Publication Search

Karyawan pada dasarnya adalah manusia yang menggunakan tenaga dan kemampuannya untuk mendapatkan balasan berupa pendapatan, baik itu dalam bentuk uang maupun lainnya dari pemberi kerja atau pengusaha atau majikan. Tidak dapat dipungkiri pula bahwa sebuah perusahaan bisa berjalan dan berkembang jika terdapat karyawan yang bekerja didalamnya. Keberadaannya di sebuah perusahaan begitu penting, sehingga segala informasi yang berkaitan dengan karyawan sangat diperlukan. Data Mining merupakan suatu proses penggalian data atau penyaringan data dengan memanfaatkan kumpulan data yang memiliki ukuran cukup besar melalui serangkaian proses untuk mendapatkan informasi yang berharga dari data tersebut. Data Mining bisa digunakan oleh perusahaan besar untuk menggali data dan mendapatkan informasi yang dapat menunjang serta meningkatkan proses bisnis perusahaan tersebut. Setiap perusahaan pasti mempunyai data transaksi yang tersimpan dalam basis datanya. Data transaksi tersebut semakin hari semakin banyak dan bertambah. Terkadang data transaksi tersebut hanya dibiarkan menumpuk tanpa ada tindakan lebih lanjut. Dengan bertambahnya jumlah data pada perusahaan tersebut, maka peran analis untuk menganalisis data secara manual perlu digantikan dengan aplikasi yang berbasis komputer. Sehingga proses penganalisisan dapat dilakukan secara otomatis dan lebih mudah

Karyawan pada dasarnya adalah manusia yang menggunakan tenaga dan kemampuannya untuk mendapatkan balasan berupa pendapatan, baik itu dalam bentuk uang maupun lainnya dari pemberi kerja atau pengusaha atau majikan. Tidak dapat dipungkiri pula bahwa sebuah perusahaan bisa berjalan dan berkembang jika terdapat karyawan yang bekerja didalamnya. Keberadaannya di sebuah perusahaan begitu penting, sehingga segala informasi yang berkaitan dengan karyawan sangat diperlukan. Data Mining merupakan suatu proses penggalian data atau penyaringan data dengan memanfaatkan kumpulan data yang memiliki ukuran cukup besar melalui serangkaian proses untuk mendapatkan informasi yang berharga dari data tersebut. Data Mining bisa digunakan oleh perusahaan besar untuk menggali data dan mendapatkan informasi yang dapat menunjang serta meningkatkan proses bisnis perusahaan tersebut. Setiap perusahaan pasti mempunyai data transaksi yang tersimpan dalam basis datanya. Data transaksi tersebut semakin hari semakin banyak dan bertambah. Terkadang data transaksi tersebut hanya dibiarkan menumpuk tanpa ada tindakan lebih lanjut. Dengan bertambahnya jumlah data pada perusahaan tersebut, maka peran analis untuk menganalisis data secara manual perlu digantikan dengan aplikasi yang berbasis komputer. Sehingga proses penganalisisan dapat dilakukan secara otomatis dan lebih mudah

Penelitian ini bertujuan untuk melakukan Klasifikasi dalam menentukan tingkat Stres yang dialami oleh Mahasiswa Akhir di STIKOM Tunas Bangsa dengan menggunakan teknik data mining C4.5. Dengan mengetahui stres mahasiswa, pihak kampus dapat memberikan treatment dan perlakuan yang tepat terhadap mahasiswa akhir. Sumber data penelitian diperoleh dari beberapa kelas semester 6 dan 8 sebanyak 110 mahasiswa, melalui wawancara dan pembagian kuesioner. Atribut yang digunakan sebagai parameter penilaian untuk mengetahui tingkat stres yang dialami oleh mahasiswa akhir di STIKOM Tunas Bangsa, Pematang siantar antara lain: Interpersonal (C1), Intrapersonal (C2), Akademik (C3) dan Lingkungan (C4). Proses pengujian penelitian ini  menggunakan bantuan software RapidMiner untuk membuat pohon keputusan. Dari hasil pengolahan C4.5 dengan menggunakan bantuan software RapidMiner atribut Interpersonal (C1) menjadi atribut yang paling berpengaruh terhadap tingkat stres Mahasiswa Akhir dan data performance yang ditunjukkan terhadap kesesuaian metode C4.5 akurasinya adalah 87,88%.

Penelitian ini bertujuan untuk mengetahui besar tingkat kepuasan konsumen terhadap produk roti Pinkan Bakery & Cake. Dengan mengetahui tingkat kepuasan konsumen, maka pihak toko dapat memperbaiki dan meningkatkan faktor kepuasan konsumen apabila ada kelemahan dan kekurangan. Metode yang digunakan dalam penelitian ini dengan data mining yaitu Algoritma C4.5, sumber data diambil dengan menggunakan angket/kuesioner pada tahap survei pengisian lembar kertas kepada pengunjung toko atau masyarakat sekitar di lingkungan Desa Bangun. Adapun variabel yang digunakan yaitu (1) Harga, (2) Rasa, (3) Kualitas Produk, (4) Kebersihan Tempat. Untuk memudahkan proses pembuatan pohon keputusan proses uji penelitian menggunakan software Rapidminer 5.3. Berdasarkan seluruh hasil tahapan penelitian yang telah dilakukan pada Penerapan Algoritma C4.5 pada analisis faktor Kepuasan Konsumen terhadap Produk Roti Pinkan Bakery and Cake dapat disimpulkan bahwa permasalahan menentukan faktor kepuasan konsumen terhadap produk Roti dapat diselesaikan menggunakan teknik data mining, yaitu dengan Algoritma C4.5. Menghasilkan 5 rules dan Tingkat akurasi yang dihasilkan oleh metode tersebut adalah 93%. Dari perhitungan dengan Algoritma C4.5 maka didapatkan faktor yang paling dominan adalah Rasa (C2) dengan nilai gain sebesar 0,333610402.

Buah-buahan merupakan salah satu komoditas hortikultura yang memegang peranan penting bagi pembangunan pertanian di Indonesia. Secara garis besar, produksi buah-buahan di Provinsi Sumatera Utara selama periode 2018-2020 mengalami penurunan. Penurunan jumlah produksi buah-buahan dapat mengakibatkan harga buah menjadi mahal, dan stok buah-buahan menjadi langkah. Penelitian ini bertujuan untuk mengetahui hasil dari pengelompokkan tanaman buah-buahan menggunakan metode K-Medoids yang merupakan bagian dari Data Mining. Metode K-Medoids ini  merupakan metode clustering yang dapat memecahkan dataset menjadi beberapa kelompok. Pada penelitian ini data yang digunakan bersumber dari Badan Pusat Statistik pada tahun 2017-2021. Hasil dari penelitian ini diperoleh sebanyak 21 komoditas yang tergolong cluster rendah dan 2 komoditas yang tergolong dalam cluster tinggi. Penelitian ini diharapkan dapat Membantu Pihak Dinas Pertanian Provinsi Sumatera Utara dalam mengupayakan meningkatkan hasil produksi tanaman buah-buahan yang ada di Provinsi Sumatera Utara.

Penelitian ini bertujuan melakukan klasifikasi dalam menentukan tingkat pemahaman mahasiswa pada matakuliah bahasa pemrograman dengan menggunakan metode data mining C4.5. Dengan mengetahui tingkat pemahaman mahasiswa, pihak prodi dapat memberi masukan yang bermanfaat sebagai bahan pertimbangan kepada para dosen dalam melaksanakan program kegiatan belajar mengajar terhadap mahasiswa dan dapat lebih meningkatkan pembelajaran apabila tingkat pemahaman sudah baik. Sumber data diperoleh dari hasil kuesioner yang diberikan kepada Mahasiswa STIKOM Tunas Bangsa Pematangsiantar semester 4 dan semester 6 prodi sistem informasi. Adapun Kriteria yang digunakan diantaranya Minat Mahasiswa (C1), Motivasi (C2), Komunikasi (C3), Media Pembelajaran (C4), Sarana dan Prasarana (C5). Proses uji penelitian mengunakan software RapidMiner untuk membuat pohon keputusan. Dari hasil pengolahan C4.5 dengan menggunakan bantuan software RapidMinner adalah atribut C2 (Motivasi) menjadi atribut yang paling berpengaruh untuk meningkatkan pemahaman mahasiswa pada matakuliah bahasa pemrograman dan data performance yang ditunjukkan terhadap kesesuaian metode C4.5 akurasinya adalah 84.38%.

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

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%.

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.

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.

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.

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.

Along with the development of the era, also followed by growth and also the birth of many companies in the field of goods and services, where each company always strives as much as possible to obtain and maintain market share. This can make competition tight, especially for business people, especially those that occur in digital printing companies owned by Abadi Digital Printing, Salatiga. Because this printing company is still a new company, it requires a lot of research on consumer purchasing patterns to increase sales and marketing strategies so as not to be rivaled by other printing that has been longer, the following analysis uses apriori algorithms with RapidMiner tools. By using a support value of 0,025 and confidence of 0,6, the results are that the items often purchased by consumers are standing banner with  x banner. From these results it can be used as a promotional event, deal packages, etc to increase consumer attractiveness.

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.

The purpose of this study is to develop structural models of factorsthat affect the value of the company. Company value is influenced by theprofitability and size of the company directly or in the intervening capitalstructure. The selected research object is in mining company at IndonesiaStock Exchange in period 2010 to 2015.The sample size required for thisstudy was initially as many as 42 companies. After screening there are 29companies that can be used or 174 observations with sampling techniqueusing purposive non random sampling. The analysis tool used is normalitytest, deviation of classical assumption, data fit test, regression equation test,hypothesis test and coefficient of determination. Sobel test test in this researchis also conducted to test whether intervening variable is capital structure.The results showed that the capital structure (debt to equity ratio) andprofitability (return on equity) proved to have a positive and significanteffect on the value of the company (price book to value). Profitability (returnon equity) proved to negatively and significantly affect the capital structure(debt to equity ratio). The size of the firm (size) proved to have a positiveand significant influence on the structure of capital (debt to equity ratio).The size of the firm (size) proved to have a negative effect is not significantto the value of the company (price book value). The capital structure (debt toequity ratio) proves to be a mediating variable between return on equity andfirm size to firm value