Garuda - Garba Rujukan Digital

PKM Pelatihan Pemasaran Dan Akuntansi Sederhana Bagi Pelaku UMKM Kecamatan Tarikolot Rahaningsih, Nining; Rizki Rinaldi, Ade; Nurhakim, Bani; Rizki Fauzi, Ahmad; Zidan Soleh, Kautsar
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 5 : Juni (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar

The Tarikolot Subdistrict holds significant economic potential through micro, small, and medium enterprises (MSMEs). However, many MSME operators face challenges in managing simple marketing and accounting, which hinders their business growth. This issue arises from a lack of knowledge and skills in these areas. This Community Service Program (PKM) aims to enhance MSME operators' abilities to independently manage their marketing and accounting tasks. The methods employed include face-to-face training, group discussions, and intensive mentoring over a three-month period. The outcomes of this program are expected to improve participants' understanding of effective marketing strategies and the application of simple accounting in their business operations. The training will also enable participants to implement the acquired knowledge in their daily practices to boost efficiency and profitability.

PENERAPAN METODE K-NEAREST NEIGHBOR UNTUK PREDIKSI PENJUALAN SEPEDA MOTOR TERLARIS Rismala, Rismala; Ali, Irfan; Rizki Rinaldi, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6419

Penggunaan sepeda motor di Indonesia setiap tahunnya selalu meningkat Seiring dengan meningkatnya jumlah kebutuhkan akan alat transportasi banyak produsen sepeda motor yang mengeluarkan produk dengan bermacam-macam merek dan desain untuk memenuhi permintaan konsumen. Suatu strategi untuk meningkatkan penjualan produk yang akan dijual sangat dibutuhkan pengembang karena tingkat persaingan di dunia bisnis, terutama di insustri penjualan, salah satunya dengan memanfaatkan data penjualan setiap harinya. Guna mengetahui produk mana yang paling banyak di jual (laris) dan produk mana yang kurang dalam penjualannya (tidak laris). Penelitian ini melakukan proses data mining pada data penjualan dari PT. Sumber Rejeki Jabar dari bulan januari – desember tahun 2022. Hasil nilai akurasi terhadap data penjualan sepeda motor dari bulan Januari - Desember tahun 2022 di PT. Sumber Rejeki Jabar dengan nilai K sebesar 5 yaitu sebesar 96,15%.

PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS DALAM PENGELOMPOKAN KABUPATEN DAN KOTA BERDASARKAN TANAMAN BIOFARMAKA Miftahul Anwar, Arif; Rizki Rinaldi, Ade; Mulyawan, Mulyawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8188

Tumbuhan biofarmaka dikenal juga dengan tumbuhan obat yang mempunyai keunggulan penting dalam pengembangan industri farmasi, dan produk kesehatan yang diperoleh dari berbagai bagian tumbuhan seperti daun, batang, buah, dan akar. Salah satu strategi untuk meningkatkan dan mempertahankan produktivitas tanaman biofarmaka dengan membagi sektor tanaman menjadi beberapa kelompok berdasarkan kesamaan karakteristik. Salah satu pendekatan untuk mensegmentasi area ini dengan menggunakan analisis cluster. Tujuan dari penelitian ini adalah untuk mengetahui hasil cluster yang terbentuk dan penggunaan algoritma K-Means dan K-Medoids untuk mengelompokkan kabupaten/kota berdasarkan variabel biomedis tanaman. Dari hasil analisis cluster menggunakan K-Means menghasilkan 24 kabupaten/kota pada cluster 1.1 kabupaten pada cluster 2.1 kabupaten pada cluster 3, dan 1 kabupaten pada cluster 4. Sedangkan dengan menggunakan K-Medoids, cluster 1 menghasilkan 2 kabupaten, cluster 2 menghasilkan 1 kabupaten, cluster 3 menghasilkan 1 kabupaten dan cluster 4 memiliki 23 kabupaten/kota. Dari hasil pengelompokan kedua metode tersebut, ditentukan metode terbaik melalui perbandingan menggunakan cluster variance dalam pengelompokan produksi tanaman biofarmaka. Mencapai nilai DBI. 0.087 untuk algoritma K-Means dan 0.428 untuk algoritma K-Medoids. Hal ini menunjukkan bahwa pada pengujian DBI algoritma K-Means lebih baik dibandingkan algoritma K-medoids karena semakin rendah nilai yang diperoleh maka kualitas cluster yang dihasilkan semakin baik.

PENGELOMPOKKAN DATA BENCANA ALAM BERDASARKAN WILAYAH MENGGUNAKAN ALGORITMA K-MEANS Amaliah, Rif'atul; Tohidi, Edi; Wahyudin, Edi; Rizki Rinaldi, Ade; Iin, Iin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8253

Bencana alam adalah rangkaian kejadian yang ditimbulkan oleh alam. Namun tidak menutup kemungkinan bencana alam yang terjadi disebabkan oleh ulah manusia. Bencana alam memiliki potensi untuk menyebabkan dampak yang signifikan pada infrastruktur dan lingkungan, bahkan dapat mengancam keselamatan manusia. Penelitian ini bertujuan untuk mengidentifikasi wilayah-wilayah dimana jenis bencana alam paling dominan atau sering terjadi untuk memberikan wawasan yang lebih mendalam tentang resiko bencana alam di berbagai wilayah sehingga dapat membantu meningkatkan upaya mitigasi bencana. Metode yang diterapkan melibatkan pengelompokkan data menggunakan algoritma K-Means, yang memungkinkan peneliti untuk mengelompokkan wilayah dengan karakteristik serupa ke dalam cluster-cluster yang berbeda. Hasil penelitian ini berhasil mengelompokkan data bencana alam menggunakan Algoritma K-Means membentuk 3 cluster berdasarkan MeasureTypes Bregman Divergences dengan parameter SequaredEuclideanDistance sampai menghasilkan nilai DBI terbaik. Nilai Davies-Bouldin-Index (DBI) yang dihasilkan pada penelituan ini yaitu 0,012. Cluster 0 memiliki 884 data dengan tingkat kejadian bencana alam rendah. Kejadian bencana alam yang dominan terjadi yaitu kekeringan. Sedangkan wilayah yang termasuk kedalam cluster 1 dengan memiliki 2 data adalah wilayah dengan tingkat kejadian sedang. Kejadian bencana yang paling dominan adalah Letusan Gunung Api. Dan cluster 2 memiliki 1 data yaitu wilayah dengan tingkat kejadian tinggi. Kejadian bencana alam yang paling dominan adalah Puting Beliung.

PENERAPAN DATA MINING DALAM MENGELOMPOKAN JUMLAH UMKM BERDASARKAN KABUPATEN KOTA MENGGUNAKAN K-MEANS CLUSTERING Iin, Iin; Fadila, Rizal; Rizki Rinaldi, Ade; Fathurrohman, Fathurrohman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8427

Jumlah UMKM di indonesia mengalami permasalahan setiap tahun yakni jumlah pertumbuhannya, jumlah tersebut menunjukan bahwa adanya perkembangan ekonomi. Di pulau jawa, Jawa Barat menjadi salah satu provinsi dengan jumlah unit UMKM terbanyak. Tersebar dari berbagai kabupaten atau kota dengan berbagai jenis usahanya, jumlahnya belum mengalami pemerataan bisa dipengaruhi oleh letak geografis dan demografis wilayah kabupaten atau kota. Maka perlu adanya pengelompokan kabupaten atau kota berdasarkan jumlah UMKM untuk mengetahui berapa jumlah pengelompokan yang terbentuk. Tujuan pada penelitian ini adalah untuk mengelompokan kabupaten atau kota di provinsi Jawa Barat berdasarkan tahun dan jumlah usaha mikro kecil menengah (UMKM) menerapkan teknik data mining menggunakan Algoritma K-Means clustering. Data penelitian ini berasal dari opendata.jabarprov.go.id dengan jumlah data sebanyak 216 dan bersumber dari 27 kabupaten atau kota, dari tahun 2016 hingga 2023 di Jawa Barat. Penelitian ini bisa memberikan pemahamam bagi para pelaku UMKM, masyakarat dan pemerintah berkontribusi dalam pengambilan keputusan di lingkup provinsi Jawa Barat. Hasil penelitian ini menunjukan bahwa cluster terbaik terdapat pada nilai K=2 dengan nilai DBI 0.619 dari percobaan sebanyak 20 kali, yang membagi data menjadi 2 cluster yaitu cluster 0 sebanyak 112 items sebagai cluster dengan jumlah UMKM tinggi dan cluster 1 sebanyak 104 items dengan jumlah UMKM sedang dari total data sebanyak 216 items jumlah data UMKM. Proses dilakukan menggunakan Rapidminer versi 10.2.

IMPLEMENTASI DATA MINING POLA PEMBELIAN DOMINOS PIZZA MENGGUNAKAN ALGORITMA APRIORI Eka Permana, Sandy; Salsa Nugraha, Ega; Handayani, Tineka; Rizki Rinaldi, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8694

Studi ini bertujuan untuk menerapkan teknik data experience menggunakan algoritma apriori dalam menganalisis pola pembelian domino pizza. metode apriori digunakan untuk mengidentifikasi agregat yang sering terjadi untuk mengidentifikasi faktor dalam transaksi, sehingga memungkinkan peneliti menimbang sampel untuk memilih menu yang bermanfaat.data yang digunakan dalam studi yang diperoleh dari website kaggle termasuk riwayat transaksi pelanggan pembelian domino pizza. masalah yang dihadapi dominos pizza, tidak ada agregat penjualan di dominos pizza.untuk meningkatkan keuntungan perusahaan.salah satu hal yang harus diketahui dominos adalah pelanggan membeli pizza secara teratur.penerapan algoritma apriori ini harus memberikan efek yang berharga bagi perusahaan dominos pizza.tujuan penelitian ini adalah untuk memahami pembelian pizza dominos menggunakan pelajaran matematika apriori sehingga mendapatkan nilai dukungan dan kepercayaan terbaik menggunakan aplikasi rapidminer.hasil studi ini memiliki dukungan terbaik, yaitu spinach dan feta (brooklyn style) dengan nilai dukungan 0,30.untuk nilai kepercayaan pelengkap pembelian pizza terbaik jika anda membeli 6 pizza wisconsin keju, juga punya kesempatan membeli pizza crush crispy tipis dengan nilai trust 0.78.dari hasil ini dapat meningkatkan keuntungan usaha dominos pizza.

PENERAPAN METODE NAÏVE BAYES CLASSIFIER PADA ANALISIS SENTIMEN APLIKASI GOPAY Riskawati, Riskawati; Fatihanursari, Fatihanursari; Iin, Iin; Rizki Rinaldi, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8699

Perkembangan teknologi telah membawa dampak besar dalam bidang pembayaran digital atau E-Wallet. Aplikasi pembayaran digital seperti GoPay telah muncul sebagai solusi praktis untuk melakukan berbagai transaksi. Meskipun GoPay memberikan kemudahan, respon atau komentar pe ngguna terhadap aplikasi ini tidak selalu positif. Beberapa orang mungkin memberikan komentar yang negatif atau netral terkait dengan aplikasi Go-Pay. Namun, menganalisis secara manual semua komentar pengguna tidak mudah, mengingat jumlahnya yang sangat besar sehingga dapat menghambat proses umpan balik. Penelitian ini bertujuan untuk menganalisis sentimen aplikasi GoPay dengan algoritma Naïve Bayes. Dalam penelitian ini metode yang akan digunakan yaitu Knowledge Discovery in Database (KDD). Dari hasil klasifikasi analisis sentimen menggunakan algoritma Naïve Bayes Classifier serta evaluasi data dengan confusion Matrix menghasilkan akurasi sebebsar 85%, presisi sebesar 84%, recall sebesar 96% dan f1-score sebesar 90%. Ini menunjukkan bahwa algoritma Naïve Bayes Classifier mampu mengklasifikasikan sentimen pengguna terhadap aplikasi GoPay dengan tingkat akurasi yang memadai. Hasil analisis sentimen dapat memberikan masukan yang berharga kepada penyedia aplikasi GoPay untuk memperbaiki dan meningkatkan layanan mereka berdasarkan umpan balik pengguna. Selain itu, hasil penelitian akan menjadi dasar untuk penelitian lebih lanjut dalam analisis sentimen dalam konteks aplikasi seluler dan layanan keuangan digital.

ALAT PEMBERIAN PAKAN GLOWFISH PADA AQUARIUM BERBASIS MIKROKONTROLER : IOT SMART FEED IKAN GLOWFISH MENGGUNAKAN MIKROKONTROLER Rizki Rinaldi, Ade; Maulana, Rendi; Fathurrohman, Fathurrohman; Rohmat, Cep Lukman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8791

Pemeliharaan ikan hias dalam aquarium merupakan kegiatan yang diminati oleh berbagai kalangan masyarakat di Indonesia. Namun, pemeliharaan ikan dalam aquarium tidak dapat dilakukan secara sembarangan. Ada banyak aspek yang harus diperhatikan, salah satunya adalah pemberian makan. Banyak pemelihara ikan yang sering lupa memberikan makanan pada ikan-ikan mereka. Untuk mempermudah pemberian pakan ikan, pemilik ikan harus menyediakan alat pemberi pakan otomatis. Penelitian ini bertujuan untuk membuat alat pemberi pakan ikan otomatis di aquarium dengan menggunakan Arduino Uno, Motor Servo, Sensor Waktu RTC, Kabel Jumper, dan Lcd. Alat ini dapat memudahkan pemeliharaan ikan hias yang populer di Indonesia, khususnya dalam hal pemberian pakan yang tepat sesuai dengan waktu yang ditentukan. Metode penelitian ini meliputi observasi dan wawancara langsung. Hasil penelitian menunjukkan bahwa alat berfungsi dengan baik sesuai dengan perencanaan.

ANALISIS POLA PEMBELIAN KONSUMEN WARMINDO DENGAN MENGGUNAKAN ALGORITMA FP-GROWTH Purnama, Rizal; Rizki Rinaldi, Ade; Fathurrohman, Fathurrohman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9781

Pola pembelian konsumen merupakan salah satu faktor penting yang perlu dipahami oleh pelaku bisnis, termasuk warmindo. Permasalahan yang muncul yaitu untuk memahami pola pembelian konsumen di industri kuliner, khususnya pada usaha Warmindo. Penelitian ini bertujuan untuk menentukan pola pembelian konsumen pada warmindo yang paling banyak diminati. Penelitian ini menggunakan data sekunder dari platform Kaggle.com yang diambil pada tanggal 1 Januari 2022 sampai dengan 30 Agustus 2022. Penelitian ini menggunakan algoritma FP-Growth untuk mengidentifikasi pola pembelian konsumen. Algoritma FP-Growth adalah algoritma data mining yang dapat digunakan untuk menemukan aturan asosiasi. Aturan asosiasi adalah hubungan antara dua atau lebih Item yang sering muncul bersama dalam suatu transaksi. Hasil penelitian ini berdasarkan analisis 499 data transaksi penjualan warmindo, dItemukan 9 aturan asosiasi yang menunjukkan pola pembelian konsumen. Produk yang paling sering dibeli adalah mie instan rasa soto, mie instan rasa kari, dan mie instan rasa ayam. Konsumen yang membeli satu jenis mie instan rasa soto, kari, atau ayam, memiliki peluang lebih tinggi untuk membeli jenis mie instan lainnya dari rasa yang sama atau berbeda. Pola pembelian ini dapat dimanfaatkan untuk meningkatkan stok produk, menyusun strategi promosi, dan mengembangkan menu baru.

PEMODELAN POLA PENJUALAN SEPATU IMPOR MELALUI PENDEKATAN ALGORITMA K-MEANS Harum, Rosnia; Fathurrohman, Fathurrohman; Rizki Rinaldi, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9801

Toko Myi Store merupakan toko yang bergerak dibidang penjualan Sepatu impor, adapun permasalahan yang dihadapi oleh toko myi store yaitu owner tidak tahu data penjualan sepatunya dalam jangka tiga tahun terakhir itu meningkat atau menurun dan juga memastikan ketersediaan barang, stok barang, dan kelengkapan barang agar menghindari penumpukan barang yang sama dan kurang di minati oleh konsumen. Tujuan penelitian ini untuk mengetahui produk yang diminati oleh konsumen dan bisa mendapatkan analisis data penjualan yang paling laku, laku dan kurang laku untuk dijual. Hasil dari penelitian ini melakukan 4 kali percobaan dengan k yang berbeda, dan diketahui dari 4 kali percobaan, nilai k yang paling optimal terdapat pada k = 4 dengan hasil DBI nya adalah 0. 189, Cluster yang dihasilkan memperoleh sebanyak 4 Cluster Setiap klaster memiliki karakteristiknya sendiri dalam tingkat penjualan yang berbeda-beda tergantung merek sepatu yang dijual. Klaster tersebut menunjukkan sejumlah pola yang paling banyak diminati oleh pembeli myi store terhadap sepatu yang dijual, Hasil dari cluster Sepatu yang paling laku adalah Converes dan Nike, sepatu yang laku yaitu Adidas dan New Balance, sedangkan sepatu yang kurang laku dan kurang diminati adalah Puma. Penelitian ini diharapkan dapat memberi wawasan yang lebih luas bagi industry sepatu untuk mengembangkan strategi pemasaran yang lebih terfokus dan efektif.

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search