Article Per Year (5 Year)
p-Index From 2019 - 2024
1.452
P-Index
This Author published in this journals
All Journal CogITo Smart Journal IT (INFORMATIC TECHNIQUE) JOURNAL INFOSYS (INFORMATION SYSTEM) JOURNAL Information System and Data Science
Dahri Yani Hakim Tanjung
Universitas Potensi Utama
Aerospace Engineering Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering

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

Found 7 Documents
Search

 1 
Optimalisasi Algoritma C4.5 untuk Prediksi Kerusakan Mesin ATM Dahri Yani Hakim Tanjung
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 6, No 1 (2021): InfoSys Agustus 2021
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.6.1.2021.12-21

Abstract

Penelitian ini bertujuan untuk memberikan evaluasi terhadap data kerusakan pada mesin ATM menggunakan data mining. Data mining dengan algoritma C4.5 digunakan untuk memprediksi kerusakan mesin ATM yang diharapkan dapat membantu para teknisi dalam mengambil keputusan untuk melakukan perbaikan. Hasil penelitian ini diharapkan dapat membantu unit pengelola ATM dalam mengoptimalkan dan memonitoring mesin ATM, sehingga dapat memberikan pelayanan yang optimal kepada nasabah. Algortima C4.5 merupakan algoritma yang mampu dalam membatu membentuk pohon keputusan, dimana pohon keputusan yang dihasilkan akan membentuk sebuah pengetahuan baru. Berdasarkan hasil pengujian pada pohon keputusan diperoleh kesesuaian data terhadap data kerusakan mesin ATM. Hasil penerapan metode C4.5 terhadap prediksi kerusakan mesin Hasil dari algoritma C4.5 berupa pohon keputusan yang memiliki aturan yang dijadikan sebagai pengetahuan dan informasi yang lebih mudah untuk dipahami
Sistem Pendukung Keputusan Dalam Memilih Kulit Ular yang Layak dijadikan Kerajinan Kulit Ria Eka Sari; Dahri Yani Hakim Tanjung
CogITo Smart Journal Vol 6, No 1 (2020): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (962.768 KB) | DOI: 10.31154/cogito.v6i1.200.12-24

Abstract

Kerajinan kulit adalah kerajinan yang menggunakan kulit hewan sebagai bahan baku utama dalam menghasilkan sebuah karya seni. Kerajinan kulit juga mempunyai nilai jual yang tinggi yang dapat meningkatkan perekonomian pengrajin itu sendiri. Kulit yang digunakan pada penelitian ini adalah kulit ular. Kulit Ular merupakan bahan baku utama dalam pembuatan kerajinan, tetapi dalam pengolahan kulit ular tidak banyak orang yang paham dalam memilih kulit ular layak untuk dijadikan produk kerajinan kulit. Dikarenakan minimnya pengetahuan pengrajin dalam memilih kulit yang layak sehingga menyulitkan dalam menentukan keputusan pemilihan kulit yang akan dibuat menjadi bahan baku produk seperti kerajinan kulit yang layak, maka dari permasalahan tersebut diperlukan perhitungan yang sistematis dan akurat untuk membantu para pengrajin/pengambil keputusan dalam mengambil keputusan yang tepat. Berdasarkan permasalahan yang ada penggunaan Sistem Pendukung Keputusan dengan metode Analytical Hierarchy Proces sebagai solusi dalam memilih kulit ular yang layak. Dalam menentukan kulit ular yang layak terdapat pengembangan kriteria, terdapat empat kriteria yaitu kriteria Ukuran kulit, Fisik kulit, Warna Kulit, Corak Kulit dan ada empat Alternatives jenis kulit ular yaitu : Python, Sunbeam, Radiataa dan Magroves. Setelah mendapatkan data Criteria dan Alternatives. Penelitian ini nantinya akan memberikan keputusan kulit mana yang layak untuk dijadikan kerajinan kulit.  Kata kunci — SPK, AHP, Pemilihan, Kulit Ular, Kerajinan, Kulit
ANALISIS SENTIMENT DATA TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES TERHADAP PEMBERITAAN PERKEMBANGAN PANDEMIK CORONA Dahri Yani Hakim Tanjung; Silvia Lestari
IT (INFORMATIC TECHNIQUE) JOURNAL Vol 9, No 2 (2021): IT JOURNAL OKTOBER 2021
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/it.9.2.2021.111-120

Abstract

Twitter merupakan salah satu media sosial yang sangat banyak digunakan untuk memberikan kritik akan sebuah pemberitaan atau masalah pribadi mereka.pada saat ini sedang banyak pembicaraan mengenai perkembangan virus corona di indonesia maupun di dunia, banyak media dunia yang memberikan pemberitaan melalui twitter dan ada pula para penggunaan yang memeberikan tanggapan terhadap pemberitaan tersebut. Maka dari itu pada penelitian ini dilakukannya analisis terhadap tweet atau tanggapan para pengguna twitter terhadap perkembangan atau isu pandemik korea. Penelitian ini dilkukan dengan cara memisahkan sentiment atau tanggapan yang negatif dan positf menggunakan algoritma naive bayes, dan Support Vector Machine ( SVM ). Hasil pengujian yang dilakukan dapat menunjukkan bahwa tingkat akurasi dengan term frequency memberikan hasil hasil akurasi yang lebih baik daripada akurasi dengan fitur TF-IDF. Metode Support Vector Machine menghasilkan akurasi yang lebih baik daripada metode Naive Bayes baik dalam klasifikasi sentimen maupun dalam klasifikasi kategori. Namun demikian, secara keseluruhan penggunaan metode Support Vector Machine dan Naive Bayes sama-sama memiliki performansi yang cukup baik untuk melakukan klasifikasi tweet.
Penerapan Metode Additive Ratio Assessment (ARAS) dalam Menentukan Hasil Sarang Wallet Yang Baik Khairul Ummi; Dahri Yani Hakim Tanjung; Sri Rezeki Batlia
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 7, No 1 (2022): InfoSys Agustus 2022
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.7.1.2022.01-11

Abstract

Pemilihan hasil sarang wallet terbaik merupakan kegiatan untuk memilih hasil sarang yang sudah difilter dibagian pemilihan. Dimana kegiatannya dilakukan dengan cara manual memisahkan mana wallet yang berkualitas bagus dan yang tidak bagus sehingga sering terjadi kurang konsisten dalam menghasilkan wallet yang baik dengan maksimal. Dalam penelitian ini, akan dilakukan pembobotan kriteria mana yang lebih penting dari kriteria lainnya dan perangkingan hasil wallet terbaik dengan metode Additive Ratio Assessment (ARAS) dimana kriteria nya berdasarkan ukuran, bentuk, berat, aroma dan warna. ARAS merupakan metode yang digunakan untuk perangkingan. Dengan metode perangkingan tersebut diharapkan dalam penerapan penilaian wallet terbaik tersebut akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan, sehingga akan mendapatkan hasil yang berkualita yang lebih maksimal. Hasil akhir dari metode ARAS dihasilkan wallet mana yang terbaik dengan ketepatan 90% sesuai perbandingan dari kreteria yang sudah dihitung
Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Data Pengisian ATM Dahri Yani Hakim Tanjung; Khairul Ummi
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 7, No 1 (2022): InfoSys Agustus 2022
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.7.1.2022.12-24

Abstract

Uang merupakan alat pembayaran yang sah untuk memenuhi kebutuhan ekonomi manusia, seiring dengan perkembangan jaman dan teknologi muncul transaksi non tunai dalam sistem pembayaran. Hal tersebut mendorong pihak perbankan menyediakan jasa penyedia uang dalam bentuk electronic delivery channels berupa ATM. Fungsi ATM sendiri memberi kemudahan kepada konsumen dalam bertransaksi baik tunai maupun non tunai. Data pengisian ATM dari berbagai Bank yang transaksi perhari cukup banyak dapat diolah dengan menggunakan data mining. Data mining mampu mengolah data dengan jumlah yang sangat banyak salah satunya menggunakan fungsi klasifikasi sehingga menghasilkan pengetahuan baru. Data mining dengan fungsi klasifikasi diharapkan mampu dalam pengolahan data  sehingga dapat memonitoring terhadap data pengisian ATM. Penerapan metode Naïve bayes digunakan untuk klasifikasi status pengisian ATM yaitu Isi atau Tidak Isi, dimana proses pengujiannya menggunakan bantuan tools Rapid Miner yang bertujuan untuk mengukur tingkat akurasi dari metode Naïve Bayes yang digunakan. Dataset pengisian Mesin ATM yang digunakan dalam penelitian ini yaitu 55 record dengan 6 attribut berupa persentase CIB, Lokasi, Status ATM, Restock, CashOut dan EndCash. Dari penelitian ini, Algoritma Naïve Bayes mampu dalam menganalisa terhadap data pengisian ATM dengan berhasil mengklasifikan 50 data dari 55 data yang diuji dengan nilai probabilitas sebesar 0,004 untuk klasifikasi Isi dan persentase keakuratan sebesar 90,91%, untuk class precision Isi yaitu 94,74%  untuk precision tidak isi 88,89%, sedangkan untuk class recall Isi yaitu 81,82% dan class recall tidak isi 96,97%. . Hasil tersebut, membuktikan bahwa metode Naïve Bayes dapat digunakan untuk membantu dalam prediksi pengisian ATM,  karena menghasilkan tingkat keakuratan yang cukup tinggi.
Perancangan Sistem Pendukung Keputusan Gaun Terlaris Menggunakan Metode Weighted Product Jodhy Arisandy; Dahri Yani Hakim Tanjung
Information System and Data Science (InSeDS) Vol. 2 No. 2 (2024): Mei: Information System and Data Science
Publisher : Research Institute of Science, Technology and Art (RISTecArt)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan dalam bidang fashion, cukup pesat seiring banyaknya bermunculan usaha fashion yang menawarkan berbagai jenis gaun kepada kosumen. Dengan persaingan yang begitu sengit maka para wirausaha mencoba menggunakan strategi pemasaran untuk mencapai sasaran dunia pasar. Mengingat dalam perilaku pelanggan yang selalu menginginkan hasil maksimal maka para wirausaha harus berusaha keras dalam memenuhi kebutuhan dan keinginan pelanggan. Aloina Gown sebagai toko yang mempunyai segmen pasar busana pernikahan, mulai dari gaun wedding, gaun prewedding, gaun anak dan jas dewasa serta aksesoris telah menyediakan busana pernikahan yang sesuai dengan model masa kini. Sistem penjualan, Aloina Gown sampai saat ini masih menggunakan sistem manual dimana pelanggan harus datang ke toko untuk meilhat produk yang dijual dan melakukan transaksi di tempat. Kegiatan tersebut akan memakan waktu dan biaya bagi pelanggan yang dari luar kota. dikarenakan pihak Aloina Gown hanya melihat produk yang terjual serta belum adanya sistem yang menetukan profuk gauh terlaris.dengan metode ini menghasilkan 5 busana yang paling terlaris.
Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Data Penerimaan Pegawai Outsourcing Dahri Yani Hakim Tanjung
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 8, No 1 (2023): InfoSys Agustus 2023
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.8.1.2023.71-83

Abstract

Mempekerjakan karyawan dalam ikatan kerja outsoucing nampaknya sedang menjadi trend saat ini, Banyak perusahaan outsourcing yakni perusahaan yang bergerak di bidang penyedia tenaga kerja aktif menawarkan jasa tenaga kerja dengan kata lain perusahaan membuat sebuah persetujuan dengan perusahaan lain untuk melakukan beberapa pekerjaan. Penelitian terdahulu mengatakan outsourcing adalah kegiatan memindahkan beberapa aktivitas di perusahaan kepada pihak lain, termasuk dalam hal pengambilan keputusan yang telah diatur dengan perjanjian kontrak. Penelitian ini bertujuan untuk memberikan evaluasi terhadap data penerimaan pegawai outsourcing dengan metode klasifikasi dari data mining. Data mining dengan metode klasifikasi diharapkan mampu dalam pengolahan data  sehingga dapat memberikan kemudahan dalam menganalisa penerimaan karyawan outsourcing. Metode klasifikasi data mining yang digunakan adalah Naïve Bayes dimana proses pengujiannya menggunakan bantuan tools Rapid Miner yang bertujuan untuk mengukur akurasi dari metode yang digunakan. Dataset yang digunakan dalam penelitian ini yaitu 55 record dengan 4 attribut berupa atribut Usia, wawancara, pengalaman dan akademis. Dimana dari hasil perhitungan terhadap data uji menggunakan algoritma naïve bayes menghasilkan nilai probabilitas sebesar 0,83 untuk klasifikasi Tidak Layak dan dilakukan pengujian dengan tools rapidminer menghasilkan nilai akurasi sebesar 98,18% berada pada class tidak layak, Sedangkan untuk nilai AUC (Area Under Curve) adalah 0.875 yang berada pada class tidak layak, dimana jika nilai AUC mendekati angka 1 maka tingkat akurasi semakin bagus. Hasil tersebut, membuktikan bahwa metode Naïve Bayes dapat digunakan untuk membantu dalam prediksi penerimaan pegawai outsourcing  dengan nilai probabilitas dan akurasi yang tinggi dengan keputusan yang dihasilkan adalah tidak layak.
Co-Authors Jodhy Arisandy Khairul Ummi Ria Eka Sari Silvia Lestari Sri Rezeki Batlia