Abstract:Dalam penelitian ini, penulis menggunakan algoritma asosiasi untuk mendapatkan pola pemilihan judul skripsi mahasiswa STIMIKOM Stella Maris Sumba. Tugas dari data mining adalah untuk menghasilkan semua kaidah asosiasi…
a kaidah asosiasi pada suatu tabel transaksional, yang mempunyai nilai support lebih dari minimum support. Kaidah tersebut juga harus mempunyai support yang lebih besar dari confidence. Sedangkan untuk melakukan ujicoba algoritmanya, penulis menggunakan software data mining Orange. Hasil akhir dari penelitian ini adalah gambaran pola pemilihan judul yang paling sering muncul secara bersamaan. Berdasarkan pembahasan dalam penelitian ini, nilai support dan confidence dengan acuan 2-itemset yang memiliki nilai tertinggi adalah kombinasi antara logika fuzzy dan system pakar dengan support 14% dan confidence 18%. Sedangkan untuk acuan 3-itemset diperoleh 4 aturan asosiasi yang memenuhi syarat minimum support dan minimum confidence. Diperoleh bahwa semua kombinasi judul Sistem Pakar, Aplikasi Perangkat Lunak dan Logika Fuzzy memiliki nilai tertinggi yaitu support 12% dan confidence 85%
Abstract:Listrik merupakan salah satu kebutuhan dasar masyarakat dan merupakan salah satu kebutuhan hajat hidup orang banyak, sehingga perlu diatur dan disediakan oleh negara sesuai amanah undang-undang 1945 pasal 33. Subsidi diberikan…
erikan dengan tujuan agar ketersediaan listrik dapat terpenuhi, serta membantu pelanggan yang kurang mampu dan masyarakat yang belum terjangkau pelayanan PT. Berdasarkan hasil evaluasi BKF dengan German International Cooperation (GIZ) terhadap subsidi listrik yang diberikan kepada kelompok pelanggan R1-450 VA dan R1-900 VA yang berlaku saat ini menunjukkan subsidi listrik tidak tepat sasaran, karena 5,9 juta pelanggan R1-450 VA dan 14,4 juta pelanggan R1-900 VA adalah kelompok rumah tangga yang telah mampu karena termasuk dalam pengeluaran per kapita lebih dari Rp.1 juta per bulan. Guna mengurangi risiko salah sasaran tersebut, perlu dilakukan klasifikasi dalam pemberian subsidi listrik berdasarkan kriteria-kriteria tertentu yang telah menjadi standar di PT. PLN menggunakan data mining dengan metode decision tree. Berdasarkan evaluasi dan hasil pengujian bab sebelumnya dengan dataset 50 data, 70 data dan 100 data produksi yang telah dilakukan, maka hasil pengukuran Confusion Matrix dalam penerapan data mining untuk memprediksi target Desa Tebara dengan metode Decision Tree (Algoritma C4.5) pada pengujian 50 data menghasilkan akurasi 74%, precision 60% dan recall 83,33%. Pada pengujian 70 data menghasilkan akurasi 81,43%, precision 76,92% dan recall 74,07%. Pada pengujian 100 data menghasilkan akurasi 82%, precision 76,67% dan recall 67,65%. Jadi untuk data uji lebih banyak akan menghasilkan akurasi yang lebih tinggi.
Abstract:Dalam data mining, penelitian mengenai klasifikasi kelulusan mahasiswa sudah pernah dilakukan oleh peneliti lain. Sebagian besar penelitian tersebut difokuskan pada identifikasi variabel prediktor. Ada banyak penelitian…
dalam literatur terdahulu yang menjelaskan faktor-faktor apa saja yang dapat mensukseskan proses pengklasifikasian kelulusan mahasiswa. Pemilihan penggunaan algoritma Naive Bayes, dan pada penelitian ini didasarkan pada beberapa alasan, yaitu: Selain ketiga algoritma tersebut sama-sama mudah diimplementasikan dan sama-sama dapat memberikan hasil yang baik dalam kasus klasifikasi, ketiga algoritma tersebut juga mempunyai beberapa keunggulan masing-masing. Implementasi data training sebanyak 51 data dengan algoritma Naive Bayes berhasil memprediksi besarnya kelulusan mahasiswa dengan persentase keakuratan sebesar 74,67%, Sebanyak 184 mahasiswa sebagai data uji yang dihasilkan penelitian ini bahwa mahasiswa yang akan lulus tepat waktu sebanyak 42 mahasiswa atau sekitar 22,8% dari jumlah data testing dengan keakuratan sebesar 74,67%, Bagi Prang Studi Teknik Informatika berdasarkan hasil penelitian ini diharapkan dapat dimanfaatkan oleh pihak jurusan sebagai bahan pertimbangan bahwa dari jumlah data testing sebanyak 184 mahasiswa yang diperdiksi lulus tepat waktu sekitar 22,8% dan jumlah tidak tepat waktu 77,2%.
Abstract:The rapid growth of the hotel industry requires hotels to improve operational planning, one of which is by forecasting room reservations. Inaccurate forecasting may cause an imbalance between room availability and customer…
er demand. This study aims to compare the Weighted Moving Average and Single Exponential Smoothing algorithms in forecasting room reservations at Raz Hotel and Convention Medan using historical data from January 2025 to May 2026. The research method consisted of data collection, forecasting using both algorithms, and accuracy evaluation through Mean Absolute Deviation, Mean Squared Error, and Mean Absolute Percentage Error. The results indicate that the Single Exponential Smoothing algorithm achieved a Mean Absolute Percentage Error of 15.24%, which is lower than the 15.63% obtained by the Weighted Moving Average algorithm. Furthermore, the Single Exponential Smoothing algorithm predicted 835.90 room reservations for June 2026. Therefore, it can be concluded that the Single Exponential Smoothing algorithm provides better forecasting accuracy and is more suitable for predicting room reservations at Raz Hotel and Convention Medan.
Abstract:Academic achievement is a measure of students' learning outcomes, encompassing aspects of knowledge and skills. Academic performance serves as a crucial indicator in evaluating students' learning progress. MAS Al-Wasliyah…
h Petatal is committed to providing quality education but still faces limitations in applying technology to evaluate student learning. The current evaluation process relies on teachers' subjective assessments, which restricts the information about students' progress. Therefore, the implementation of machine learning is proposed as a solution to enhance objectivity in student learning evaluation through more effective data processing. The method used is the K-Means Clustering algorithm, which can group or classify data based on specific patterns. This study aims to evaluate the extent to which machine learning can process student learning evaluation data through the analysis results obtained from the clustering process, which are then used as benchmarks to improve the evaluation system and provide feedback for students needing improvement in their academic performance. The data used comprises students' grades from the odd semester of the 2024/2025 academic year, with a total of 210 data points. The clustering results produced three clusters: the "good" cluster with 60 students, the "average" cluster with 99 students, and the "low" cluster with 51 students.
Abstract:Everbright has become one of the distributing companies selling various products, one of which is the Dettol product. In optimizing the stock and marketing of Dettol products, the company faces difficulties in identifying…
g the best-selling products and those less favored by customers. This research data originates from the sales transaction data of Dettol soap in November, comprising 77 sales data. Through the use of data mining, particularly the K-means Clustering method, it becomes a relevant approach to solving this issue. The objective of this research is to avoid excess inventory that remains unsold while meeting the diverse needs of customers. The results of this study show the visualization of the distribution of Dettol soap product clusters and grouping based on sales levels. There were 21 best-selling item data, 31 well-selling item data, and 25 less popular item data, enabling the company to manage inventory based on the best-selling items.
Abstract:Data mining merupakan salah satu metode yang paling efektif dalam menghasilkan klasifikasi yang akurat, efisien, dan relevan. Pengelompokan jenis kendaraan berdasarkan sistem transmisi dilakukan dengan menggunakan algoritma…
tma Decision Tree dan dievaluasi melalui confusion matrix. Dataset yang digunakan mencakup empat jenis kendaraan: Bebek, Skuter, Sport, dan Trail, dengan tiga jenis transmisi: Manual, Automatic, dan Kopling. Algoritma Decision Tree dipilih karena kemampuannya dalam membagi dataset secara rekursif untuk menghasilkan aturan klasifikasi yang jelas dan mudah dipahami. Model dilatih dan diuji untuk memprediksi jenis transmisi berdasarkan fitur kendaraan, dengan hasil akurasi mencapai 95%. Evaluasi menggunakan confusion matrix mengungkap distribusi prediksi benar dan salah pada setiap kategori. Hasilnya menunjukkan bahwa transmisi Automatic dan Kopling diklasifikasikan dengan akurasi tinggi, meskipun terdapat beberapa kesalahan pada prediksi transmisi Manual. Nilai Cohen’s Kappa sebesar 0,913 mengindikasikan kesesuaian yang sangat baik antara prediksi dan data aktual. Algoritma Decision Tree terbukti efektif dalam klasifikasi jenis kendaraan, meskipun diperlukan perbaikan untuk meningkatkan akurasi pada kategori tertentu.
Abstract:Abstract: Hospitals, as healthcare facilities, have a high level of visitor mobility, particularly in inpatient wards. Therefore, visitor control is necessary to maintain patient comfort, safety, and service quality. Manual…
ual visitor monitoring is considered ineffective and prone to errors. Therefore, this study aims to design and implement an artificial intelligence-based visitor monitoring system for hospital inpatient wards using computer vision technology. The developed system utilizes the YOLOv8 model as an object detection algorithm to automatically detect and count visitors through a camera. Visitor information is displayed through a desktop-based monitoring interface and is equipped with warning notifications via the Telegram application and an automatic alarm if the number of visitors exceeds the limit set by hospital policy. Test results show that the system is capable of performing well in detecting and counting visitors in real time, as well as sending information and warnings responsively. Thus, this system is considered effective as a technology-based hospital management support solution in controlling inpatient ward density and making decisions more quickly and accurately.
Keywords: hospital; inpatient ward; computer vision; yolov8; visitor monitoring
Abstrak: Rumah sakit sebagai fasilitas pelayanan kesehatan memiliki tingkat mobilitas pengunjung yang tinggi, khususnya pada ruang rawat inap, sehingga diperlukan pengendalian jumlah pengunjung untuk menjaga kenyamanan, keselamatan pasien, dan kualitas pelayanan. Pemantauan jumlah pengunjung secara manual dinilai kurang efektif dan rentan terhadap kesalahan. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pemantauan jumlah pengunjung ruang rawat inap rumah sakit berbasis kecerdasan buatan menggunakan teknologi computer vision. Sistem yang dikembangkan memanfaatkan model YOLOv8 sebagai algoritma object detection untuk mendeteksi dan menghitung jumlah pengunjung secara otomatis melalui kamera. Informasi jumlah pengunjung ditampilkan melalui antarmuka pemantauan berbasis desktop dan dilengkapi dengan notifikasi peringatan melalui aplikasi Telegram serta alarm otomatis apabila jumlah pengunjung melebihi batas yang ditetapkan sesuai kebijakan rumah sakit. Hasil pengujian menunjukkan bahwa sistem mampu bekerja dengan baik dalam mendeteksi dan menghitung jumlah pengunjung secara real-time, serta mengirimkan informasi dan peringatan secara responsif. Dengan demikian, sistem ini dinilai efektif sebagai solusi pendukung manajemen rumah sakit berbasis teknologi dalam pengendalian kepadatan ruang rawat inap dan pengambilan keputusan yang lebih cepat dan akurat.
Kata kunci: rumah sakit; ruang rawat inap; computer vision; yolov8; monitoring pengunjung
Abstract:Abstract: This study aims to classify the nutritional status of toddlers based on anthropometric data using the K-Nearest Neighbor (KNN) algorithm. Data were obtained from 20 Integrated Health Posts (Posyandu) in Rumbai…
Timur District, including Lembah Sari Village and Limbungan Village with a total of 1,000 toddler data. After cleaning and preprocessing, 782 data were obtained ready for use. The preprocessing stages include data cleaning and transformation, outlier removal, minority class handling, and data normalization. Next, data balancing was carried out using the Synthetic Minority Oversampling Technique (SMOTE) to address class imbalance. The data was divided into 80% training data and 20% test data, then the K parameter was tested from 1 to 15 using 5-fold cross-validation. The results showed that the value of K = 1 provided the best performance with a macro recall of 0.8827 and an accuracy of 86.26%. These results indicate that the combination of the KNN algorithm with the SMOTE method and Min-Max normalization is effective in improving classification performance on imbalanced data and producing accurate and balanced predictions of toddler nutritional status between classes.
Keywords: k-nearest neighbor; toddler nutritional status; SMOTE; min-max scaling; classification; anthropometric data
Abstrak: Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita berdasarkan data antropometri menggunakan algoritma K-Nearest Neighbor (KNN). Data diperoleh dari 20 Posyandu di Kecamatan Rumbai Timur, meliputi Kelurahan Lembah Sari dan Kelurahan Limbungan dengan total 1.000 data balita. Setelah melalui proses cleaning dan preprocessing, diperoleh 782 data yang siap digunakan. Tahapan pra-pemrosesan meliputi pembersihan dan transformasi data, penghapusan outlier, penanganan kelas minoritas, serta normalisasi data. Selanjutnya dilakukan penyeimbangan data menggunakan Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Data dibagi menjadi 80% data latih dan 20% data uji, kemudian dilakukan pengujian parameter K dari 1 hingga 15 menggunakan 5-fold cross-validation. Hasil penelitian menunjukkan bahwa nilai K = 1 memberikan performa terbaik dengan recall macro sebesar 0,8827 dan akurasi 86,26%. Hasil ini menunjukkan bahwa kombinasi algoritma KNN dengan metode SMOTE dan normalisasi Min-Max efektif dalam meningkatkan kinerja klasifikasi pada data tidak seimbang serta menghasilkan prediksi status gizi balita yang akurat dan seimbang antar kelas.
Kata kunci: k-nearest neighbor; status gizi balita; SMOTE; min-max scaling; klasifikasi; data antropometri
Abstract:Abstract: In a competitive digital era, business owners such as Alya Collection face challenges in determining the right fashion products to offer to consumers. Relying on intuition without data support often results in…
inaccurate and potentially detrimental decisions. This study aims to assist the sales decision-making process by applying a data mining method using the K-Means Clustering algorithm. This method was used to group sales data from February 2024 to January 2025 into three categories: best-selling, least-selling, and non-selling products. The study was conducted using a quantitative approach, through sales data collection and direct interviews with store owners. The system was built using the PHP programming language and MySQL database, and designed with tools such as UML, DFD, and ERD. The results of this clustering system are expected to provide strategic information useful for Alya Collection in planning stock, promotions, and product development, thereby increasing sales effectively and efficiently.
Keywords: data mining; k-means; sales; alya collection; information system
Abstrak: Dalam era digital yang kompetitif, pemilik usaha seperti Alya Collection menghadapi tantangan dalam menentukan produk fashion yang tepat untuk ditawarkan kepada konsumen. Ketergantungan pada intuisi tanpa dukungan data seringkali mengakibatkan keputusan yang kurang akurat dan berisiko merugikan. Penelitian ini bertujuan untuk membantu proses pengambilan keputusan penjualan dengan menerapkan metode data mining menggunakan algoritma K-Means Clustering. Metode ini digunakan untuk mengelompokkan data penjualan dari Februari 2024 hingga Januari 2025 ke dalam tiga kategori: produk terlaris, kurang laris, dan tidak laris. Penelitian dilakukan dengan pendekatan kuantitatif, melalui pengumpulan data penjualan serta wawancara langsung dengan pemilik toko. Sistem yang dibangun menggunakan bahasa pemrograman PHP dan database MySQL, serta dirancang dengan alat bantu seperti UML, DFD, dan ERD. Hasil dari sistem klasterisasi ini diharapkan dapat memberikan informasi strategis yang berguna bagi Alya Collection dalam merencanakan stok, promosi, serta pengembangan produk, sehingga mampu meningkatkan penjualan secara efektif dan efisien.
Kata kunci: data mining; k-means clustering; penjualan; alya collection; sistem informasi