Publication Search

This study aims to analyze the effect of profitability, growth, liquidity,  debt to equity ratio (DER) to dividend policy. About 128 samples used from annual report of mining companies listed on the Indonesia Stock Exchange in the period of 2013 -2016. The analytical method is using the logistic regression analysis method. The result of thids study is only profitability that affects to dividend policy (coefficient logistic regression: 0.220). It means if profitabillity is risen, the other variabels are constan.  Therefore, dividends will be distributed if the company makes a profit. The company's ability to get greater profits will increase dividends distributed to shareholders. Key Word: profitability, growth, liquidity,  debt to equity ratio (DER), dividend policy

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.

This study aims to determine the effect of managerial ownership, ownership, independent board of directors, audit committee, and leverage on the integrity of financial statements on mining companies listed on the Indonesia Stock Exchange in 2012 -2016. The population used in this research is mining companies listed on the Indonesia Stock Exchange 2012 -2016 period. The samplingtechnique used was purposive sampling.The number of samples is 155 companies. The analysis method used is multiple linier regression analysis. The result of this research are : managerial ownership and institutional ownership have a positive effect on the integrity of financial statements. Independent commissioners and audit committees have no effect on the integrity of financial statements. Leverage has a negative effect on the integrity of financial statements.

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.  

The purposeof this study was to find empirical evidence of theinfluence of company'sinvestment decision, financing decision, ,firmprofitability, firmproductivity and firmliquidity to the company’s value.Thestudy took a sample of mining and service mining companies listed inIndonesia Stock Exchange period of 2008 until 2012. Sampling wascollected by using purposive sampling technique. Samples obtained in thisstudy were 75 companies.The result of this research shows that investmentdecision and financing decision doesn’t have influence to firm value.But firmprofitability, firm productivity, and firm liquidity has positive influence tofirm value.

Informatika dan Program Studi Sistem Informasi Fakultas Teknologi Informasi UniversitasStikubank Semarang. Fakultas Teknologi Informasi dipilih karena jumlah data penelitiannya cukupbanyak. Setiap tahunnya Fakultas Teknologi Informasi meluluskan mahasiswa dengan penelitian skripsiyang beragam. Setiap tahunnya jumlah data skripsi selalu bertambah. Semakin bertambahnya penelitianskripsi dengan mata kuliah terbatas menyebabkan semakin banyak pula mahasiswa yang mengambilpenelitian yang mirip tema, objek, atau metode penelitian dengan penelitian sebelumnya. Pengelompokandata penelitian yang umumnya berbentuk teks dapat dilakukan dengan text mining.Algoritma yang digunakan adalah Partitioning Around Medoids (PAM) Clustering untuk melihatgambaran umum kemampuan akademik mahasiswa. Aplikasi dapat memberikan layanan pemilihanmedoids sejumlah 3 dokumen sebagai objek medoid. Untuk menghitung similaritas antar dokumen yangdiuji dengan medoids yang telah ditentukan menggunakan algoritma Jaccard Coefficient.Aplikasi dapat memlakukan proses menentukan sejumlah 3 (tiga) medoids oleh user dari dokumenabstrak skripsi mahasiswa.. Aplikasi juga dapat melakukan perhitungan jarak antara dokumen abstrakskripsi yang dipilih sebagai medoids dengan dokumen diluar medoid dan menampilkan hasil klasteringdokumen abstrak skripsi menggunakan algoritma PAM

Media Sosial adalah sebuah media online, dengan para penggunanya bisa dengan mudahberpartisipasi, berbagi, dan menciptakan isi meliputi blog, jejaring sosial, wiki, forum dan dunia virtual.Blog, jejaring sosial dan wiki merupakan bentuk media sosial yang paling umum digunakan olehmasyarakat di seluruh dunia. Clustering merupakan suatu metode untuk mencari dan mengelompokkandata yang memiliki kemiripan karakteriktik (similarity) antara satu data dengan data yang lain. Clusteringmerupakan salah satu metodedata mining yang bersifat tanpa arahan (unsupervised).

Sejak pemerintah kota Semarang menyelenggarakan penerimaan peserta didik baru secara online, khususnya untuk tingkat SMA Negeri di Kota Semarang, banyak permasalahan dapat diatasi dengan adanya sistem tersebut. Orang tua/wali dan calon peserta didik tidak lagi harus banyak mengeluarkan tenaga dan pikiran untuk melakukan proses pendaftaran, seperti pergi jauh menuju lokasi sekolah dan menunggu antrian yang cukup lama, tetapi cukup dengan melakukan proses secara online melalui internet. Yang sangat perlu diperhatikan adalah bagaimana proses yang berjalan secara real-time tersebut dapat dipantau secara transparan oleh masyarakat luas, sehingga keputusan yang harus diambil oleh orang tua/wali maupun calon peserta didik sepenuhnya tepat berdasarkan kesadaran dan kondisi yang ada pada saat proses penerimaan siswa baru secara online berlangsung. Menjadi unik ketika mengamati bagaimana jumlah SMA yang ada di Kota Semarang diserbu oleh calon peserta didik yang begitu banyak, yang berasal dari negeri maupun swasta dan dari dalam kota maupun luar kota. Kuota yang ada pada setiap sekolah tentunya tidak dapat menampung semua jumlah pendaftar, sehingga ketentuan pada proses seleksilah yang akan menjadi dasar akhir penerimaan. Tidak semua calon peserta didik yang berasal dari sekolah negeri bisa diterima di sekolah yang dituju, demikian pula calon peserta didik yang berasal dari sekolah swasta tetap memiliki kesempatan yang sama untuk bisa diterima di sekolah negeri tujuannya. Menggunakan metode data mining dan teknik klustering diperoleh gambaran hasil bagaimana proses seleksi masuk di SMA Negeri di Kota Semarang yang cukup ketat namun transparan. Data yang diolah dapat mengetahui sejauh mana calon peserta didik berkompetisi memperebutkan kursi di sekolah yang diidamkannya tersebut. Gambaran hasil berikutnya adalah bagaimana porsi sebenarnya antara calon peserta didik laki-laki dan perempuan yang berkesempatan untuk melanjutkan studi di SMA Negeri. Prosentase pendaftar dari Dalam Rayon, Luar Rayon dan Luar Kota juga tampak jelas dalam hasil analisa. Terakhir adalah bagaimana dengan data mining dan teknik klustering diperoleh gambaran kelompok calon peserta didik dengan nilai tinggi, sedang dan rendah, serta kelompok jumlah calon peserta didik dari asal sekolah mereka.   Kata kunci: peserta didik, online, klustering

Umumnya penelaahan kompetensi lulusan dilihat dari tempat kerja mereka saat ini atau dengan cara menelusuri dari angket-angket yang diisikan oleh alumni pada periode tertentu. Hal tersebut juga dapat dilakukan melalui temu alumni maupun melalui pusat informasi alumni pada tiap perguruan tinggi. Lalu bagaimana jika kompetensi tersebut dikaji pada saat sebelum mahasiswa lulus, dengan mengkaji dari nilai akademik yang telah diperoleh ? Dengan menggunakan teknik data mining khususnya metode asosiasi dengan algoritma apriori dapat digali suatu informasi dengan tingkat kepercayaan(min.confidence) suatu transaksi dengan tingkat dukungan(min. support) tertentu sehingga menghasilkan suatu aturan. Setiap matakuliah dalam sebuah kurikulum memiliki  muatan kompetensi tertentu dan sebuah kompetensi dapat disumbang oleh beberapa matakuliah.Dengan mengelompokkan nilai akademik mahasiswa ke dalam suatu kompetensi dan mengambil nilai rata-ratanya maka akan dapat diperoleh suatu peta kompetensi dengan menentukan pada tingkat rata-rata tertentu. Pencapaian kompetensi pada level minimum support 70% dan minimum confidence 75%  pada studi kasus yang dilakukan adalah pada 3 kompetensi. Yaitu Sistem Informasi (IS), System Integration (SI) dan Network and Communication (NC). Artinya bahwa sebanyak 70% calon lulusan program studi S1 Sistem Informasi tahun angkatan 2004 s/d 2007 mempunyai kompetensi yang lebih dibidang system informasi, integrasi system dan jaringan dan komunikasi dibandingkan dengan kompetensi lainnya. Selanjutnya tidak menutup kemungkinan penggunaan teknik, metode maupun algoritma yang lain dan memberikan suatu hasil yang berbeda. Penelitian ini masih dapat dikembangkan lebih jauh.Kata Kunci : Kompetensi, Data Mining, Asosiasi, Apriori

Lama studi dari mahasiswa ini sangatlah penting bagi mahasiswa, program studi serta perguruan tinggi. Permasalahan lama studi setiap mahasiswa bisa disebabkan atau dipengaruhi oleh banyak faktor. Hal tersebut telah dibuktikan dengan beberapa penelitian pada permasalahan tersebut yang mendapati sejumlah faktor yang berpengatuh terhadap lama studi mahasiswa. Dengan menggunakan teknik data mining khususnya klasifikasi untuk prediksi dengan algoritma naive bayes dapat dilakukan prediksi terhadap ketepatan waktu studi dari mahasiswa berdasarkan data training yang ada. Data training dan testing yang digunakan diambil secara random pada tabel data master yang digunakan. Algoritma naive bayes, menghitung perbandingan peluang antara jumlah dari masing-masng kriteria nilai fields terhadap nilai hasil prediksi sesunggunya. Fungsi untuk prediksi dibuat menggunakan Query pada MySql dalam bentuk function(fbayesian). Dari hasil uji coba diperoleh tingkat kesalahan prediksi berkisar 20% sampai dengan 50% dengan data training dan testing yang diambil secara random. Namun rata-rata tingkat kesalahan berkisar 20 % hingga 34%. Tinggi rendahnya tingkat kesalahan dapat disebabkan oleh jumlah record data dan tingkat konsistensi dari data training yang dgunakan. Sedangkan hasil prediksi dari ketepatan lama studi dari mahasiswa angkatan 2008 adalah sebesar 254 mahasiswa diprediksi ”Tepat Waktu” dan sisanya yaitu 4 orang diprediksi ”Tidak Tepat Waktu”.   Kata Kunci : Prediksi, Lama Studi, Data Mining, Naive bayes, MySql

Terdapat jumlah kenaikan yang cukup berarti pada jumlah penerimaan mahasiswa baru di PTS di lingkungan Kopertis Wilayah VI Jawa Tengah hingga tahun 2012. Bidang ilmu dan program studi tertentu mengalami kenaikan yang relatif tinggi, khususnya di bidang teknologi informasi, kependidikan dan kesehatan. Ada suatu pendapat mengenai program studi dengan jenjang pendidikan program tertentu cenderung dipilih oleh calon mahasiswa dengan gender tertentu pula, sedangkan yang lain berpendapat bidang ilmu yang lebih cenderung menjadi priorotas utama sebelum memilih program studi dengan jenjang pendidikannya. Berdasarkan hal tersebut maka dengan menggunakan teknik klasifikasi pada data mining dapat diketahui kecenderungan calon mahasiswa dalam memilih jenjang pendidikan di perguruan tinggi, khususnya mengenai program studi tertentu yang banyak peminatnya, berdasarkan rumpun bidang ilmu dan data jenis kelamin.   Kata kunci : Data Mining, Klasifikasi, Bidang Ilmu, Jenis Kelamin

Salah satu cara yang paling berhasil untuk mengorganisasikan informasi dalam jumlah banyak dan dapat dipahami oleh para pencari informasi adalah dengan melakukan klasifikasi dokumen berdasarkan topiknya. Kebutuhan akan dokumen pembelajaran untuk melakukan klasifikasi dokumen merupakan salah satu permasalahan yang sering muncul dalam topik klasifikasi dokumen. Permasalahan yang timbul menjadi semakin rumit dengan adanya fakta bahwa jumlah simpanan data berita menjadi sangat besar dan tidak terorganisir. Oleh karena itu, diperlukan suatu strategi pengelompokan otomatis dokumen-dokumen berita tersebut. Klasifikasi merupakan salah satu metode dalam data mining yang bertujuan untuk mendefinisikan kelas dari sebuah objek yang belum diketahui kelasnya. Pada klasifikasi terlebih dahulu akan dilakukan proses training dan testing. Pada proses tersebut akan digunakan dataset yang telah diketahui kelas objeknya. Pada penelitian ini akan dibangun aplikasi Klasifikasi Berita Menggunakan Ontologi. Obyek penelitian dari penelitian ini adalah artikel berita berbahasa Indonesia dari situs http://www.google.com Dengan adanya klasifikasi dokumen maka hasil download berita dari situs http://www.google.com dapat lebih terstruktur sehingga untuk mendapatkan informasi lebih cepat dan relevan sesuai dengan yang diinginkan.

Teknik scraping dapat dilakukan teknik regular ekspresi, regular ekspresi ditentukan pola yang mengawali dan mengakhiri suatu konten utama pada halaman situs. Salah satu situs yang mempunyai berbagai macam informasi yang akan digunakan sebagai obyek scraping adalah wikipedia.  Salah satu situs yang mempunyai berbagai macam informasi yang akan digunakan sebagai obyek scraping adalah wikipedia. Wikipedia sendiri adalah proyek ensiklopedia multibahasa dalam jaringan yang bebas dan terbuka. Kemampuan dari aplikasi web scraping adalah   Sistem berupa fungsi menggunakan aplikasi berbasis web digunakan untuk melakukan proses web scraping,  Menggunakan CMS wordpress sebagai manajemen kontennya, Terimplementasi di dalam wordpress sebagai plugin. Pada akhirnya untuk dapat di rangking dengan bagus oleh mesin pencari dibutuhkan konten unik, karena dengan teknik web scraping konten yang dihasilkan tidak unik maka teknik ini website tidak dapat menjadi urutan awal pada hasil mensin pencari Kata Kunci : Web Scraping, Web Mining, Regular Ekspresi

Academic data increases every year in line with the increase of students. Abundant data store is alsoan abundance of information. Data mining technology is a tool for extracting information on largedatabases and has been widely used in many domains. Predicting student performance (study evaluation) isan activity to determine a future state based on existing data. Data in the field of academic research hasbeen done with various methods and algorithms, but the use of algorithm SLIQ (Supervised Learning InQuest) has not been done.SLIQ is an algorithm developed by the IBM's Quest project team in 1996 for mining large datasets.SLIQ algorithm classify and predict the students performance, beginning with the data cleaning, conductedelection training and testing data. By calculating gini index of each attribute and then selecting thesmallest gini index data table is split according to the criteria until find the same class. From the results ofthe calculation process can produce a set of rules that can be used to predict student performance.From the experiment it can be concluded that the algorithm SLIQ with decision tree technique canbe used as an alternative in designing a system datamining applications. Tests conducted system showedthat the constructed model can be used to predict the performance of new students. The resulting accuracyof the model system in fact has a lower score than the accuracy of other applications that are used as acomparison of Tanagra. Advantages of the proposed system is in its design does not need complexcalculations in obtaining the gini index attributes.

Data akademik perguruan tinggi bertambah setiap tahunnya sejalan dengan bertambahnya jumlah mahasiswa. Data yang berlimpah menyimpan informasi yang berlimpah juga.. Teknologi data mining merupakan alat bantu untuk penambangan informasi pada basis data berukuran besar dan telah banyak digunakan pada banyak domain. Memprediksi kinerja (evaluasi belajar) mahasiswa adalah suatu kegiatan untuk menentukan suatu kondisi dimasa depan berdasarkan data yang telah ada. SLIQ merupakan algoritma yang dikembangkan oleh tim proyek IBM’s Quest pada tahun 1996 dapat digunakan untuk dataset yang besar. Penggunaan algoritma SLIQ untuk mengklasifikasikan dan memprediksi kinerja mahasiswa sudah digunakan pada penelitian sebelumnya dengan hasil tingkat akurasi yang masih rendah dikarenakan banyaknya pembatasan. Selanjutnya dilakukan implementasi algoritma Nearest Neighbor yang menggunakan pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada. Dari hasil penelitian ini kemudian dibandingkan tingkat akurasi dari hasil prediksi tersebut. Dari sistem yang dihasilkan dapat disimpulkan bahwa algoritma SLIQ dengan teknik pohon keputusan mempunyai tingkat akurasi prediksi yang lebih rendah dibandingkan dengan tingkat akurasi dari penggunaan algoritma nearest neighbor. Kata kunci : SLIQ, Nearest Neighbor, prediksi kinerja, akurasi

Pada artikel ini akan dijelaskan prinsip dasar penggunaan data mining dalam lingkunganBusiness Intelligence (BI) untuk mendapatkan pengetahuan tentang bisnis

Jumlah PTS di lingkungan Kopertis Wilayah VI Jawa Tengah mencapai jumlah 231 buah dengan jumlah bidang ilmu sebanyak 16 buah dan program studi yang dibuka mencapai 153 buah. Dari data mahasiswa baru yang diterima selama 5 tahun terakhir, yaitu 2005 – 2009 menunjukkan adanya kenaikan dan penurunan yang cukup signifikan pada beberapa program studi. Berdasarkan data tersebut di atas dan dengan menggunakan teknik data mining diharapkan trend mahasiswa baru dapat diketahui berdasarkan bidang ilmu dan program studi yang dipilihnya, dengan demikian orientasi penerimaan mahasiswa baru dapat diprediksi di masa yang akan datang, khususnya pada program studi yang banyak peminat dan program studi yang kurang peminat.

This article discuss research progress and future opportunities for modeling consumer choice on the Internet using clickstream data and also to compare the nature of Internet choice (as captured by clickstream data) with supermarket choice (as captured by UPC scanner panel data). Though the application of choice models to clickstream data is relatively new, and review existing early work and provide a two-by-two categorization of the applications studied to date (delineating search versus purchase on the one hand and within-site versus across-site choices on the other). The article discusses additional opportunities afforded by clickstream information, including personalization, data mining, automation, and customer valuation and also offers directions for further research in these areas. Notwithstanding the numerous challenges associated with clickstream data research.