Article Per Year (5 Year)
p-Index From 2019 - 2024
1.456
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Herdiana, Ruli
Unknown Affiliation
Computer Science & IT

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
PENERAPAN ASOSIASI MENGGUNAKAN ALGORITMA FP-GROWTH PADA POLA TRANSAKSI PENJUALAN DI TOKO ROTI Nurarofah, Eva; Herdiana, Ruli; Dienwati Nuris, Nisa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6299

Abstract

Pertumbuhan industri roti yang berkelanjutan mengharuskan setiap perusahaan roti menerapkan rencana bisnis inovatif yang sesuai. Dipengaruhi oleh tata letak produk dalam katalog yang tidak sesuai, pelanggan mungkin sering mengalami kesulitan selama proses pembelian. Dalam situasi ini, perlu untuk menganalisis strategi asosiasi. Hal ini dapat dilakukan dengan beberapa cara, namun yang paling efektif adalah dengan melakukan analisis terhadap berbagai jenis produk roti yang sering dibeli konsumen bersamaan dengan jenis lainnya. Hal ini dilakukan agar jenis produk roti yang berbeda memiliki varian yang bermakna atau mempengaruhi sifat asosiatif. Asosiasi data mining dengan penggunaan algoritma FP-Growth adalah metode yang digunakan untuk mengatasi masalah ini. Dan selama implementasi, program yang digunakan adalah Rapidminer Studio. Dalam penelitian ini menghasilkan empat aturan asosiasi yang dapat digunakan sebagai bahan pertimbangan dalam membuat keputusan strategi penjualan yang efektif.
KLASIFIKASI MENGGUNAKAN METODE NAIVE BAYES UNTUK MENENTUKAN CALON PENERIMA PIP Pebdika, Angga; Herdiana, Ruli; Solihudin, Dodi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6303

Abstract

Dalam dunia global saat ini, pendidikan sangat penting untuk lebih meningkatkan sumber daya manusia. Pendidikan akan membantu peserta didik mengenai pengembangkan sikap, keterampilan, serta kecerdasan intelektualnya untuk memberikan manusia yang terampil, cerdas, dan berakhlak mulia. Namun pendidikan seringkali tidak berjalan dengan baik, Ada beberapa faktor yang berkontribusi terhadap hal ini, Contoh yang paling menonjol adalah faktor ekonomi yang menyebabkan banyak anak putus sekolah. Oleh karena itu pemerintah membuat program agar masyarakat miskin dapat melanjutkan pendidikannya melalui program ini. Dalam penyusunan ini dicoba dengan memakai prosedur Naive Bayes. Metode ini merupakan metode mengklasifikasikan data satu atau lebih kategori yang telah diidentifikasi. Operasi Naive Bayes menggunakan perhitungan probabilitas dan statistik yang ditemukan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi probabilitas masa depan berdasarkan pengalaman masa lalu. Tujuan dari penelitian ini adalah untuk menghindari kesalahan dalam menentukan penerimaan bantuan. Perlu diterapkan data mining dengan algoritma Naive Bayes yang bisa mengklasifikasi tingkat kelayakan siswa penerima PIP, sehingga didapat hasil penerimaan program Indonesia Pintar yang lebih akurat. Penelitian ini memberikan informasi baru tentang hasil dari proses analisis yang dilakukan, selain itu dengan menggunakan metode Naive Bayes, proses analisis tersebut dapat membuat model kelayakan untuk menerima program Indonesia Pintar berdasarkan karakteristik yang telah ditentukan sebelumnya. Hasil dari proses penelitian ini diharapkan dapat menciptakan sistem data mining yang dapat memberikan hasil seleksi yang sangat akurat dalam memilih penerimaan PIP.
SEGMENTASI PELANGGAN SALON NUII BEAUTY GLOW MENGGUNAKAN K-MEANS CLUSTERING Sajidah, Sajidah; Herdiana, Ruli; solihudin, Dodi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6333

Abstract

Persaingan dalam industri kecantikan menuntut setiap pelaku bisnis di bidang ini untuk menentukan strategi pemasaran agar manajemen tidak melakukan kesalahan dalam memberikan pelayanan kepada pelanggan. Salon Nuii Beauty Glow belum dapat mengklasifikasikan pelanggan mana yang menguntungkan bagi perusahaan. Oleh karena itu, perusahaan mengalami kesulitan untuk menentukan strategi pemasaran yang tepat bagi pelanggannya. Peneliti menggunakan model clustering data mining yang sangat efisien dalam menentukan karakteristik kelompok pelanggan yang terbentuk, dengan menggunakan algoritma K-Means yang memiliki keunggulan dalam pengelompokan. Algoritma k-means clustering merupakan salah satu teknik data mining yang dapat membagi data dalam suatu himpunan menjadi beberapa kelompok, dimana kesamaan data pada satu kelompok lebih besar dibandingkan dengan kesamaan data tersebut dengan data pada kelompok lain. Dari penelitian ini diperoleh 3 cluster pelanggan. Cluster 0 menempati jumlah pelanggan terbanyak yaitu 48 pelanggan, cluster 1 memiliki 10 pelanggan, dan cluster 3 memiliki 12 pelanggan. Ketiga cluster tersebut dikategorikan sesuai dengan karakteristik masing-masing data dengan melakukan uji indeks Davies Bouldin untuk menentukan cluster terbaik. Dan model RFM (Kebaruan, frekuensi, moneter) digunakan untuk memfasilitasi pengelompokan.
ANALISIS DATA MINING PADA PRODUKSI IKAN AIR TAWAR DI KECAMATAN PANJALU MENGGUNAKAN METODE C4.5 Novareza, Apip; Herdiana, Ruli; Iin, Iin
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.v8i1.8209

Abstract

Produksi perikanan merupakan sektor penting dalam industri pangan dan ekonomi global juga ketahanan pakan. Untuk meningkatkan efisiensi dan pengelolaan produksi perikanan, analisis data mining telah menjadi alat yang berharga dalam mengidentifikasi pola-pola yang tersembunyi dalam data produksi perikanan. Salah satu metode yang umum digunakan dalam analisis data mining adalah metode C4.5, yang merupakan algoritma pohon keputusan untuk tugas klasifikasi. Penelitian ini bertujuan untuk menerapkan metode C4.5 dalam analisis data produksi perikanan dengan fokus pada klasifikasi hasil produksi perikanan. Metode C4.5 digunakan untuk mengidentifikasi hubungan antara atribut-atribut yang terkait dengan produksi perikanan dan hasil produksi yang terjadi. Langkah-langkah dalam penerapan metode C4.5 melibatkan pemilihan atribut yang paling informatif, pembentukan pohon keputusan, dan proses pruning untuk menghindari overfitting. Hasil eksperimen menunjukkan bahwa metode C4.5 mampu menghasilkan model klasifikasi yang cukup akurat dalam memprediksi hasil produksi perikanan. Selain itu, pohon keputusan yang dibuat memberikan wawasan yang bermanfaat tentang komponen yang mempengaruhi produksi perikanan. Hasil penelitian ini diharapkan dapat memberikan kontribusi penting dalam upaya peningkatan produksi perikanan di Kecamatan Cihaurbeuti dan dapat menjadi dasar untuk pengambilan keputusan yang lebih efektif dalam mengelola sektor perikanan di wilayah tersebut. Penelitian ini juga dapat menjadi contoh bagi penelitian serupa di daerah lain yang menghadapi tantangan serupa dalam mengoptimalkan hasil produksi perikanan. Seluruh rangkaian tahapan pada penelitian ini dapat diukur efektif pada penerapan algoritma C4.5 dalam klasifikasi potensi produksi perikanan di Kecamatan Panjalu. Hasil pengukuran akurasi data yang diperoleh terhadap data produksi perikanan nilai akurasinya mencapai 94.44%. Dan factor yang paling berpengaruh terhadap tingkat produksi perikanan adalah luas kolam.
KOMPARASI ALGORITMA DECISION TREE DAN NAIVE BAYES DALAM KLASIFIKASI PENYAKIT DIABETES Maulana, Rizky; Narasati, Riri; Herdiana, Ruli; Hamonangan, Ryan; Anwar, Saeful
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8265

Abstract

Rata-rata nilai akurasi klasifikasi penyakit diabetes adalah sebesar 82%. Meskipun demikian, nilai tersebut masih kurang baik. Karena nilai akurasi tersebut masih dibawah rata-rata yaitu 85%. Masalah utama muncul karena tingkat akurasi yang kurang baik dapat menimbulkan risiko kesalahan yang signifikan dalam mengidentifikasi penyakit diabetes. Kecenderungan nilai rata-rata yang rendah ini menunjukkan adanya hambatan dalam keandalan sistem klasifikasi penyakit diabetes. Penelitian ini menerapkan metode Knowledge Discovery in Databases (KDD). Adalah sebuah teknik yang dipakai untuk mengeksplorasi dan memperoleh pemahaman yang mendalam pada suatu database. Tujuan utama pada tahapan KDD adalah menghasilkan informasi yang dapat digunakan sebagai landasan untuk pengambilan keputusan. Hasil penelitian menandakan bahwa Naive Bayes mencapai tingkat keakuratan yang lebih baik sebesar 91.56%. Sedangkan, Decision Tree memiliki tingkat akurasi 87.01%. Dari evaluasi ini, dapat disimpulkan bahwa Naive Bayes menghasilkan kinerja yang lebih unggul dalam klasifikasi penyakit diabetes pada dataset yang digunakan dibandingkan dengan Decision Tree.
ANALISIS PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK Pratama, Radi; Herdiana, Ruli; Hamonangan, Ryan; Anwar, Saeful
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.v8i1.8762

Abstract

Penelitian ini menggunakan algoritma Artificial Neural Network untuk memprediksi kelulusan mahasiswa dengan tingkat presisi 72,32%, recall 82,53%, dan akurasi 73,21%. Model Neural Network dapat mengidentifikasi sekitar 72,32% prediksi positif dan mengenali 82,53% keseluruhan kasus positif, menunjukkan keandalan dalam memprediksi kelulusan mahasiswa. Evaluasi kinerja model yang solid memberikan manfaat bagi pengambilan keputusan di lingkungan pendidikan. Peningkatan kinerja disarankan melalui optimalisasi data, pengaturan hyperparameter, validasi silang, dan pemantauan berkala. Hasil penelitian memberikan pemahaman tentang faktor-faktor yang mempengaruhi kelulusan mahasiswa, dengan Indeks Prestasi Semester sebagai variabel kunci. Model Neural Network dapat mendukung identifikasi mahasiswa yang memerlukan bantuan tambahan untuk meningkatkan kemungkinan kelulusannya. Kesimpulannya, model ini dapat menjadi alat yang efektif untuk membantu manajemen perguruan tinggi dalam mengoptimalkan sumber daya dan mengurangi tingkat ketidaklulusan.
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.
KLASTERISASI DATA PENJUALAN ALAT TRANSPORTASI DENGAN RAPIDMINER MENGGUNAKAN METODE K-MEDOID Aprilyani, Wiwin; Kaslani, Kaslani; Wahyudin, Edi; Hamonangan, Ryan; Herdiana, Ruli
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.v8i2.8968

Abstract

Penelitian ini bertujuan untuk menerapkan metode klasterisasi K-medoid menggunakan platform Rapidminner pada data penjualan alat transportasi. Melalui Rapidminner sebuah platform analisis data yang kuat, hal ini bertujuan untuk meningkatkan pemahaman terhadap prefrensi dan perilaku pembelian konsumen dalam kaitannya dengan transportasi. Metode K-medoid dipilih karena kemampuannya dalam menghasilkan kelompok-kelompok data yang berbeda secara optimal tanpa bergantung pada bentuk atau jumlah klaster yang telah ditentukan sebelumnya. Setelah dilakukannya beberapa uji coba klaster pada data penjualan alat transportasi dengan record data terakhir berjumlah 904 record data menghasilkan nilai klaster yang terbaik yaitu dengan 2 klaster yang nilai Davies Bouldin Index berada pada -0,838 yang dimana nilai tersebut nilai terkecil diantara hasil uji coba klaster lainnya, dengan jumlah klaster 2 tersebut penjualan tertinggi pada perusahaan ini berada pada tahun 2005 dengan nilai 11,739 dan berada pada di klaster 0.
PENERAPAN ALGORITMA K-MEDOID PADA PENJUALAN KERUDUNG E-COMMERCE SHOPEE: FIFAU HIJAB Narasati, Riri; Lestari, Ratih; Herdiana, Ruli; Hamonangan, Ryan; Anawar, Saeful
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.v8i2.9213

Abstract

Perkembangan teknologi informasi dan komunikasi telah membawa dampak signifikan terhadap berbagai sektor, termasuk dalam ranah bisnis dan perdagangan. Penjualan melalui platform e-commerce semakin berkembang pesat dengan munculnya berbagai strategi pemasaran yang inovatif. Seiring dengan popularitas e-commerce yang terus meningkat, penjualan produk melalui platform daring menjadi salah satu strategi penting bagi para pelaku usaha. Di tengah persaingan yang semakin ketat, penerapan strategi pemasaran yang efektif menjadi kunci utama bagi kesuksesan penjualan. Penelitian ini menggunakan teknik clustering dalam strategi pemasaran data mining. Clustering merupakan salah satu teknik dalam data mining untuk menemukan kumpulan data yang mempunyai persamaan dengan data lain atau ketidaksamaan data dengan yang lain. Proses clustering dilakukan dengan menggunakan k-medoids pada data transaksi penjualan toko kerudung fifauhijab di Shopee pada bulan Juni 2023 dan terdiri dari 300 data. Permasalahan yang ada pada penelitian ini untuk menentukan stok produk hanya didasarkan pada ketersediaan barang di rak kerudung, yang seringkali menghasilkan masalah seperti kekurangan atau kelebihan stok produk karena tidak mempertimbangkan preferensi konsumen. Pendekatan yang digunakan pada penelitian ini menggunakan algoritma k-medoids clustering, software yang digunakan rapidminer. Disimpulkan dari hasil pengujian dengan menggunakan algoritma k-medoids clustering dihasilkan untuk pengelompokkan stok produk mendapati hasil 8 cluster terbaik dengan nilai davies bouldin 0.457.
Co-Authors Anawar, Saeful Aprilyani, Wiwin Dienwati Nuris, Nisa Hamonangan, Ryan Iin, Iin Kaslani Lestari, Ratih Lorentiana Wijayanti, Rima Mulyawan, Mulyawan Narasati, Riri Narasati Novareza, Apip Nurarofah, Eva Pebdika, Angga Pratama, Radi Rizky Maulana, Rizky Rudi Kurniawan Saeful Anwar, Saeful Sajidah, Sajidah Solihudin, Dodi Susana, Heliyanti Wahyudin, Edi