Publication Search

Bantuan sosial merupakan salah satu program pemerintah untuk mensejahterakan masyarakat agar menjadikan kehidupan yang lebih baik. Terutama bagi masyarakat yang kurang mampu dalam hal ekonomi. Akan tetapi tidak semua orang akan mendapatkan bantuan sosial karena beberapa faktor penyebab. Untuk mengatasi permasalahan yang ada maka pemerintah mengadakan program bantuan sosial bagi masyarakat kurang mampu dalam hal ekonomi. Pada penelitian ini penulis menggunakan Algoritma Klasifikasi Dataminig yaitu Algoritma C4.5 untuk memprediksi masyarakat dalam memperoleh bantuan dana sosial. Sampel data diambil dari data penerima bantuan sosial kecamatan binong, kabupaten Subang. Dari hasil pengujian digunakan tes Cross Validation dan Confusion Matrix. Hasil yang diperoleh untuk nilai Accuracy Algoritma C4.5 adalah sebesar 100.00%, nilai untuk Precision sebesar 100.00%, dan nilai untuk Sensitivity atau Recall sebesar 100.00%. Dengan demikian Algoritma C4.5 merupakan algoritma dan teknik terbaik untuk Memprediksi Masyarakat dalam memperoleh Bantuan Dana Sosial.

ABSTRACTThe purpose of this study is to know the application of the results and factors in the inventor yof cooperative learning of google meet based jigsaw type in improving the achievement oflearning outcomes of PPKn. Subjects Pancasila Class XI SMAN Gondangrejo in pandemicpomemi Covid-19 years lesson 2020/2021. The type of research in qualitative research usingdescriptive approach. The subjects studied were the mp and the study of the class of educationclass and the study of XI class. Data mining research using interviews, The observation anddocumentation. The result of the study are the Covid-19 period of the Covid-19 pandemicthat encourage learners to be particularly generous in their learning, using the google meetmethod of cooperative learning , the cooperative learning type jigsaw meet, they can beconsistent with specifically off civic education on the subject of Pancasila. Which is acomplex enough subject for students to understand.Key word : Cooperative Learning Tipe jigsaw, Google Meet, Study achievement.

Abstrak FO Hilon adalah menjual barang berupa furniture rumah dengan bahan baku berpacu pada darcon, akan lebih baik bila dilakukan analisis pada toko tersebut. Penelitian ini dilakukan karena adanya data transaksi penjualan yang terus menumpuk untuk setiap tahunnya. Sehingga perlu untuk dilakukannya analisis pada data tersebut agar tidak disimpan secara percuma. Untuk melihat pengaruh data tersebut maka perlu dilakukan teknik data mining yang mana menggunakan metode asosiasi dengan algoritma yang dipakai yaitu FP-Growth dari situ akan terbentuk sebuah pola transaksi konsumen. Hasil penelitian menunjukan bahwa terdapat 2 percobaan yaitu perhitungan manual dengan sample data 100 transaksi menggunakan dua parameter nilai minsup=0,04 dan minimum confidence 0,2 menghasilnya 8 rules pola asosiasi yang memenuhi syarat. Uji coba yang kedua yaitu dengan menggunakan RStudio terdapat 1.804 transaksi dengan parameter nilai minsup=0,01 dan minimum confidence 0,2  dengan consequent frequent item DP 45X65 menghasilkan 14 rules. Kata Kunci : Data Mining Asosiasi, Algoritma FP-Growth, Pola Transaksi

This study aims to examines and analyze the effect of firm size, leverage, profitability, capital intensity ratio, and independent commisioner on the effective tax rate. The population of this study were 42 mining companies listed on the Indonesia Stock Exchange in the 2017-2020 period, after using purposive sampling, 92 data observed were sampled. The data analysis method used is descriptive statistics, clasical assumptions, and multiple linear regression analysis processed with SPSS program. The results of this study are company size, leverage, profitability, and independent commisioner have a negative insignificant effect on Effective Tax Rate; and the Capital Intensity Ratio has a positive insignificant effect on the Effective Tax Rate.

Perguruan  tinggi di Indonesia saat ini sudah mencapai 2000 lebih perguruan tinggi.  Perguruan tinggi bisa tetap eksis salah satu faktornya adalah dengan adanya mahasiswa yang masuk ke perguruan tinggi tersebut. Dalam penerimaan mahasiswa baru setiap perguruan tinggi tentunya tidak sembarangan, mereka akan melakukan seleksi terhadap calon mahasiswa agar mendapatkan mahasiswa dengan kualitas yang mereka harapkan. Ada beberapa cara dalam melakukan seleksi calon mahasiswa, diantaranya ada yang berdasarkan nilai rapor, ada yang melalui tes tertulis, dan ada jalur mandiri. Tidak semua perguruan tinggi melakukan pengolahan data yang masuk secara maksimal. Biasanya mereka masih mengolah data secara manual atau dengan kata lain belum menggunakan machine learning. Masalah yang ada yaitu adanya perguruan tinggi yang belum secara maksimal dalam mengolah data penerimaan calon mahasiswa. Karena belum optimalnya data yang diolah maka ada perguruan tinggi yang belum dapat membuat prediksi dalam penerimaan calon mahasiswa untuk di tahun ajaran berikutnya. Salah satu untuk dapat membuat prediksi di masa mendatang adalah dengan menggunakan data mining.  Metode yang akan digunakan dalam data mining adalah klasifikasi Decision Tree dioptimasi dengan Particle Swarm Optimization. Hasil dari Decision Tree dengan optimasi Particle Swarm Optimization didapatkan akurasi sebesar 99,94%.

Tax aggressiveness is the way to minimize the tax expense by tax avoidance and tax evasion. The purpose of this study was to analyze the effect of good corporate governance as proxied by institutional ownership and managerial ownership, as well as corporate social responsibility on the tax aggressiveness of mining companies listed on the IDX in 2015-2019 through earnings management as an intervention variable. The method of determining the sample using purposive sampling technique, in order to obtain a sample of 7 companies with 35 observational data. The type of data used is secondary data from annual mining company reports. Data were analyzed using SEM PLS with PLS 6.0 software program. The results prove that institutional ownership has a negative effect on tax aggressiveness, while managerial ownership, CSR, and earnings management have no effect on tax aggressiveness. CSR has a positive effect on management earnings, while institutional ownership and managerial ownership do not have effect on earnings management. Institutional ownership, managerial ownership, and CSR do not have effect on tax aggressiveness through earnings management

This study aims to determine the effect of Corporate Social Responsibility (CSR) and Good Corporate Governance (GCG) disclosure in stock prices. The population in this study are mining companies listed on the Indonesian Stock Exchange in 2016-2018. With purposive sampling method obtained 17 companies. The data collection used is a documentation study method by obtaining data in the form of company annual report. Proxied CSR includes CSR-Eonomy, CSR-Environment, and CSR-Social. GCG is proxied by an Independent Commissioner and an Independent Audit Committee. The data analysis technique used multiple linear regression analysis. This includes the classical assumption test, t test, coefficient determination and F test. The results show that CSR-Economic disclosure has a positive but significant effect on stock price. CSR-Environmental disclosure has a significant positive effect on stock price. CSR-Social disclosure has a significant positive effect on stock price. Each Independent Commissioner and Independent Audit Committee have a positive significant effect on stock price. 

Dunia bisnis khususnya dalam industri penjualan dimana-mana tidak di ambil kemungkinan banyak resiko yang di hadapi pembisnis untuk bisa melangsungkan usaha yang telah di dirikan akan selalu ada dan mendapatkan konsumen yang tetap membeli barang yang telah disediakan maka dari itu seorang entrepreneur dituntut untuk memiliki strategi dalam membaca peluang. Untuk menyiasati hal tersebut, tentunya pihak manajemen harus mampu menganalisa data yang ada untuk dijadikan bahan acuan untuk strategi diperlukan untuk komputerisasi. Pencarian judul penelitian dan abstraknya dipermudah dengan kata-kata kunci tersebut. berbisnis selanjutnya. Meubel Master borneo merupakan salah satu perusahaan yang memiliki resiko mendapatkan konsumen yang tetap dan harus memberikan atau meyediakan barang yang memiiki kualitas tinggi dan memberikan pelayanan yang akan diberikan kepada pelanggan yang setia membeli produk yang telah disediakan. Dengan menggunakan data mining yang merupakan knowledge discovery dikarenakan bidang yang berupaya untuk menemukan informasi yang memiliki arti yang berguna dari jumlah data yang besar, untuk menemukan pola (pattern) data dan memprediksi kelakuan (trend) dimasa mendatang [7]. Untuk mengetahui produk yang sering terjual dalam periode bulan Januari sampai bulan Mei 2019 diperlukan algoritma apriori yang ada di data mining. Dengan melakukan analisa keranjang belanja menggunakan metode asosiasi dengan Algoritma Apriori, dimana kombinasi itemset transaksi penjualan barang pada meubel master borneo menghasilkan 6 rules dimana minimum confidence sebesar 41,6 % dan minimum support sebesar 0,08% berdasarkan 35 transaksi penjualan dari 63 jenis barang pada meubel Master Borneo.

A house for every human being is the main and most important need compared to others needs in general. A financial institution is an institution engaged in the financial sector where its customers are people from various walks of life with various behaviors. Lending is a business activity that carries a high risk and affects the business continuity of a banking company. The problem that is often faced in providing home loans is determining the decision to extend credit to prospective customers, while another problem is that not all home loan payments by customers can run well or commonly known as bad credit. One of the causes of bad credit is an assessment error in making credit decisions. Data mining is a process used to analyze cases in order to find the best performance of an algorithm being tested. One way to get information or patterns from a large data set is to use techniques in data mining. There are many classification methods that can be used to produce precise accuracy values. In this study, two classification algotihm methods are used in classifying the home crediting dataset, namely the C4.5 decision tree algorithm and the Naïve Bayes algorithm. The comparison of the two algorithms produces an accuracy value fo the Naïve Bayes algorithm of 36.36% and the Decision Tree C4.5 algorithm has an accuracy rate of 59.54%.

With the increasing development of technology the more variety of books circulating on the internet. As is the recommendation system on online book sites that provide books relevantly and as needed with one's preferences. One alternative is GoodReads, a social networking site that specializes in cataloging books and users can share reading book recommendations with each other by rating, reviewing, and commenting. As a large book recommendation site, it has a lot of data that can be processed by applying machine learning methods, but still not known as the most accurate model. By using the right model, we can provide more accurate recommendations. Therefore, this study will analyze the data obtained from the www.kaggle.com namely the goodreads-books dataset. This study proposed a data mining classification model to get the best model in recommending books on GoodReads. The algorithms used are Decision Tree, K-Nearest Neighbor, Naïve Bayes, Random Forest, and Support Vector Classifier, then for model evaluation using accuracy, precision, recall, f1-score, confusion matrix, AUC, and Mean Error Absolute. The test results of several classification algorithms found that Decision Tree has the highest accuracy among the methods presented by 99.95%, precision by 100%, recall by 96%, f1-score of 98% with MAE of 0.05 and AUC of 99.96%. This is proof that decision tree algorithms can be used as book recommendations based on book categories on GoodReads.

This research aims to find out and analyze the factors that are predicted to determine the firm value, the factors are liquidity, debt policy, asset turnover, and profitability. The sample used in the mining sector listed on BEI for the period 2014-2018, the sampling technique using purposive sampling, obtained 118 samples. Data analysis uses multiple regressions using the SPSS program version 23. Hypothesis test results found debt policy and asset turnover positively affected firm value, while it did not prove liquidity and profitability affect firm value.

Abstract In this study that was used as the object of research in classifying red wine based on the quality influenced by each red wine or red wine based on the content of each type of wine, from each attribute containing the composition in the wine seen which attributes most affect the quality of red wine, so that it will be known ingridents that can improve the quality of the wine, in this study was carried out by the application of Machine learning by comparing three algorithms of mining data that is , Decission Tree, Random Forest and Support Vector Machine (SVM), from the results of research that has been done by comparing the three algorithms, Random Forest produced the best accuracy among other algorithms that have been tested. Random Forest with accuracy results of 0.7468 makes this algorithm best used to classify the quality of red wine. And in the second order Decission Tree with accuracy results of 0.7031, while Support Vector Machine (SVM) get an accuracy result of 0.65. So in the research that has been done to classify the quality of red wine based on its composition Random Forest becomes the best algorithm to use..

Study This goal is to ascertain how return on investment affects the share price of PT Astra International. Time frame for the study: this covers the years 2013–2018. population studied This is a mining company that is listed on IDX. Purposive sampling is used in the election sample. In the years 2008 to 2010, there were up to 31 firms miningyang listed on the IDX. utilized data analysis Simple regression analytical techniques are used to test the hypothesis.According to a results study, the results mark significance of 0.935 acquired by results processing statistics is larger than the criteria significance (0.05). The regression model is therefore not significant. Therefore, the linearity criterion is satisfied by linear regression. The R2 result is 0.002 which indicates that the variability variable dependent may be described by the variability variable independent by 0.2% while the remaining 99.8% is explained by other factors not included in the regression model.

In the first quarter of 2017, retail in Indonesia recorded a growth of 2.5%, while in 2018 the growth was only in the range of 1% -1.5%. The cause of the slow growth is the change in the consumption pattern of the people and it will continue at the beginning of 2018. In addition, the decreasing productivity of the community at the lower middle level. As a retailer, Anterah store also faces the same thing, so anticipating a decline in sales requires an analysis of the best-selling products and how to find out the relationship between the products purchased by consumers. The association relationship between these products will be used as the basis for product arrangement, so that the frequency of products that consumers often buy can be arranged closely together so that consumers do not have to look for them longer. Market basket analysis to determine the relationship between products sold simultaneously is used to explore association rules (Association Rule Mining) which will produce products that are purchased simultaneously as a consideration for product arrangement in Anterah Retail storefront. Meanwhile, the best-selling products will be explored using the Frequent Pattern Growth method in order to obtain a ranking list of the most purchased products by consumers. This analysis is used as a basis for considering product promotion. The test results on the sales sample data obtained an average value of minimum support = 0.0025, minimum confidence = 0.610, LaPlace = 0.9985, Gain = -0.006, p-s = 0.003, Lift = 103.82, Convicting 2.5285 with a processing time of 41.456 seconds.

Chronic kidney failure is the failure of kidney function in maintaining metabolism and fluid and electrolyte balance in the body. Chronic kidney disease initially does not show significant symptoms and signs but can develop rapidly into kidney failure. Kidney disease can be prevented and treated if known earlier. One way to find out chronic kidney failure is to detect using data mining. Iterative Dichotomiser 3 (ID3) algorithm is one of the classification methods and is a type of method that can map or separate two or more different classes. Based on the measurement of performance classification of 80% of training data from 400 data used, it shows that the accuracy value reached 96.25%. It can be concluded that the ID3 Algorithm method is feasible to be used in research predictions for chronic kidney failure.

Bisnis retail merupakan bisnis yang keberhasilannya sangat dipengaruhi oleh kemampuan untuk memahami perilaku konsumen dan kesigapan respons dari pemiliknya. Memahami konsumen dapat dilakukan dengan mempelajari data historis dari transaksi konsumen. Metode association rule-mining dalam Machine Learning dapat kita manfaatkan untuk menemukan tren pola perilaku beli konsumen yang menunjukkan keterkaitan antar produk / kategori produk. Penelitian ini bertujuan untuk menemukan tren asosiasi kategori produk serta memberikan rekomendasi penempatan produk (product placement layouting) dengan memaksimalkan exposure pembeli terhadap produk-produk yang terkait saat berbelanja suatu barang dengan harapan akan terjadi peningkatan penjualan. Sebanyak 12.760 data transaski digunakan untuk menemukan pola beli konsumen. Pola beli konsumen ini kemudian dijadikan dasar untuk memberikan rekomendasi penempatan produk untuk meningkatkan penjualan.

Hepatitis merupakan penyakit yang diderita oleh banyak orang, bahkan bisa menyebabkan kematian. Prediksi awal dapat mencegah kematian tersebut yaitu denganmengumpulkan data pasien hepatitis yang dilihat dari faktor - faktornya. Faktor-faktor tersebut antara lain Protime, Alk Phosphat, Albumin, Bilirubin dan Usia. Untuk mengolah datatersebut, dibutuhkan Data Mining. Salah satu metode data mining yang digunakan pada penelitian ini adalah klasifikasi.Tujuan penelitian ini yaitu bagaimana memprediksi hidup atau meninggalnya pasien penyakit hepatitis dengan tingkat akurasi dan mencari atribut paling berpengaruh terhadapprediksi hidup atau meninggalnya pasien penyakit hepatitis dengan menggunakan algoritma Algoritma K-Nearest Neighbor, Naïve Bayes Dan Neural Network dan kemudianmembandingkan ketiga hasil analisis dari ketiga algoritma tersebut.Dari hasil analisis 20 atribut dilakukan 3 kali percobaan dengan algoritma Naïve Bayes didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 76.92 %, tingkat error23.01% dan atribut Acites dan Spider merupakan atribut yang berpengaruh terhadap keputusan hidup atau meninggalnya pasien yang terkena penyakit hepatitis.Dengan menggunakanAlgoritma Neural Network didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 82,97%, tingkat error 17.03% dan atribut yang paling berpengaruh yaitu anorexia, spiders dan protime. Dengan menggunakan algoritma K-Nearest Neighbor didapat model klasifikasi dengan tingkat akurasi terbaik yaitu 93%, tingkat error 7% dan atribut yang paling berpengaruh terhadap penderita penyakit hepatitis yaitu Albumin.

Semarang sebagai ibu kota Jawa Tengah merupakan kota pusat perdagangan dan industri dengan sektor unggulan di bidang manufaktur, agrikultur dan pariwisata. Dari sisi laju pertumbuhan ekonomi (LPE), kota Semarang mengalami peningkatan cukup signifikan yaitu 5,7 di tahun 2015 menjadi 5,8 di tahun 2016. Artinya laju pertumbuhan ekonomi masyarakatnya sangat tinggi, khususnya di sektor pariwisata. Banyak industri kecil tumbuh yang menopang laju pertumbuhan ekonomi menjadi meningkat, seperti di bidang makanan dan minuman olahan dan kerajinan. Beberapa wilayah dikhususkan dalam pengembangan industri tersebut, namun demikian tidak semua dapat menjadi sentra dari setiap bidang industri tetapi bisa disesuaikan dengan kondisi masing-masing wilayah, seperti contoh dalam usaha kerajinan batik ada di beberapa lokasi demikian juga dengan industri olahan pangan.Pola pertumbuhan industri mikro, kecil dan menengah tersebut agar dapat dimonitordan dikembangkan sesuai dengan potensi masing-masing wilayah industri dengan metode KMeans untuk bisa memetakan pembinaan dan pendampingan pengembangan yang tepatsesuai dengan bidang usaha para pelaku industri mikro, kecil menengah dan potensi wilayahkecamatan.

Bengkel AHASS Akmal Jaya Motor Purwodadi adalah salah satu bengkel resmi honda yang berada di Kecamatan Danyang Kabupaten Purwodadi. Pemilik Ahass Akmal Jaya Motor terkadang mengalami kesulitan untuk mengetahui seberapa banyak suku cadang dan jasa yang telah terjadi dalam satu transaksi, sehingga pemilik masih manual/spekulasi dalam pembelanjaan suku cadang. Implementasi Data Mining pada AHASS Akmal Jaya ini bisa menghasilkan rules/aturan asosiatif yang bisa dilihat dan dianalisis hasilnya menggunakan algoritma apriori dan algoritma eclat, sehingga pemilik bisa melihat seberapa tinggi frekuensi suku cadang dan jasa apa saja yang sering terjadi. Maka dari itu, dilakukan analisis dan pengujian, diharapkan bisa memberikan informasi mengenai pola transaksi dan mengetahui jasa dan suku cadang apa yang sering muncul dari AHASS Akmal Jaya Motor. Sehingga bisa membantu pemilik dalam mengambil keputusan untuk melakukan pembelian suku cadang apa saja yang perlu dibeli.

This study aims to examine the effect of the tax aggressiveness and eksplosure media company with its corporate social resposibity ( CSR ). This research was conducted in the mining company listed on the Indonesia Stock Exchange.CSR indicates that corporate responsibility should be based on the triple bottom line of a company's social responsibility , environmental , and financial . Sample were obtained by using pooled time series as many as 68 companies from 2011-2014 . Data collection methods used in this study is a content analysis of social disclosure in the annual report of the company. The use of statistical methos in this research is multiple regression. The results of this study indicate that the tax aggressiveness positive significant effect on CSR , while media eksplosure positive significant effect on CSR . Companies that have a high rate of profit then inclined to make greater disclosure of CSR . CSR communicating through the media will enhance the company's reputation in the eyes of the public in accordance.  Keywords: corporate social responsibiltiy,tax aggressiveness,media eksplosure.