Article Per Year (5 Year)
p-Index From 2019 - 2024
0.882
P-Index
This Author published in this journals
All Journal KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer MEANS (Media Informasi Analisa dan Sistem)
Abdul Ajiz
STMIK IKMI Cirebon
Computer Science & IT

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
RANCANG BANGUN APLIKASI PENGAJUAN PEMBUATAN KTP ONLINE BERBASIS WEB DI KELURAHAN ARGASUNYA KOTA CIREBON Junaedi Surya Kencana; Gifthera Dwilestari; Raditya Danar Dana; Abdul Ajiz; Kaslani
MEANS (Media Informasi Analisa dan Sistem) Volume 7 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (722.038 KB) | DOI: 10.54367/means.v7i1.1825

Abstract

Argasunya village is an institution responsible for the management of community data in a government environment. The need for public service will involve the state as a public service provider and individual citizens as recipients. But there is no application about the design of the application for the creation of E-KTP online, for that the author tried to make the Final Task regarding the Application for Submission of E-KTP Online which until now has not existed in Argasunya Village. In the process of collecting data with the aim to solve the problem, the author uses methods with data collection techniques, namely by observation and interview. And to design the application, the author used prototype development methods. In order to solve the problem, an application was made to make E-KTP Online. The final result obtained in this study is an application that can make it easier for people to create E-KTP. With some of the advantages that this application has, the application for the creation of E-KTP Online should be able to further alleviate the tasks given to the village. It is expected that this application will always be well controlled in terms of accuracy and data validation can be accounted for so that the information generated will be even better.
Clustering Data Persediaan Barang Dengan Menggunakan Metode K-Means Dadan Ramdhan; Gifthera Dwilestari; Raditya Danar Dana; Abdul Ajiz; Kaslani
MEANS (Media Informasi Analisa dan Sistem) Volume 7 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1056.632 KB) | DOI: 10.54367/means.v7i1.1826

Abstract

UD. Anugerah Sukses Mandiri merupakan perusahaan yang bergerak dibidang distribusi food dan non food. Transaksi barang yang berjalan terus meningkat, sehingga perusahaan mengalami permasalahan dalam menentukan jumlah persediaan barang, dikarenakan jumlah permintaan barang yang dibutuhkan selalu berubah setiap waktu. Persediaan barang merupakan suatu aktivitas lancar yang meliputi barang-barang milik perusahaan dengan maksud dijual kembali pada suatu periode usaha normal. Data mining merupakan proses yang menggunakan teknik statistik, matematika, kecerdasan buatan dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang terkait dari berbagai warehouse. Tujuan penelitian ini dengan memanfaatkan data mining yaitu untuk melakukan pengelompokan barang dan meningkatkan akurasi klasterisasi data persediaan barang dengan menggunakan metode K-Means Clustering. Dengan metode K-Means ini dapat mempartisi data ke dalam kelompok sehingga data berkarakteristik sama akan dimasukan ke dalam satu kelompok yang sama dan data yang berkarakteristik berbeda dikelompokan kedalam kelompok yang lain, karena metode ini menggunakan centroid (rata-rata) sebagai model dari cluster. Hasil penelitian yang didapat berupa pengelompokan data menjadi 2 kluster yaitu data dengan kluster terendah/sedikit dan kluster tertinggi/terbanyak. Sehingga mendapatkan kesimpulan bahwa clustering persediaan barang dengan menggunakan metode K-Means ini cukup baik dari sisi nilai average within distance dan kompleksitas waktu. Keyword : Data Mining, K-Means Clustering, Persediaan barang
Perbandingan Kinerja Algoritma Naïve Bayes Dan C.45 Dalam Klasifikasi Spam Email Sulaeman; Nana Suarna; Abdul Ajiz; Agus Bahtiar; Fathurrohman
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 6 No. 1 (2022): KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v6i1.130

Abstract

Antispam dengan algoritma tertentu yang dapat memisahkan antara spam-mail dengan non spam mail. Perbandingan kinerja antara algoritma naïve bayes, dan decision tree yang memakai algoritma C4.5 membuktikan bahwa decision tree dengan algoritma C4.5 lebih efisien dan paling sederhana jika dibandingkan dengan algoritma yang lain. Dengan kesederhanaannya, algoritma C4.5 memberikan hasil yang lebih baik untuk klasifikasi spam-mail. Algoritma Naïve Bayes dan C4.5 mempunyai kinerja yang baik dalam mengidentifikasi apakah suatu email adalah spam atau non-spam. Namun, belum diketahui algoritma mana diantara keduanya yang lebih unggul kinerjanya. Oleh karena itu kedua algoritma ini perlu dibandingkan Berdasarkan hasil akurasi algoritma Naïve Bayes menghasilkan akurasi sebesar 96,70% dengan rincian yaitu Prediksi Ham dan true Ham sebanyak 3385 Data, Prediksi Ham dan true Spam sebanyak 165 Data, Prediksi Spam dan true Ham sebanyak 0 Data, Prediksi Spam dan true Spam sebanyak 1448 Data. Berdasarkan hasil akurasi algoritma C.45 menghasilkan akurasi sebesar 96,68% dengan rincian yaitu Prediksi Ham dan true Ham sebanyak 3385 Data, Prediksi Ham dan true Spam sebanyak 166 Data, Prediksi Spam dan true Ham sebanyak 0 Data Prediksi Spam dan true Spam sebanyak 1447 Data. Berdasarkan hasil uji komparasi diperoleh hasil algoritma terbaik dengan mengukur tingkat hasil akurasi sehingga dapat diperoleh algoritma C.45 memiliki nilai sebesar 96.68% Kemudian pada penerapan model algoritma naïve bayes menjelaskan bahwa tingkat hasil akurasi dapat diperoleh dari algoritma naïve bayes dengan nilai sebesar 96.79%. bisa di artikan bahwa algoritma naïve bayes data dikategorikan sebagai pedoman pengambilan keputusan
Pengelompokan Nasabah Surety Bond menggunakan Algoritma K-Means Delisah; Nining Rahaningsih; Fadhil Muhammad Basysyar; Kaslani; Abdul Ajiz
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 5 No. 1 (2021): KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v5i1.145

Abstract

Surety Bond merupakan salah satu produk asuransi di PT. Jasaraharja Putera Kantor Pemasaran Cirebon, Surety Bond merupakan suatu perjanjian tertulis (perjanjian tambahan) antara Surety dan Principal untuk menjamin kepentingan Piha k ke III (obligee) bahwa Principal akan memenuhi kewajiban sesuai dengan perjanjian (perjanjian pokok) yang dibuat antara Principal dan Obligee. Asuransi merupakan proteksi atau perlindungan dari resiko kerugian dengan cara mengalihkan resiko pada pihak lain. Perusahaan asuransi memiliki banyak data dan catatan yang dapat digunakan untuk memperoleh informasi. Informasi yang diperoleh digunakan untuk pengembangan target dengan tujuan memperoleh pendapatan bagi perusahaan. Untuk itu diperlukan teknik pengelompokan produk-produk asuransi agar memudahkan perusahaan mengolah data dengan metode K-Means, penerapan metode K-Means dengan teknik clustering untuk data mining menghasilkan informasi produk asuransi. Tujuan penelitian ini untuk memudahkan pihak perusahaan asuransi dalam pengelompokan data acak nasabah surety bond dengan cara yang lebih efektif dan efesien. Metode K-Means pada penelitian ini menggunakan 150 data mengahasilkan 5 cluster dengan Nilai K optimal 5 dengan AVG -2.321 dan nilai DBI -2.383. Cluster 0 (MB) 27 data, cluster 1 (MB) 40 data, cluster 2 (MB) 59 data, cluster 3 (PB) 9 data, dan cluster 4 (BB) 15 data.
Penerapan Algoritma Decision Tree Dalam Penentuan Karyawan Kontrak Aziz Alibasyah; Abdul Ajiz; Gifthera Dwilestari; Kaslani; Edi Wahyudin
MEANS (Media Informasi Analisa dan Sistem) Volume 7 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (736.756 KB) | DOI: 10.54367/means.v7i1.1844

Abstract

The problem that arises at this time is a complicated evaluation (assessment) process, meaning that what often happens now is that contract employees who get promoted to permanent employees are only seen on one criterion, but the employee is not necessarily superior on several other criteria. but still get promotions for permanent employees. And there are several problems that exist today, namely the process of evaluating contract employees which is still subjective. Data mining using the decision tree method is widely used to deal with problems with large amounts of data. This decision tree method is a classification method that is widely used because its construction is relatively fast, the results of the model built are easy to understand and the prediction results are very strong so that they can assist in decision making. This study uses 4 criteria, namely Achievement, Ability, Personality and Results. Prediction results accuracy obtained is 91.54% with the following details. Prediction results are accepted and it turns out to be true, 72 data are accepted. Prediction Result Accepted and it turns out True Not Accepted for 14 Data. Prediction Results Not Accepted and it turns out True Accepted 1 Data. Prediction Results Not Accepted and in fact True Not Accepted Amounting to 91 Data.
Co-Authors Aziz Alibasyah Basysyar, Fadhil Muhammad Dadan Ramdhan Delisah Edi Wahyudin Fathurrohman Gifthera Dwilestari Junaedi Surya Kencana Kaslani Nana Suarna Nining Rahaningsih Raditya Danar Dana Sulaeman