Abstract:Abstract: The realization of credit proposed by customers is one of the essential factors for a bank. Moreover, especially during the Covid-19 pandemic, credit realization shows the business conditions of prospective borrowers,…
rowers, whether they are in good condition or not. So, it is crucial to predict how many new debtors will achieve. In this article, forecasting the number of new debtors uses the Simple Moving Average and Double Exponential Smoothing methods based on actual data on the number of new debtors per month for 2019-2021. Furthermore, the performance of the two methods is compared by comparing the Mean Absolute Deviation and Mean Square Error values. The comparison results conclude that the Simple Moving Average method is better than the Double Exponential Smoothing for predicting the number of new debtors.
Keywords: double exponential smoothing; mean absolute deviation; mean square error; simple moving average; forecasting.
Abstrak: Realisasi kredit yang diajukan oleh nasabah adalah salah satu faktor yang penting di dunia perbankan. Terlebih disaat adanya pandemi Covid-19, realisasi kredit memperlihatkan kondisi usaha para calon debitur, apakah dalam keadaan baik atau tidak. Sehingga penting untuk memprediksi berapa capaian jumlah debitur baru. Dalam artikel ini dilakukan peramalan jumlah debitur baru dengan metode Simple Moving Average dan Double Exponential Smoothing berdasarkan data aktual jumlah debitur baru per bulan tahun 2019-2021. Selanjutnya, dilakukan perbandingan performa kedua metode tersebut dengan cara membandingkan nilai dari Mean Absolute Deviation dan Mean Square Error. Hasil perbandingan yang diperoleh mengarah pada sebuah kesimpulan, yaitu metode Simple Moving Average lebih baik daripada Double Exponential Smoothing untuk meramalkan jumlah debitur baru
Kata kunci: double exponential smoothing; mean absolute deviation; mean square error; simple moving average; peramalan.
Abstract:Abstract: Superior students represent active and intelligent students who are able to make a direct contribution to the development of the nation. To produce excellent students, one of the efforts that can be made is to…
foster these superior students from the start by forming a superior class. In forming a superior class, an effective selection process is needed to select students who are truly superior. This research was conducted at STMIK Royal Kisaran where the object of research was prospective new students for the superior class and the related party was the Academic and Student Administration Bureau (BAAK) because the party was directly involved in selecting prospective new students for the superior class. But the problem is, BAAK does not yet have an election process based on a method and there is no information system for selecting prospective new students for superior classes. The purpose of this study is to make predictions related to the selection of prospective new students for superior classes in the future with the Naïve Bayes Algorithm and implemented in an information system.The results of this research are that the Naïve Bayes algorithm produces an accuracy rate of 60% in the good classification category which is measured by the level of accuracy using the confusion matrix, so that the information system produced in this study also has efficient prediction results and is expected to help BAAK.
Keywords: data mining; naïve bayes; superior student class.
Abstrak: Mahasiswa unggulan merupakan representasi dari mahasiswa aktif dan cerdas yang mampu memberikan kontribusi langsung terhadap perkembangan bangsa. Untuk menghasilkan mahasiswa yang benar unggul salah satu upaya yang dapat dilakukan adalah dengan membina mahasiswa unggulan tersebut sejak awal dengan membentuk kelas unggulan. Dalam membentuk kelas unggulan dibutuhkan proses seleksi yang benar efektif untuk memilih mahasiswa yang benar unggul. Penelitian ini dilakukan di STMIK Royal Kisaran dimana objek penelitian merupakan calon mahasiswa baru untuk kelas unggulan dan pihak yang terkait adalah Biro Administrasi Akademik dan Kemahasiswaan (BAAK) karena pihak tersebut terlibat langsung dalam pemilihan calon mahasiswa baru untuk kelas unggulan. Namun permasalahannya, pihak BAAK belum memiliki sebuah proses pemilihan berdasarkan metode dan belum adanya sistem informasi pemilihan calon mahasiswa baru kelas unggulan. Tujuan dari penelitian ini adalah melakukan prediksi terkait pemilihan calon mahasiswa baru kelas unggulan di masa mendatang dengan Algoritma Naïve Bayes dan diimplementasikan dalam sebuah sistem informasi. Hasil penelitian ini algoritma Naïve Bayes menghasilkan tingkat akurasi sebesar 60% dengan kategori good classification yang diukur tingkat akurasinya dengan menggunakan confusion matrix, sehingga sistem informasi yang dihasilkan dalam penelitian ini juga memiliki hasil prediksi yang efisien dan diharapkan dapat membantu pihak BAAK.
Kata Kunci: data mining; mahasiswa kelas unggulan; naïve bayes.
Abstract:Abstract: One of the main aspects of education, such as elementary school education, the initial stage for children to continue to the next level of education. Elementary school for the first level of education plays an…
important role in developing students' attitudes, skills, and interests and talents. Every new academic year, students and parents will choose the best school according to their wishes. There are many choices of schools with a variety of different offerings provided. That way, many parents of students are confused by the many choices of types of schools for their children. This study aims to provide recommendations for the best elementary schools in the Sei Dadap sub-district based on the criteria desired by prospective students by applying the Simple Addictive Weighting (SAW) method to a system The SAW method helps in solving simple unstructured problems so that by applying the SAW method a more effective decision-making process can be carried out. The data used as alternative data are elementary schools in the Sei Dadap sub-district. The criteria used in decision making include accreditation, facilities, extracurricular activities, number of classrooms, number of students, and distance between schools.
Keywords: Decision Support System; Elementary school; Simple Addictive Weighting
Abstrak: Salah satu aspek pendidikan utama seperti pendidikan sekolah dasar yang tahap awal bagi anak untuk melanjutkan ke jenjang pendidikan berikutnya. Sekolah Dasar jenjang pendidikan pertama memegang peranan penting dalam mengembangkan sikap, keterampilan, serta minat dan bakat siswa. Setiap tahun ajaran baru, siswa dan orang tua akan memilih sekolah terbaik sesuai dengan keinginan mereka. Ada banyak pilihan sekolah dengan beragam penawaran berbeda yang disediakan. Dengan begitu, banyak orang tua siswa yang bingung dengan banyaknya pilihan jenis sekolah untuk anaknya. Penelitian ini bertujuan untuk memberikan rekomendasi sekolah dasar terbaik di kecamatan Sei Dadap berdasarkan kriteria yang diinginkan oleh calon siswa dengan menerapkan metode Simple Addictive Weighting (SAW) pada suatu sistem. Metode SAW membantu dalam menyelesaikan masalah sederhana yang tidak terstruktur sehingga dengan menerapkan metode SAW dapat dilakukan proses pengambilan keputusan yang lebih efektif. Data yang digunakan sebagai data alternatif adalah sekolah dasar yang ada di kecamatan Sei Dadap. Kriteria yang digunakan dalam pengambilan keputusan meliputi akreditasi, fasilitas, kegiatan ekstrakurikuler, jumlah ruang kelas, jumlah siswa, dan jarak antar sekolah.
Kata kunci: Sistem Pendukung Keputusan; Simple Addictive Weighting; Sekolah Dasar
Abstract:Abstract: The Central Bureau of Statistics is a government agency that serves the public in providing accurate statistical data. Central Bureau of Statistics Every year the Central Bureau of Statistics accepts new partners.…
rs. Partners who do data processing that has been done on data in the field. In this case, the acceptance of new partner candidates is quite often held to carry out survey and population census activities. The partner acceptance process is less effective because it still uses the manual method, namely the approach between existing partners. So we need a decision support system that can help election performance to be more effective. The basic concept of the Simple Addictive Weighting method is to find a weighted sum of performance ratings for each alternative on all criteria or attributes. The purpose of this research is to build and design a data processing application for prospective new partners at the Central Bureau of Statistics of the Asahan district to get an assessment according to the specified criteria. The results of the research conducted produced the best alternative decision, namely Ruslan Efendi with a score of 0.975 and Yenni Yulistina with a value of 0.95. based on these results can assist the Central Bureau of Statistics in determining the assessment of potential new partners so that they can provide a reference in decision making. In accordance with the criteria required by the Central Bureau of Statistics.
Keywords: decision support support system; simple addictive weighting; prospective partners; information systems.
Abstrak: Badan Pusat Statistik merupakan salah satu instansi pemerintah yang melayani masyarakat dalam menyediakan data statistik yang akurat. Badan Pusat Statistik Setiap tahunnya Badan Pusat Statistik menerima mitra baru. Mitra yang melakukan pengolahan data yang sudah dilakukan pada data dilapangan.. Dalam hal ini, penerimaan calon mitra baru cukup sering diadakan untuk menjalankan kegiatan survei dan sensus penduduk. Proses penerimaan mitra ini kurang efektif karena masih menggunakan cara manual, yaitu dan pendekatan antara mitra yang sudah ada sebelumnya. Sehingga dibutuhkan sebuah sistem pendukung keputusan yang dapat membantu kinerja pemilihan menjadi lebih efektif. Konsep dasar dari metode Simple Addictive Weighting mencari penjumlahan terbobot dari rating kinerja untuk setiap alternative pada semua kriteria atau atribut. Tujuan penelitian ini dapat membangun dan merancang sebuah aplikasi pengolahan data calon mitra baru di Badan Pusat Statistik kabupaten Asahan yang tepat untuk mendapatkan penilaian yang sesuai dengan kriteria yang ditentukan. Hasil dari penelitian yang dilakukan menghasilkan sebuah keputusan alternatif terbaik yaitu Ruslan efendi dengan nilai 0.975 serta Yenni Yulistina dengan nilai 0.95. berdasarkan hasil tersebut dapat membantu pihak Badan Pusat Statistik dalam menentukan penilaian calon mitra baru sehingga dapat memberikan acuan dalam pengambilan keputusan. Sesuai dengan kriteria yang dibutuhkan oleh pihak Badan Pusat Statistik.
Kata kunci : sistem pendukung pendukung keputusan; simple addictiv weighting; calon mitra; sistem informasi.
Abstract:Abstract: Marriage is a husband and wife relationship between a man and a woman to form a family. There are several conditions in marriage that must be fulfilled both religiously and legally in force in Indonesia. To carry…
ry out the marriage, the prospective bride and groom must register at the nearest Religious Affairs Office (KUA), KUA is an institution established by the government to handle marriage matters. At marriages, various age groups are often found registering at the KUA. This research was conducted using the Data Mining technique through the K-Means Clustering Model to determine the age grouping of marriage which aims to make it easier for the Office of Religious Affairs in educating the prospective bride and groom from a future perspective and an economic perspective in terms of having a child. The research dataset is data on prospective wedding brides at KUA Rawang Lama, Panca Arga in 2022 with a total of 102 samples, by forming 3 clusters, namely: the Ideal cluster of 76 prospective wedding brides (age 19-30 based on husband's age and age 18-25 based on age wife), a good cluster of 20 prospective marriage brides (age 28-44 based on husband's age and age 24-37 based on wife's age), and a risky cluster of 6 prospective marriage brides (age 49-72 based on husband's age and age 39-58 based on wife's age), and produces a Silhouette Score of 0.57.
Keywords: clustering; data mining; k-means; marriage
Abstrak: Pernikahan merupakan hubungan sebagai suami dan istri antara seorang laki-laki dan perempuan untuk membentuk sebuah keluarga. Terdapat beberapa syarat dalam pernikahan yang wajib dipenuhi baik secara agama maupun secara hukum yang berlaku di Indonesia. Untuk melakukan pernikahan, calon kedua mempelai harus mendaftarkan diri pada Kantor Urusan Agama (KUA) terdekat, KUA merupakan lembaga yang dibentuk oleh pemerintah untuk menangani masalah pernikahan. Pada pernikahan sering ditemukan berbagai kalangan umur yang mendaftarkan diri di KUA. Penelitian ini dilakukan dengan menggunakan teknik Data Mining melalui Model K-Means Clustering untuk menentukan pengelompokkan umur pernikahan yang bertujuan untuk mempermudah pihak KUA dalam mengedukasi calon mempelai pernikahan dalam sudut pandang masa depan dan sudut pandang ekonomi dalam hal memiliki seorang anak. Dataset penelitian ini adalah data calon mempelai pernikahan pada KUA Rawang Lama, Panca Arga pada tahun 2022 sebanyak 102 sampel, dengan membentuk 3 klaster yaitu : cluster Ideal sebanyak 76 calon mempelai pernikahan (usia 19-30 berdasarkan umur suami dan usia 18-25 berdasarkan umur istri), cluster baik sebanyak 20 calon mempelai pernikahan (usia 28-44 berdasarkan umur suami dan usia 24-37 berdasarkan umur istri), dan cluster beresiko sebanyak 6 calon mempelai pernikahan (usia 49-72 berdasarkan umur suami dan usia 39-58 berdasarkan umur istri), dan menghasilkan Silhouette Score 0.57.
Kata kunci: clustering; data mining; k-means; pernikahan
Abstract:Abstract: This study examines how promethee can be a suitable method to be used in the decision-making system of prospective student association members as an organization under the auspices of the university. In this study,…
udy, it is explained that the decision-making system for the acceptance of prospective student associations as an organization within the university environment experiences several problems in the process, namely, most of the associations still use the manual method. This of course not only has an impact on the effectiveness of the time and energy used but also affects the decisions taken. Promethee is one of the methods in the decision-making system that can be used by students considering that promethee is more efficient in time, effort, and objectivity in making better decisions. Researchers in this study also analyze and describe the scheme or flow of the promethee method that can be used by students as well as basic criteria such as academic, activeness, nature, and confidence possessed. This basic criterion can be one of the reference guidelines used in the selection and decision-making stages.
Keywords: decision making system; promethee; student association
Abstrak: Penelitian ini mengkaji tentang bagaimana promethee bisa menjadi salah satu metode yang cocok untuk digunakan dalam sistem pengambilan keputusan calon anggota himpunan mahasiswa sebagai organisasi yang berada di naungan universitas. Penelitian ini menjelaskan bahwasanya sistem pengambilan keputusan penerimaan calon himpunan mahasiswa sebagai organisasi yang berada di lingkungan universitas mengalami beberapa masalah dalam prosesnya yakni Sebagian besar himpunan masih menggunakan metode yang manual. Hal ini tentu tidak hanya berdampak pada efektivitas waktu dan tenaga yang digunakan melainkan juga mempengaruhi keputusan yang diambil. Promethee menjadi salah satu metode dalam sistem pengambilan keputusan yang bisa digunakan oleh mahasiswa mengingat promethee lebih efisien dalam waktu, tenaga hingga tingkat objektivitas dalam pengambilan keputusan yang lebih baik. Peneliti dalam kajian ini juga menganalisis dan menjabarkan tentang skema atau alur yang metode promethee yang bisa digunakan oleh mahasiswa serta kriteria dasar seperti akademik, keaktifan, sikap dan kepercayaan diri yang dimiliki. Kriteria dasar ini bisa menjadi salah satu referensi pedoman yang digunakan dalam tahap penyeleksian dan pengambilan keputusan.
Kata kunci: himpunan mahasiswa; promethee; sistem pengambilan keputusan,
Abstract:Abstract: PT. Energi Mandiri Internasional was established on November 22, 2011 as a reinsurance broker consultant and risk management consultancy to ensure the financial stability of reinsurance service users. The company's…
ny's website; energyre-int.com as a place to self advertise the company with an electronic mail feature to answer questions from potential clients. Heuristic evaluation method was used to test the feasibility of the user interface and analyze the appearance of the interface from the energyre-int.com website. This test was conducted using questionnaires with 34 respondents of reinsurance consulting services users. The results obtained from testing on the Severity rating scale and using the Eight Golden Rules are recommendations for improvement on aspects that have a value of 1 which means that there are errors but can be ignored; Help and documentation with a value of 0.99, the Error Prevention aspect with a value of 0.98, and the Match between system and the real world aspect with a value of 0.91.
Keywords: Heuristic Evaluation; Feasibility Analysis; Reinsurance; User interface; Recommendation.
Abstrak: PT. Energi Mandiri Internasional didirikan pada 22 November 2011 sebagai pialang dan konsultan reasuransi dan konsultasi manajemen risiko untuk memastikan stabilitas keuangan dari pengguna jasa reasuransi. Website perusahaan tersebut; energyre-int.com sebagai wadah untuk mengiklankan perusahaan dengan fitur surat elektronik untuk menjawab pertanyaan-pertanyaan calon klien. Heuristic evaluation merupakan metode yang digunakan untuk menguji kelayakan user interface dan menganalisis tampilan antar muka dari website energyre-int.com. Pengujian ini dilakukan menggunakan kuesioner dengan 34 responden pengguna jasa konsultasi reasuransi. Hasil yang didapat dari pengujian dalam skala Severity rating dan menggunakan aturan Eight Golden Rules adalah rekomendasi perbaikan pada aspek yang memiliki nilai 1 artinya ada kesalahan tapi bisa diabaikan; Help and documentation dengan nilai 0,99, aspek Error Prevention dengan nilai 0,98, dan aspek Match between system and the real world dengan nilai 0,91.
Kata kunci: Evaluasi Heuristik; Analisis Kelayakan; Reasuransi; Antarmuka Pengguna; Rekomendasi.
Abstract:Abstract: Non-performing loan (NPL) is a risk that credit unions must face and to avoid that, prospective debtors need to be surveyed. With previous loan data, support vector machine and naïve bayes can be used as classification…
ssification methods to give a decision about NPL. We use a data set with 61 data and process the data with orange 3.30 application to see the difference between SVM using linear (SVM-L), polynomial (SVM-P), RBF (SVM-R) and sigmoid (SVM-S) kernel with naïve bayes. We use a cross validation technique with various folds to measure the classification results and a convusion matrix to measure the data training classification results. Naïve bayes scores the highest in terms of accuracy and SVM-R scores the highest in terms of F1, precision and recall. SVM-P scores the lowest in terms of accuracy, F1, precision and recall. Naïve bayes scores the highest in terms of proportion of predicted for true negative class and proportion of actual for true positive class. SVM-S scores the highest in terms of proportion of predicted for true positive class and proportion of actual for true negative class. SVM-P scores the lowest in both proportion of predicted and proportion of actual.
Keywords: classification; naïve bayes; non-performing loan; support vector machine
Abstrak: Kredit macet merupakan resiko yang sering dialami koperasi simpan pinjam, sehingga perlu dilakukan survei terhadap calon debitur agar kredit menjadi sehat. Dengan menggunakan data pemberian kredit sebelumnya, support vector machine dan naïve bayes digunakan sebagai metode klasifikasi untuk memberikan keputusan macet atau tidaknya kredit anggota koperasi Mutiara Sejahtera. Data set yang berjumlah 61 data diolah menggunakan aplikasi Orange 3.30 dan dilihat perbandingan antara metode SVM dengan kernel linear, polynomial, RBF dan sigomoid dengan metode naïve bayes. Cross validation dengan jumlah fold bervariasi digunakan sebagai nilai ukur klasifikasi dan convusion matrix digunakan sebagai nilai ukur klasifikasi data training. Hasil yang diperoleh adalah naïve bayes memiliki nilai accuracy tertinggi dan SVM kernel RBF memiliki nilai F1, precision dan recall tertinggi. SVM kernel polynomial memiliki nilai terendah untuk accuracy, F1, precision dan recall. Naïve bayes memiliki nilai tertinggi untuk proportion of predicted (PoP) kelas true negative dan proportion of actual (PoA) kelas true positive. SVM kernel sigmoid memiliki nilai tertinggi untuk PoP kelas true positive dan PoA kelas true negative. SVM kernel polynomial memiliki nilai terendah baik untuk PoP maupun PoA true negative dan kelas true positive.
Kata kunci: klasifikasi; kredit macet; naive bayes; SVM
Abstract:Abstract: This study uses the C4.5 classification algorithm to determine creditworthness, clasification aims to divide the assigned object intoin a number of categories called classes. In this study, the authorusing data…
mining and C4.5 algorithm as the selection method. The criteria used are loan installments, prospective customer income, termloan time, status of prospective customers. This study resulted in a classification modeldecision tree using the C4.5 algorithm is included in the Excellent category Classification with an accuracy value of 98.33% and a classification error of 1.67%,so that this study uses 70% training data and 30% test data. From resultthe calculation obtained shows that the C4.5 algorithm can be usedto determine the feasibility of granting credit to Koperasi Jaya customers Together (KORJABE).
Keywords: Analysis, Credit Eligibility, C4 Algorithm, Data Mining, Method
Abstrak: Penelitian ini menggunakan metode Algoritma C4.5 klasifikasi untuk menentukan kelayakan kredit, klasifikasi bertujuan untuk membagi objek yang ditetapkan ke dalam satu nomor kategori yang disebut kelas. Dalam penelitian ini, penulis menggunankan data mining dan algoritma C4.5 sebagai metode pemilihannya. Kriteria yang digunakan yaitu , angsuran pinjaman,penghasilan calon nasabah,jangka waktu pinjaman ,status calon nasabah. Penelitian ini menghasillkan model klasifikasi pohon keputusan menggunakan algoritma C4.5 termasuk dalam kategori Excellent Classification dengan nilai akurasi sebesar 98,33% dan klasifikasi eror 1,67%, sehingga penelitian ini kan menggunakan data latih 70% dan data uji 30%. Dari hasil perhitungan yang diperoleh menunjukan bahwa algoritma C4.5 dapat digunakan untuk menen tukan kelayakan pemberian kredit kepada nasabah Koperasi Jaya Bersama (KORJABE).
Kata kunci: Algoritma C4.5, Analisis, Data Mining, Kelayakan Kredit, Metode
Abstract:Abstract: The number of applicants for scholarship recipients is many, so in the registration process, the scholarship provider provides several requirements that students must meet, and these requirements have criteria…
with different weight values. The number of applicants for the scholarship recipients is enormous; a Decision Support System (DSS) is needed to help the selection process be more accessible and faster and reduce errors in determining scholarship recipients. The data collection method uses interviews, observations, and literature with the waterfall's system development method. The calculation of the criteria used in developing this system is the Simple Additive Weighting (SAW) method. Comparing the final results between manual and system analyses shows that the equation is close to 100%. Still, the final results may be different because manual calculations use raw values, while system calculations use the Simple Additive Weighting (SAW) method, which compares alternatives.
.
Keywords: decision support system; scholarship; simple additive weighting
Abstrak: Pendaftar calon penerima beasiswa tidak sedikit jumlahnya, sehingga pada proses pendaftaran pihak pemberi beasiswa memberikan sejumlah persyaratan yang harus dipenuhi oleh siswa, dan persyaratan tersebut memiliki kriteria dengan nilai bobot yang berbeda-beda. Jumlah siswa yang mengajukan beasiswa sangat banyak, dan memerlukan sistem pendukung keputusan untuk mempermudah dan mempercepat proses seleksi serta mengurangi kesalahan dalam menentukan penerima beasiswa. Metode dalam mengumpulkan data menggunakan metode wawancara, observasi, dan literatur dengan metode pengembangan sistem menggunakan waterfall. perhitungan kriteria yang digunakan dalam pengembangan sistem ini adalah metode SAW (Simple Additive Weighting). Perbandingan hasil akhir antara perhitungan manual dan sistem menunjukkan persamaan mendekati 100%, namun hasil akhir bisa saja berbeda karena perhitungan manual menggunakan nilai mentah, sedangkan perhitungan sistem menggunakan metode SAW (Simple Additive Weighting) yang perhitungan dengan cara membandingkan alternatif.
Kata kunci: beasiswa; simple additive weighting; sistem pendukung keputusan