Abdi Pandu Kusuma
Unknown Affiliation

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

SISTEM PENCARIAN KATALOG BUKU MENGGUNAKAN METODE NAIVE BAYES CLASIFIER (NBC) PADA APLIKASI MULIA-BOOKSTORE BERBASIS ANDROID Abdi Pandu Kusuma; Ida Srirahayu
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 10 No 2 (2016): November 2016
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (827.983 KB) | DOI: 10.35457/antivirus.v10i2.161

Abstract

Pencarian data buku merupakan serangkaian proses pencarian data untuk mendapatkan sebuah data, informasi barang yang dibutuhkan. Pencarian data bisa menggunakan alat bantu yang bisa disebut aplikasi. Pada penelitian ini aplikasi pencarian data buku dikembangkan pada Toko Mulia Blitar. Aplikasi yang diterapkan dalam penelitian adalah aplikasi pencarian data yang dilakukan secara otomatis menggunakan aplikasi yang dikembangkan dengan metode Naive Bayes Clasifier dengan pengaplikasian software client berbasis smartphone mobile. Aplikasi server berbasis website berfungsi menginputkan data buku oleh administrator dan aplikasi client berbasis mobile berfungsi sebagai media yang dapat digunakan oleh konsumen untuk mencari data buku. Pada aplikasi Mulia-bookstore terdapat data buku dengan berbagai judul yang ditampilkan berdasarkan kategori buku. Pada penelitian ini metode Naive Bayes Clasifier diterapkan sebagai metode pencarian data buku dengan menemukan judul buku yang dicari berdasarkan kata kunci yang diinputkan oleh konsumen, sehingga jika buku yang dicari tersedia akan menampilkan data buku secara akurat berdasarkan kata kunci yang diinputkan.
PERANCANGAN DAN IMPLEMENTASI E-COMMERCE UNTUK PENJUALAN BAJU ONLINE BERBASIS ANDROID Abdi Pandu Kusuma; Kurniawan Agus Prasetya
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 11 No 1 (2017): Mei 2017
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (688.714 KB) | DOI: 10.35457/antivirus.v11i1.194

Abstract

Saat ini aplikasi berbasis mobile telah banyak digunakan seiring semakin mudahnya perangkat smartphone. Sering dengan hal tersebut, maka banyak aplikasi yang dikembangkan dan dapat diunduh oleh pengguna melalui smartphone. CV. Cahaya Mandiri adalah grosir yang menjual beberapa pakaian. CV. Cahaya Mandiri masih melakukan promosi dan penjualan melalui website dan sosial media, sehingga jangkauan promosi dan penjualan masih terbatas dan belum bisa meluas kebeberapa daerah. Pada penelitian ini dilakukan untuk perancangan dan pembangunan aplikasi berbasis mobile serta pengujian dengan menggunakan metode white box. Metode ini diimplementasikan e-commerce ke dalam sebuah aplikasi penjualan baju berbasis mobile. Pengumpulan datanya menggunakan observasi, studi pustaka dan wawancara. Kemudian data diimplementasi untuk dapat diaplikasikan pada aplikasi mobile. Pengimplementasian aplikasi berbasis mobile ini dirancang menggunakan bahasa pemrograman Java dengan aplikasi pendukung android studio versi 1.51. Hasil pengujian menggunakan metode white box untuk menguji software mengetahui cara kerja suatu perangkat lunak secara internal dapat diketahui bahwa metode white box.
SISTEM PERAMALAN PENJUALAN PRODUK USAHA KECIL MENENGAH BERDASARKAN POLA DATA RIWAYAT PENJUALAN Abdi Pandu Kusuma; Indyah Hartami Santi; Dennys Setiawan
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 11 No 2 (2017): November 2017
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (657.723 KB) | DOI: 10.35457/antivirus.v11i2.270

Abstract

Peramalan merupakan bagian dari sistem informasi manajemen yang dapat membantu pemilik perusahaan dalam pengambilan keputusan. Peramalan dapatberfungsi untuk memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Proses peramalan memerlukan suatu metode yang tepat bergantung dari pola data yang ada dan informasi yang akan diramalkan serta tujuan yang hendak dicapai. Penelitian ini membahas tentang penerapan metode peramalan yang tepat pada suatu perusahaan sesuai dengan pola data yang ada. Metode peramalan yang digunakan adalah metode Trend Projection dan Double Exponential Smoothing. Metode peramalan Trend Projection lebih akurat apabila pola data yang ada pada perusahaan adalah pola data horizontal, sedangkan metode peramalan Double Exponential Smoothing akan lebih akurat apabila pola data yang ada pada perusahaan adalah pola data musiman.Data yang digunakan dalam penelitian ini merupakan data penjualan produk UD Omah Jenang Kelapa Sari dari bulan Januari tahun 2013 sampai dengan bulan Juli tahun 2017. Berdasarkan hasil analisis dan pengujian sistem, sistem ini dapat membantu pemilik perusahaan dalam meramalkan penjualan produk pada periode bulan berikutnya sehingga dapat digunakan sebagai pendukung keputusan dalam merencanakan produksi setiap bulannya.
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN MENERAPKAN METODE PROFILE MATCHING SEBAGAI ALTERNATIF PENENTUAN DOSEN FAVORIT PILIHAN MAHASISWA Himawan Eka Sanjaya; Abdi Pandu Kusuma; Filda Febrinita
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 11 No 2 (2017): November 2017
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2209.332 KB) | DOI: 10.35457/antivirus.v11i2.273

Abstract

Tenaga pendidik atau kependidikan pada perguruan tinggi yang khusus diangkat dengan tugas utama mengajar adalah Dosen (PP. No.60 /1999). Dosen merupakan salah satu faktor penentu dalam keberhasilan proses pendidikan. Menurut UU No.14 Pasal 14 /2005, dosen wajib memiliki kualifikasi akademik, kompetensi, sertifikat pendidik, sehat jasmani dan rohani, dan memenuhi kualifikasi lain yang dipersyaratkan satuan pendidikan tinggi tempat bertugas, serta memiliki kemampuan untuk mewujudkan tujuan pendidikan nasional. Dengan demikian, dosen diharapkan mampu melaksanakan kinerjanya dengan baik dan tepat. Kinerja dosen pada suatu universitas dapat diketahui salah satunya melalui penilaian angket dosen favorit oleh mahasiswa.Penilaian angket ini dapat dikemas dalam suatu aplikasi Sistem Pendukung Keputusan sebab SPK memiliki kemampuan untuk memecahkan masalah dengan kondisi semi terstruktur dan tak terstruktur.Pada penelitian ini, SPK dirancang dengan menggunakan metode Profile Matching. Pada aplikasi SPK ini, penilaian dosen favorit didasarkan pada tiga aspek utama sebagai acuan dalam pengambilan keputusan. Aspek yang digunakan, yaitu aspek interaksi, perilaku, dan pembelajaran. Dari aplikasi SPK yang telah dirancang, dilakukan pengujian degan menggunakan metode BlackBox. Hasil pengujian Blackbox menunjukkan bahwa aplikasi dapat berjalan 96,29% sesuai dengan yang diharapkan. Sedangkan untuk uji kelayakan pada ahli pemograman diperoleh nilai 3,08 (Cukup) dan untuk uji kelayakan penguji praktisi diperoleh nilai 3,7 (Baik). Perhitungan perankingan dari penguji praktisi, didapatkan dosen favorit pilihannya adalah M. Nasichin Al Muiz dengan nilai ranking 5,652.
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN JUMLAH PRODUKSI SERAGAM MENGGUNAKAN METODE FUZZY TSUKAMOTO Abdi Pandu Kusuma; Wahyu Dwi Puspitasari; Tio Gustiyoto
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 12 No 1 (2018): Mei 2018
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (503.053 KB) | DOI: 10.35457/antivirus.v12i1.431

Abstract

Penentuan jumlah produksi merupakan salah satu proses pengambilan keputusan perusahaan yang cukup penting. Salah satu kesulitan penentuan jumlah produksi terjadi manakala berhadapan dengan ketidakpastian. Sistem Pendukung Keputusan (SPK) ini dikembangkan bertujuan untuk membantu menentukan jumlah produksi seragam berdasarkan data persediaan dan jumlah permintaan. Penelitian ini menggunakan metode fuzzy Tsukamoto yang menghasilkan suatu model dari suatu sistem yang mampu memberikan rekomendasi jumlah produksi yang diterapkan dalam suatu sistem pendukung keputusan. Metode fuzzy Tsukamoto dalam menentukan jumlah produksi berdasarkan 3 variabel yaitu jumlah permintaan, jumlah persediaan, dan jumlah produksi. Setiap variabel terdiri dari dua himpunan yang di kombinasikan hingga diperoleh empat aturan fuzzy, yang selanjutnya digunakan dalam tahap inferensi. Pada tahap inferensi, dicari nilai keanggotaan anteseden (α) dan nilai perkiraan jumlah produksi (z) dari setiap aturan. Jumlah barang yang akan diproduksi (Z) dicari dengan metode defuzzifikasi rata-rata terpusat. Pengujian akan dilakukan secara obyektif dimana SPK diuji secara langsung ke lapangan dan mengisi kuesioner mengenai kepuasan dengan kandungan point syarat user friendly dan dibagikan kepada karyawan dengan mengambil sample sebanyak 10 orang. Dengan adanya pengujian ini dapat di ketahui bahwa fitur yang telah disediakan mudah dipelajari dan mudah dipahami.
PERBANDINGAN METODE FORWARD CHAINING DAN BACKWARD CHAINING PADA SISTEM PAKAR DIAGNOSIS PENYAKIT IKAN LELE SANGKURIANG Abdi Pandu Kusuma; Mega Sari
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 13 No 1 (2019): Mei 2019
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (309.849 KB) | DOI: 10.35457/antivirus.v13i1.727

Abstract

Kesulitan melakukan diagnosis penyakit ikan lele sangkuriang menjadi kendala bagi siswadan siswi Sekolah Menengah Kejuruan 1 Kademangan di Kabupaten Blitar. Seiring denganperkembangan jaman tentunya bertambah pula jenis penyakit yang menyerang pada ikan lelesangkuriang. Untuk mempermudah dalam proses diagnosis ikan penulis membuat sistem pakardiagnosis penyakit ikan lele sangkuriang dengan menerapkan dua metode, yaitu metode forwardchaining dan backward chaining. Analisis dilakukan dengan membandingkan metode forward chainingdan backward chaining. Analisis perbandingan metode mencakup tiga aspek yaitu kepuasan pengguna,kecepatan sistem dan keakurasian data. Untuk melakkan pengujian sistem penulis menggunakan aplikasiSPSS 16.0. Analisis dilakukan dengan menyebarkan kuesinoer kepada siswa dan guru dengan jumlah70 responden. Nilai dari kuesioner kemuadian di analisis menggunakan SPSS. Hasil analisis antarmetode forward chaining dan backward chaining adalah 59.328 dan untuk metode backward chainingadalah 55.385, artinya bahwa skor total tentang kepuasan pengguna kecepatan system dan keakurasiandata lebih tinggi dari pada skor total kepuasan pengguna kecepatan system dan keakurasian data padaMetode backward Chaining. Perbedaan rata-rata (mean difference) sebesar ( 59.328 - 55.385) 3.943.
PROFILE MATCHING DALAM MENENTUKAN SISTEM PENILAIAN KINERJA DOSEN Abdi Pandu Kusuma
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 13 No 2 (2019): November 2019
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/antivirus.v13i2.1034

Abstract

Dosen menurut (Permenristek DIKTI, 2015) merupakan pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan, dan menyebarluaskan Ilmu Pengetahuan dan Teknologi melalui Pendidikan, Penelitian, dan Pengabdian kepada Masyarakat. Penilaian kinerja mengacu pada suatu sistem formal dan terstruktur yang digunakan untuk mengukur, menilai dan mempengaruhi sifat-sifat yang berkaitan dengan pekerjaan, perilaku dan hasil (UPI, 2009). Penilaian kinerja dosen dapat diimplementasikan menggunakan metode pemecahan masalah, yakni menggunakan metode Profile Matching. Untuk melakkan pengujian sistem penulis menggunakan pengujian Alpha dimana dalam pengujian tersebut diterapkan pengujian White Box untuk menentukan tingkat kompleksitas terhadap sistem penentuan kinerja dosen. Penentuan hasil akhir dalam perhitungan rangking menggunakan profile matching dengan bobot aspek interaksi sebesar 25%, aspek perilaku sebesar 30%, dan aspek pembelajaran sebesar 45% diperoleh nilai tertinggi sebesar 5,582. Hasil pada pengujian Alpha dengan menggunakan White Box testing diperoleh nilai kompleksitas sebesar 4, sehingga sistem dapat disebut Simple Procedure dengan risk yang bersifat Low.