Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Aplikasi Pencarian Hadis Menggunakan Vector Space Model Dengan Pembobotan TF-IDF Dan Confix-Stripping Stemmer
Get PDFHadis adalah sumber ajaran Islam kedua setelah al-Qur’an. Kedudukannya yakni setelah Al-Qur’an, sebelum Ijma’ dan Qiyas. Saat ini hadis sudah dapat diakses melalui berbagai platform digital, tetapi fitur pencarian yang disediakan masih sebatas data retrieval di mana hasil pencarian hanya didasarkan pada keyword pencarian tanpa memperhitungkan relevansi antara keyword dengan dokumen hasil pencarian. Penelitian ini bertujuan membangun aplikasi pencarian hadis yang dapat digunakan untuk menemukan hasil pencarian yang relevan dengan keyword pencarian. Aplikasi pencarian dibangun menggunakan metode Information Retrieval antara lain Vector Space Model (VSM) dan Term Frequency – Invers Document Frequency (TF-IDF) untuk membangun ruang vektor dan pembobotan term, dan stemming menggunakan algoritma Confix-Stripping Stemmer (CS Stemmer). Selain itu, teknik pre-processing diterapkan menggunakan stopwords removal, dan pengukuran similarity menggunakan Inner Product Similarity Measurement. Penelitian ini menggunakan 162 dokumen hadis dari kitab Bulughul Marom. Dari sejumlah 6006 kata dalam dokumen, stopwords removal berhasil menghapus total 92 stopwords. Pengujian CS Stemmer terhadap 673 kosakata unik dalam dokumen, berhasil dilakukan dengan benar kepada 579 kata unik. Tingkat keberhasilan CS Stemmer adalah sebesar 78.6%. Matrix of words yang terbentuk dari VSM dan TF-IDF adalah matrik dengan ordo 673x 162. Pengujian aplikasi pencarian hadis dilakukan dengan memasukkan keyword yang berbeda ke dalam form pencarian. Hasil pengujian menunjukkan adanya relevansi antara keyword dengan dokumen hasil pencarian. Yakni dokumen dengan nilai inner product tertinggi adalah dokumen paling relevan dengan keyword pencarian. Semakin banyak kata yang muncul dalam dokumen, dan sesuai dengan keyword pencarian maka nilai relevansinya semakin tinggi. AbstractHadith is the second source of Islamic teachings after the Al-Qur\u27an. Its position is after the Qur\u27an, before Ijma \u27and Qiyas. At present, the hadiths can be accessed through various digital platforms. But the search features are still limited to data retrieval, where search results are only based on search keywords without considering the relevance between the keywords and the search results document. This study aims to build a hadith search application that can be used to find search results relevant to the search keywords. The search application was created using the Information Retrieval method. Including Vector Space Model (VSM) and Term Frequency – Inverse Document Frequency (TF-IDF) to create vector space and term weighting and stemming using the Confix-Stripping Stemmer (CS Stemmer) algorithm. In addition, pre-processing techniques use stopwords removal, and similarity measurements use Inner Product Similarity Measurement. This study used 162 hadith documents from the Bulughul Marom book. Of the 6006 words in the document, stopword removal succeeded in removing 92 stopwords. The CS Stemmer test for 673 unique vocabularies in the document was successfully carried out correctly for 579 unique words. The CS Stemmer success rate is 78.6%. The matrix of words formed from VSM and TF-IDF is a matrix of the order 673x 162. The hadith search application is tested by entering different keywords in the search form. The test results show relevance between keywords and search results documents. That is, the document with the highest inner product value is the document most relevant to the search keyword—the more words that appear in the document and keyword, the higher the relevance value
Analisis Performa Algoritma Machine Learning pada Perangkat Embedded ATmega328P
Get PDFArtificial intelligence (AI) merupakan sistem kompleks yang meniru kecerdasan manusia untuk melakukan tugas dan dapat mengembangkan kecerdasannya menggunakan informasi yang mereka kumpulkan. Machine learning yang merupakan bagian dari AI, sering ditemui pada perangkat embedded. Beberapa algoritma machine learning yang banyak dikembangkan pada perangkat embedded adalah K-Nearest Neighbor, Naive Bayes dan SEFR. Pada tahun 2019, evaluasi pasar embedded system mencapai 100 billion and is predicted to continue to increase by six percent annually. One of the open source embedded devices that is often found in the market is the Arduino Nano based on the ATmega328P. However, unlike computers, embedded systems have limited resources. In developing systems on embedded devices, factors such as computing time, required power and memory usage must be considered. This study examines these three algorithms to find the most suitable for the embedded device. This study found that in classifying three datasets, the K-Nearest Neighbor algorithm got the best and most consistent accuracy up to 93.3% accurate. The least use of SRAM resources is found in the Naive Bayes algorithm with an average of 764 Bytes. The fastest computation time is obtained by the SEFR algorithm with the time required to classify the dataset in an average time of 1.16 milliseconds and a power consumption of 0.1 milli joules
Evaluasi Maturitas Teknologi Informasi Pada Proses Problem Management PT. XYZ Menggunakan Kerangka Kerja COBIT 5
Get PDFTeknologi berkembang dengan cepat sehingga peran teknologi informasi semakin krusial serta dapat mempengaruhi dan merubah cara beraktivitas suatu organisasi, sehingga dalam pemberdayaan teknologi informasi diperlukan tata kelola TI untuk mengatur dan sebagai pedoman pelaksanaan serta penerapan teknologi informasi. Hal ini di Indonesia diatur dalam PER-02/MBU/2013 “Tentang Panduan Penyusunan Pengelolaan Teknologi Informasi Badan Usaha Milik Negara” sehingga mengharuskan entitas-entitas BUMN wajib melakukan penerapan tata kelola TI, jika dalam penerapan tersebut tidak optimal maka dalam penggunaan teknologi informasi berpotensi terjadinya permasalahan yang dapat merugikan perusahaan. Hal ini terjadi pada PT. XYZ selaku salah satu anak Badan Usaha Milik Negara (BUMN) yang bergerak pada bidang jasa kepelabuhan yang dimana dalam pemanfaatan teknologi informasi service desk cukup sering menerima laporan permasalahan terhadap layanan maupun infrastruktur TI sehingga diperlukan manajemen permasalahan teknologi informasi yang efisien dan efektif agar dampak dari permasalahan yang timbul dari penggunaan teknologi infomasi dapat diminimalisir. Berdasarkan permasalahan yang terjadi, maka diperlukan penelitian yang bertujuan untuk mengetahui capability level terhadap proses pengelolaan masalah yang diterapkan oleh perusahaan dengan menggunakan framework COBIT 5 sebagai alat ukur untuk Capability level pada sub proses Manage Problem (DSS03). Hasil dari penelitian ini pada proses Manage Problems (DSS03) berada pada level 1 dengan capaian rating scale kategori largely achieved serta targeted level berada pada level 3 sehingga nilai kesenjangannya yaitu sebesar 2 level. Terdapat rekomendasi yang diberikan untuk mencapai target level dan roadmap dengan kurun waktu 5 tahun. AbstractTechnology is developing rapidly to the point where the role of information technology is increasingly crucial and could influence and change the way an organization operates, in empowering information technology, IT governance needs to regulate and make law as a guide for the implementation and application of information technology. In Indonesia, this is regulated in PER-02/MBU/2013 "Guidelines for Compilation of Information Technology Management for State-Owned Enterprises" thus requiring SOE entities to implement IT governance, if the application is not optimal then the use of information technology has the potential for the occurrence of problems that can harm the company. The issue happened to PT. XYZ as one of the State-Owned Enterprises (SOE) subsidiary which is engaged in the field of port services and the utilization of information technology, service desk quite often receives reports of problems with services and IT infrastructure so that efficient and effective management of information technology problems is needed so that the impact of the issues arising from the use of information technology can be minimized. Based on the issues, it is necessary to conduct research that aims to determine the capability level of the problem management process implemented by the company using the COBIT 5 framework as a measuring tool for the Capability level in the Manage Problem sub-process (DSS03). The results of this study on the Manage Problems (DSS03) process are at level 1 with the achievement of the rating scale in the largely achieved category and the targeted level being at level 3 so that the value of the gap is 2 levels. There are recommendations are given to achieve the target level and roadmap within 5 years
Model Agile Scrum untuk Pengembangan Sistem Pencarian Dokumen Surat Digital Berbasis Konten Terklasifikasi dengan Ontologi
Get PDFBerbagai lembaga pemerintah di Indonesia memodernisasi dokumen persuratan secara digital. Pada sistem pencarian yang ada saat ini, pengarsipan dengan melakukan pengunggahan dokumen hasil pindaian surat, pengklasifikasian surat dan penamaan file surat/pembuatan anotasi masih dilakukan secara manual oleh operator, pencarian masih berdasar nama file/anotasi surat belum berdasar isi konten sehingga sulit menemukan surat sesuai konten teks yang diinginkan. Hasil pencarian juga tidak dapat langsung memperlihatkan informasi spesifik tentang kriteria klasifikasi dari dokumen surat yang diketemukan sehingga membutuhkan penelusuran lebih lama untuk betul-betul menemukan dokumen yang diinginkan. Tujuan penelitian ini adalah mengembangkan sistem pencarian surat berbasis konten terklasifikasi dengan ontologi guna meningkatkan kualitas hasil pencarian surat digital secara lebih efisien (spesifik, akurat dan cepat). Metode pengembangan sistem menggunakan model Agile Scrum. Mencakup pre-game (mengumpulkan user stories, product backlog, sprint backlog), game (pengembangan (5 sprint)), post-game (implementasi, penerimaan pengguna dan dokumentasi). Hasil uji coba sistem terhadap dokumen surat Biro Umum Kemdikbud menunjukkan bahwa dalam pengarsipan surat, sistem ini berhasil mengklasifikasikan surat (jenis, asal dan subjek surat) menurut prosedur persuratan yang valid, secara otomatis dengan bantuan kecerdasan artifisial, dan dalam proses pencarian surat, sistem ini berhasil menemukan dokumen surat dengan berdasarkan nama file, konten, kriteria klasifikasi dan menampilkan informasi ontologis rinci yang ditemukan. Kedepannya, sistem ini juga dapat dikembangkan untuk digunakan oleh institusi lain dengan mengubah klasifikasi sesuai dengan prosedur persuratan yang berlaku.
Abstract
Various government institutions in Indonesia have modernized digital correspondence documents. Archiving is done by uploading scanned letters, classifying letters, and naming mail files/annotations by the operator, searches are not based on content, so it is difficult to find letters that have the desired content, search results also cannot immediately show information of classification criteria of the found mailing documents, so it requires a longer search actually to find the desired document. Research objectives develop a classified content-based mail search system with ontology to improve the quality of electronic correspondence search results more efficiently. The system development method uses the Agile Scrum model. Includes pre-game (collecting user stories, product backlog, sprint backlog), game (development (5 sprints)), and post-game (implementation, user acceptance and documentation).The results of the system trial on the Ministry of Education and Culture\u27s General Bureau of Letter Documents show that during the archiving of the letter, this system succeeded in classifying the letter (type, origin and subject of the letter) according to valid comprehension procedures, automatically with the assistance of artificial intelligence, and in the process of searching for letters, the system This managed to find a letter document based on the file name, content, classification criteria and display detailed ontological information found. In the future, this system can also be developed for use by other institutions by changing the classification in accordance with the comprehension procedures
Peningkatan Performa Ensemble Learning pada Segmentasi Semantik Gambar dengan Teknik Oversampling untuk Class Imbalance
Get PDFPerkembangan teknologi dan gaya hidup manusia yang semakin tinggi menghasilkan data-data yang berlimpah. Data-data tersebut dapat berbentuk data yang terstruktur dan tidak terstruktur. Data gambar termasuk dalam data yang tidak terstruktur. Aktifitas dan objek yang terekam dalam suatu gambar beraneka ragam. Secara normal, mata manusia dapat dengan mudah membedakan antara foreground dan background dari suatu gambar, tetapi komputer membutuhkan pembelajaran dalam membedakan keduanya. Segmentasi gambar adalah salah satu bidang dalam computer vision yang membahas bagaimana cara komputer mempelajari dan mengenali segmen dari suatu gambar sesuai label yang ditentukan. Dalam kenyataannya banyak data yang mempunyai class atau label yang tidak seimbang, tentunya akan mempengaruhi tingkat akurasi dari suatu prediksi. Dalam riset ini membahas bagaimana meningkatkan akurasi segmentasi semantik gambar pada metode ensemble learning untuk menangani masalah data yang tidak seimbang dalam segmentasi gambar. Teknik yang digunakan adalah sintetis oversampling sehingga menghasilkan data yang seimbang dan akurasi yang tinggi. Metode ensemble learning yang digunakan adalah Random Forest dan Light Gradien Boosting Machine (LGBM). Dengan menggunakan dataset Penn-Fudan Database for Pedestrian yang mengandung imbalanced class. Penggunaan teknik sintetis oversampling dapat memperbaikki tingkat akurasi pada class minoritas. Pada algoritma random forest mengalami peningkatan akurasi sebesar 37 % sedangkan pada algoritma LGBM meningkat sebesar 41 %. AbstractThe development of technology and the increasingly high lifestyle of humans produce abundant data. These data can be in the form of structured and unstructured data. Image data is included in unstructured data. The activities and objects recorded in a picture are varied. Normally, the human eye can easily distinguish between the foreground and background of an image, but computers need learning to distinguish between the two. Image segmentation is one of the fields in computer vision that discusses how computers learn and recognize segments of an image according to specified labels. In reality, a lot of data has unbalanced classes or labels, of course, it will affect the accuracy of a prediction. This research discusses how to improve the accuracy of image semantic segmentation in the ensemble learning method to deal with the problem of unbalanced data in image segmentation. The technique used is synthetic oversampling so as to produce balanced data and high accuracy. The ensemble learning methods used are Random Forest and Light Gradient Boosting Machine (LGBM). By using the Penn-Fudan Database for Pedestrian dataset which contains a imbalanced class. The use of synthetic oversampling techniques can improve the level of accuracy in minority classes. The random forest algorithm experienced an increase in accuracy by 37% while the LGBM algorithm increased by 41%
Sistem Pendeteksi Sleep-Disordered Breathing Berdasarkan High dan Low Frequency Menggunakan Metode Naïve Bayes
Get PDFTidur merupakan aktivitas dimana otak memberikan tubuh waktu istirahat secara total. Kualitas tidur penting untuk menjaga kondisi fisik maupun mental seseorang. Buruknya kualitas tidur disebabkan oleh gangguan tidur. Gangguan tidur yang paling umum terjadi adalah Sleep-disordered Breathing (SDB) atau Sleep Apnea, dimana penderitanya akan mengalami henti napas secara berulang saat tertidur. Sleep Apnea dikategorikan menjadi 2, yaitu Obstructive Sleep Apnea (OSA) dan Central Sleep Apnea (CSA). Diagnosis gangguan tidur dilakukan dengan Polysomnography yang cenderung mahal dan kurang nyaman. Hasil Polysomnography juga tidak dapat langsung digunakan oleh dokter untuk evaluasi lebih lanjut. Oleh karena itu, pada penelitian ini dibuat sistem pendeteksi gangguan tidur ke dalam kelas Normal, OSA, atau CSA menggunakan sinyal Electrocardiography (ECG) yang diakuisisi dengan teknik 3-lead placement. Sistem ini menggunakan sensor AD8232 dalam mengakuisisi sinyal jantung yang akan diproses oleh Arduino Mega 2560 untuk mendapatkan fitur High dan Low Frequency dari sinyal yang kemudian digunakan untuk klasifikasi. Sistem ini memiliki akurasi sebesar 85% dalam melakukan klasifikasi SDB menggunakan metode Naïve Bayes dengan rata-rata waktu komputasi sebesar 12ms. Sistem ini dapat digunakan di rumah karena bersifat portable dan datanya dapat langsung diunduh melalui websiteuntuk evaluasi dokter, sehingga membuat pasien merasa lebih nyaman dan efisien dalam melakukan diagnosis dini. Abstract Sleep is an activity in which the brain gives the body total rest. The quality of sleep is important to maintain someone\u27s physical and mental condition. Poor sleep quality is caused by sleep disorders. The most common sleep disorder is Sleep-Disordered Breathing (SDB) or Sleep Apnea, in which the sufferer will experience repeated pauses in breathing while asleep. Sleep Apnea is categorized into two, namely Obstructive Sleep Apnea (OSA) and Central Sleep Apnea (CSA). Sleep disorder diagnosis is done with Polysomnography which is expensive and uncomfortable. The result of Polysomnography can also not be directly used by doctors for further evaluation. Therefore, in this research, a system was created to detect sleep disorders into Normal, OSA, or CSA classes using Electrocardiography (ECG) signals acquired by the 3-lead placement technique. This system uses AD8232 sensors to acquire heart signals that are processed by Arduino Mega 2560 to obtain High and Low-frequency features of the signal, which are then used for classification. This system has an accuracy of 85% in classifying SDB using the Naive Bayes method with an average computation time of 12ms. This system can be used at home because it is portable and the data can be directly downloaded from the website for doctor evaluation, making the patient feel more comfortable and efficient in early diagnosis
Optimalisasi Proses Klasifikasi Dengan Menambahkan Semantik Pada Kebutuhan Non-Fungsional Berbasis ISO/IEC 25010
Get PDFKebutuhan non-fungsional (NFRs) memiliki peranan yang sangat penting untuk merancang sebuah sistem. Tetapi, mengidentifikasi NFRs masih menjadi tantangan nyata. NFRs dapat digunakan untuk memastikan apakah sistem sesuai dengan kebutuhan pengguna. Oleh karena itu, dibutuhkan suatu sistem untuk dapat mengidentifikasi NFRs. Penelitian sebelumnya menggunakan dataset dengan jumlah NFRs lebih banyak dibanding kebutuhan fungsional (FRs) memperoleh nilai tinggi. Akan tetapi, faktanya adalah NFRs lebih sedikit dari pada FRs. Penelitian selanjutnya menggunakan dataset dengan jumlah NFRs lebih sedikit dibandingkan (FRs) memperoleh nilai rendah terutama precision dan recall. Berdasarkan permasalahan pada penelitian sebelumnya, perlu dilakukan optimalisasi dengan cara menambahkan semantik pada metode FSKNN. Sistem yang digunakan untuk mengidentifikasi NFRs terdiri dari dua tahap. Pertama, sistem akan menghasilkan data latih secara otomatis tanpa pengukuran semantik. Setelah itu, data latih tersebut ditambahkan pengukuran semantik dan menghasilkan data latih baru. Kedua, proses klasifikasi menggunakan FSKNN. Pengujian dilakukan berdasarkan nilai ketetanggaan tertinggi. Hasil dari pengujian menggunakan dataset dengan penambahan pengukuran semantik memperoleh nilai accuracy, precision, dan recall lebih baik yaitu sebesar 98,04%, 25,05%, dan 21,35. Data latih baru dengan penambahan semantik memperoleh hasil lebih tinggi dari data latih tanpa penambahan semantik. Nilai precision rendah karena dataset yang digunakan tidak seimbang.
Abstract
Non-functional requirements (NFRs) are very important to design a system. However, identifying NFRs remains a real challenge. NFRs can be used to determine whether the system meets user requirements. Therefore, we need a system to be able to identify NFRs. Previous studies using a dataset with a higher number of NFRs than functional requirements (FRs) obtained high scores. However, the fact is that there are fewer NFRs than FRs. Subsequent studies using datasets with fewer NFRs than FRs obtain low values, especially precision, and recall. Based on the problems in previous studies, it is necessary to optimize by adding semantics to the FSKNN method. The system used to identify NFRs consists of two stages. First, the system will generate training data automatically without semantic measurements. After that, the training data is added with semantic measurements and generates new training data. Second, the classification process uses FSKNN. Testing is done based on the highest neighbor value. The results of testing using a dataset with the addition of semantic measurements obtained better accuracy, precision, and recall values of 98,04%, 25,05%, and 21,35. New training data with semantic additions obtains higher results than training data without semantic additions. The precision value is low because the dataset used is unbalanced
Kajian Strategi Pendidikan Vokasi Bidang Teknologi Informasi dan Komunikasi Menghadapi Bonus Demografi
Get PDFBonus demografi juga menjadi tantangan jika tidak mampu mengimbangi dengan ketersediaan lapangan kerja. Agar lulusan dari SMK dapat terserap dengan baik, diperlukan adanya strategi atau cara dalam membekali lulusan dengan kompetensi yang dibutuhkan industri. Penelitian ini menggunakan Systematic Review (SR) atau yang secara umum disebut Systematic Literature Review (SLR). Langkah penelitian SLR yang digunakan dalam penelitian yaitu Planning, Conducting, dan Reporting. Planning menghasilkan pertanyaan penelitian yaitu bagaimana strategi Pendidikan vokasi dalam menghadapi bonus demografi. Conducting dilakukan dengan pencarian jurnal artikel penelitian dari google scholar dengan memanfaatkan operator Boolean yaitu: “kompetensi siswa” AND “SMK” and “TIK”. Jurnal yang terindeks nasional, memiliki ISSN atau E-ISSN menjadi sumber data dalam penelitian ini. Berdasarkan 46 artikel, diperoleh bahwa 10 faktor memengaruhi kompetensi siswa SMK khususnya program keahlian Teknik Informatika dan Komunikasi (TIK). Untuk mencapai kompetensi siswa SMK TIK dapat dilakukan dengan: penerapan model pembelajaran di kelas seperti problem based learning dan project based learning, penggunaan metode pembelajaran demonstrasi dan discovery learning, penggunaan strategi problem solving, media pembelajaran yang dapat dimanfaatkan berupa e-learning, video, e-modul, software simulation, penggunaan fasilitas yang mumpuni di laboratorium, kurikulum yang disusun mencantumkan prakerin sebagai mata pelajaran yang harus diikuti oleh siswa, penggunaan perangkat pembelajaran melalui LKS berstruktur dan berbasis konstruktivisme, pembangunan sekolah kejuruan berdasarkan konsep corporate school, kompetensi guru melalui keterampilan pedagogik, sosial dan kepribadian yang dapat mendukung peningkatan motivasi belajar yang nantinya memengaruhi kompetensi siswa, dan pengalaman prakerin dapat meningkatkan kompetensi siswa SMK.
Abstract
The demographic bonus is also a challenge if it is unable to match the availability of jobs. For graduates from Vocational High School (SMK) to be well absorbed, a strategy or method is needed to equip graduates with the competencies needed by the industry. This study uses a Systematic Review (SR) or what is generally called a Systematic Literature Review (SLR). The SLR research steps used in this research are Planning, Conducting, and Reporting. Planning generates research questions, namely how is the vocational education strategy in dealing with demographic bonuses? Conducting is done by searching research journal articles from Google Scholar by utilizing Boolean operators, namely: "student competence" AND "SMK" and "TIK". Journals that are nationally indexed, having ISSN or E-ISSN are the source of data in this study. Based on 22 articles, it was found that eight factors influenced the competence of SMK students, especially the Informatics and Communication Engineering (ICT) expertise program. To achieve the competence of ICT Vocational High School students, this can be done by: using problem-based learning, project-based learning, cycle 5E, genre pedagogic, education game, Student Teams Achievement Division (STAD), and blended learning as learning models, learning media that can be utilized in the form of e-learning, software simulation, metacognitive based, the use of qualified facilities in the laboratory, the curricula prepared include apprenticeship as a subject that must be followed by students, the use of learning tools through constructivism-based worksheets, the construction of vocational schools based on the concept of corporate school, the competence of teachers through pedagogic skills, social and personality that can support increased learning motivation which will affect student competence, and internship experience can increase the competency of SMK students
Penerapan Metode Simple Additive Weighting dalam Pemeringkatan Kinerja Keuangan Perusahaan Sektor Teknologi yang Terdaftar di Bei
Get PDFInvestasi merupakan penempatan sejumlah dana pada saat ini dengan tujuan mendapatkan keuntungan atau laba di masa yang akan datang. Berdasarkan laporan Kustodian Sentral Efek Indonesia (KSEI), dari tahun 2019 sampai tahun 2022 jumlah investor pasar modal selalu mengalami peningkatan. Meskipun mengalami peningkatan pada jumlah investor pasar modal, namun tingkat literasi keuangan masyarakat Indonesia pada tahun 2022 hanya sebesar 49,68 persen, dapat dikatakan bahwa pemahaman seseorang terhadap isu-isu keuangan masih tergolong rendah. Rendahnya tingkat literasi keuangan seseorang dapat menyebabkan risiko salah berinvestasi sehingga mengakibatkan kerugian di masa depan. Untuk itu, penelitian ini bertujuan untuk membantu calon investor dalam pengambilan keputusan memilih perusahaan dengan kinerja keuangan terbaik pada sektor teknologi menggunakan metode SAW (Simple Additive Weighting). Metode SAW digunakan dalam menghasilkan ranking perusahaan teknologi sebagai acuan calon investor untuk berinvestasi. Kriteria yang digunakan untuk mengukur kinerja keuangan perusahaan teknologi adalah 4 rasio keuangan yaitu rasio lancar, rasio kas, rasio utang terhadap ekuitas dan margin laba kotor. Jumlah alternatif yang digunakan pada penelitian ini berjumlah 8 alternatif. Hasil penelitian ini adalah perusahaan MLPT sebagai perusahaan dengan kinerja keuangan terbaik dalam sektor teknologi dengan nilai tertinggi yaitu 0.866. Dari hasil perhitungan metode SAW tersebut, maka sangat direkomendasikan untuk memilih perusahaan MLPT sebagai acuan untuk berinvestasi bagi calon investor.
Abstract
Investment is the placement of a certain amount of funds at present with the aim of gaining profit or returns in the future. According to the report from the Indonesia Central Securities Depository (KSEI), from 2019 to 2022, the number of investors in the capital market has consistently increased. However, despite this growth in the number of investors in the capital market, the level of financial literacy among the Indonesian population in 2022 is only 49.68%, indicating that the understanding of financial issues among individuals is still relatively low. The low level of financial literacy can lead to the risk of making incorrect investment decisions, resulting in potential losses in the future. Therefore, this research aims to assist prospective investors in making decisions in selecting companies with the best financial performance in the technology sector using the Simple Additive Weighting (SAW) method. The SAW method is employed to generate a ranking of technology companies that serve as a reference for prospective investors in making investment decisions. The criteria used to measure the financial performance of technology companies include four financial ratios: current ratio, cash ratio, debt-to-equity ratio, and gross profit margin. There are a total of 8 alternatives considered in this research. The result of this study indicates that MLPT company performs the best in terms of financial performance in the technology sector, with the highest score of 0.866 according to the SAW method. Based on the results of the SAW calculation, it is highly recommended to choose MLPT company as a reference for investment purposes for prospective investors
Pemilihan Susu Formula Anak Menggunakan Metode Analytic Hierarchy Process dan Simple Additive Weighting
Get PDFBanyaknya merek susu formula yang beredar di pasaran membuat konsumen merasa kebingungan memilih produk yang cocok dan baik untuk dikonsumsi. Maraknya berbagai merek susu formula juga menjadikan dilema para ibu karena semakin banyak pilihan merek susu semakin beragam harga dan kandungan gizinya dan semakin susah memutuskan produk yang akan dipilih untuk mencukupi asupan gizi bagi anaknya. Tujuan penelitian ini adalah menghasilkan sistem pendukung keputusan yang dapat memberikan rekomendasi pemilihan susu formula anak sesuai dengan prioritas kepentingan atau kebutuhan yang diinginkan. Dari kriteria yang ditemukan dalam tahap observasi kemudian diproses ke dalam metode Analytic Hierarchy Process (AHP) untuk memasukkan rasio kepentingan masing-masing kriteria. Kriteria yang digunakan dalam penelitian ini dibagi menjadi 3 kriteria besar yaitu kandungan gizi, rasa dan harga. Sub kriteria kandungan nutrisi antara lain AA dan DHA, Laktoferin/Betakaroten, Prebiotik dan probiotik, Protein, Omega 3 dan omega 6, Lemak, Energi, Vitamin. Sub kriteria rasa terdiri dari vanilla, chocolate, honey, strawberry, plain. Nilai bobot setiap kriteria dari proses AHP dijadikan input dalam perhitungan metode Simple Additive Weighting (SAW) untuk menghasilkan rekomendasi dari pilihan susu yang telah dimasukkan sebelumnya. Dalam penelitian ini alternatif yang berupa merek susu dapat ditambah, dirubah dan dihapus sehingga bersifat dinamis. Kriteria dalam penelitian ini dibagi menjadi sub kriteria yang lebih detail. Dari hasil akhir sistem yang melalui proses dua metode, referensi merek susu yang direkomendasi yaitu susu formula merek Cill School yang memiliki nilai akhir 0,828. Abstract The proliferation brands of formula milk circulating in the market make consumers feel confused in choosing a product that is suitable and good for consumption. Many brands of formula milk also pose a dilemma for mothers, because the more milk’s brands, more varied price and nutritional content more difficult for mothers to decide which product to choose to provide nutritional intake for their children. This research’s purpose is to produce a decision support system that can provide recommendations selection formula milk for children according to the priority interests or needs desired. From the criterias found in the observation stage then processed into the Analytic Hierarchy Process (AHP) method to enter ratio of importance of each criterion. The criteria used in this study are divided into 3 major criteria, they are nutritional content, taste and price. Sub-criteria for nutritional content include AA and DHA, Lactoferrin/Betacarotene, Prebiotics and probiotics, Protein, Omega 3 and omega 6, Fat, Energy, Vitamins. Taste sub criteria consist of Vanilla, Chocolate, Honey, Strawberry, Plain. Weight value of each criterias from AHP process is used as input in the calculation of Simple Additive Weighting (SAW) method to produce recommendations from milk choices that have been entered before. In this research, alternatives of milk brands can be added, changed and deleted so it’s dynamic. Criterias in this research are divided into more detailed sub-criteria. From the final result of this system, a reference for the milk brand recommended by the system that is Chil School formula milk which has a final score of 0.82