Articles
<![CDATA[Seleksi Penerima Beasiswa Dengan Metode Fuzzy Multi-Attribute Decision Making Dengan Pengembangan ]]>
<![CDATA[Markus Monemnasi]]>;
<![CDATA[Anief Fauzan Rozi]]>
<![CDATA[ JMAI (Jurnal Multimedia & Artificial Intelligence) Vol. 1 No. 1 (2017): Jurnal Multimedia dan Artificial intelligence ]]>
Publisher : <![CDATA[LPPM Universitas Mercu Buana Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (977.69 KB)
|
DOI: 10.26486/jmai.v1i1.51
<![CDATA[Beasiswa merupakan pemberian berupa bantuan keuangan yang diberikan kepada perorangan bertujuan untuk digunakan demi keberlangsungan pendidikan. Bantuan ini dapat diberikan oleh lembaga pemerintahan, perusahaan atau yayasan. Sekolah Menengah Atas Tiga Maret (SMA GAMA) Yogyakarta memiliki program pemberian beasiswa kepada siswa miskin atau kurang mampu di sekolah tersebut. Akan tetapi dalam melakukan seleksi beasiswa tersebut mengalami banyak kesulitan karena proses seleksinya masih manual serta banyaknya siswa yang mengajukan dan banyaknya kriteria yang digunakan sehingga dalam proses penentuannya menyita waktu yang banyak.Oleh karena itu diperlukan sebuah sistem yang membantu, mempercepat dan mempermudah pihak yang bersangkutan dalam proses seleksinya. Proses pengambil keputusan dibangun menggunakan metode fuzzy multi-attribute decision making. Metode ini akan membantu pengambil keputusan pada situasi dimana terdapat banyak alternatif keputusan dengan beberapa kriteria. Dipilihnya fuzzy multi-attribute decision making karena karakternya sangat tepat untuk menyelesaikan permasalahan yang semi-terstruktur seperti masalah beasiswa ini, juga merupakan metode yang akan cukup akurat memberikan hasil yang diharapkan serta akan mampu juga mengurangi kesalahan-kesalahan proses seleksi dan mempercepat proses pengambilan keputusannya.Hasil akhir dari sistem yang dibuat berupa rekomendasi penerima beasiswa dengan nilai total tertinggi dimana sebelumnya sistem akan melakukan perhitungan dan seleksi dari data yang telah dimasukan yang selanjutnya akan diurutkan dari nilai total integral tertinggi hingga nilai total integral terendah sehingga pengguna dapat dengan mudah menentukan siapa yang berhak dan layak untuk menerima beasiswa dan yang paling sesuai dengan kriteria yang telah ditetapkan.]]>
<![CDATA[Sistem Penilaian Guru Teladan Menggunakan Metode Fuzzy Multiple Attribute Decision Making (FMADM) dan Weighted Product (WP) ]]>
<![CDATA[Nurul Arifianti]]>;
<![CDATA[Anief Fauzan Rozi]]>
<![CDATA[ JMAI (Jurnal Multimedia & Artificial Intelligence) Vol. 1 No. 2 (2017): Jurnal Multimedia dan Artificial intelligence ]]>
Publisher : <![CDATA[LPPM Universitas Mercu Buana Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (709.294 KB)
|
DOI: 10.26486/jmai.v1i2.67
<![CDATA[Guru teladan adalah orang yang bisa memberikan contoh baik kepada siswanya. Guru merupakan salah satu bagian paling penting yang dimiliki oleh sekolah, tidak ada satu sekolah yang mampu bertahan jika sekolah tersebut tidak memiliki guru yang dapat bekerja baik dan maksimal. Berhasil atau tidaknya suatu sekolah dalam menjalankan kegiatannya tidak terlepas dari kapasitas guru yang melakukan pekerjaan di sekolah tersebut.Teknik penelitian di SMK Bumantara Muntilan dilakukan bersama guru BK dengan memberikan sebuah masukan atau pertanyaan yang bermaksud bertentangan dengan guru teladan yang nantinya akan dijawab oleh para guru itu sendiri dengan membagikan kuisoner ke para guru. Dalam penelitian ini data guru beserta jawaban dari kuisoner akan dilakukan Penilaian guru teladan dengan sistem yang mempunyai kemampuan analisa pemilihan guru teladan dengan menggunakan metode weighted product, dimana pada setiap kriteria memiliki bobot tersendiri dan nilai kemudian difuzifikasikan. Setelah nilai yang telah ada dimasukan ke dalam rumus weighted product akan menghasilkan output nilai tertinggi pada semua guru.Penilaian guru teladan dilakukan dengan menggunakan 10 kriteria sebagai paramater penilaian dan dapat disimpulkan bahwa perhitunganya menghasilkan nilai vektor V tertinggi yaitu 0,05055 dan nilai vektor V terendah yaitu 0,00000.]]>
<![CDATA[Sistem Informasi Penilaian Supplier Komputer Menggunakan Metode Fuzzy Multiple Attribute Decision Making Dengan Simple Additive Weighting ]]>
<![CDATA[Johana Harjayanti]]>;
<![CDATA[Anief Fauzan Rozi]]>
<![CDATA[ INFORMAL: Informatics Journal Vol 1 No 3 (2016): INFORMAL: INFORMATICS JOURNAL ]]>
Publisher : <![CDATA[Faculty of Computer Science, University of Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Supplier sebagai mitra bisnis telah mengambil peranan penting dalam proses bisnis dan keberhasilan suatu perusahaan. Apabila supplier tidak dapat memenuhi permintaan perusahaan dalam pengadaan bahan baku maupun peralatan pendukung operasional yang sesuai dengan kriteria dan kebutuhan perusahaan, maka proses bisnis dalam perusahaan akan terhambat dan dapat menimbulkan kerugian bagi perusahaan. Mengingat supplier mempunyai peranan penting dalam proses bisnis perusahaan, maka tujuan dari penelitian ini adalah menentukan penilaian terhadap supplier sebagai penyedia barang, sehingga perusahaan dapat mempertimbangkan apakah akan melanjutkan kerjasama dengan supplier tersebut atau tidak. Dalam studi kasus ini PT. XYZ memiliki beberapa supplier pendukung operasional dalam hal ini peralatan pendukung teknologi informasi (Laptop, PC, Monitor, Printer, Part Komputer). Penelitian ini menggunakan 9 kriteria sebagai parameter penilaian, agar dapat membuat keputusan yang tepat dalam penelitian ini maka digunakan metode Fuzzy Multiple Attribute Decision Making (FMADM) dan Simple Additive Weighting (SAW) dengan mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Hasil perhitungan menggunakan metode perusahaan menghasilkan nilai untuk supplier A1 sebesar 3.11, sedangkan supplier A2 sebesar 3.67. Sedangkan perhitungan menggunakan sistem menghasilkan nilai untuk supplier A1 sebesar 5.56 dan supplier A2 sebesar 6.56. Sehingga dapat disimpulkan bahwa perhitungan menggunakan metode perusahaan dan menggunakan sistem memberikan perbandingan yang sesuai.]]>
<![CDATA[Analisis Perbandingan Implementasi Metode MADM dan Fuzzy MADM SAW Pada Sistem Pendukung Keputusan ]]>
<![CDATA[Agus Sidiq Purnomo]]>;
<![CDATA[Anief Fauzan Rozi]]>
<![CDATA[ INFORMAL: Informatics Journal Vol 7 No 1 (2022): Informatics Journal (INFORMAL) ]]>
Publisher : <![CDATA[Faculty of Computer Science, University of Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.19184/isj.v7i1.30318
<![CDATA[There are so many studies that use the Multi-Attribute Decision Making (MADM) method as a solution in Decision Support Systems. In addition, there are also many studies that use additional fuzzy which is implemented in the MADM method which is commonly referred to as Fuzzy MADM. For example, using Simple Additive Weighting (SAW), which one is closer to the best solution, whether to use MADM SAW or FMADM SAW, which one is better to use. Based on these problems, in this study analysis will be carried out regarding which method is closer to the best solution to be implemented in the case of Decision Support System between MADM and FMADM, in this case using the case of selecting the best graduates in the study program and the SAW method. Based on the results of the discussion in this study, it can be concluded that the implementation of MADM uses SAW, with 2 approaches, namely: Likert and fuzzy scales. The results obtained from the comparison of assessment ranges using the Likert and fuzzy scales obtained suitability of 100%. While the results of testing using RSD on Likert and fuzzy scales obtained the same results, namely 12.24%. The use of a Likert scale or fuzzy numbers has no effect, what affects the results is the range of the rating scale.]]>
<![CDATA[Penerapan Data Mining Untuk Memprediksi Jumlah Data Pasien Di Puskesmas Haekesak Menggunakan Metode ARIMA ]]>
<![CDATA[Ermelinda Novita De Jesus]]>;
<![CDATA[Anief Fauzan Rozi]]>
<![CDATA[ Journal Of Information System And Artificial Intelligence Vol. 1 No. 2 (2021): Journal of Information System and Artificial Intelligence Vol I, No II Mei.2021 ]]>
Publisher : <![CDATA[Universitas Mercu Buana Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (528.853 KB)
|
DOI: 10.26486/jisai.v1i2.14
<![CDATA[ABSTRACT The purpose of this study was to determine the Arima method equation model, to find out the resultsof the analysis to predict the number of patients in the haekesak health center using Minitab tools. and knowingthe results of predicting the number of patients treated at the Hasekesak health center from 1 January to 10February and the method used in this study was the ARIMA method. The results of the prediction of the totalnumber of patients who will come to the Haekesak Health Center using the ARIMA method, this analysis endswith the number of patients who will come on the 26th-35th day where the total number of patients does notincrease or decrease significantly so that the puskesmas does not need to increase their mental health. or theaddition of excessive drug stock.Keywords: Forecasting, ARIMA, Disease]]>
<![CDATA[Prediksi Kelulusan Mahasiswa Fakultas Teknologi Informasi Umby Menggunakan Metode Decision Tree Penerapan Algoritma C4.5 ]]>
<![CDATA[Vidya Anggraini Nurislamiaty]]>;
<![CDATA[Anief Fauzan Rozi]]>
<![CDATA[ Journal Of Information System And Artificial Intelligence Vol. 1 No. 2 (2021): Journal of Information System and Artificial Intelligence Vol I, No II Mei.2021 ]]>
Publisher : <![CDATA[Universitas Mercu Buana Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (660.585 KB)
|
DOI: 10.26486/jisai.v1i2.23
<![CDATA[Kelulusan merupakan salah satu unsur penting bagi pihak fakultas dalam penilaian akreditasi. Sehingga jika mahasiswa lulus tepat waktu maka akan membantu penlaian akreditasi terhadap penilaian suatu fakultas hingga perguruan tinggi. Kelulusan tepat waktu sendiri merupakan salah satu tolak ukur hasil kinerja akademik mahasiswa. Pada Fakultas Teknologi Informasi (FTI) Universitas Mercu Buana Yogyakarta masih banyak ditemui permasalahan mengenai mahasiswa yang menyelesaikan masa studi lebih dari waktu yang ditetapkan, hal ini tentu saja merugikan pihak fakultas yang akan membuat akreditasi fakultas kurang maksimal, serta terlalu banyaknya mahasiswa aktif yang membuat kegiatan belajar mengajar kurang ideal. Berdasarkan hal tersebut, maka dirasa diperlukan untuk melalukan analisis dan klasifikasi pola-pola kriteria kelulusan mahasiswa tepat waktu, untuk melakukan hal tersebut maka dirasa metode paling cocok yang digunakan ialah data mining Algoritma C4.5. berdasarkan dari perhitungan Algoritma C4.5 dengan atribut input berupa Indeks Prestasi Semester 5-7, Program Studi, serta sks tempuh hingga semester 7 maka menghasilkan akurasi sebesar 82,8897% dengan IPS semester 7 menjadi root tree dan SKS kamulatif hingga semester 7 menjadi child node.]]>
<![CDATA[Penerapan Data Mining Dalam Menentukan Kinerja Karyawan Terbaik Dengan Menggunakan Metode Algoritma C4.5 ( Studi Kasus : Universitas Mercu Buana Yogyakarta ) ]]>
<![CDATA[Alfi Novia Zahrotul Hidayah]]>;
<![CDATA[Anief Fauzan Rozi]]>
<![CDATA[ Journal Of Information System And Artificial Intelligence Vol. 1 No. 2 (2021): Journal of Information System and Artificial Intelligence Vol I, No II Mei.2021 ]]>
Publisher : <![CDATA[Universitas Mercu Buana Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1223.866 KB)
|
DOI: 10.26486/jisai.v1i2.24
<![CDATA[Selama ini penilain kinerja dosen pada Universitas Mercu Buana Yogyakarta masih dilakukan secara manual dengan hanya menggunakan form penilaian sehingga dirasa perlu dilakukan analisa dan klasifikasi kinerja karyawan pada Universitas Mercu Buana Yogyakarta dengan menggunakan pendekatan data mining Algoritma C4.5. Pada penelitian ini dilakukan klasifikasi atau segmentasi atau pengelompokan dan bersifat prediktif yang digunakan untuk membentuk pohon keputusan (Decision Tree). Analisa ini akan membantu mempermudah pihak Pusat Penjaminan Mutu (PPM) Universitas Mercu Buana Yogyakarta dalam menentukan dosen terbaik. Penerapan Algoritma C4.5 dalam penilaian dosen terbaik di Universitas Mercu Buana Yogyakarta dalam penelitian ini memiliki tingkat akurasi yang termasuk dalam klasifikasi sangat baik yaitu sebesar 85,52% yang didapat dari hasil uji coba menggunakan tools Rapid Miner dengan 80% data sebagai data training dan 20% data uji.]]>
<![CDATA[Sistem Pendukung Keputusan Menentukan Kelayakan Kenaikan Gaji Karyawan Menggunakan Metode Topsis ]]>
<![CDATA[Eko Junianto]]>;
<![CDATA[Anief Fauzan Rozi]]>
<![CDATA[ Journal Of Information System And Artificial Intelligence Vol. 1 No. 1 (2020): Journal of Information System and Artificial Intelligence Vol I, No I Nov.2020 ]]>
Publisher : <![CDATA[Sistem Informasi Universitas Mercu Buana Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (830.441 KB)
<![CDATA[Dalam menentukan proses penetapan kenaikan gaji karyawan di perusahaan banyak terdapat kendala- kendala atau masalah yang harus dihadapi perusahaan antara lain efisiensi waktu, banyak perbandingan variabel yang diuji, pengambilan keputusan apakah karyawan tersebut berhak naik gajinya atau tidak dan Banyaknya berkas data yang diolah yaitu data karyawan. Pada penelitian ini studi kasus yang digunakan adalah toko roti Mama Bakery, dimana pada perusahaan ini masih belum efektif dan efisien dalam penghitungan kenaikan gaji. Maka untuk memudahkan proses tersebut perlu dibuat sebuah sistem berupa sistem pendukung keputusan penentuan kenaikan gaji karyawan dengan Topsis (Technique for Order Preference by Similarity to Ideal Solution) yang diharapkan dapat membantu mengatasi permasalahan. Dalam penelitian ini untuk mendapatkan solusi pengambilan keputusan penentuan kenaikan gaji, perlu disusun beberapa kriteria dan alternatif. Untuk membantu proses penilaian maka dibuat sebuah sistem pendukung keputusan penentuan kenaikan gaji karyawan yang terdapat menu untuk memasukkan data alternatif dan kriteria serta hasil perhitungan sesuai dengan metode diatas yang diharapkan dapat membantu dalam menentukan kenaikan gaji karyawan. Sistem pendukung keputusan berguna untuk mengolah data kriteria dengan input penilaian karyawan dan menghasilkan output perangkingan rekomendasi kenaikan gaji berdasarkan bobot dan kriteria yang telah di tetapkan. Hasil perhitungan sistem dengan jumlah usulan 10 dalam satu periode mencakup semua cabang toko, semua bagian dan semua jabatan menghasilkan nilai tertinggi yaitu 0.85429377 dengan nomor pegawai P-0003, dan nilai terendah yaitu 0.66617808 dengan nomor pegawai P-0054.]]>
<![CDATA[Sistem Pakar Diagnosa Penyakit Gigi dan Mulut Menggunakan Metode Certainty Factor ]]>
<![CDATA[Bayu Adji Sukarno]]>;
<![CDATA[Anief Fauzan Rozi]]>
<![CDATA[ Journal Of Information System And Artificial Intelligence Vol. 1 No. 2 (2021): Journal of Information System and Artificial Intelligence Vol I, No II Mei.2021 ]]>
Publisher : <![CDATA[Universitas Mercu Buana Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (511.006 KB)
|
DOI: 10.26486/jisai.v1i2.39
<![CDATA[Teeth are one of the most important organs in the human body. As an organ that cannot heal itself, teeth need to be carefully taken care of. The data on dental health in Indonesia obtained from the Center for Data and Information (Pusdatin) of the Ministry of Health, Republic of Indonesia Year 2014 revealed that the percentage of Indonesians with dental health problems in 2007 and 2013 increased from 23.2% to 25.9%. The population receiving dental medical care increased from 29.7% in 2007 to 31.1% in 2013. People need a quick response to get their teeth checked before going to a dentist whose location might be far from their home. An early response to handle a dental disease that someone may suffer is essential. Therefore, a quick way to diagnose a dental disease that can be done by everybody is needed. This research is to develop an expert system to diagnose dental and oral diseases. This system is to assist people with an early diagnosis so that a more severe disease can be prevented.]]>
<![CDATA[Implementasi Data Mining Untuk Prediksi Peramalan Penjualan Produk Hj Karpet Menggunakan Metode Linear Regression ]]>
<![CDATA[Muhamad Reza Athallah]]>;
<![CDATA[Anief Fauzan Rozi]]>
<![CDATA[ Jurnal Sains dan Teknologi (JSIT) Vol. 3 No. 1 (2023): January-April ]]>
Publisher : <![CDATA[CV. Information Technology Training Center - Indonesia (ITTC) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47233/jsit.v3i1.550
<![CDATA[HJ Karpet is a business engaged in commerce that sells a variety of carpet types and where inventory is crucial. The problem that HJ Karpet has always faced is an abundance of carpet inventory or overstock. Forecasting with the linear regression method is the solution for assisting with stock planning. Forecasting is the process of calculating future values using historical information. This study used linear regression to calculate and design the system, which was then implemented as a system. This study's objective is to forecast sales of HJ Karpet products using historical sales data provided by HJ Karpet for the purpose of generating a sales forecast. This study resulted in the development of a sales forecasting system that will be used to provide stock planning recommendations for the subsequent months. The results of the manual calculation using the linear regression equation predict a value of 52,093 for January 2023 with an error MAPE (mean absolute percentage error) calculation value of 5,667205%, indicating that the results of the regression-based forecasting model have a high degree of accuracy.]]>
