JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
Not a member yet
62 research outputs found
Sort by
Clustering Data Kredit Bank Menggunakan Algoritma Agglomerative Hierarchical Clustering Average Linkage
Get PDFData mining adalah pengembangan model yang merepresentasikan penemuan pola menggunakan data historis. Model dapat diaplikasikan pada data untuk prediksi (klasifikasi dan regresi), segmentasi populasi (clustering), dan menentukan hubungan di dalam populasi (asosiasi). Dari beberapa model, salah satunya adalah clustering yang didefinisikan sebagai proses mengorganisir objek-objek menjadi satu kelompok yang anggotanya memiliki kemiripan tertentu. Similaritas ada dua, yakni similaritas berdasarkan bentuk dan jarak. Clustering mempunyai beberapa karakteristik, yaitu: partitioning, hierarchical, overlapping, dan hybrid. Hierarchical clustering adalah salah satu algoritma clustering dengan karakteristik setiap data harus termasuk dalam cluster tertentu, dan data yang termasuk dalam cluster tertentu tidak dapat berpindah ke cluster lain. Hierarchical clustering ada dua, yaitu divisive (top to down) dan agglomerative (down to top). Algoritma agglomerative ada empat yaitu single linkage, centroid linkage, complete linkage, dan average linkage. Salah satu dari algoritma agglomerative tersebut adalah average linkage. Algoritma ini merupakan algoritma terbaik di antara algoritma hierarchical yang lain, tetapi memiliki waktu komputasi tertinggi. Pada penelitian ini akan dilakukan clustering terhadap nasabah di suatu bank dengan algoritma agglomerative hierarchical clustering average linkage. Atribut data yang digunakan: status pengecekan, durasi kredit, sejarah kredit, tujuan kredit, besaran kredit, status tabungan, employment, komitmen, status personal, pihak lain, menetap sejak, kepemilikan property, umur, rencana pembayaran lainnya, status rumah, keberadaan kredit, pekerjaan, jumlah tanggungan, telepon rumah, pekerja luar negeri, dan kelas. Data dalam penelitian ini sebanyak 1000 instances, yang kemudian dijadikan sebagai data training sebanyak 25 %, 50 %, dan 75 %, sedangkan untuk data testing digunakan keseluruhan data. Kata kunci : Data mining, Dataset, Clustering, Agglomerative Hierarchical Clustering, Average Linkage ABSTRACT Data mining is the development of model that represents pattern discovery using historical data. The model can be applied to data for prediction (classification and regression), population segmentation (clustering), and determining relationships within the population (association). Of the several models, one of them is clustering which is defined as the process of organizing objects into one group whose members have similarities. There are two similarities, namely similarity based on shape and distance. Clustering has several characteristics, namely: partitioning, hierarchical, overlapping, and hybrid. Hierarchical clustering is a clustering algorithm with the characteristics of each data must be included in a particular cluster, and data included in a particular cluster cannot moved to another cluster. There are two hierarchical clustering, namely divisive (top to down) and agglomerative (down to top). There are four agglomerative algorithms, namely single linkage, centroid linkage, complete linkage, and average linkage. One of the agglomerative is average linkage. This algorithm is the best hierarchical algorithms, but has the highest computational time. In this study clustering of customers in a bank conducted with the agglomerative hierarchical clustering average linkage. Data attributes used: checking status, credit duration, credit history, credit goals, loan size, savings status, employment, commitment, personal status, other parties, settled since, property ownership, age, other payment plans, home status, credit availability, employment, number of dependents, landline, overseas workers and class. The data in this study were 1000 instances, which were then used as training data for 25%, 50%, and 75%, while for the testing data the entire data. Keywords: Data mning, datasets, clustering, agglomerative hierarchical clustering, average linkag
Optimasi Penempatan Petugas Keamanan Di Taman Safari Prigen Pasuruan Menggunakan Teori Himpunan Dominasi
Get PDFTaman Safari Prigen dengan luas 350 hektar merupakan kebun binatang yang mempunyai konsep alam terbuka, sehingga pengunjung harus menggunakan mobil pribadi, mobil wisata, atau tramp yang disediakan. Mengingat begitu luas dan banyaknya spesies yang terdapat di Taman Safari tentu saja rute yang dilalui pengunjung juga sangat panjang. Petugas keamanan biasanya stand by menggunakan mobil jib pada setiap jalan atau tikungan. Oleh karena itu, perlu adanya inovasi untuk mengoptimasi penempatan petugas dan armada sehingga lebih meminimalisir jumlah petugas dengan tanpa mengurangi fungsi atau fasilitas keamanan yang seharusnya. Misalnya satu petugas dengan satu armada dapat mendominasi atau bertugas terhadap keamanan pada dua wiliyah terdekat yang dapat dijangkau. Hal ini sesuai dengan teori himpunan dominasi jarak dua pada suatu graf.Graf yang akan digunakan dalam penelitian ini merupakan representasi dari peta lokasi kebun binatang Taman Safari Prigen dengan vertex merupakan posisi/lokasi petugas keamanan sedangkan sisi merupakan jalan yang dapat dilalui mobil untuk jalur pengunjung serta fasilitas keamanan. Selain itu, implementasi teori dari himpunan dominasi juga akan diteliti pada beberapa graf yaitu graf platonik yang dioperasikan shackle titik dengan graf yang sama. Graf Platonik terdiri atas graf tetrahedral, octahedral, kubik, icosahedral dan dodecahedral.Penelitian diawali dengan penentuan representasi graf hasil operasi, himpunan simpul elemen himpunan dominasi jarak dua untuk kemudian ditentukan banyaknya bilangan dominasi jarak dua. Setelah itu, teori yang telah digunakan dapat diaplikasikan untuk menentukan banyaknya pos pengamanan yang optimal yang dapat ditempatkan di kebun binatang Taman Safari Prigen.Kata kunci: himpunan dominasi, graf platonik, operasi shackle, taman safari prige
Kualitas Pelayanan Sistem Informasi Akademik Pada Kepuasan Mahasiswa Menggunakan Metode Webqual 4.0
Get PDFPenelitian ini bertujuan untuk mengetahui Pengaruh Kualitas Pelayanan Sistem Informasi Akademik Terhadap Kepuasan Mahasiswa Fakultas Teknik Universitas Muhammadiyah Jember. Kualitas pelayanan diukur menggunakan metode Webqual 4.0 dengan teknik pengumpulan data menyebarkan kuesioner melalui google docs, dan diperoleh 114 responden sebagai sampel dengan teknik snowball sampling. Kemudian data dianalisis dengan menggunakan uji regresi berganda dengan hasil bahwa model hanya mampu menjelaskan kepuasan mahasiswa sebesar 32,9% dan sisanya dijelaskan oleh faktor lain yang tidak diteliti. Secara bersama-sama ketiga variabel bebas memiliki pengaruh yang signifikan terhadap kepuasan mahasiswa dalam menggunakan sistem informasi akademik. Walaupun secara parsial hanya variabel service interaction quality yang berpengaruh positif signifikan terhadap kepuasan mahasiswa. (1 baris kosong, 10pt) Kata kunci: kualitas layanan, sistem informasi akademik, kepuasan, webqual ABSTRACT This study aims to measure the Effect of Academic Information System’s Service Quality on Student Satisfaction at the Faculty of Engineering, University of Muhammadiyah Jember. Service quality was measured by using the Webqual 4.0 method with data collection techniques distributing questionnaires through Google docs, and obtained 114 respondents as samples with snowball sampling technique. Then the data were analyzed using multiple regression tests with the result that the model was only able to explain student satisfaction by 32.9% and the rest was explained by other factors not examined. Together, the three independent variables have a significant influence on student satisfaction in using academic information system. Even though partially only service interaction quality variable has a significant positive effect on student satisfaction. Keywords: service quality, academic information system, satisfaction, webqual
Pengaruh Preprocessing Data pada Metode SVR dalam Memprediksi Permintaan Obat
Get PDFStock out merupakan permasalahan yang sering muncul pada Instalasi Farmasi Rumah Sakit. Kondisi ini disebabkan karena permintaan obat lebih banyak dari stok obat yang ada. Upaya untuk mengatasi stock out dengan mengelola persediaan obat dengan benar salah satunya adalah dengan cara memprediksi permintaan obat. Pada penelitian ini akan digunakan metode SVR. Dalam perhitungan SVR melewati proses sebuah preprocesing data yang berfungsi untuk meningkatkan akurasi hasil. Penelitian ini akan membandingkan metode preprocessing linear scaling dengan z normalization. Hasil MAPE menunjukkan preprocessing dengan linear scaling menghasilkan nilai yang lebih baik dibandingkan dengan z-normalization.
Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi Di Universitas Muhammadiyah Jember Dengan Metode Profile Matching
Get PDFInstansi atau perusahaan merupakan tempat dimana karyawan bekerja dan mendapatkan penghargaan atas kinerja yang dicapai. Universitas Muhammadiyah (UM) Jember merupakan lembaga pendidikan yang setiap tahunnya memberikan penghargaan kepada karyawan yang berprestasi, biasanya akan diumumkan pada acara milad. Penelitian ini bertujuan untuk memilih karyawan berprestasi tingkat universitas di UM Jember. Metode yang digunakan dalam penelitian ini adalah metode Profile Matching (PM). Metode PM digunakan untuk membandingkan selisih nilai antara profil posisi yang disebut dengan gap. Metode PM ini memiliki beberapa tahapan dan perumusan dalam perhitungan meliputi pemetaan gap, pembobotan, perhitungan dan pengelompokan core dan secondary factor, perhitungan nilai total, dan perhitungan penentuan ranking. Jumlah kandidat karyawan berprestasi yang terseleksi sebanyak 10 orang dari keseluruhan jumlah karyawan UM Jember. Berdasarkan perhitungan sistem, karyawan berprestasi yang terpilih adalah Budiharto, S.H dengan nilai ranking adalah 4,79.Kata Kunci : Profile Matching, Karyawan Berprestas
Analisis Aturan Asosiasi Data Transaksi Supermarket Menggunakan Algoritma Apriori
Get PDFDi satu sisi perkembangan ilmu pengetahuan dan teknologi dapat mempermudah pekerjaan manusia. Namun di sisi lain secara tidak langsung perkembangan ilmu pengetahuan dan teknologi meningkatkan persaingan dalam kehidupan. Salah satunya adalah persaingan dalam memasarkan barang dagangan oleh supermarket. Supermarket tentunya menginginkan target penjualan tercapai. Alternatif yang ditawarkan sebagai pertimbangan penataan barang dagangan yakni aturan asosiasi (association rule). Untuk mempermudah pekerjaan berkaitan dengan banyaknya dataset yang ada, diperlukan suatu program aplikasi untuk membantu penentuan aturan terkait dengan penempatan barang yang ada dalam supermarket. Dalam hal ini, digunakan aplikasi Weka 3.6 untuk menganalisis dataset yang ada pada supermarket, sehingga aturan terbaik untuk penempatan barang dagangan nantinya dapat ditemukan. Penelitian ini menggunakan support 2% dan 10 confidence yang berbeda yakni: 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90%, dan 100%. Dari hasil penelitian ini diperoleh untuk confidence sebesar 10% - 90% menghasilkan 10 aturan, sedangkan untuk confidence sebesar 100% tidak dihasilkan aturan asosiasi
Mengevaluasi Tingkat Kematangan Domain DS 9 (Manage The Configuration) pada Implementasi Keamanan Wi-fi
Get PDFSalah satu bidang yang sangat pesat kemajuannya adalah Information Technology (IT) atau Information Systems (IS). Berkembangnya IS membawa dampak yang cukup signifikan bagi perusahaan ( Fenny dan Johanes Fernandes Andry, 2017). Dalam penelitian ini akan memperbaiki wifi yang sudah diterapkan. Dimana wifi yang sudah diterapkan hanya bisa diakses dengan login menggunakan username dan password. Beberapa pertanyaan sebagai kuisioner dilakukan juga tes wawancara kepada konsumen pengguna wifi. Dengan adanya penelitian pada wifi dengan menggunakan DS9 ini dapat meningkatkan keamanan jaringan untuk dapat mengakses internet yang digunakan. Nilai akhir pada quisioner yang sudah dihitung yaitu 2,57655 dibulatkan menjadi 3. Pada level ini arti dari hasil kuesioner tersebut yaitu Prosedur sudah distandarisasi dan didokumentasikan kemudian dikomunikasikan melalui pelatihan. Juga diamanatkan bahwa proses yang sudah dilakukan harus tetap dijalankan
Analisa Perbandingan Operator Gradien Untuk Deteksi Tepi Pada Citra Wajah
Get PDFDeteksi tepi (edge detection) pada suatu citra adalah suatu proses dimana akan menghasilkan tepi-tepi dari suatu citra. Deteksi tepi pada dasarnya merupakan salah satu teknik analisa mutu citra pada domain spasial dan juga salah satu proses pengolahan citra digital yang paling awal dilakukan dan paling banyak diteliti. Deteksi tepi berfungsi untuk mengidentifikasi garis batas (boundary) dari suatu objek yang terdapat pada citra sehingga dapat dimanfaatkan untuk berbagai keperluan proses pengolahan citra selanjutnya. Beberapa implementasi deteksi tepi diantaranya adalah : pengenalan nomor mobil, segmentasi wajah, identifikasi wajah, pencocokan wajah, dan pengenalan tulisan. Dalam penelitian ini akan dilakukan perbandingan hasil keluaran dari penggunaan metode Roberts, Prewitt, dan Sobel yang merupakan operator gradien untuk mendeteksi tepi pada citra wajah. Dataset yang dipakai adalah citra wajah 2 dimensi. Hasil penelitan menyimpulkan bahwa pendeteksian tepi menggunakan operator gradien yaitu operator Roberts, Prewitt dan Sobel dapat diterapkan pada citra wajah. Operator Roberts merupakan operator yang paling sedikit menemukan pola tepi pada citra wajah daripada dua operator lainnya yaitu Prewitt dan Sobel. Sedangkan operator Sobel menghasilkan pola tepi yang lebih baik kualitas dan kuantitasnya daripada menggunakan operator Roberts, dan Prewitt.Kata Kunci : Deteksi Tepi, Operator Roberts, Operator Prewitt, Operator Sobe
Penerapan Model Kualitas ISO/IEC 9126 Untuk Evaluasi Sistem Informasi Akademik Lembaga Bimbingan Belajar Berbasis Web
Get PDFTeknologi informasi dimanfaatkan oleh lembaga pendidikan formal dan non formal baik dikelola pemerintah maupun swasta. Pemanfaatannya banyak berkaitan dengan pengelolaan dan pengolahan data-data akademik dalam Sistem Informasi Akademik (SIA). SIA berbasis web memberikan kemudahan kepada pengguna dalam kegiatan administrasi akademik secara online. Akan tetapi banyak ditemukan aplikasi SIA yang tidak memenuhi kebutuhan kualitas perangkat lunak, sehingga diperlukan evaluasi kebutuhan kualitas oleh pengguna akhir. Lembaga Bimbingan Belajar (LBB) Ganesha Operation adalah salah satu lembaga pendidikan non formal yang menerapkan SIA berbasis web. Penelitian ini mengevaluasi aplikasi SIA berdasarkan penilaian kelompok pengguna admin dan end-user. Evaluasinya menggunakan kuesioner dengan 6 atribut dan 21 atribut kualitas ISO/IEC 9126. Data kuesioner diproses dengan metode AHP untuk mengetahui nilai pembobotan atribut dan sub atribut dari sudut pandang admin dan user
Bilangan Dominasi Jarak Dua Pada Graf Hasil Operasi Shackle
Get PDFHimpunan dominasi S pada graf terhubung G=(V,E) adalah subset dari V(G) sedemikian setiap simpul G yang bukan elemen S terhubung dan berjarak satu terhadap S. Kardinalitas minimum diantara himpunan dominasi pada graf G disebut bilangan dominasi dari graf G dan dinotasikan γ(G). Sedangkan himpunan dominasi jarak dua yang dinotasikan dengan S_2, yaitu subset dari V(G) sedemikian simpul G yang bukan elemen S_2 terhubung dan memiliki jarak maksimal 2 terhadap S_2. Bilangan dominasi jarak dua γ_2 (G) adalah kardinalitas minimum dari himpunan dominasi jarak dua S_2. Graf shackle dinotasikan dengan Shack(G1,G2,· · · ,Gk) merupakan suatu graf shackle yang dibentuk dari k salinan graf G dinotasikan dengan Shack(G,k) dengank ≥ 2 dan k adalah bilangan asli. Operasi shackle pada penelitian ini terdiri dari shackle titik dan shackle sisi. Operasi shackle titik dinotasikan dengan Shack(G,v,t) artinya graf dikonstruksi dari sebarang graf G sebanyak t salinan dan v sebagai lingkage vertex. Sedangkan operasi shackle sisi dinotasikan dengan Shack(G,e,t) artinya graf dikonstruksi dari sebarang graf G sebanyak t salinan dan e sebagai lingkage edge. Dalam penelitian ini diperoleh bilangan dominasi jarak dua pada graf komplit dengan operasi shackle titik dan sisi adalah γ_2 (〖Shack(K〗_n,v_i,s))=⌈s/4⌉,jika s≥2,n≥3 dan γ_2 (〖Shack(K〗_n,e_i,s))=⌈s/5⌉,jika s≥2,n=3,4 dan⌈s/4⌉,jika s≥2,n≥5. Bilangan dominasi jarak dua pada graf bintang dengan operasi shackle adalah γ_2 (〖Shack(S〗_n,v_i,t))=⌈t/4⌉,jika t≥2,n≥3,γ_2 (〖Shack(S〗_n,e_i,t))=⌈t/2⌉jika t≥2,n≥3. Sedangkan graf komplit berpendant mempunyai bilangan dominasi jarak dua γ_2 (Shack(K_(n,n),v_i,m))=γ_2 (Shack(K_(n,n),e_i,m))=t,untuk m≥2,n≥3