Publication Search

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%.

Discount is a sales strategy that lowers the price offered to buyers in the hope of increasing sales profits. However, when offering these discounts, stores often don't think about how discounted products can attract customers, so a support system is needed that can respond to the right and appropriate discounts. This support system with data mining techniques using apriori algorithm. This apriori method can search for several products that are often purchased simultaneously, therefore when juxtaposed with this study the effectiveness of the recommendations will be very good. Not only that, if it is added with a combination of recommendations with discounts, it will make customers interested to buying the product. The expected result of this research is to obtain a new sales strategy by making recommendations on items that will be used as discount packages.

ABSTRACT The rapid development of technology has a very large effect in various fields. One of them is in the field of buying and selling business, which is getting higher and higher competition between business actors. One of the strategies to increase sales is to implement a recommendation for goods, but from the various categories of goods in the store, there are products that are not in demand by customers, so that if left alone, the products that are not in demand will not sell well and will make the accumulation of goods in the store, in addition to that with the many categories, it makes some customers confused to choose products that suit their wishes buyer. Therefore, the author conducts an assessment first by conducting a literature study, which finally the purpose of this study is to make it easier for users and business owners to recommend goods in the store and determine the desired product by implementing a recommendation system on the Rameiki Mart Store website which is taken from the amount of data, this is also beneficial for store owners because the existence of this recommendation system can help as a means of product promotion , as well as in recommendations for the purchase of goods. In this study, the researcher created a recommendation system using the a priori algorithm method.

In a business , the ability to process data is very necessary, information obtained from a business can provide benefits in  an effective and efficient business strategy, but with the development of online business strategy information, some users,  in business furniture products are confused choosing product according to the wishes of the buyer Therefore, research is made with the aim of making it easier for users, especially in the field of furniture product business to determine the desired product by implementing a recommendation system on the furniture store website which is taken from the amount of data, this data can be in the form of databases. this is also beneficial for shop owners because with this recommendation system it can help as a means of promoting products that are not selling well. the recommendation system uses the a priori algorithm method with data mining techniques, namely association rules.

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%.

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.

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%.