Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Faktor Exacta Petir
Hanny Hikmayanti H
Universitas Buana Perjuangan Karawang
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Metode Machine Learning untuk Prediksi Nasabah Potensial menggunakan Algoritma Klasifikasi Naïve Bayes Devi Fitrianah; Saruni Dwiasnati; Hanny Hikmayanti H; Kiki Ahmad Baihaqi
Faktor Exacta Vol 14, No 2 (2021)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v14i2.9297

Abstract

Customers are people who trust the management of their money in a bank or other financial service party to be used in banking business operations, thereby expecting a return in the form of money for their savings. To reach information to increase company profits, a method is needed to be able to provide knowledge in supporting the data that the company has. The model can be obtained by using predictive data processing of customer data that is categorized as potential or not potential. Data processing can be done using Machine Learning, namely classification techniques. This technique will produce a churn prediction model for determining the category of customers who fall into the Potential or Not Potential category and find out what accuracy value will be generated by applying the classification technique using the Naïve Bayes Algorithm. The parameters used in this study are Gender, Age, Marital Status, Dependent, Occupation, Region, Information. The data used are 150 data from customers who have participated in the savings program to find out whether the customer is in the Potential or Non-Potential category. The accuracy results generated using this data are 86.17% of the tools used by Rapidminner.
Implementasi Algoritma Neural Network untuk Mendukung Keputusan di Desa Tamanmekar Amril Mutoi Siregar; Hanny Hikmayanti H
PETIR Vol 13 No 1 (2020): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (579.527 KB) | DOI: 10.33322/petir.v13i1.768

Abstract

Tingkat kesejahteraan masyarakat pedesaan yang terutama jauh dari perkotaan, masih banyak ditemukan dibawah garis kemiskinan. Mengingat akar permasalahannya adalah hampir semua desa tidak mempunyai data yang benar, akurat dan tepat tentang kondisi permasalahan dan potensi desa yang dimiliki. Padahal pemerintah pusat menyalurkan anggaran tiap tahun untuk setiap desa, hampir mencapai 1 milyar pertahun. Dengan tidak memiliki data yang akurat dan benar, sehingga pembangunan tidak tepat sasaran termasuk penyaluran beras rakyat miskin (Raskin), Bantuan langsung tunai (BLT). Masih ditemukan penyaluran yang tidak tepat sasaran, sesuai dengan yang rencanakan oleh pemerintah. Dengan penelitian ini diharapkan salah cara untuk menganalisa data penduduk, baik permasalahan dan potensi yang dimiliki. Sehingga penyaluran bantuan lainya tepat sasaran. Metode pengolahan data, untuk diimplementasikan agar desa memiliki data yang benar dan akurat. Untuk seleksi fitur dalam penelitian ini menggunakan algoritma Neural Network (Jaringan syaraf tiruan), hasil accuracy algoritma penelitian ini adalah 94.96 %. Sehingga dapat digunakan sebagai referensi untuk mengolah data untuk Bantuan dari pemerintah.
Co-Authors Baihaqi, Kiki Ahmad Devi Fitrianah Saruni Dwiasnati Siregar, Amril Mutoi