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
Dias Bayu Saputra
STMIK IKMI Cirebon
Computer Science & IT

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

Found 2 Documents
Search

 1 
Klasifikasi Stok Barang Menggunakan Algoritma Naïve Bayes Pada Pt.Dharma Electrindo Manufacturing Kokom Komariyah; Rahaditya Dasuki; Dias Bayu Saputra; Saeful Anwar; Gifthera Dwilestari
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 2 (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.v4i2.117

Abstract

Prediksi di perusahaan pada umumnya masih dilakukan secara manual dan ditangani oleh seorang karyawan yang dipercaya oleh perusahaan tersebut. Karena hanya melihat perkiraan berdasarkan penjualan yang telah terjadi bulan sebelumnya tanpa mempertimbangkan tingkat persaingan pasar Salah satu alat bantu yang dapat mendukung menyelesaikan masalah tersebut adalah komputer. Dengan adanya sistem komputerisasi, maka akan dibuat program bantu prediksi penjualan dan persediaan stok barang untuk menyelesaikanmasalah yang dihadapi perusahaan.Tahapan dari proses algoritma Naive Bayes adalah: Menghitung jumlah kelas / label, Menghitung Jumlah Kasus Per Kelas, Kalikan Semua Variable Kelas, Bandingkan Hasil Per KelasBerdasarkan hasil dari pengolahan data, menjelaskan bahwa data yang diambil dari Januari sampai dengan Maret 2020 tentan distributor kabel di PT. Dharma Electrindo Manufacturing, PT. Dharma Electrindo Manufacturing, menggunakan model naïve bayes menghasilkan akurasi sebesar 56,52% bahwa nilai akurasi sebesar 78,14% dengan rincian sebagai berikut. Prediksi Over dan Ternyata True Over Sebesar 62. Prediksi Over dan Ternyata True Cukup Sebesar 0. Prediksi Cukup dan Ternyata Over Sebesar 32. Prediksi Cukup dan Ternyata True Cukup Sebesar 52. Dengan class recall layak sebesar 65,96% dan Class Recall Tidak Layak Sebesar 100%.
Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Rotan Puji Rahayu; Ika Anikah; Dias Bayu Saputra; Tri Anelia; Martanto
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 2 (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.v4i2.118

Abstract

Jumlah data yang banyak akan sulit untuk dianalisa. Analisa diperlukan untuk melihat pola penjualan produk sehingga dapat menghasilkan prediksi penjualan produk, penggalian informasi dari data yang berskala besar dapat dilakukan dengan teknik data mining, metode yang digunakan adalah clustering yang bisa dijadikan sebagai dasar pengambilan keputusan dalam memprediksi, Berdasarkan hasil pengujian di bagi menjadi 3 (Tiga) Kelompok Yaitu Tidak Laku, Sedang Laku dan Laris. Hasil uji kluster yaitu hasil cluster 0 mendapatkan nilai sebesar 4636996106454.166. Hasil cluster 1 mendapatkan nilai sebesar 1088684561455.892. Hasil cluster 2 mendapatkan nilai sebesar 4624429728751.111. Kelompok Tidak Laku memiliki 6 data, Sedang Laku memiliki 114 Data dan Laris Memiliki 9 Data.
Co-Authors Gifthera Dwilestari Ika Anikah Kokom Komariyah Martanto . Puji Rahayu Rahaditya Dasuki Saeful Anwar Tri Anelia