Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer
Riko Saputra
STMIK IKMI Cirebon
Computer Science & IT

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

Found 2 Documents
Search

 1 
Implementasi Algoritma Naïve Bayes Untuk Prediksi Persediaan Barang Rotan Yuniar Niar; Kokom Komariah; Agus Surip; Riko Saputra; Irfan Ali
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 1 (2020): 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.v4i1.112

Abstract

Pada era pandemi Covid 19 produksi barang selalu dijaga sesuai dengan kebutuhan dan melihat pada stok rotan. Stok rotan saat ini sedikit terhambat karena terdapat beberapa kebijakan yang dinilai dapat mempengaruhi produksi yaitu Penyekatan antar wilayah. Penelitian ini menitik beratkan pada prediksi penentuan stok rotan agar produksi tetap jalan, bahan baku selalu tersedia. Analisa prediksi stok disesuaikan dari data transaksi penjualan, dari data transakasi penjualan dilakukan analisa menggunakan algoritma naïve bayes. Penitian ini menggunakan data produksi pada tahun 2020 pada CV Jaka Depok Cirebon. Prediksi ini menggunakan aplikasi Rapidminer Versi 9.9 dengan Operator, Retrive, Cross Validation, Naïve Bayes, Apply Model dan Performance. Hasil Akurasi pada penlitian ini menunjukan 91.43 % dengan rincian Hasil Prediksi Jarang dan True Jarang memiliki data sebanyak 181 Data. Hasil Prediksi Jarang dan True Sering memiliki data sebanyak 9 Data. Hasil Prediksi Sering dan True Jarang memiliki data sebanyak 23 Data. Hasil Prediksi Sering dan True Sering memiliki data sebanyak 160 Data. Terdapat 183 Barang yang menjadi Prioritas untuk diperbanyak produksinya.
Implementasi Algoritma K-Nearest Neighbor Dalam Menentukan Penerima Bantuan Langsung Tunai Anwar Pauji; Siti Aisyah; Agus Surip; Riko Saputra; Irfan Ali
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 1 (2020): 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.v4i1.114

Abstract

Proses penentuan data dan pemberian bantuan terhadap penerima manfaat sudah dilaksanakan sebelumnya, Namun bantuan yang di terima ada yang tidak sesuai dengan yang diharapkan, hal tersebut disebabkan salah satunya karena penetapan status keluarga miskin selaku penerima bantuan belum maksimal sehingga dalam membagikan bantuan masih belum akurat. Maka dari itu penelitian ini mencoba untuk mengklasifikasi penerima manfaat menggunakan metode K-Nearest Neighbor sehingga penerima bantuan benar-benar tepat sasaran. Kriteria yang digunakan pada penelitian ini yaitu Kondisi Rumah, Pekerjaan, Penghasilan dan Jumlah tanggungan. aplikasi yang digunakan yaitu rapidminer versi 9.10 dengan operator retrive, Cross Validation, Algoritma K-NN, Apply Model dan Performance. Nilai akurasi sebesar 68,82 % dengan rincian sebagai berikut. Prediksi Layak dan Ternyata True Layak Sebesar 104. Prediksi Layak dan Ternyata True Tidak Layak Sebesar 37. Prediksi Tidak Layak dan Ternyata True Layak Sebesar 16. Prediksi Tidak Layak dan Ternyata True Tidak Layak Sebesar 13. Dengan class recall layak sebesar 86,67% dan Class Recall Tidak Layak Sebesar 26%.
Co-Authors Agus Surip Anwar Pauji Irfan Ali Kokom Komariah Siti Aisyah Yuniar Niar