Article Per Year (5 Year)
p-Index From 2019 - 2024
2.647
P-Index
This Author published in this journals
All Journal JURNAL SISTEM INFORMASI BISNIS JUTI: Jurnal Ilmiah Teknologi Informasi InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan SMARTICS Journal SPIRIT Antivirus : Jurnal Ilmiah Teknik Informatika JURSIMA (Jurnal Sistem Informasi dan Manajemen) Jurnal Pengabdian kepada Masyarakat Nusantara Insand Comtech : Information Science and Computer Technology Journal JURSIMA Jurnal Sistem Informasi dan Manajemen
Ramadhani, Nilam
Madura University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Library & Information Science Social Sciences

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan

 1 
Pencarian Klasifier Terbaik sebagai Solusi Rekrutmen Karyawan Menggunakan Algoritma Iterative Dichotomiser 3 (ID3) Nilam Ramadhani; Abd. Wahab Syahroni; Irwan Darmawan
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 6, No 2 (2022): InfoTekJar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v6i2.4747

Abstract

CV Aliyah Mandiri Pamekasan is a growing distribution fabric and apparel company. The worker is drawn through the employee recruitment process by passing a series of tests.But sometimes there is a subjectivity factor that becomes problem in recruitment process even criterias have been established. To avoid that,needed a system tahat can help HRD manager to decide which applicants are eligible for admission.One of them is Decision Tree. This method can find discrete  approximation function and resistant to noise data. Also able to study disjunctive expressions. The Iterative Dychotomizer 3 (ID3) algorithm can build a top-down decision tree using information gain as a measure of the effectiveness of an attribute in classifying incomplete data sample sets. The results of the algorithm implementation can provide the best classifier knowledge on employee recruitment, so that it provides decision support considerations.
Penerapan Market Basket Analysis Menggunakan Metode Multilevel Association Rules dan Algoritma ML_T2L1 Pada Data Order PT. Unirama Nilam Ramadhani; Abd Wahab Syahroni; Arin Supikar; Wildona Zumam
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 4, No 2 (2020): InfoTekJar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v4i2.2405

Abstract

Data mining merupakan proses analisa data untuk menemukan suatu pola dari kumpulan data tersebut. Data mining mampu menganalisa data yang besar menjadi informasi berupa pola yang mempunyai arti bagi pendukung keputusan. Salah satu teknik data mining yang dapat digunakan adalah association rules atau yang biasa disebut dengan istilah market basket analysis. Market basket didefinisikan sebagai suatu itemset yang dibeli secara bersamaan oleh pelanggan dalam suatu transaksi. Market basket analysis adalah suatu alat yang ampuh untuk pelaksanaan strategi cross-selling. Metode ini dimulai dengan mencari sejumlah frequent itemset dan dilanjutkan dengan pembentukan aturan-aturan asosiasi (association rules). Algoritma Multilevel Association Rules adalah algoritma yang dapat menemukan sejumlah frequent itemset dari level berbeda pada transaksi yang tersimpan dalam basis data.Dalam penelitian ini algoritma Multilevel Association Rules digunakan untuk membantu menemukan sejumlah aturan asosiasi dari basis data pemesanan barang di PT. Unirama, sehingga untuk selanjutnya dapat digunakan sebagai pertimbangan dalam membuat strategi distribusi yang efektif.Dari hasil pemrosesan data mining, ditemukan rules yang memenuhi minimum support dan minimum confidence pada level 1 (Produk) 1 rule, pada level 2 (Jenis) 1 rule, pada level 3 (Tipe) 12 rule, dan pada level 4 (Kemasan) 12 rule.
Co-Authors Abd Wahab Syahroni Abd. Wahab Syahroni Ainur Rofiq Hafsi Andri Girindra Wardhana Arin Supikar Erwin Prasetyowati Fajarianto, Novan Fauzan Prasetyo Hari, Nirwana Haidar Heryadi, Yudi Irwan Darmawan Miftahul Jenah Moh. FirmanSyah p. mohammad rofii Multazami, Rahmat Nindian Puspa Dewi Retno Sukmawati Rian Wahyudi Ruaidah - Said, Badar Sukma Sari Ustman Ustman Wildona Zumam Yusi Heliyanti Zainollah Effendy