Claim Missing Document
Check
Articles

Found 22 Documents
Search

Penerapan Metode Linier Regresi Berganda Dalam Tingkat Produksi Pakaian dudih gustian; Agum Taufikurrahman; Nur Apriyanti Nur Apriyanti; Annisa Desi Pratiwi; Rahayu Awaliyah
Jurnal Informatika Upgris Vol 5, No 1: Juni (2019)
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v5i1.3311

Abstract

ABSTRAK - PT.XYZ adalah salah satu perusahaan garmen di Sukabumi yang memproduksi berbagai jenis pakaian. Sehingga untuk dapat memperoleh barang sesuai dengan standar kualitas yang ada dalam permintaan terus menerus dan dapat mengontrol, memilih, dan menilai kualitas sehingga target pasar terpenuhi, investasi dapat kembali, dan perusahaan mendapat unt jangka panjang. Masalahnya adalah bahwa penurunan laba untuk perusahaan garmen memiliki dampak besar pada jumlah karyawan yang ada untuk mengurangi pekerjaan. Selain itu, persaingan yang cukup ketat dengan produk dari luar negeri yang menyebabkan konsumen beralih ke produk asing. Penelitian ini menggunakan metode Regresi Linier Berganda untuk membantu masalah faktor-faktor yang mempengaruhi laba rugi bagi perusahaan dan kinerja perusahaan terutama di bidang produksi seperti produksi operasional awal dari pengadaan bahan baku, sumber daya manusia yang terlibat, dan biaya operasional.  Berdasarkan hasil analisis yang ada di ketahui bahwa nilai Sig = 0,243b lebih besar dari 0,05 maka H0 di terima sehingga variabel x berpengaruh terhadap Variabel Y. Dari tabel coofisiens dapat dilihat ukuran variabel sangat berpengaruh pada level Produksi aplikasi hasil pengujian dengan metode Software QualityAssurance dengan menyebarkan Quisioner dengan beberapa pengguna, dihitung untuk mendapatkan nilai 81,25. Kata kunci: pakaian, Regresi Linier Berganda, Software QualityAssurance.
Sistem Pakar SISTEM PAKAR DENGAN ALGORITMA NAIVE BAYES UNTUK PREDIKSI HASIL PRODUKSI AYAM BROILER PLASMA (STUDI KASUS : PT.SEKAWAN SINAR SURYA) dudih gustian
Jurnal Riset Sistem Informasi dan Teknologi Informasi (JURSISTEKNI) Vol 1 No 3 (2019): JURNAL RISET SISTEM INFORMASI DAN TEKNOLOGI INFORMASI (JURSISTEKNI)
Publisher : Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (469.776 KB) | DOI: 10.52005/jursistekni.v1i3.12

Abstract

Penelitian ini memberikan kontribusi kepada peternak atau pihak perusahaan dengan memberikan parameter yang berpengaruh untuk menentukan hasil produksi. Penggunaan algoritma Naive Bayes mampu menghasilkan prediksi klasifikasi keuntungan dan kerugian sebelum perhitungan realisasi pada bagian produksi. Untuk mengetahui nilai keakuratan pengujian dilakukan dengan menggunakan Software Weka. Akurasi rata-rata dari algoritma yang dihasilkan, Naive Bayes dari 96.36% mendekati angka 100% menunjukkan hasil yang maksimal. dan dengan nilai Receiver Operating Curve (ROC) 0,9995 mendekati angka 1 maka model yang dihasilkan lebih baik. Jadi dapat disimpulkan bahwa algoritma Naive Bayes adalah algoritma klasifikasi yang direkomendasikan untuk melakukan prediksi klasifikasi.
Analisis Tingkat Akurasi Algoritma Moving Average dalam Prediksi Pergerakan Uang Elektronik Bitcoin Falentino Sembiring; Dudih Gustian; Adhitia Erfina; Yoga Vikriansyah
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jutisi Vol. 10, No. 1, April 2021
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (296.86 KB) | DOI: 10.35889/jutisi.v10i1.577

Abstract

Abstrak. Nilai Bitcoin dapat berfluktuasi secara tidak terduga selama periode waktu yang singkat sebagai akibat nilai ekonominya yang masih muda, baru, dan pasar yang tidak cair (non liquid). Permasalahan yang umum dihadapi oleh investor dan trader adalah bagaimana meramalkan pergerakan nilai dari uang elektronik Bitcoin pada masa mendatang berdasarkan data yang telah lampau. Investor dan trader hanya melihat pergerakan berdasarkan pergerakan nilai mata uang dunia dan memutuskan melakukan transaksi jual/beli Bitcoin secara intuitif, sehingga sering salah melakukan transaksi beli/jual. Kesalahan ini membuat banyak investor dan trader mengalami kerugian dalam jumlah yang besar. Kerugian yang terjadi dapat diminimalisir dengan menggunakan sebuah algoritma yang dapat meramalkan pergerakan nilai uang elektronik Bitcoin. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis data pergerakan nilai uang elektronik dengan menggunakan algoritma peramalan Moving Average (MA). Data pergerakan Bitcoin yang diuji selama 5 Tahun untuk menguji tingkat akurasi peramalan. Proses pengumpulan data diambil dari data public yang ada di investing.com dan meta trader 4 dengan bantuan bahasa pemerograman C#. Hasil Uji menunjukkan persentasi benar yang diramalkan pada teknik Buy/beli sebesar 62.86%, sedangkan untuk teknik jual pada periode yang sama menunjukkan persentasi kebenaran prediksi hanya sebesar 25%. Kata kunci: Prediksi, Pergerakan Uang Elektronik, Bitcoin, Moving AvarageAbstract. Bitcoin's value can fluctuate unpredictably over a short period of time as a result of its young, new economic value and a non-liquid market. The problem commonly faced by investors and traders is how to predict the movement of the value of Bitcoin electronic money in the future based on past data. Investors and traders only see movements based on movements in the value of world currencies and decide to buy / sell Bitcoin intuitively, so they often make wrong buying / selling transactions. This error caused many investors and traders to lose a large amount. Losses that occur can be minimized by using an algorithm that can predict the movement of the value of Bitcoin electronic money. This study aims to identify and analyze data on the movement of electronic money values using the Moving Average (MA) forecasting algorithm. Bitcoin movement data tested for 5 years to test the accuracy of forecasting. The data collection process is taken from public data available on investing.com and meta trader 4 with the help of the C# programming language. The test results show that the correct percentage predicted in the Buy / buy technique is 62.86%, while for the selling technique in the same period it shows the percentage of correct predictions is only 25%. Keywords: Prediction, Electronic Money Movement, Bitcoin, Moving Avarage
Perancangan Sistem Pakar Berbasis Web Menggunakan Case Based Reasoning Untuk Diagnosa Dini Covid-19 Mega Lumbia Sinaga; Dudih Gustian; Falentino Sembiring
Progresif: Jurnal Ilmiah Komputer Vol 17, No 2: Agustus 2021
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (543.337 KB) | DOI: 10.35889/progresif.v17i2.646

Abstract

AbstrackThe COVID-19 pandemic has a profound impact on many aspects of people's lives. Various ways are being sought to help resolve the spread of COVID 19. The addition of new symptoms that have continued to vary from the beginning to the present has made the public more and more anxious. The symptoms that are felt are usually difficult for the general public to self-diagnose, making it difficult for the public to take preventive action. This paper presents a Web-based expert system model to diagnose Covid-19 early using the Case Based Reasoning Method to help the public diagnose Covid 19 early. Application testing is carried out by comparing the diagnostic results of expert system applications with expert opinions. The test results on 6 sample cases show that the application can diagnose all cases according to expert opinion.Keywords: Expert System, COVID-19, Case Based ReasoningAbstrakPandemi COVID-19 menimbulkan dampak bagi banyak sendi kehidupan kemasyarakat. Berbagai cara diupayakan untuk membantu menyelesaikan penyebaran COVID 19. Bertambahnya gejala-gejala baru yang terus bervariasi sejak awal hingga saat ini membuat masyarakat semakin was-was. Gejala-gejala yang dirasakan biasanya sulit untuk didiagnosa sendiri oleh masyarakat awam, sehingga sulit bagi masyarakat melakukan tindakan pencegahan. Paper ini menyajikan model sistem pakar berbasis Web untuk mendiagnosa secara dini Covid-19 menggunakan Metode Case Based Reasoning untuk membantu masyarakat mendiagnosa dini Covid 19. Pengujian aplikasi dilakukan dengan membandingkan hasil diagnosa aplikasi sistem pakar dengan pendapat pakar. Hasil uji terhadap 6 sampel kasus menunjukkan aplikasi dapat mendignosa keseluruhan kasus sesuai pedapat pakar.Kata kunci: Sistem Pakar, COVID-19, Case Based Reasoning
Implementasi K-Means Dalam Pengelompokan Penyebaran COVID-19 di Jawa Barat Muhammad Wildan Goni; Dudih Gustian; Falentino Sembiring
Progresif: Jurnal Ilmiah Komputer Vol 17, No 2: Agustus 2021
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (547.46 KB) | DOI: 10.35889/progresif.v17i2.648

Abstract

AbstractConfirmed cases of the COVID-19 virus that are still unstable, as well as the comparison of total confirmed and total recoveries are quite far, which if not treated quickly will cause the number of people exposed to be increasing. This article aims to test the K-Means algorithm in grouping the spread of Covid-19 in West Java. The grouping was carried out based on confirmed parameters, isolated/under treatment, completed isolation/recovered and died from each area in West Java Province. K-means performs clustering in 3 clusters, namely the high distribution cluster (C1), the moderately distributed cluster (C2) and the lightly distributed cluster (C3). Based on the results of system analysis and testing, there are 2 regions in the high distribution cluster (C1), 6 regions for the medium distribution cluster (C2), and 19 regions for the low distribution cluster (C3).Keywords: Spread of COVID-19, K-Means Algorithm, Grouping AbstrakKasus terkonfirmasi virus COVID-19 yang masih belum stabil, serta perbandingan total terkonfirmasi dan total sembuh cukup jauh, dimana jika tidak segera ditangani dengan cepat akan menyebabkan jumlah orang yang terpapar menjadi semakin banyak. Artikel ini bertujuan untuk menguji algoritma K-Means dalam pengelompokan penyebaran Covid-19 di Jawa Barat. Pengelompokkan dilakukan berdasarkan parameter terkonfirmasi, isolasi/dalam perawatan, selesai isolasi/sembuh dan meninggal dari masing-masing daerah yang ada di Provinsi Jawa barat. K-means melakukan klasterisasi dalam 3 cluster yaitu cluster penyebaran tinggi (C1), cluster penyebaran sedang (C2) dan cluster penyebaran ringan (C3). Berdasarkan hasil analisis dan pengujian sistem, daerah yang masuk ke cluster penyebaran tinggi (C1) sebanyak 2 daerah, untuk cluster penyebaran sedang (C2) sebanyak 6 daerah, dan cluster penyebaran rendah (C3) sebanyak 19 daerah.Kata kunci: Penyebaran COVID-19, Algoritma K-Means, Pengelompokan
Perencanaan Strategi Sistem Informasi Penjualan Menggunakan Pendekatan Togaf Adm (Studi Kasus : Three Sister’s House Of Beauty) Cecep Kurnia Sastradipraja; Dudih Gustian; Sarah Sifa Antadipura
@is The Best : Accounting Information Systems and Information Technology Business Enterprise Vol 4 No 2 (2019): @is The Best : Accounting Information System & Information Technology Business En
Publisher : Labkat Press KA FTIK UNIKOM

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1347.507 KB) | DOI: 10.34010/aisthebest.v4i02.2332

Abstract

Three Sister’s House Of Beauty is one of the several business located at karangtengah cibadak sukabumi. This Business offers all things about skincare, makeup and fashion for youngest to the oldest especially for a man. In the process business activity, Three Sister's has implement strategic planning, but in this prospect the planning has a missed targeted so that it cannot be realized properly, the problems regarding data collection process of sold product and ordering data for customers sometimes just written, input into Ms.Word and Ms.Excel. In odd moment, Three Sister’s share and promotion product on social media, the community of beauty have every rules if want post on group. So that, Three Sister's House of Beauty must planning of ISand IT strategies to be good business proces in future. The conclusion, strategic planning for implementing Enterprise Architecture is one of the best solutions for supports a business or organization. So with this, the author conducts research with the study of the Togaf ADM to support Sales Information Systems that are integrated, right on target, and support business processes in Three Sisters' House of Beauty.
Analisis Sentimen Dampak Covid-19 Terhadap Pembatalan Keberangkatan Ibadah Haji Pada Tahun 2020 Mila Kartika; Sudin Saepudin; Dudih Gustian
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 5, No 2 (2021): EDISI SEPTEMBER
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v5i2.392

Abstract

The government through the Ministry of Religious Affairs canceled the departure of pilgrims from Indonesia in 2020. The decision was taken, considering the Covid-19 pandemic still plagues almost all parts of the world, including Indonesia and Saudi Arabia. "Saudi Arabia has never opened access for pilgrims from any country. As a result, the government could no longer have enough time to make its main preparations in the service and protection of Jemaah. Based on this fact, the government decided not to send pilgrims in 2020. Judging from the charts and data recorded from April to December 2020 there was a sharp increase. There were 743,198 confirmed cases of infection, 109,963 cases treated, 22,138 cases died and 611,091 were declared cured. This is a consideration of the government in taking the decision to lower the letter of cancellation of hajj departure in 2020. To retrieve this sentiment data the author took the data methodology from Twitter by using the data retrieval step using orange anaconda tools with the amount of data obtained as many as 670 tweets that have 3 variables that are positive by 37%, negative 12% and neutral 51%. To analyze sentiment data from Twitter the author used 3 classification methods and produced an accuracy value of KnN of 0.507, Random forest of 0.531 and Naïve bayes of 0.532. Based on the results of the analysis conducted by the author that the response or comments of the public to the delay / cancellation of the hajj departure was reaped a neutral response and support the government's move. Of the 3 methods used, the most superior method is the Naïve bayes method because it uses probability and statistics.
Analisis Sentimen Kepuasan Pengguna Aplikasi Whatsapp Menggunakan Algoritma Naïve Bayes Dan Support Vector Machine Acep Saepulrohman; Sudin Saepudin; Dudih Gustian
@is The Best : Accounting Information Systems and Information Technology Business Enterprise Vol 6 No 2 (2021): @is The Best : Accounting Information Systems and Information Technology Business
Publisher : Labkat Press KA FTIK UNIKOM

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (863.003 KB) | DOI: 10.34010/aisthebest.v6i2.4919

Abstract

Teknologi informasi dan komunikasi saat ini sangat berkembang pesat, salah satunya Aplikasi Chat atau pesan instan seperti WhatsApp, Line dan Telegram. Pada bulan Oktober 2020, mayoritas pengguna aplikasi pesan instan adalah pengguna aplikasi WhatsApp, dengan total 2 miliar pengguna. Sekalipun aplikasi whatsapp tersebut masuk dalam peringkat teratas dan mendapat skor tertinggi, akan tetapi hal tersebut tidak dapat dijadikan tolak ukur kepuasan karena masih terdapat pandangan yang negatif terhadap aplikasi whatsapp, sebagian pengguna menganggap bahwa whatsapp seringkali eror pada saat digunakan, kemudian masalah lain yang muncul seperti jaringan yang digunakan pengguna tidak stabil. Untuk melakukan analisis mengenai hal tersebut diperlukan pendekatan analisis sentimen guna mengkategorikan komentar pengguna menjadi positif atau negatif. Penelitian ini menggunakan algoritma Naïve Bayes dengan Support Vector Machine dalam menganalisa komentar positif dan negatif terhadap kepuasan pengguna aplikasi Whatsapp di Google Play Store. Dari hasil pengujian yang dilakukan terhadap 1500 data komentar pengguna, evaluasi model menggunakan 10 Fold Cross Validation menunjukan bahwa tingkat keakurasian untuk kepuasan pengguna aplikasi whatsapp berdasarkan algoritma Naïve Bayes adalah sebesar 70,40% dan Support Vector Machine sebesar 77,00%, sedangkan nilai AUC Naïve Bayes sebesar 0,585 dan Support Vector Machine adalah 0,876. Dari hasil tersebut algoritma Support Vector Machine dapat digunakan untuk penelitian dengan karakteristik data yang sama.
Sistem Pendukung Keputusan Dengan Simple Additive Weighting Dalam Pemilihan Calon Penerima Bantuan Rumah Tidak Layak Huni Sudin Saepudin; Dudih Gustian; Heri Firmansyah
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 10 No. 2 (2019): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (449.41 KB) | DOI: 10.31849/digitalzone.v10i2.2237

Abstract

Bantuan rumah tidak layak huni adalah salah satu program pemerintah untuk menekan angka kemiskinan di Indonesia, namun permasalahan yang ada bahwa proses yang selama ini dilakukan oleh pihak Kelurahan masih dilakukan secara subyektif dengan hanya mempertimbangkan hasil survey. Oleh karena itu, bagi pihak kelurahan diperlukan suatu sistem pendukung keputusan agar seleksi dapat dilakukan secara efisien secara sistemik. Adanya metode Multiple Attribute Decission Making, menjawab semua permasalahan tersebut. Dari beberapa metode Multiple Attribute Decission Making, Simple Addictive Weighting dipilih untuk diterapkan kedalam sistem pendukung keputusan. Sistem pendukung keputusan dibuat menggunakan metode air terjun. Tujuan penelitian ini agar pihak kelurahan dapat menyalurkan bantuannya kepada yang berhak menerimanya, sehingga dengan adanya sistem pendukung keputusan berbasis web untuk memilih penerima bantuan perumahan sesuai dan objektif. Penelitian ini memberikan hasil yang cukup akurat dimana proses penyaluran yang tepat sasaran dengan data yang diperoleh dari pihak kelurahan. Sistem yang dibuat cukup memnatu pihak kelurahan dengan nilai sekitar 73.6% yang diuji oleh 10 orang responden. Kata Kunci: Rumah Tidak Layak Huni, Multiple Attribute Decission Making, Simple Addictive Weighting, Sistem Pendukung Keputusan. Abstract The help of the home is not habitable is one of the government programs to suppress the poverty rate in Indonesia, but the problem exists that the process that was done by the village is still in subjectively Consider the survey results. Therefore, the town needs a decision support system so that the selection can be made by systemic efficiency. There is a method of Multiple Attribute Decision Making, answering all the problems. Of the multiple Attribute Decision-Making methods, Simple Addictive Weighting is chosen to be applied to the decision support system. The decision support system was made using a waterfall method. The purpose of this research is so that the village can distribute its help to the right to receive it, so it is expected by the Web-based decision support system to select the recipient of appropriate and objective housing assistance. This research provides entirely accurate results were the right distribution process targets with data obtained from the village. The system was made enough to inform the town with a value of about 73.6% tested by ten respondents. Keywords: Unqualified Houses, Multiple Attribute Decision Making, MADM, Simple Additive Weighting, Decision Support Systems.
Analisis Sentimen Dampak Covid-19 Terhadap Pembatalan Keberangkatan Ibadah Haji Pada Tahun 2020 Mila Kartika; Sudin Saepudin; Dudih Gustian
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 5, No 2 (2021): EDISI SEPTEMBER
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v5i2.392

Abstract

The government through the Ministry of Religious Affairs canceled the departure of pilgrims from Indonesia in 2020. The decision was taken, considering the Covid-19 pandemic still plagues almost all parts of the world, including Indonesia and Saudi Arabia. "Saudi Arabia has never opened access for pilgrims from any country. As a result, the government could no longer have enough time to make its main preparations in the service and protection of Jemaah. Based on this fact, the government decided not to send pilgrims in 2020. Judging from the charts and data recorded from April to December 2020 there was a sharp increase. There were 743,198 confirmed cases of infection, 109,963 cases treated, 22,138 cases died and 611,091 were declared cured. This is a consideration of the government in taking the decision to lower the letter of cancellation of hajj departure in 2020. To retrieve this sentiment data the author took the data methodology from Twitter by using the data retrieval step using orange anaconda tools with the amount of data obtained as many as 670 tweets that have 3 variables that are positive by 37%, negative 12% and neutral 51%. To analyze sentiment data from Twitter the author used 3 classification methods and produced an accuracy value of KnN of 0.507, Random forest of 0.531 and Naïve bayes of 0.532. Based on the results of the analysis conducted by the author that the response or comments of the public to the delay / cancellation of the hajj departure was reaped a neutral response and support the government's move. Of the 3 methods used, the most superior method is the Naïve bayes method because it uses probability and statistics.