Abstract:Abstract: In this research, a prediction system has been successfully developed to predict whether or not a prospective money borrower will run smoothly. Prospective borrowers who will borrow, some of the data that meet…
the criteria will be inputted by the office clerk into a prediction application system interface to be processed using the Data Mining method, namely the K-Nearest Neighbor Algorithm with the Codeigniter programming language 3. The results of the Euclidean calculation process are based on predetermined criteria Between training data (training) to testing data (test) will be displayed with a table that has been sorted from smallest to largest containing 9 closest neighbors according to the K value that has been determined, namely 9. The nine neighbors will be taken the dominant category. This dominant category can be used as a guideline that makes it easier for the leader to make a decision on the next borrower.
Keywords: Data Mining; Euclidean; K-Nearest Neighbor; Prospective Borrowers;
Abstrak: Dalam penelitian ini telah berhasil dibuat sebuah sistem prediksi untuk memprediksi lancar atau tidak lancarnya seorang calon peminjam uang. Calon peminjam uang yang akan meminjam, sebagian datanya yang memenuhi kriteria akan diinputkan petugas kantor ke dalam sebuah interface sistem aplikasi prediksi untuk diolah menggunakan metode Data Mining yaitu Algoritma K-Nearest Neighbor dengan bahasa pemrograman Codeigniter 3. Hasil proses perhitungan Euclidean berdasarkan kriteria yang sudah ditentukan antara data training (latih) ke data testing (uji) tersebut akan ditampilkan dengan sebuah tabel yang sudah diurutkan dari yang terkecil ke terbesar berisi 9 tetangga terdekat sesuai dengan nilai K yang sudah ditentukan yaitu 9. Sembilan tetangga tersebut akan diambil kategori yang dominan. Kategori yang dominan tersebut bisa dijadikan suatu pedoman yang memudahkan pimpinan dalam mengambil sebuah keputusan kepada calon peminjam selanjutnya.
Kata kunci: Debitur; Data Mining; Euclidean; K-Nearest Neighbor
Abstract:Abstract: Pekanbaru still using conventional traffic light control system. Pekanbaru as the capital of Riau Province is predicted udergo the increased of urban population by 54.5% in 2025. It is important for Pekanbaru…
ru to immediately implement smart and efficient traffic management system, so that traffic congestion can be resolved quickly. This research paper provides a design solution for smart traffic light management (Smart Traffic Control System), based on object detection technology that uses deep learning to detect the number and type of vehicles. The number of vehicle is the basis for determining the green light timer automatically. The Smart Traffic Control System (STCS) is integrated with a web based geographic information system (smart map) that can display the current condition (picture, the number of vehicle, congestion level) of each STCS location. This integrated system has been tested on a traffic light prototype, using a mini computer and a miniature vehicle. This integrated system is able to detect 9 out of 12 vehicles, and able to send data regularly to the smart map.
Keywords: deep learning; smart mobility; smart traffic control system
Abstrak: Pengaturan lampu lalu lintas di Kota Pekanbaru masih dilakukan secara konvensional. Pekanbaru sebagai ibukota Provinsi Riau diprediksikan akan mengalami peningkatan jumlah penduduk perkotaan sebesar 54,5% pada tahun 2025. Dengan melihat predikisi ini, penting bagi kota Pekanbaru untuk segera memiliki tata kelola lalu lintas yang cerdas dan efisien agar kemacetan dapat ditanggulangi dengan cepat. Penelitian ini memberikan rancangan solusi untuk tata kelola lampu lalu lintas cerdas (Smart Traffic Control System), berbasis teknologi object detection yang menggunakan deep learning untuk mendeteksi jumlah dan jenis kendaraan. Jumlah kendaraan menjadi dasar penentuan timer lampu hijau secara otomatis. Smart Traffic Control System (STCS) terintegrasi dengan sistem informasi geografis berbasis web (smart map) yang secara kontinu menerima informasi kepadatan (gambar terkini, jumlah kendaraan, level kepadatan), kemudian menampilkannya diatas peta Kota Pekanbaru. Solusi sistem terintegrasi ini telah diujikan pada sebuah prototipe lampu lalu lintas, menggunakan komputer mini dan miniatur kendaraan. Sistem terintegrasi ini mampu mendeteksi 9 dari 12 kendaraan, dan mampu mengirimkan data secara berkala kepada smart map.
Kata kunci: deep learning; smart mobility; smart traffic control system
Abstract:Abstract: The Presidential general election on 2019 became one of the most popular topics on twitter nowdays. The society give their opinion about the pair of candidates that they are support through the social media.…
ia. This research was predicts about the society sentimens toward the candidates of President and Vice President of Republic of Indonesia. The data was used based on the tweet on the @jokowi twitter account. The retrieval of data by using the Tweepy library with the Python 2.7 programming language. This research was classified became of two of society sentiments classes, namely positive and negative. The modeling was used of the weighting method Unigram, Bigram, Trigram, N-Gram (1-2) and N-Gram (1-3) that used the Naïve Bayes Algorithm on the Weka Application. The modeling data was used by the dataset of 646 sentences. The highest results of this reseach were obtained by Unigram Weighting, namely: 81.4% accuracy, 81.5% precision, 81.3% recall with a time of 0.3 s.
Keywords: classification, naïve bayes, 2019 presidential election, twitter, unigram
Abstrak: Pemilihan Umum tentang Pilpres 2019 menjadi salah satu topik yang ramai diperbincangkan di Twitter. Adu pendapat di sosial media oleh masyarakat mengandung opini terhadap pasangan calon yang didukungnya. Penelitian ini memprediksi sentimen masyarakat kepada pasangan calon Presiden dan Wakil Presiden Republik Indonesia. Data yang digunakan adalah tweet yang ada pada akun Twitter @jokowi. Pengambilan data menggunakan library Tweepy dengan bahasa pemrograman Python 2.7. Penelitian ini mengklasifikasi sentimen masyarakat menjadi 2 kelas, yaitu positif dan negatif. Kemudian dilakukan pemodelan dengan metode pembobotan Unigram, Bigram, Trigram, N-Gram (1-2) Dan N-Gram (1-3) menggunakan Algoritme Naïve Bayes pada Aplikasi Weka. Pembuatan model menggunakan dataset yang berjumlah 646 kalimat. Hasil tertinggi yang diperoleh pada penelitian ini adalah dengan menggunakan Pembobotan Unigram, yaitu : akurasi 81,4%, presisi 81,5 % , recall 81,3 % dengan catatan waktu 0,3s.
Kata kunci: klasifikasi, naïve bayes, pilpres 2019, twitter, unigram.
Abstract:Abstract: The home industry, especially in the culinary sector, has grown in recent years. Many business actors produce the same products as other business actors, so competition often occurs. One of them is the Usaha Rakik…
kik Julidar which since 25 years ago made and sold rakik. There are so many types of rakik that there are minimarkets with different business actors. This makes the rakik not sold out at the convenience store and has an effect on the amount of production. This research was conducted to assist the Usaha Rakik Julidar in predicting the amount of production using Fuzzy Tsukamoto inference method. This research creates a web-based application to help predict the amount of production by looking at incoming demand and the number of workers available. From the prediction results with Fuzzy Tsukamoto, if the demand is 125 packs and the number of workers is 35 people, then the total production to be done is 140 packs. By obtaining a clear amount of production, this application really helps Usaha Rakik Julidar in maximizing production.
Keywords: fuzzy tsukamoto; prediction; production; rakik
Abstrak: Industri rumah tangga khususnya di sektor kuliner banyak tumbuh dalam beberapa tahun terakhir. Banyak pelaku usaha menghasilkan produk yang sama dengan pelaku usaha lainnya, sehingga sering terjadi persaingan. Salah satunya adalah Usaha Rakik Julidar yang sejak 25 tahun yang lalu membuat dan menjual rakik. Banyak sekali jenis Rakik yang ada minimarket dengan pelaku usaha yang berbeda. Hal ini membuat rakik tidak terjual habis di minimarket dan berpengaruh pada jumlah produksi. Penelitian ini dilakukan untuk membantu Usaha Rakik Julidar dalam melakukan prediksi jumlah produksi dengan menggunakan metode inferensi fuzzy Tsukamoto. Penelitian ini membuat aplikasi berbasis web untuk membantu melakukan prediksi jumlah produksi dengan melihat permintaan yang masuk dan jumlah pekerja yang tersedia. Dari hasil prediksi dengan fuzzy Tsukamoto, jika permintaan sebanyak 125 bungkus dan jumlah tenaga kerja 35 orang, maka jumlah produksi yang harus dilakukan adalah 140 bungkus. Dengan diperolehnya jumlah produksi yang jelas, aplikasi ini sangat membantu Usaha Rakik Julidar dalam memaksimalkan produksi.
Kata kunci: fuzzy tsukamoto; prediksi; produksi; rakik
Abstract:Abstract: Forecasting sales is one of the challenges in CV. Rabbani Asyisa. This company getting a buildup of product in inventory that makes the company need sales forecasting to avoid the excess of products. Forecasting…
g needs to be followed by measurement of the forecast error rate to determine the accuracy of the prediction forecasting. In this study, the measurement of the forecasting error level in the trend moment method and season index. The study took the data sample from the period of August 2019 to November 2019. The results of error measurement using the trend moment method the value of Mean Absolute Percentage Error (MAPE) is 0.47% and measurements with the influence of the season index the value of Mean Value Absolute Percentage Error (MAPE) is 0.45%.
Keywords: Forecasting; Rabbani; Trend Moment
Abstrak: Melakukan peramalaan penjualan menjadi salah satu tantangan pada CV. Rabbani Asyisa. Perusahaan ini mengalami penumpukan barang pada inventory yang membuat perusahaan membutuhkan peramalan penjualan agar tidak terjadi kelebihan barang. Melakukan peramalan penjualan perlu diikuti dengan pengukuran tingkat kesalahan untuk mengetahui tingat akurasi prediksi dari peramalannya. Pada penelitian ini dilakukan pengukuran tingkat kesalahan peramalan dalam metode trend moment dan indeks musim. Penelitian mengambil sampel data kerudung mulai dari periode Agustus 2019 sampai November 2019. Hasil pengukuran kesalahan dengan metode trend moment nilai Mean Absolute Percentage Error (MAPE) adalah 0.47% dan pengukuran dengan pengaruh indeks musim nilai Mean Absolute Percentage Error (MAPE) adalah 0.45%.
Kata kunci: Peramalan; Rabbani; Trend Moment,
Abstract:Keuntungan menjadi target utama di sebuah perusahaan. Setiap perusahaan menginginkan keuntungan yang dicapai sesuai dengan target yang diinginkan. Akan tetapi perusahaan beranggapan target yang dicapai tersebut didapat karena…
arena hasil penjualan yang besar. Perusahaan tidak melihat faktor lainnya yang mempengaruhi hasil keuntungan seperti biaya, stok, pembelian dan faktor-faktor lain dalam menyusun laporan akhir perusahaan. Selain itu, pengelolaan data yang dilakukan selama ini pun tidak menyeluruh, dikarenakan banyak nya data yang harus dianalisis sehingga memerlukan alat bantu dalam pengelolaannya. Penelitian ini bermaksud untuk menganalisa faktor yang mempengaruhi hasil keuntungan berdasarkan data hasil keuntungan. Dengan melakukan integrasi menggunakan metode naive bayes dan alat bantu software rapidminer, teknik ini akan menghasilkan informasi berupa pola hubungan atau keterkaitan antar factor satu dengan lainnya dalam mempengaruhi tercapainya laba. Sedangkan software rapidminer untuk mempermudah dalam menganalisis data hasil keuntungan.Hasil dari penelitian ini diharapkan menjadi landasan untuk memprediksi hasil keuntungan perusahaan dagang.
Abstract:Abstract: The application of information technology is currently growing so rapidly. One of them is the application of technology that can be applied in the industrial world, namely to evaluate the company's performance.…
Evaluation is a necessity for companies to move forward and develop in facing business competition. One method of evaluating that can be used objectively is extracting information through a stored database. This study intends to analyze the factors that affect profit outcomes based on profit-based data. The data will be analyzed using method Bayes. Through this method will get a pattern that affects profits. However, it is not easy to analyze data with this method because of the large amount of data that will cost a lot of time and time. So to simplify the analysis, researchers use tools in analyzing the data the results of the benefits of rapidminer software. Based on the results of the analysis carried out, rapidminer software can help and make it easier to produce probabilities to be predicted. The results of this study are from the set test conducted, the prediction of profit results can be ascertained to be achieved and the possibility of certainty is reached 0.59% and the possibility of not reaching 0.41%.
Keywords: Data Mining, Neive Bayes, Rapidminer, Benefits
Abstrak: Penerapan teknologi informasi saat ini berkembang begitu pesat. Salah satunya penerapan teknologi yang dapat diterapkan didunia industri yaitu untuk evaluasi terhadap kinerja perusahaan. Evaluasi merupakan suatu keharusan bagi perusahaan untuk terus maju dan berkembang menghadapi persaingan usaha. Salah satu cara mengevaluasi yang dapat dugunakan secara objektif yaitu penggalian informasi melalui database yang tersimpan.Penelitian ini bermaksud untuk menganalisa faktor yang mempengaruhi hasil keuntungan berdasarkan data hasil keuntungan. Data tersebut akan dianalisis menggunakan metodeneive bayes. Melalui metode ini akan mendapatkan pola yang mempengaruhi keuntungan.Namun tidaklah mudah dalam menganalisis data dengan metode ini dikarenanakan banyaknya data yang akan menghabiskan biaya dan waktu yang cukup lama. Maka untuk mempermudah analisis tersebut, peneliti menggunakan alat bantu dalam menganalisis data hasil keuntungan yaitusoftware rapidminer.Berdasarkan hasil analisis yang dilakukan, software rapidminer dapat membantu dan mempermudah menghasilkan probabilitas untuk dijadikan prediksi. Hasil penelitian ini adalah dari uji set yang dilakukan, prediksi hasil keuntungan dapat dipastikan tercapai dan kemungkinan kepastian tercapai 0,59% serta kemungkinan tidak tercapai 0,41%.
Kata Kunci : Data Mining, Neive Bayes, Rapidminer, Keuntungan
Abstract:Abstract: Tiansi is a company that markets health products. This company has difficulty predicting people's interest in products that are in high demand. By knowing precisely the consumer interest in the product, it will…
increase sales. The research aims to predict consumer interest in Tiansi products appropriately. The method used is one of the Artificial Neural Network (ANN) techniques, namely Backpropagation with Momentum. The sales data tested were sourced from Stockist 319 Padang. The results of this research that can precisely determine consumer interest are architecture 5-2-1 and 5-3-1. So that this research is very helpful in the procurement of goods to increase the value of sales.
Keywords: Artificial neural network, backpropagation, consumer interest rates, predictions.
Abstrak: Tiansi merupakan sebuah perusahaan yang memasarkan produk-produk kesehatan. Perusahaan ini mengalami kesulitan dalam memprediksi minat masyarakat terhadap produk yang sangat diminati. Dengan mengetahui dengan tepat minat konsumen terhadap produknya, maka akan dapat meningkatkan penjualan. Penelitian ini bertujuan untuk memprediksi minat konsumen terhadap produk Tiansi dengan tepat. Metode yang digunakan salah satu teknik Artificial Neural Network (ANN), yaitu Backpropagation dengan Momentum. Data penjualan yang diuji bersumber dari Stokist 319 Padang. Hasil dari penelitian ini yang dapat dengan tepat menentukan minat konsumen adalah arsitektur 5-2-1 dan 5-3-1. Sehingga penelitian ini sangat membantu sekali dalam pengadaan barang untuk meningkatkan nilai penjualan.
Kata kunci: Jaringan Syaraf Tiruan, Backpropagation, prediksi, minat konsumen, penjualan.
Abstract:Abstract: A problem requires a solution to solve it. One of them is by using Prediction (Forcasting). Prediction is used to assess the prediction of conditions in the future. at AMIK Royal Kisaran, when it comes to making…
g lecture schedules often hampered because there is no estimated number of students. The data used in this study is the data history of the last 15 Academic Years, from 2003/2004 to 2017/2018. Then the data is processed with the Single Exponential Smoothing Method. Alpha value 0 <α <1. Single Exponential Smoothing makes a comparison with the alpha value until alpha is found which has the minimum error. To find the value of the error, the MSE (Mean Square Error) method is used. The results of the testing of this method are in the academic year 2018/2019 prediction of the number of students for the Informatics Management Study Program as many as 89 people and for Students for the Computer Engineering Study Program as many as 30 people. The Single Exponential Smoothing method can predict the number of students in the next period.
Keywords: Prediction; Number of Students; Single Exponential Smoothing; Alpha Value; MSE
Abstrak: Suatu masalah memerlukan sebuah solusi untuk menyelesaikannya. Salah satunya dengan menggunakan Prediksi (Forcasting). Prediksi digunakan untuk menilai prakiraan keadaan dimasa. di AMIK Royal Kisaran, ketika akan membuat jadwal kuliah sering terhambat karena tidak adanya perkiraan jumlah mahasiswa. Data yang digunakan pada penelitian ini adalah histori data 15 Tahun Akademik terakhir, mulai 2003/2004 sampai dengan 2017/2018. Kemudian data diolah dengan Metode Single Exponential Smoothing. Nilai alpha 0<α<1. Single Exponential Smoothing melakukan perbandingan dengan nilai alpha tersebut sampai ditemukan alpha yang memiliki error paling minimum. Untuk mencari nilai Error digunakan Metode MSE (Mean Square Error). Hasil dari pengujian terhadap metode ini adalah pada Tahun akademik 2018/2019 prediksi jumlah Mahasiswa untuk Program Studi Manajemen Informatika sebanyak 89 orang dan untuk Mahasiswa untuk Program Studi Teknik Komputer sebanyak 30 orang. Metode Single Exponential Smoothing dapat membantu prediksi jumlah mahasiwa pada satu periode kedepan
Kata kunci: Prediksi; Jumlah Mahasiswa; Single Exponential Smoothing; Nilai Alpha; MSE
Abstract:Abstract: M-Forecasting or Mobile Forecasting can be interpreted as mobile-based forecasting. Forecasting here means predicting a situation in the future. The use of mobile technology in forecasting is considered appropriate…
iate to improve the efficiency of forecasting to be carried out, this is supported by the development of increasingly mobile technology, where digital marketing marketing research institutions estimate that in 2018 the number of active smartphone users in Indonesia is more than 100 million people. This fantastic amount can be utilized by the development of mobile-based information systems for forecasting. Predictions of a forecast can be realized by using several methods. The Weighted Moving Average method is one of them. This method provides predictions for the future by utilizing previous data and giving different weights for each data used. The level of confidence in forecasting can be determined by measuring the error percentage of the forecasting obtained. The higher the error rate can be interpreted that the forecasting results obtained are increasingly unreliable or inaccurate, and vice versa. This forecasting technique can be applied in various fields of work, including in forecasting rubber production. By obtaining forecasting data on rubber production in the future, of course, it can provide an overview of future work steps, so that it can increase the company's work productivity. Based on this, the researchers intend to build a mobile-based forecasting application system, so that it can be installed in a mobile device later, especially mobile technology with the Android operating system.
Keywords: Forecasting, Mobile, Android, Weighted Moving Average.
Abstrak: M-Forecasting atau Mobile Forecasting dapat diartikan sebagai peramalan berbasis mobile. Peramalan disini berarti memprediksi suatu keadaan dimasa mendatang. Penggunaan teknologi mobile dalam peramalan dianggap tepat untuk meningkatkan efisiensi peramalan yang akan dilakukan, hal ini didukung dengan perkembangan teknologi mobile yang kian pesat, dimana lembaga riset digital marketing emarketer memperkirakan pada 2018 jumlah pengguna aktif smartphone di Indonesia lebih dari 100 juta orang. Jumlah yang fantastis ini dapat dimanfaatkan dengan pengembangan sistem informasi berbasis mobile untuk peramalan. Prediksi dari sebuah peramalan dapat terwujud dengan penggunaan beberapa metode. Metode Weighted Moving Average adalah salah satunya. Metode ini memberikan prediksi masa depan dengan memanfaatkan data-data terdahulu dan memberikan bobot yang berbeda-beda untuk setiap data yang digunakan. Tingkat kepercayaan peramalan dapat diketahui dengan mengukur persentase eror dari peramalan yang diperoleh. Semakin tinggi tingkat eror dapat diartikan bahwa hasil peramalan yang diperoleh semakin tidak dapat dipercaya atau tidak akurat, begitu juga sebaliknya. Teknik peramalan ini dapat diterapkan diberbagai bidang pekerjaan, termasuk dalam peramalan produksi karet. Dengan memperoleh data peramalan produksi karet dimasa mendatang tentunya dapat memberikan gambaran untuk langkah-langkah kerja kedepannya, sehingga dapat meningkatkan produktivitas kerja perusahaan. Berdasarkan hal tersebut, peneliti bermaksud membangun sebuah sistem aplikasi peramalan berbasis mobile, sehingga dapat dipasang diperangkat mobile nantinya, khususnya teknologi mobile dengan sistem operasi android.
Kata Kunci: Forecasting, Mobile, Android, Weighted Moving Average.