cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
Faktor Exacta
Published by Universitas Indraprasta PGRI
ISSN : 1979276X     EISSN : 2502339X     DOI : -
Core Subject : Science, Engineering,
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering
Faktor Exacta is a peer review journal in the field of informatics. This journal was published in March (March, June, September, December) by Institute for Research and Community Service, University of Indraprasta PGRI, Indonesia. All newspapers will be read blind. Accepted papers will be available online (free access) and print version.
Arjuna Subject : -
Articles 8 Documents
 1 
Search results for , issue "Vol 12, No 3 (2019)" : 8 Documents clear
ANALISIS DAN IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENINGKATKAN PENJUALAN PADA KANTIN UNIVERSITAS TANRI ABENG Muhamad Femy Mulya; Nofita Rismawati; Raudha Rizky Alifi
Faktor Exacta Vol 12, No 3 (2019)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v12i3.4541

Abstract

Abstrak. Data Mining digunakan untuk ekstraksi informasi penting yang tersembunyi dari dataset yang besar. Dengan adanya data mining, maka akan didapatkan suatu permata berupa pengetahuan di dalam kumpulan data – data yang banyak jumlahnya. Pada penelitian ini akan dilakukan suatu analisa terhadap data dengan Data Mining menggunakan Metode Algoritma Apriori untuk meningkatkan penjualan di Kantin Universitas Tanri Abeng. Analisis ini diharapkan dapat membantu Penjual di Kantin Universitas Tanri Abeng untuk merencanakan strategi penjualan produk yang ditawarkan pada menu makanan yang dijual. Algoritma apriori adalah salah satu bagian dari analisis asosiasi, algoritma ini dipilih untuk menghasilkan suatu aturan asosiasi (association rule) dari hasil transaksi penjualan makanan di Kantin Universitas Tanri Abeng. Dalam menentukan aturan asosiasi (association rule), identifikasi item-item perlu dilakukan untuk mengkombinasikan beberapa menu yang mungkin dibeli oleh konsumen. Penentuan ini dimulai dari satu item hingga beberapa item, selanjutnya item set akan menghasilkan aturan asosiasi (association rule) dan nilai kepercayaan. Melalui perhitungan yang terkandung dalam aturan asosiasi (association rule), maka dapat disimpulkan bahwa hanya ada beberapa produk makanan yang dibeli dengan probabilitas tinggi dalam sampel transaksi penjualan makanan di Kantin Universitas Tanri Abeng. Dengan demikian, analisis asosiasi ini dapat membantu menyiapkan jenis stok makanan apa yang dibutuhkan di masa depan sehingga dapat mengurangi tingkat kehilangan makanan yang kurang diinginkan. Kata Kunci:Data Mining, Algoritma Apriori, Association Rule   Abstract. Data Mining is used for extracting important information that is hidden from large datasets. With data mining, you will get a jewel of knowledge in a large amount of data collection. In this study an analysis of data by Data Mining will be conducted using the Apriori Algorithm Method to increase sales at the Canteen of Tanri Abeng University. This analysis is expected to help sellers in the Tanri Abeng University Canteen to plan the sales strategy of the products offered on the food menu for sale. A priori algorithm is one part of the analysis of the association, this algorithm was chosen to produce an association rule from the results of food sales transactions at the Canteen of Tanri Abeng University. In determining the association rules, identification of items needs to be done to combine several menus that may be purchased by consumers. This determination starts from one item to several items, then the item set will produce association rules and trust values. Through the calculations contained in the association rules, it can be concluded that there are only a few food products purchased with a high probability in the sample of food sales transactions in the Canteen of the Tanri Abeng University. Thus, the analysis of this association can help prepare what types of food stocks are needed in the future so as to reduce the level of food loss that is less desirable. Key words: Data Mining, Algoritma Apriori, Association Rule
PEMANFAATAN TEKNOLOGI NEAR FIELD COMMUNICATION(NFC) DAN FACE RECOGNITION SEBAGAI MEDIA MONITORING KEAMANAN (PATROLI) ANGGOTA SECURITY Muhamad Irsan; Han Sulaiman
Faktor Exacta Vol 12, No 3 (2019)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v12i3.3743

Abstract

Salah satu permasalahan monitoring keamanan yang dihadapkan yaitu pada anggota security yang sering melakukan monitoring dengan melakukan kecurangan, seperti tidak perlu melakukan tugas keliling (monitoring) dan hanya di pos kemanan saja. Permasalahan yang terjadi ini dinilai sangat fatal dikarenakan tidak memonitoring situasi secara real time sehingga jika salah terjadi kehilangan barang atau kerusakan pada suatu tempat maka tidak akan terpantau oleh anggota security pada saat penjagaan. Untuk mendukung  sistem kemanan yang digunakan  maka pemanfaatan Near Field Communiaction dan Face Recognition tepat digunakan guna memonitor secara real time dan harus dilakukan di titik-titik kemanan yang telah ditentukan. Pemanfaatan NFC dan Face Recognition pada aplikasi yang akan dibuat lebih bersifat untuk membantu dalam proses monitoring keamanan secara real time dan menghindari kecurangan yang dilakukan oleh anggota security pada saat melakukan tugas penjagaan. Kata kunci: Monitoring, Near Field Communiaction dan Face Recognition.
PERANCANGAN SISTEM INFORMASI DOCUMENT MONITORING SAMPLING PRODUCT PADA PT. XY DENGAN METODE PROTOTYPE achmad noeman; dwipa handayani
Faktor Exacta Vol 12, No 3 (2019)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v12i3.4678

Abstract

Perkembangan teknologi komunikasi dan informasi semakin pesat. Dengan adanya teknologi akan memberikan kemudahan serta  sangat bermanfaat bagi perusahaan dalam melakukan pengolahan data. Salah satu komponen penting dari hampir seluruh sertifikasi standarisasi adalah adanya informasi pengontrolan mutu yang dilakukan oleh perusahaan atau entitas organisasi. Monitoring adalah sesuatu penilaian (assesment) yang rutin (harian) terkait aktivitas dan perkembangan yang sedang berlangsung, sementara evaluasi adalah penilaian yang bersifat periodik terkait semua pencapaian. Pengelolaan data yang baik akan dijadikan sumber informasi penting  dalam proses pengambilan keputusan bagi perusahaan. Bagian quality control (QC)  pada perusahaan PT. XY. Tujuan dari penelitian yaitu membangun sebuah system untuk mempermudah dalam mengontrol dokumen quality control perusahaan tersebut. Metode pada penelitian ini menggunakan prototype. Informasi yang cepat dan tepat dari sistem produksi diperlukan dalam pengembangan perusahaan agar efektifitas dan efisiensi dapat tercapai. Kontrol mutu atau quality control (QC) adalah suatu kegiatan untuk mengukur kualitas suatu barang dengan membandingkannya sesuai dengan spesifikasi dan syarat yang dibutuhkan oleh perusahaan. Pada bagian Quality control (QC) bertugas  memeriksa (inspecting), menguji (testing), dan memisahkan (grading) dengan menggunakan statistik sebagai analisa angka-angka (data-data) yang tepat, sebagai jawaban untuk pembanding dan estimasi hasil yang baik dan yang tidak baik dalam proses produksi pada perusahaan.
PERBANDINGAN KINERJA ALGORITMA DATA MINING PREDIKSI PERSETUJUAN KARTU KREDIT Ipin sugiyarto
Faktor Exacta Vol 12, No 3 (2019)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v12i3.4310

Abstract

Credit analysis needs to identify and assess factors that can influence customers in credit returns. Accurate measurement and good management capability in dealing with credit risk is an effort to save the economic operations unit and is beneficial for a stable and healthy financial system. Failure to identify credit risk results in loss of income and extends credit risk to a bad type of threat to profitability. Data mining prediction techniques are used to determine credit risk. Using the Cross-Industry Standard Process for data mining CRISP-DM. This study has tested the model using a neural network using PCA feature selection and optimized with the PSO algorithm to predict credit card approval. Several experiments were conducted to see the best results. The results of this study prove the use of a single Neural Net method produces an accuracy of 80.33%. while the use of the hybrid PCA+NN+PSO method has been proven to increase accuracy to 82.67%. Likewise, the AUC NN value of 0.706 increased to 0.749 when the NN was optimized using PSO and using the PCA. This study implements and compares PCA-based SVM, L. Regression and NN algorithms and optimize PSO to improve accuracy in credit card approval predictions.
SENTIMEN ANALISIS OPERASI TANGKAP TANGAN KPK MENURUT MASYARAKAT MENGGUNAKAN ALGORITMA SUPPORT VECHTOR MACHINE, NAÏVE BAYES, BERBASIS PARTICLE SWARM OPTIMIZITION Hernawati Hernawati; Windu Gata Kedua
Faktor Exacta Vol 12, No 3 (2019)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v12i3.4992

Abstract

It is known from various public sentiments conveyed through comments on social media twitter against the capture operations carried out by the corruption eradication commission (KPK) that currently it does not meet the expectations of the community, where officials who are only officials have small corruption rates, not corruption As for the classification algorithms that have strong accuracy at this time are Support Vector Machine and Naïve Bayes algorithms, calculation of Support Vector Machine method for tweet data from 78 positive tweet data and 78 negative tweet data, resulting in an accuracy of 80.77% and AUC 0.867. Whereas the results of accuracy with the Naïve Bayes method are 76.92% and AUC 0.729. Having a difference in accuracy of 3.3%, and after optimizing with the Operator Vector Machine (PSO) weight Particle Swarm Optimization the accuracy is 83.79% and AUC 0.910, while for Naïve Bayes (PSO) produces an accuracy of 80.13% and AUC 0.771 Has a difference in accuracy of 3.6%.Diketahui dari berbagai sentimen masyarakat yang disampaikan melalui komentar di media sosial twiter terhadap operasi tangkap tangan yang dilakukan oleh Komisi Pemberantasan Korupsi (KPK) nyatanya saat ini belum memenuhi harapan masyarakat, dimana pejabat yang di ott hanya pejabat yang mempunyai angka korupsi kecil, bukan korupsi yang besar adapun algoritma klasifikasi yang kuat akurasinya saat ini adalah algoritma Support Vector Machine untuk data tweet dari 78 data tweet positif dan 78 data tweet negatif, menghasilkan akurasi sebesar 80.77% dan AUC 0.867. Sedangkan hasil akurasi dengan metode Naïve Bayes adalah 76.92% dan AUC 0.729. Memiliki selisih akurasi sebesar 3.3%, dan setelah di optimalisasi dengan oprator Weight Partical Swarm Optimization untuk Support Vector Machine (PSO) menghasilkan akurasi 83.79% dan AUC 0.910, sedangkan untuk Naïve Bayes (PSO) menghasilkan akurasi sebesar 80.13% dan AUC 0.771 memiliki selisih akurasi sebesar 3.6%.
Penerapan Fuzzy C-Means Cluster dalam Pengelompokkan Provinsi Indonesia Menurut Indikator Kesejahteraan Rakyat Nurfidah Dwitiyanti; Noni Selvia; Finata Rastic Andrari
Faktor Exacta Vol 12, No 3 (2019)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v12i3.4526

Abstract

Metode fuzzy c means clustering adalah salah satu teknik pengelompokkan data dalam satu klaster ditentukan oleh pusat cluster yang akan menandai lokasi rata-rata untuk tiap klaster. Tujuan dari penelitian ini akan dibahas tentang penerapan metode fuzzy c means cluster dalam pengelompokkan provinsi Indonesia berdasarkan indikator kesejahteraan rakyat. Berdasarkan hasil analisis pengelompokkan fuzzy c means dengan 2 klaster diperoleh fungsi objektif yang konvergen pada iterasi ke-18 adalah sebesar 130,7085. Pada klaster 1 yang dikategorikan sebagai kelompok kurang sejahtera terdiri dari 18 propinsi dan klaster 2 adalah kelompok sejahtera, terdiri dari 16 propinsi.
Analisis Kinerja Infrastruktur Jaringan Sistem Informasi Manajemen Rumah Sakit Yoggi Prasetyo Octavian
Faktor Exacta Vol 12, No 3 (2019)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v12i3.3235

Abstract

Sistem Informasi Manajemen Rumah Sakit (SIMRS) adalah suatu sistem teknologi informasi komunikasi yang memproses dan mengintegrasikan seluruh alur proses pelayanan Rumah Sakit. Pelaksanaan pengelolaan dan pengembangan SIMRS harus mampu meningkatkan dan mendukung proses pelayanan kesehatan di rumah sakit. Untuk mampu meningkatkan dan mendukung proses pelayanan kesehatan di rumah sakit, salah satu aspek yang perlu diperhatikan adalah infrastruktur jaringan SIMRS. Kinerja infrastruktur jaringan SIMRS di Rumah Sakit XYZ belum pernah diteliti sebelumnya. Hasil penelitian diketahui bahwa mayoritas switch memiliki temperature > 40oC, utilisasi CPU < 10%, availability rata–rata switch > 99%, latency <1 ms yang sudah mendukung komunikasi voice call, video conference, interactive data applications. Loop pada jaringan SIMRS sudah dapat dihindari dengan mengimplementasikan fitur Extreme Loop Recovery Protocol (ELRP). Namun berdasarkan hasil pengetesan throughput, data yang diterima masih belum sesuai dengan data yang dikirimkan dikarenakan adanya keterbatasan pada bandwidth internet di Rumah Sakit.
ANALISIS BEBAN KERJA FISIOLOGI PADA PROSES PRODUKSI PEMBUATAN RUMAH BONEKA DENGAN PEKERJA PENYANDANG DISABILITAS Tiara Tiara; Surya Perdana
Faktor Exacta Vol 12, No 3 (2019)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v12i3.4380

Abstract

PT RB merupakan perusahaan UMKM yang memproduksi rumah boneka berbahan dasar kayu. Posisi kerja seluruh operator dilakukan dengan kondisi jongkok, duduk di lantai dan duduk di kursi roda tanpa meja. Semua akivitas operator tersebut mengakibatkan kelelahan dengan tingkat denyut jantung yang tinggi. Kegiatan produksi di PT RB dilakukan sekitar 8 jam/hari. Operator yang mengalami kelelahan secara fisiologi (fisik) dapat menyebabkan penurunan pada produksi, sehingga perlu dilakukan pengukuran beban kerja secara fisiologi dan analisis terhadap proses produksi perusahaan. Adapun data primer yang digunakan dalam penelitian ini meliputi data pengukuran metabolisme tubuh untuk menilai beban kerja. Adapun data Primer yang digunakan dalam penelitian ini diperoleh dari: 10 denyut nadi pada pekerja produksi rumah boneka kepada 8 operator dengan 6 stasiun kerja. Konsumsi energi terbesar dialami oleh operator pada stasiun kerja pengamplasan (41Kkal/jam). Sedangkan nilai yang paling rendah terdapat di stasiun kerja pembuatan pola (2 Kkal/jam). Pekerjaan ini tergolong kedalam beban kerja ringan dikarenakan lebih kecil dari 100-200Kkal/jam.Kata Kunci:Beban Kerja Fisiologi, Rumah Boneka, Disabilitas

Page 1 of 1 | Total Record : 8

 1 

Filter by Year

2019 2019


Reset
Filter By Issues
All Issue Vol 16, No 3 (2023) Vol 16, No 2 (2023) Vol 16, No 1 (2023) Vol 15, No 4 (2022) Vol 15, No 3 (2022) Vol 15, No 2 (2022) Vol 15, No 1 (2022) Vol 14, No 4 (2021) Vol 14, No 3 (2021) Vol 14, No 2 (2021) Vol 14, No 1 (2021) Vol 13, No 4 (2020) Vol 13, No 3 (2020) Vol 13, No 2 (2020) Vol 13, No 1 (2020) Vol 12, No 4 (2019) Vol 12, No 3 (2019) Vol 12, No 2 (2019) Vol 12, No 1 (2019) Vol 11, No 4 (2018) Vol 11, No 3 (2018) Vol 11, No 2 (2018) Vol 11, No 1 (2018) Vol 10, No 4 (2017) Vol 10, No 3 (2017) Vol 10, No 2 (2017) Vol 10, No 1 (2017) Vol 9, No 4 (2016) Vol 9, No 3 (2016) Vol 9, No 2 (2016) Vol 9, No 1 (2016) Vol 8, No 4 (2015) Vol 8, No 3 (2015) Vol 8, No 2 (2015) Vol 8, No 1 (2015) Vol 7, No 4 (2014) Vol 7, No 3 (2014) Vol 7, No 2 (2014) Vol 7, No 1 (2014) Vol 6, No 4 (2013) Vol 6, No 3 (2013) Vol 6, No 2 (2013) Vol 6, No 1 (2013) Vol 5, No 4 (2012) Vol 5, No 3 (2012) Vol 5, No 2 (2012) Vol 5, No 1 (2012) Vol 4, No 4 (2011) Vol 4, No 3 (2011): Factor Exacta Vol 4, No 2 (2011): Faktor Exacta Vol 4, No 1 (2011): Factor Exacta Vol 3, No 3 (2010): Faktor Exacta Vol 3, No 2 (2010): Faktor Exacta Vol 3, No 1 (2010) More Issue