Abstract:Abstract: Guntur Store is located on Jl. Sisingamangaraja, Kisaran, Asahan Regency. It focuses on selling basic needs, but the store faces a problem in its sales. The main issue encountered is the uncertainty in forecasting…
ing the stock of basic needs, which can lead to imbalance between supply and demand, due to Guntur Store still relying on manual ledger entries for reporting and inputting data into Microsoft Excel. This research aims to predict the demand for basic needs at Guntur Store using the Single Exponential Smoothing Method and to enhance prediction accuracy through the application of time series analysis techniques on historical sales data. The Single Exponential Smoothing Method will be employed to model and forecast patterns of demand for staple goods. The findings of this research can provide insights into future demand for goods, thereby improving supply chain optimization and ensuring adequate stock levels to effectively meet customer demands. The conclusion of this study is to obtain more accurate estimates in anticipating the evolving data patterns of basic needs at Guntur Store, thus providing valuable information for the store and policymakers involved in the distribution of basic needs.
Keywords: basic food needs; forecasting; single exponential smoothing
Abstrak : Toko Guntur terletak di Jl. Sisingamangaraja, Kisaran, Kabupaten Asahan. Berfokus pada penjualan kebutuhan sembako, namun dalam penjualan toko tersebut mengalami sebuah permasalahan. Permasalahan utama yang dihadapi adalah ketidakpastian dalam meramalkan kebutuhan stok Sembako yang dapat mengakibatkan ketidakseimbangan antara pasokan dan permintaan, dikarenkan Toko Guntur masih menggunakan buku besar dalam pembuatan laporan dan di input ke dalam microsoft excel. Penelitian ini bertujuan untuk memprediksi permintaan Sembako di Toko Guntur menggunakan Metode Single Exponential Smoothing serta meningkatkan akurasi prediksi melalui penerapan teknik analisis deret waktu terhadap data penjualan historis. Metode Single Exponential Smoothing akan digunakan untuk memodelkan dan memprediksi pola permintaan barang pokok. Hasil penelitian ini dapat memberikan jumlah permintaan barang di masa mendatang sehingga optimalisasi rantai pasok menjadi g lebih baik dan memastikan tingkat stok yang memadai untuk memenuhi permintaan pelanggan secara efektif. Kesimpulan penelitian ini untuk mendapatkan perkiraan yang lebih akurat dalam mengantisipasi pola data yang sedang berkembang kebutuhan sembako pada Toko Guntur sehingga menghasilkan informasi yang akurat dapat menjadi sumber informasi berharga bagi Toko Guntur, dan pembuat kebijakan yang terlibat dalam distribusi Sembako.
Kata Kunci: kebutuhan sembako; single exponential smoothing; peramalan
Abstract:Abstract: Rohingya refugees continue to arrive in Aceh by sea by boat. Based on data from the United Nations High Commissioner for Refugees (UNCHR), as of December 10 2023, 1,543 Rohingya refugees had landed in Aceh since…
e mid-November 2023. The increasing number of refugees arriving has caused resistance from local residents. This rejection was the result of the bad experiences of Acehnese people with Rohingya refugees. The main problem of this research is that analyzing public opinion on Rohingya ethnicity in Indonesia is still done manually by looking at tweets one by one. The solution to overcome this is to analyze opinions using data crawling with the Naïve Bayes algorithm. The purpose of this research is to determine public opinion on Twitter media regarding refugee refugees. The method used in this research is the Naïve Bayes algorithm method. The results of the research show that the Naïve Bayes algorithm can classify public opinion sentiment on Twitter social media towards the Rohingya Ethnic in Indonesia into positive sentiment. and negative with a total accuracy of 70%. So, the words "Rohingya Ethnicity in Indonesia" tend to be accepted by the X community with the arrival of Rohingya refugees in Indonesia.
Keywords: rohingya; twitter; naïve bayes; opinion
Abstrak: Pengungsi Rohingya terus berdatangan ke Aceh melalui jalur laut dengan menggunakan perahu. Berdasarkan hasil data United Nations High Commissioner for Refugees (UNCHR), per 10 Desember 2023 sebanyak 1.543 pengungsi Rohingya datang ke dalam wilayah Aceh. Meningkatnya jumlah pengungsi yang datang menimbulkan perlawanan dari warga setempat. Penolakan ini imbas dari pengalaman buruk warga Aceh terhadap pengungsi Rohingya. Permasalahan utama penelitian ini yaitu menganalisis opini publik terhadap Etnis Rohingya di Indonesia masih secara manual dengan melihat tweet satu persatu. Solusi mengatasi hal tersebut maka analisis opini menggunakan crawling data dengan algoritma Naïve Bayes. Tujuan penelitian ini untuk mengetahui opini publik pada media twitter terkait pengungsi Rohingya. Metode yang digunakan dalam penelitian ini yaitu metode algoritma Naïve Bayes. Hasil penelitian menunjukan bahwa pada algoritma Naïve Bayes dapat mengklasifikasikan sentimen dengan total akurasi 70%. Maka “Etnis Rohingya di Indonesia†cenderung dapat diterima oleh masyarakat X dengan datangnya pengungsi Rohingya di Indonesia.
Kata kunci: rohingnya; twitter; naïve bayes; opini
Abstract:Abstract: Toko Ratna Jaya is a business in the fashion sector that sells women's robes and is experiencing instability in its sales because Toko Ratna Jaya is unable to predict their sales for the following month. Ratna…
Jaya Shop currently carries out forecasting only by relying on the owner's predictions. However, this approach is less efficient and can lead to losses or increased stock costs if forecasting is inaccurate. To increase the accuracy of the estimates, the use of the Single Exponential Smoothing Method is proposed. This method smooths past values with exponential weights, placing greater emphasis on recent data. Use of data from the last 1 (one) year as reference data for recording the past for forecasting experiments for the next 1 (one) month. Experiments using different Alphas test accuracy in actual situations. The results of the experiment with an alpha of 0.2 are almost the same as the actual value in predicting the situation one month into the future with the lowest error, namely MAPE 12.05% and forecasting sales of gamis of 1,476 pcs.
Keywords: forecasting; gamis; sales; single exponential smoothing (SES); toko ratna jaya.
Abstrak: Toko Ratna Jaya adalah usaha di bidang fashion yang menjual baju gamis wanita dan sedang mengalami ketidakstabilan dalam penjualannya dikarenakan Toko Ratna Jaya tidak mampu meramalkan penjualan mereka untuk bulan berikutnya. Toko Ratna Jaya saat ini melakukan peramalan hanya dengan mengandalkan paraduga pemiliknya. Namun, pendekatan ini kurang efisien dan dapat menyebabkan kerugian atau peningkatan biaya stok jika peramalan tidak akurat. Untuk meningkatkan ketepatan perkiraan, penggunaan Metode Single Exponential Smoothing diusulkan. Metode ini menghaluskan nilai masa lalu dengan bobot eksponensial, memberikan penekanan lebih besar pada data terbaru. Penggunaan data 1 (satu) tahun terakhir sebagai data acuan pencatatan masa lalu untuk percobaan peramalan untuk 1 (satu) bulan kedepan. Eksperimen menggunakan Alpha yang berbeda menguji akurasi dalam situasi aktual. Hasil dari eksperimen dengan alpha 0,2 hampir sama dengan nilai aktual dalam meramalkan keadaan satu bulan ke depan dengan error yang paling rendah yaitu MAPE 12,05% dan peramalan penjualan gamis sebanyak 1.476 pcs.
Kata kunci: gamis; penjualan; peramalan; single exponential smoothing (ses); toko ratna jaya.
Abstract:Abstract: Recognizing one's interests and talents early on is crucial in guiding an individual toward a prosperous future. While distinct, interests and talents share a close relationship. Interest denotes a genuine attraction…
action to something without external pressure, and when consistently nurtured, it evolves into a skill or talent. Machine learning, specifically utilizing the SVM algorithm with the RBF kernel, can be applied to categorize interests and talents. Prior to SVM modeling, conducting Exploratory Data Analysis (EDA) is imperative for scrutinizing interests and talents. This analysis facilitates the identification of variables, enabling the elimination of missing values and ensuring the selection of appropriate interest and talent variables. The primary objective is to achieve optimal accuracy in modeling the classification of interests and talents. The insights gained from this research contribute to the creation of an application designed for categorizing interests and talents within SDN XYZ school. This application is designed for student use, assisting them in making informed decisions about their future education and career paths
Keywords: exploratory data analysis; interests and talents; machine learning; SVM Algorithm
Abstrak: Mengenali minat dan bakat seseorang sejak dini sangat penting dalam membimbing individu menuju masa depan yang sukses. Meskipun berbeda, minat dan bakat memiliki hubungan yang erat. Minat mengindikasikan ketertarikan yang tulus terhadap sesuatu tanpa tekanan eksternal, dan ketika terus-menerus dibina, berkembang menjadi keterampilan atau bakat. Pembelajaran mesin, khususnya dengan menggunakan algoritma SVM dan kernel RBF, dapat digunakan untuk mengelompokkan minat dan bakat. Sebelum pemodelan SVM, melakukan Analisis Data Eksploratif (EDA) sangat penting untuk mengkaji minat dan bakat. Analisis ini memfasilitasi identifikasi variabel, memungkinkan penghilangan nilai yang hilang, dan memastikan pemilihan variabel minat dan bakat yang tepat. Tujuan utamanya adalah mencapai akurasi optimal dalam pemodelan klasifikasi minat dan bakat. Temuan dari penelitian ini berkontribusi pada pengembangan aplikasi yang ditujukan untuk mengkategorikan minat dan bakat di sekolah SDN XYZ. Aplikasi ini dirancang untuk digunakan oleh siswa, membantu mereka membuat keputusan yang terinformasi mengenai pendidikan dan karier masa depan mereka.
Kata kunci: Algoritma SVM; exploratory data analysis; machine learning; minat dan bakat
Abstract:Abstract: Artificial Intelligence (AI) is currently gaining popularity across various industries, including healthcare, finance, and others. In this study, AI technology is employed to devise an optimal marketing strategy…
y for Code Verse Computer Accessories Store using the K-Means algorithm. As part of machine learning, the K-Means algorithm, categorized under unsupervised learning, is implemented to cluster sales data for computer accessory products over the last three months of 2023. The results of the K-Means analysis identify two main clusters. Cluster one (Cluster 1) comprises products such as Mouse, Keyboard, Monitor, Headset, and Speaker, indicating consistent purchasing patterns and high consumer interest. Recommendations are made to increase stock for Cluster 1. Meanwhile, Cluster two (Cluster 2) consists of Mic products with lower interest, and it is not advisable to increase stock. The implementation of K-Means provides insights into purchasing patterns, enabling Code Verse to develop more effective marketing and inventory management strategies.
Keywords: K-Means algorithm; artificial intelligence; clustering
Abstract: Kecerdasan Buatan (AI) kini meraih popularitas dalam berbagai industri, termasuk sektor kesehatan, keuangan, dan lainnya. Pada penelitian ini, teknologi AI digunakan untuk merancang strategi pemasaran optimal bagi Toko Aksesoris Komputer CodeVerse dengan menggunakan Algoritma K-Means. Sebagai bagian dari machine learning, Algoritma K-Means, yang termasuk dalam kategori unsupervised learning, diimplementasikan untuk mengelompokkan data penjualan produk selama tiga bulan terakhir tahun 2023. Hasil dari analisis K-Means mengidentifikasi dua cluster utama. Cluster pertama (Cluster 1) terdiri dari produk Mouse, Keyboard, Monitor, Headset, dan Speaker, menunjukkan pola pembelian yang konsisten dan tingginya minat konsumen. Rekomendasi untuk menambah stok diberikan. Sementara itu, Cluster kedua (Cluster 2) terdiri dari produk Mic dengan minat lebih rendah, dan tidak disarankan untuk menambah stok. Implementasi K-Means memberikan wawasan tentang pola pembelian, memungkinkan CodeVerse mengembangkan strategi pemasaran dan manajemen persediaan yang lebih efektif.
Keywords: Algoritma k-means; kecerdasan buatan; clustering
Abstract:Abstract: Children's nutritional issues are an important concern for parents to pay attention to growth and development, especially health and well-being. According to the results of the Ministry of Health's Indonesian Nutrition…
utrition Status Survey (SSGI), there are 4 nutritional problems for children in Indonesia, namely stunting, wasting, underweight and everweight. In this research, how to predict signs of symptoms of a decline in a child's nutritional status using a machine learning algorithm, a prediction model was designed using logistic regression in Python IDE to predict whether a child is indicated by a decline in nutrition or not. Dataset from Bengkayang Community Health Center data consisting of 657 pediatric patient data. The dataset is divided into 7 features (independent variables) and 1 predictor (dependent variable). Test results show perfect performance with precision, recall, F1-score, accuracy values of 100%. Then the visualization results on the ROC (Receiver Operating Characteristic) curve to depict the TP (True Positive) value on the Y axis against the FP (false Positive) value on the become overfit. It is recommended that in preparing the training dataset, measure the training data and reduce the features, after carrying out feature selection to increase the accuracy of the model.
Keywords: child nutritional status; growth and development logistic regression; machine learning
Abstract: Masalah Gizi anak menjadi perhatian penting bagi orangtua untuk memperhatikan tumbuh kembang, terutama kesehatan dan kejahteraan. Menurut hasil survei status Gizi Indonesia (SSGI) Kemenkes memperlihatkan 4 permasalahan gizi anak di Indonesia yaitu stunting, wasting, underweight, dan everweight. Dalam penelitian ini, bagaimana memprediksi tanda gejala penurunan status gizi anak menggunakan algoritma machine learning dirancang model prediksi menggunakan logistic regression pada Python IDE dengan memprediksi anak terindikasi penurunan gizi atau tidak. Dataset dari data Puskesmas Bengkayang yang terdiri 657 data pasien anak. Dataset dibagi menjadi 7 feature (variabel independen) dan 1 predictor (variabel dependen). Hasil Pengujian memperlihatkan kinerja yang sempurna dengan nilai presisi, recall, F1-score, akurasi, sebesar 100%. Kemudian hasil Visualisasi pada kurva ROC (Receiver Operating Characteristic) untuk menggambarkan nilai TP (True Positif) di sumbu Y terhadap nilai FP (false Positif) di sumbu X juga menunjukkan nilai yang sangat tinggi dan sudah mendekati angka 1 ini pertanda bahwa model ini menjadi overfit. Sebaiknya dalam persiapan training dataset diukur dengan data training dan mengurangi feature, setelah melakukan feature Selection untuk meningkatkan akurasi model.
Keywords: logistic regression; machine learning; status gizi anak; tumbuh kembang
Abstract:Abstract : In Semester 6 students are required to choose mainstream elective courses at the STMIK Royal campus. In this study, researchers chose 2 mainstraim elective courses, namely Logic and Programming, and Database and…
nd Information Management. The purpose of choosing this elective course is for students to focus more on their majors. The process of selecting the data, researchers carry out an analysis process of student learning outcomes. This research data is semester 1 to semester 5 grades. All data on the value of student learning outcomes are divided into 2 parts, namely theory and practice and divided into the number of courses. For many uses, a data mining method using K-means cluster is needed. K-Means Clustering is a data analysis method or Data Mining method that performs an unsupervised learning modeling process and uses methods that group data from various partitions. The results of the k means clutering grouping with 2 clusters, namely cluster 0 of the mainstream group of logic and programming courses with a total of 28 students, and cluster 1 of the mainstream group of informatics database and management courses with a total of 72 students with a total of 100 students.
Keywords: data; K-means; student
Abstrak : Mahasiswa semester 6 diwajibkan memilih mainstream matakuliah pilihan yang ada di kampus STMIK Royal. Pada penelitian ini, peneliti memilih 2 mainstraim matakuliah pilihan yaitu Logika dan Pemprograman, serta Basis Data dan Manajemen Informatika. Tujuan pemilihan matakuliah pilihan ini adalah agar mahasiswa lebih terfokus pada jurusannya. Proses pemilihan datanya, peneliti melakukan proses analisa dari hasil belajar mahasiswa. Data penelitian ini nilai semester 1 sampai semester 5. Seluruh data nilai hasil belajar mahasiswa dibagi menjadi 2 bagian yaitu teori dan praktek serta dibagi jumlah banyaknya matakuliah. untuk penggunaan yang banyak, maka dperlukan metode data mining dengan menggunakan k-means cluster. K-Means Clustering adalah metode analisis data atau metode Data Mining yang melakukan proses pemodelan pembelajaran tanpa pengawasan dan menggunakan metode yang mengelompokkan data dari berbagai partisi. Hasil pengelompokan k means clutering dengan 2 cluster yaitu cluster 0 kelompok mainstream matakuliah logika dan pemprograman dengan jumlah mahasiswa 28 orang, dan cluster 1 kelompok mainstream matakuliah basis data dan manajemen informatika dengan jumlah mahasiswa 72 orang dengan total keseluruhan 100 mahasiswa.
Keyword : data; K-means; mahasiswa;
Abstract:Abstract: When working on a project that carries significant risk, the project owner asks the contractor for a letter of guarantee as a form of seriousness in carrying out the work for a certain time. One of the guarantor…
r companies in the Bangka Belitung Islands Province is PT. Jamkrida Bangka which issues a surety bond certificate as an additional agreement to the main agreement between the project owner and the contractor. The system for submitting surety bond guarantee certificates at PT Jamkrida Bangka is still done manually starting from applying, completing the supporting document requirements, checking the suitability of the applicant's supporting documents, paying the guarantee fee, and printing the surety bond certificate as proof of guarantee. The system currently running will be developed into a web-based system to increase the speed of the administrative service process when applicants submit applications for surety bonds. The web-based system was developed using the Object-Oriented Analysis and Design method and Unified Modeling Language (UML) as a tool to develop in line with user needs. The system design can also provide easy access for applicants who are far from PT offices. Jamkrida in Pangkalpinang.
Keywords: guarantee certificate; surety bonds; web-based systems;
Abstrak: Pada pengerjaan proyek yang beresiko cukup besar, maka pihak pemilik proyek meminta surat jaminan kepada pihak kontraktor sebagai bentuk kesungguhan melaksanakan pekerjaannya selama waktu tertentu. Di Provinsi Kepulauan Bangka Belitung, salah satu Perusahaan penjamin adalah PT. Jamkrida Bangka yang mengeluarkan sertifikat surety bond sebagai perjanjian tambahan dari perjanjian pokok antara pemilik proyek dengan kontraktor. Sistem pengajuan sertifikat jaminan surety bond di PT Jamkrida Bangka masih dilakukan secara manual mulai dari mengajukan permohonan, melengkapi persyaratan dokumen pendukung, memeriksa kesesuaian dokumen pendukung pemohon, pembayaran biaya jaminan, dan pencetakan sertifikat surety bond sebagai bukti jaminan. Sistem yang saat ini berjalan akan dikembangkan menjadi sistem berbasis web untuk meningkatkan kecepatan proses layanan administrasi saat pemohon mengajukan permohonan jaminan surety bond. Sistem berbasis web dikembangkan dengan metode Object-Oriented Analysis and Design dan Unified Modelling Language (UML) sebagai alat bantu, agar sistem dapat berkembang selaras dengan kebutuhan pengguna. Sistem yang dirancang juga mampu memberikan kemudahan akses bagi pemohon yang secara geografis cukup jauh dari kantor PT. Jamkrida di Pangkalpinang.
Kata kunci: sistem berbasis web; sertifikat penjaminan; surety bond
Abstract:Abstract: Stunting is one of the nutritional problems that the world pays the most attention to and a major nutritional problem in Indonesia. Stunting is a problem in toddler growth which is characterized by a toddler's…
height that is too short compared to toddlers of his age. In the research location, namely Asahan Regency, the mapping of areas prone to increased stunting rates has not been carried out optimally. The process of exploring the stunting data warehouse is useful for adding information that can assist the government in making policies. Therefore, the aim of this research is to map stunting-prone areas in Asahan district based on the number of stunting cases in Asahan district using the machine learning-based K-Means clustering model. Based on previous research reviews, the k-means clustering method used has not used the normalization process. In addition, distance measurement only uses Euclidean Distance. Meanwhile, in this research, clustering performance analysis was carried out using a more in-depth process, namely by applying data normalization at the beginning, using the elbow method to determine the best number of clusters (K), measuring distance using Euclidean Distance, Manhattan Distance and Minkowski Distance to obtain comparison results. better clusters. The analysis results show that the best number of clusters is cluster 2 which shows the mapping results into 2 groups with a DBI of 0.51290 and a silhouette_score of 0.71432.
Keywords: stunting; k-means clustering; machine learning
Abstrak: Stunting menjadi salah satu permasalahan gizi yang paling diperhatikan dunia dan permasalahan gizi yang utama di Indonesia. Stunting merupakan masalah pada pertumbuhan balita yang ditandai dengan tinggi badan balita yang terlalu pendek dibanding balita seusianya. Pada lokasi penelitian yaitu Kabupaten Asahan, pemetaan daerah rawan peningkatan angka stunting belum dilakukan dengan optimal. Proses eksplorasi gudang data stunting ini berguna untuk menambah informasi yang dapat membantu pemerintah dalam mengambil kebijakan. Maka dari itu, tujuan dari penelitian ini adalah pemetaan daerah rawan stunting di kabupaten Asahan berdasarkan jumlah kasus stunting di Kabupaten Asahan menggunakan model clustering metode K-Means berbasis machine learning. Berdasarkan tinjauan penelitian terdahulu, metode k-means clustering yang digunakan belum menggunakan proses normalisasi. Selain itu, pengukuran jarak hanya menggunakan Euclidean Distance. Sedangkan dalam penelitian ini, analisis kinerja clustering yang dilakukan dengan proses yang lebih mendalam yaitu dengan penerapan normalisasi data di awal, penggunaan elbow method untuk penentuan jumlah cluster (K) terbaik, pengukuran jarak dengan Euclidean Distance, Manhattan Distance dan Minkowski Distance untuk mendapatkan hasil perbandingan cluster yang lebih baik. Hasil analisis menunjukkan bahwa jumlah cluster terbaik yaitu cluster 2 yang menunjukkan hasil pemetaan menjadi 2 kelompok dengan DBI 0.51290 dan silhouette_score sebesar 0.71432.
Kata kunci: stunting; k-means clustering; machine learning
Abstract:Abstract: The rapid development of technology makes stakeholders need easy and fast services. One of them is an easy and fast tutor search service. Parents who have a very busy life and school materials that develop very…
rapidly make parents less able to help their children learn at home so parents need a solution in the form of an information system to facilitate the search for tutors. In the development of this information system adopts by combining the architecture of the model view controller (MVC) and restful web service because development using the architecture is very easy, fast and can be developed into multi platforms. Then in the development of this system using the Agile Scrum Methodology approach which is able to complete system development very quickly and organized. Regular communication in this Scrum approach makes the team feel comfortable because each member knows each other's progress process and obstacles. So that the achievements of each target can always be controlled and completed. So that the creation of an information system for the search for tutors is on target and can be used by the public.
Keywords: Agile, Agile Scrum Methodology, Information System, restful web service
Abstrak: Pesatnya perkembangan teknologi membuat stakeholder membutuhkan pelayanan yang mudah dan cepat. Salah satunya adalah layanan pencarian guru les yang mudah dan cepat. Orang tua yang memiliki kehidupan yang sangat sibuk dan materi sekolah yang berkembang sangat pesat membuat orang tua kurang bisa membantu anaknya belajar di rumah sehingga orang tua membutuhkan solusi berupa sistem informasi untuk memudahkan pencarian tutor. Dalam perkembangannya sistem informasi mengadopsi dengan menggabungkan arsitektur model view controller (MVC) dan restful web service karena pengembangan menggunakan arsitektur tersebut sangat mudah, cepat dan dapat dikembangkan menjadi multi platform. Kemudian dalam pengembangan sistem ini menggunakan pendekatan Agile Scrum Methodology yang mampu menyelesaikan pengembangan sistem dengan sangat cepat dan terorganisir. Komunikasi yang teratur dalam pendekatan Scrum ini membuat tim merasa nyaman karena setiap anggota saling mengetahui proses kemajuan dan hambatan masing-masing. Sehingga capaian setiap target dapat selalu terkontrol dan selesai. Serta terciptanya sistem informasi pencarian tutor tepat sasaran dan dapat digunakan oleh masyarakat
Kata kunci: Agile, Agile Scrum Methodology, Sistem Informasi, restful web service