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

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.

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%.

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%.

Computer mining rigs are specially designed for only one purpose which is to mine crypto assets efficiently and effectively. Mining takes a lot of time, therefore it is very important to pay attention to computers for mining. The better the quality of the PC or computer, the faster the mining process will be. So far, consumers in choosing a mining rig computer only observe the mining rig computer without looking at special criteria such as price, motherboard, processor, VGA, power supply and RAM. COPRAS method assessment criteria include price criteria, motherboard, processor, VGA, power supply and RAM.. The system development method uses a prototype, the system design uses UML and the system manufacture uses PHP and MySQL. The results of the computer mining rig recommendations calculated using the COPRAS method are 12 GPUs 381 mh/s with a value of Ui = 1,000, Rig RTX 2060 with a value of Ui = 0,8157, Rig 6 x RTX 3060 with a value of Ui = 0,7108 and Rig RTX 2060 II with a value of Ui = 0.7014..

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.

This study aims to examine the analysis of the effect of management compensation, profitability, capital intensity, and leverage on tax avoidance in mining sub sector manufacturing companies listed on the Indonesia Stock Exchange for the 2016-2020 period. The sampling method used purposive sampling in order to obtain 32 mining sub sector companies. The results showed that the variable of management compensation, capital intensity, and leverage had on effect on tax avoidance. While the profitability variable has a significant negative effect on tax avoidance. For the upcoming research, it is expected to apply other independent variable which have highly connection with tax avoidance as dependent variable. Furthermore, the research is expected to choose different company as well, in order to receive the accurate result and to describe the actual situation/condition.

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

Community service with counseling steps carried out by the Extension Team of the Department of History Education, Faculty of Teacher Training and Education, Ivet University in Purwoyoso Village, Ngaliyan District, Semarang City, has succeeded in increasing public awareness of the importance of a healthy environment and making absorption through Biopori. Human life, cannot be separated from the environment around the house where you live. Both the natural environment and the social environment. We breathe requires air from the environment. Eating, drinking, keeping healthy, everything involves the environment. From the environment, humans can take advantage of parts of the environment such as animals, plants, water, air, sunlight, salt, wood, mining products and so on for their daily needs. But it is not only humans who live like that. Other living things such as animals and microbial animals and plants can also live because of their environment. A healthy environment in the form of shady plants and trees can be a source of oxygen and become a shelter for residents. Apart from being a shelter for residents, it is also a place for residents to chat and play with children. The role of Biopores is also important, as water infiltration when it rains so that it can provide water for the plants around it, so that the plants around it become fertile.

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.

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.

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.