Article Per Year (5 Year)
p-Index From 2019 - 2024
1.048
P-Index
This Author published in this journals
All Journal Jurnal Janitra Informatika dan Sistem Informasi Jurnal Teknologi Ilmu Komputer
Nana Suarna
Teknik Informatika, STMIK IKMI Cirebon
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Teknologi Ilmu Komputer

 1 
Analisa Penerapan Metode Clustering X-Means Dalam Pengelompokan Penjualan Barang M.Rizqi Sulistio; Nana Suarna; Odi Nurdiawan
Jurnal Teknologi Ilmu Komputer Vol. 1 No. 2: Juni 2023
Publisher : PT. Bangun Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (404.438 KB) | DOI: 10.56854/jtik.v1i2.49

Abstract

Banyak perusahaan menjual berbagai macam produk mulai dari accessories, fassion, sepatu, kebutuhan keluarga dan produk lainnya yang dijual belikan. Produk terdapat antara produk yang laku dengan produk yang tidak laku. Permasalahannya adalah Belum mengetahui bagaimana cara menganalisa paremeter pengelompokan data penjualan menggunakan algoritma x-means serta belum bisa menginterpretasikan pengelompokan penjualan produk menggunakan algoritma x-means clustering. Tujuan penelitian ini adalah untuk memperoleh pengetahuan tingkat penjualan produk pada sebuah perusahaan untuk memberikan rekomendasi pada pemilik perusahaan tentang produk mana yang prioritas diberi perhatian demi kemajuan perusahaan tersebut. Metode yang digunakan dalam penelitan ini yaitu algoritma clustering x-means. Dari penelitian yang sudah dilakukan telah didapatkan hasil dari metode Clustering algoritma X-Means yang menunjukkan bahwa dari dataset 333 jenis data penjualan dan transaksi pada tahun 2019. Penelitian ini menghasilkan eksperimen terhadap dataset yang diperoleh hasil sebagai berikut. Nilai k, akan optimal pada k = 2. Penggunaan operator Normalize perpengaruh terhadap index Davies Bouldin. Untuk dataset ini didapat bahwa tanpa menggunakan operator Normalize menghasilkan nilai index davies bouldin yang lebih baik yaitu 0,574.
Analisa Klasifikasi Data Harga Handphone Menggunakan Algoritma Random Forest Dengan Optimize Parameter Grid Aditya Arisusanto; Nana Suarna; Gifthera Dwilestari
Jurnal Teknologi Ilmu Komputer Vol. 1 No. 2: Juni 2023
Publisher : PT. Bangun Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (300.456 KB) | DOI: 10.56854/jtik.v1i2.51

Abstract

Perkembangan teknologi dan komunikasi dari waktu ke waktu dirasakan semakin meningkat pesat, yang mendorong penggunaan dan pemanfaatan perkembangan teknologi di berbagai bidang dan aspek kehidupan, contohnya seperti penggunaan smartphone. Klasifikasi handphone yang yang dilakukan yaitu dengan menggunakan metode random fores dengan optimize. Parameter grid. Masalah Belum mengetahui berapa nilai akurasi terhadap klasifikasi data harga handphone menggunakan Algoritma Random Forest dengan Optimize Parameter Grid, Belum mengetahui pengaruh nilai parameter maximal_depth dan jenis parameter criterion gain_ratio, accuracy dan gini_index pada klasifikasi data harga handphone menggunakan Algoritma Random Forest dengan Optimize Parameter Grid. Tujuan Ingin mengetahui berapa nilai akurasi terhadap klasifikasi data harga handphone menggunakan Algoritma Random Forest dengan Optimize Parameter Grid. Ingin mengetahui pengaruh nilai parameter maximal_depth dan jenis parameter criterion gain_ratio, accuracy dan gini_index pada klasifikasi data harga handphone menggunakan Algoritma Random Forest dengan Optimize Parameter Grid. Metode klasifikasi yang akan diterapkan adalah metode Random forets dengan Optimize Parameter Grid. Hasilnya penelitian ini yaitu Dapat mengetahui berapa nilai akurasi terhadap klasifikasi data harga handphone menggunakan Algoritma Random Forest dengan Optimize Parameter Grid dan Dapat mengetahui pengaruh nilai parameter maximal_depth dan jenis parameter criterion gain_ratio, accuracy dan gini_index pada klasifikasi data harga handphone menggunakan Algoritma Random Forest dengan Optimize Parameter Grid Dengan nilai accuracy tertinggi sebesar 88,50%,
Co-Authors Ade Irma Purnamasari Adi Zulkarnaen Saputra Aditya Arisusanto Anita Yuliyanti Asep Wahyu Illahi Ghina Fitria Rohendi Gifthera Dwi Lestari Gifthera Dwi Lestari Gifthera Dwilestari M.Rizqi Sulistio Nining Rahaningsih Odi Nurdiawan