Publication Search

Saat ini proses seleksi lelang elektronik di LPSE Kota Banjarmasin dilakukan dengan memperhatikan masing-masing indikator dan kriteria individu yang telah ditetapkan oleh masing-masing peserta lelang. Hal ini membutuhkan pertimbangan yang cermat dari banyak kriteria, yang membutuhkan waktu dan proses penilaian yang menyeluruh. Selain itu, untuk mendeteksi terjadinya ketidakpuasan di antara peserta, perangkat bantu seperti sistem pendukung keputusan Memanfaatkan metodologi Eckenrode dan The Distance to the Ideal Alternative, penelitian ini berupaya untuk memperbaiki sistem penentuan sebab seleksi pemenang lelang (DIA ). Sekitar 50 sampel data digunakan dalam penelitian untuk menentukan ambang akurasi dan sensitivitas sistem, dan hasilnya menunjukkan bahwa tingkat akurasi dan sensitivitas masing-masing adalah 98% dan 97%. Temuan penelitian ini menunjukkan bahwa metode Eckenrode dan DIA dapat berhasil digunakan untuk pengembangan sistem pemilihan kandidat khusus lelang.

Pada periode tahun 2018 sampai dengan tahun 2021 saham PT. BSI tbk (BRIS) cenderung mengalami fluktuasi harga setiap hari, sehingga dari kumpulan data time-series saham BRIS dibutuhkan penggalian data untuk menemukan pola model prediksi yang dapat menemukan informasi yang bermanfaat. Metode Data mining atau disebut juga dengan knowledge discovery merupakan penggalian informasi yang tersimpan dalam basis data yang besar melalui studi mengumpulkan, membersihkan, memproses, dan menganalisis, sehingga mendapatkan hal yang berguna dari data saham BRIS. Adapun model yang digunakan adalah metode regresi linier berganda, dan metode ARIMA dimana kedua metode tersebut memiliki keunggulan dalam analisis data numerik yang cukup akurat. Tujuan penelitian ini adalah untuk menerapkan dan menghasilkan model persamaan yang akurat antra kedua metode tersebut dalam memprediksi harga saham PT. BSI tbk.  Hasil yang didapat adalah  model regresi linier berganda dengan hasil nilai MAPE 1,1% yaitu 98,9% lebih akurat dibandingkan dengan model ARIMA yaitu dengan hasil nilai MAPE 2,36% dan akurasinya 98,9%.

Penyakit hipertensi merupakan manifestasi gangguan keseimbangan hemodinamik sistem kardiovaskular yang mana patofsiologinya multifaktor yang cukup banyak mengganggu kesehatan masyarakat. Pada umumnya pasien tidak mengetahui bahwa menderita penyakit hipertensi sebelum memeriksakan tekanan darahnya, ini menyebabkan hipertensi merupakan suatu penyakit kronis yang disebut dengan silent killer. Salah satu yang dapat membantu dalam proses penegakkan diagnosa hipertensi dengan mengembangkan sebuah Rancangan Sistem Pakar Penegakan Diagnosa Penyakit Hipertensi, dalam penelitian ini menggunakan metode penelitian Inferensi Forward Chaining, Metode Support Vector Machine (SVM). Data yang digunakan yaitu data primer dan sekunder. Tujuan dari penelitian ini memudahkan tenaga medis dan penderita dalam mengetahui gejala awal penegakan diagnosa hipertensi, agar segera bisa dilakukan penangan yang cepat dan akurat. Hasil dari penelitian model SVM linear terhadap 247 data pasien menunjukkan akurasi 85% pada proses training dan 91,89 % pada proses testing.  

Indonesia sebagai negara demokrasi sudah menggunakan metode E-Voting sebagai sarana demokrasi,  walaupun  baru  diterapkan  di  tingkat  pemilihan  kepala  dusun  dan  kepala  desa. Sistem pemungutan suara elektronik (e-voting) harus diseriusi dan menjamin transparansi, kepastian, keamanan akuntabilitas, dan akurasi. Selain kesiapan teknologi, tentunya harus didukung dengan kesiapan masyarakat dalam melaksanakan sistem e-voting ini ke depannya. Ketidaksiapan  dan  kurangnya  sosialisasi  pemerintah  terhadap  e-voting  juga  dapat  menjadi faktor pemicu kegagalan dalam penerapan sistem ini. Sejak pandemi Covid-19 yang menyebar diseluruh  dunia,  melumpuhkan  kegiatan  manusia  khusus  di  Indonesia.  Pemilihan  Kepala Daerah  di  Indonesia  yang  diselenggarakan  pada  9  Desember  2020  mengalami  polemik physical  distancing  ditengah pandemi Covid-19.  Penerapan sistem E-Voting telah dilakukan oleh beberapa negara misalkan di Brajil, India, Swiss dan Australia mendapatkan respon positif dalam masyarakat, namun juga terdapat kekurangan dalam pelaksanaannya. Metode penelitian diskriptif kwalitatif  dengan pendekatan perbandingan data sekunder. Hasil penelitian ini, sistem E-Voting dalam Pemilihan Umum dapat meningkatkan nilai demokrasi khusus peningkatan partisipasi masyarakat dan memberikan keefektivan serta keefesienan dalam proses pemilihan berlangsung.  Namun,  penerapan  sistem  E-Voting  masih  terkendala  dengan  adanya  hacker yang bisa membobol sistem serta kesiapan pemerintah dalam penggunaan E-Voting.

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%.

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%.

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%.