Publication Search

Mercury (Hg) is a metal that is commonly found in water and has toxic properties, so it is very dangerous for human health and the environment. Mercury in the environment can come from gold mining activities such as in Pesanggaran Village, Banyuwangi. Based on information from the surrounding community, the waste disposal flowed into the river and it was feared to affect the quality of river water in this area. This study aimed to analyze the mercury level in the river water using the UV-Visible Spectrophotometer method, where river water samples were taken from the upstream, middle, and downstream parts. Determination of mercury levels was carried out at the STIKES Banyuwangi Laboratory. The results showed that the Hg content in the river water around the gold mining area of Pesanggaran Village, Banyuwangi ranged from 0.031 to 0.033 mg/L. The Hg level of river water in this area was above the threshold and it was not recommended to use as drinking, bathing, cooking or washing. However, it is necessary to analyze Hg levels using other methods, such as the AAS (Atomic Absorption Spectroscopy) method which is more expensive but more accurate results will be obtained.

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%.

This study aims to examine the effect of audit committee characteristics on CSRD in manufacturing and mining sector companies listed on the Indonesia Stock Exchange (IDX) in 2019. In addition, this study also examines whether there is an effect of risk management as a mediating variable in the relationship between audit committee characteristics and CSR disclosure. This research using purposive sampling method, which result in 178 samples. The analytical tool in this research using structural equation modeling (SEM)-PLS (Partial Least Square). The results show that the characteristics of the independent audit committee, number of member meetings, financial expertise and gender diversity have a positive effect on CSRD, while the size of the audit committee has no effect on CSRD. Indirect testing shows that risk management only affects the relationship between the number of member meetings and CSRD. Meanwhile, risk management failed to become a mediator for other variables with CSRD.

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.

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 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%.

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.

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..

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%.