama dimulai dengan pengumpulan data, data yang yang telah dikumpulkan sebanyak 2.343 data transaksi, kemudian dilakukan data selection yang dimana melakukan pemilihan atribut yang penting sehingga memiliki hasil. Setelah data selection, dilakukan preprocessing pada data yang dimana untuk mengecek kerangkapan data dan menggunakan data sesuai kebutuhan. Setelah data preprocessing, dilakukan data transformasi yaitu dilakukan penyesuaian format data dalam bentuk tabular untuk proses data mining. Pada tahap data mining diterapkan menggunakan algoritma Apriori dan FP-Growth melalui pengujian RapidMiner. Hasil dari penelitian ini Algoritma Apriori menghasilkan 2 rules sedangkan algoritma FP-Growth menghasilkan 19 rules dengan minimum support 0,1 atau 10% dan minimum confidence 0,4 atau 40% yang dapat digunakan untuk memberikan strategi diskon kepada konsumen.
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENENTUKAN POLA PEMBELIAN MAKANAN DI WARMINDO Destriyanah, Riska; Kaslani, Kaslani; Wahyudin, Edi; Dwilestari, Gifthera; Mulyawan, Mulyawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8969

Abstract

Di dalam dunia bisnis diperlukan suatu usaha yang maksimal agar mendapatkan keuntungan. Strategi pemasaran yang tepat dapat dilihat pada pola pembelian konsumen yang di peroleh dari transaksi penjualan terhadap Makanan Warung Indomie atau Warmindo. Informasi mengenai pola pembelian customer pada Warmindo yang kurang akurat ini menyebabkan ketidaktahuan perusahaan mengenai kerugian yang didapatinya. Penelitian ini bertujuan untuk menganalisis pola pembelian pelanggan di Warmindo menggunakan algoritma FP-Growth yang diimplementasikan melalui software RapidMiner. Pada penelitian ini ditemukan beberapa hasil aturan asosiasi yang nantinya akan digunakan sebagai bahan pengambilan keputusan untuk kemajuan Perusahaan dan mendatangkan laba atau keuntungan. Hasil dari penelitian ini berupa aturan asosiasi menggunakan algoritma FP-Growth yang bertujuan untuk memberikan rekomendasi dua items atau menu kepada pelanggan dengan menggunakan nilai minimum support 30% dan minimum confidence 80%
CLUSTERING JENIS SUMBER AIR DI PROVINSI JAWA BARAT MENGGUNAKAN ALORITMA K-MEDOIDS Apriliyani, Ela; Nurhakim, Bani; Eka Permana, Sandy; Dwilestari, Gifthera; Mulyawan, Mulyawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8982

Abstract

Air sangat penting bagi seluruh makhluk hidup di Bumi karena merupakan kebutuhan dasar yang harus dipenuhi dan dikonsumsi. Sumber air merupakan fondasi ekosistem dan keanekaragaman hayati. Terbatasnya ketersediaan air menunjukkan pentingnya melindungi dan mengelola penggunaannya secara bijaksana. Perubahan iklim dapat mempengaruhi siklus air di bumi. Dengan data sumber air yang di keluarkan dalam periode 1 tahun sekali oleh Dinas Pemberdayaan Masyarakat Tujuan penelitian ini adalah mengelompokkan jenis sumber air dengan metode K-Medoids dan menganalisis hasilnya dengan implementasinya menggunakan RapidMiner. Penelitian ini menghasilkan sebanyak 3 cluster, pada masing-masing cluster memiliki anggota yang berbeda. Cluster 0 memiliki 200 item, cluster 1 memiliki 96 items, dan cluster 2 memiliki 160 items yang, dengan total dari ketiga cluster tersebut sebanyak 456 items.
PENGELOMPOKAN WILAYAH JAWA BARAT BERDASARKAN INDEKS KEDALAMAN KEMISKINAN DAN JUMLAH PENDUDUK MISKIN MENGGUNAKAN K-MEDOIDS Prakoso, Salfim; Mulyawan, Mulyawan; Lukman Rohmat, Cep; Fathurrohman, Fathurrohman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9609

Abstract

Kemiskinan merupakan isu krusial, identifikasi, pemahaman dan pengelompokkan kabupaten dan kota berdasarkan tingkat kemiskinan penting untuk merancang kebijakan yang tepat guna mengatasi masalah tersebut. Dengan menggunakan metode K-Medoids Clustering data Indeks Kedalaman Kemiskinan (IKK) dan Jumlah Penduduk Miskin (JPM) dikelompokkan. Sumber data yang digunakan berasal dari Open Data Jabar. Pada tahap awal penelitian, dilakukan analisis terhadap IKK dan JPM di setiap kabupaten-kota di Jawa Barat. Hasil analisis menunjukkan adanya variasi yang signifikan dalam tingkat kemiskinan dan jumlah penduduk miskin kabupaten/kota. Berdasarkan perbedaannya, dilakukan penerapan metode K-Medoids Clustering untuk mengelompokkan kabupaten-kota ke dalam klaster yang memiliki karakteristik kemiskinan serupa. Percobaan hasil eksperimen untuk mencari nilai DBI dilakukan sebanyak 6 kali, menunjukkan bahwa nilai paling optimal ditemukan pada K=6 dengan nilai DBI -0.358, dengan Kelompok Cluster_0 menunjukkan level tertinggi, diikuti oleh Cluster_4 sebagai kelompok tinggi, Cluster_3 dan Cluster_1 sebagai kelompok sedang, serta Cluster_2 dan Cluster_5 sebagai kelompok dengan tingkat yang lebih rendah. Temuan ini dapat digunakan sebagai dasar bagi pemerintah daerah dalam merumuskan kebijakan dan alokasi sumber daya untuk mengatasi masalah kemiskinan secara lebih tepat dan spesifik di masing-masing klaster. Selain itu metodologi yang diterapkan dalam penelitian ini dapat menjadi panduan bagi studi serupa di wilayah lain yang juga mengalami masalah kemiskinan.
ANALISIS TEKNIK BOOTSTRAP AGGREGATING DENGAN ALGORITMA DECISION TREE UNTUK MEMPREDIKSI DATA TRACER LULUSAN Nurhakim, Bani; Mulyawan, Mulyawan; Lukman Rohmat, Cep
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10940

Abstract

Ketidaksesuaian antara bidang kerja lulusan dengan kompetensi mereka di bidang pekerjaan masing-masing, yang tidak sesuai dengan latar belakang pendidikan dan keahlian mereka, memiliki dampak signifikan terhadap fleksibilitas pekerjaan dan dapat mempengaruhi kinerja kerja. Langkah antisipatif yang dapat digunakan untuk pengambilan keputusan terkait penelitian yang dilakukan, dan menurut hasil wawancara dengan manajemen tracer study STMIK IKMI Cirebon, hingga saat ini, informasi mengenai prediksi kesesuaian pekerjaan lulusan belum diperoleh, meskipun prediksi tersebut diperlukan untuk mempersiapkan sumber daya manusia agar bekerja sesuai dengan kompetensi mereka. Penelitian ini merupakan penelitian eksperimental dan studi kasus menggunakan metode Knowledge Discovery in Database (KDD). Algoritma yang digunakan adalah pohon keputusan C4.5 dengan teknik bootstrap aggregating. Dengan menganalisis, mengimplementasikan, dan mengeksperimenkan model yang akan menghasilkan evaluasi akurasi model pohon keputusan C4.5 terbaik dengan teknik bootstrap aggregating. Kesesuaian bidang kerja lulusan dipengaruhi oleh atribut yang paling dominan, yaitu IPK lulusan (100%) dengan IPK tertinggi maksimal 3,71 untuk 12 orang, usia lulusan (97,4%) dengan 776 lulusan yang termuda berusia 21 tahun, dan durasi studi (53,85%). Sementara itu, atribut yang paling sedikit mempengaruhi kesesuaian bidang kerja lulusan adalah tahun kelulusan (10,4%). Model optimasi klasifikasi terbaik diperoleh melalui pengaturan parameter gain ratio, menghasilkan model prediksi yang sangat baik. Berdasarkan evaluasi akurasi model terbaik, skor akurasi adalah 95,27% dan skor AUC adalah 98,60%.
Co-Authors Ade Rizki Rinaldi Apriliyani, Ela Destriyanah, Riska Dwi Lestari, Putri Eka Permana, Sandy Fathurrohman Fathurrohman Fitriyah, Anis Gifthera Dwilestari Helia, Anggun Herdiana, Ruli Iin, Iin Karimah, Ayu Kaslani Lorentiana Wijayanti, Rima Lukman Rohmat, Cep Miftahul Anwar, Arif Muhammad Muhammad Muhammad Rizki Nurhakim, Bani Prakoso, Salfim Prasetiya, Tio Pujianti, Anisa Rahman, M R F Rizki Rinaldi, Ade Rohman, Dede Rudi Kurniawan Supriatna, Reza Suryati Suryati Susana, Heliyanti Tohidi, Edi Wahyudin, Edi