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
Abstract:Abstract: Labuhanbatu Regency is a district that has many Vocational High Schools (SMK) which are very attractive to the community. Because each Vocational High School has its own vocational fields, for example Health, Automotive,…
utomotive, Offices, and others. The existence of this Geographic Information System makes it easy for users to find Vocational High School routes. Vocational High Schools are schools that make students or prospective students even more skilled. In making this Geographic Information System requires Systems Development Life Cycle to analyze gradually, and Webgis to display maps as well as GPS to ascertain the location of the earth's surface and use UML design such as activity diagrams, sequence diagrams, and usecase. There is also a waterfall method in making this Geographic Information System such as its analysis, implementation, design, maintenance and also the testing phase. The Testing Phase uses the BlackBox to test the system whether it is running well or not and is suitable for use by users.
Keywords: BlackBox Testing; Geographic Information System; Google Maps; GPS; UML; Vocational High School
Abstrak: Kabupaten Labuhanbatu termasuk kabupaten yang memiliki banyak Sekolah Menengah Kejuruan (SMK) yang sangat diminati masyarakat. Karena setiap SMK memiliki kejuruan masing-masing dalam bidangnya misalkan Kesehatan, Otomotif, Perkantoran, dan lain-lain. Adanya Sistem Informasi Geografi ini memudahkan para pengguna untuk mencari rute Sekolah Menengah Kejuruan. Sekolah Menengah Kejuruan adalah sekolah yang menjadikan para siswa atau calon siswa lebih trampil lagi. Dalam pembuatan Sistem Informasi Geografi ini memerlukan Systems Development Life Cycle menganalisis secara bertahap, dan Webgis untuk menampilkan peta juga GPS untuk memastikan letak permukaan bumi dan menggunakan Perancangan UML seperti activity diagram, sequence diagram, dan usecase. Terdapat juga Metode waterfall dalam membuat Sistem Informasi Geografi ini seperti analisanya, implementasi, desain, pemeliharaan dan juga tahap pengujian. Tahap Pengujian menggunakan BlackBox untuk menguji Sistem apakah berjalan baik atau tidak dan sudah layak digunakan bagi pengguna.
Kata kunci: Sekolah Menengah Kejuruan; GPS; Peta Google; Sistem Informasi Geografi; Uji BlackBox; UML
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: The role of lecturers in higher education is one of the most influential parts of the quality of students produced. Lecturer educational qualifications are also an important aspect of improving academic and institutional…
titutional quality. Selection of foundation scholarships in the form of doctoral education currently has problems in choosing prospective lecturers. In the selection of doctoral scholarships for potential lecturers, there is still subjectivity in their selection manually. As a supporting medium in determining the selection of potential lecturers to obtain doctoral education foundation scholarships and testing the SMART (Simple Multi Attribute Rating Technique) method to provide scholarship recommendations for prospective lecturers. The selection process uses the SMART method because this method is able to solve multi-criteria problems from the foundation, in this case the Chancellor of the Indonesian Community Development University. Furthermore, the criteria are processed using an application built using the PHP and MySQL programming languages to test these criteria. From the application built, it can be concluded that Yuanita, M.Si with a score of 0.7342 and Khairuddin Tampubolon, M.Si with a score of 0.6311 are entitled to get a doctoral education scholarship from the foundation. Then subjective and computerized decisions can be obtained in this study..
Keywords: Decision Support Systems; Mysql; PHP ; Potential Lecturer Scholarships, Simple Multi Attribute Rating Technique.
Abstrak: Peran dosen di perguruan tinggi adalah salah satu bagian paling berpengaruh dari kualitas mahasiswa yang dihasilkan. Kualifikasi pendidikan dosen juga merupakan aspek penting untuk meningkatkan kualitas akademik dan kelembagaan. Pemilihan beasiswa yayasan dalam bentuk pendidikan doktor saat ini memiliki masalah dalam memilih calon dosen. Dalam pemilihan beasiswa pendidikan doktoral untuk dosen potensial masih ada subjektivitas serta dalam seleksi mereka secara manual. Sebagai media pendukung dalam menentukan seleksi dosen potensial untuk memperoleh beasiswa yayasan pendidikan doktoral dan menguji metode SMART (Simple Multi Attribute Rating Technique) untuk memberikan rekomendasi beasiswa bagi calon dosen. Untuk proses seleksi menggunakan metode SMART karena metode ini mampu menyelesaikan masalah multi-kriteria dari yayasan dalam hal ini Rektor Universitas Pembinaan Masyarakat Indonesia. Selanjutnya, kriteria diproses menggunakan aplikasi yang dibangun menggunakan bahasa pemrograman php dan mysql untuk menguji kriteria ini. Dari aplikasi yang dibangun dapat ditarik kesimpulan bahwa Yuanita, M.Si dengan nilai 0,7342 dan Khairuddin Tampubolon, M.Si dengan nilai 0,6311 berhak mendapatkan beasiswa pendidikan doctoral dari yayasan. Kemudian keputusan subyektif dan terkomputerisasi dapat diperoleh dalam penelitian ini.
Kata kunci: Beasiswa Dosen Potensial; Mysql; PHP; Simple Multi Attribute Rating Technique; Sistem Pendukung Keputusan.
Abstract:Abstract: Various specifications and prices for a laptop make potential buyers confused about choosing it. Information technology with its technological developments has produced a system that can provide alternative decisions…
isions for decision-making problems.This study aims to develop a system that can select the best laptop from several alternatives. There are 5 parameters used in determining the priority of alternative laptops. They are hard disk drive, RAM, processor, operating system and price.The alternative of the decision making system also consists of 5 alternatives.The method used in the MultiAttribute Decision Making (MADM) research is a combination of 2 methods. These methods are SAW and TOPSIS methods.The SAW method is used to optimize the parameter weighting process and the specific TOPSIS method to complete the alternative ranking process.This hybrid method can produce a more precise MADM process because it uses two methods, each of which has characteristics in accordance with the process specifications.
Keywords: laptop; multi attribute decision making; SAW; TOPSIS
Abstrak: Spesifikasi dan variasi harga yang beragam dari sebuah laptop membuat calon pembeli menjadi kebingungan dan ragu dalam memutuskan jenis atau tipe laptop mana yang akan dibeli. Teknologi informasi beserta dengan perkembangan teknologinya dapat menghasilkan suatu system untuk membantu memberikan alternative keputusan untuk suatu permasalahan pengambilan keputusan. Pengembangan sistem yang dapat memilih laptop yang tepat dari beberapa alternatif yang ditawarkan merupakan tujuan dari penelitian ini. Ada 5 parameter yang digunakan dalam menentukan prioritas alternatif laptop, yaitu hard disk drive, RAM, prosesor, sistem operasi dan harga. Laptop yang ditawarkan sebagai alternatif juga sebanyak 5 jenis. Metode yang digunakan padaMulti Attribute Decision Making (MADM) adalah kombinasi dari 2 metode, yaitu metode SAW dan TOPSIS. Metode SAW digunakan untuk mengoptimalkan proses pembobotan parameter dan metode TOPSIS spesifik untuk menyelesaikan proses perangkingan alternatif. Metode hybrid ini dapat menghasilkan suatu proses MADM yang lebih tepat karena menggunakan dua metode yang masing-masing mempunyai karakteristik sesuai dengan proses yang dilakukannya.
Kata kunci: laptop; multi-attribute decision making; SAW; TOPSIS
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 need for fulfilling the quantity and quality of beef in Indonesia is still very less than the supply of beef in Indonesia, for 2020 alone the demand for beef in Indonesia is around 700,000 tons while the domestic…
mestic supply is only 400,000 tons, from that Indonesia is still 300,000 tons less. Therefore, to meet the beef needs, an additional supply of beef is needed by importing beef from abroad in the form of processed meat and prospective beef breeders. The problem experienced by independent local breeders is the selection of the best cattle breeds The process of selecting cattle breeds conducted so far by farmers is still manual and traditional. They did this because of the lack of qualified knowledge to choose the best beef breed based on certain criteria and which alternative cow options are suitable for beef cattle. So that the process of enlarging cattle breeds becomes shorter in time with maximum results. The technology used is using the MOORA and WASPAS methods as a comparison in determining the best beef cattle breeds. The method is expected to produce a comparison so that the results obtained from a more accurate method in selecting the best beef breeders in order to advance the local independent livestock business in particular and become self-sufficient beef in general.
Keywords: Beef Cattle; decision support system; MOORA; WASPAS
Abstrak: Kebutuhan akan pemenuhan kuantitas dan kualitas daging sapi di indonesi sangat masih kurang dari persedian sapi yang ada di Indonesia, untuk tahun 2020 ini sendiri kebutuhan akan daging sapi di Indonesia sekitar 700.000 ton sementara persedian dalam negeri hanya mencapai 400.000 ton, dari itu Indonesia masih kurang 300.000 ton lagi. Oleh karena itu, untuk mencukupi kebutuhan daging sapi tersebut diperlukan tambahan suplai daging sapi dengan melakukan impor daging sapi dari luar negeri baik berupa daging olahan maupun bakalan calon bibit sapi. Masalah yang dialami oleh para peternak lokal mandiri yaitu pemilihan bibit sapi terbaik Proses pemilihan bibit sapi yang dilakukan selama ini oleh peternak masih dengan cara manual dan tradisional. Hal tersebut mereka lakukan Karena kurangnya pengetahuan yang mumpuni untuk memilih bibit sapi terbaik berdasarkan kriteria-kriteria tertentu dan beberapa pilihan alternatif sapi mana yang cocok untuk dijadikan sapi potong. Sehingga dengan demikian proses pembesaran bibit sapi menjadi lebih singkat waktunya dengan hasil yang maksimal. Teknologi yang digunakan yaitu menggunakan metode MOORA dan WASPAS sebagai pembanding dalam menetukan bibit sapi potong terbaik. Dari metode tersebut diharapkan menghasilkan perbandingan sehingga didapat hasil dari metode yang lebih akurat dalam pemilihan bibit sapi terbaik demi memajukan usaha peternakan mandiri lokal secara khusus dan menjadi swasembada daging sapi secara umum.
Kata Kunci: bibit sapi; sistem penunjang keputusan; MOORA; WASPAS
Abstract:OSN (Olimpiade Sains Nasional) merupakan kegiatan perlombaan di bidang sains dan ilmu pengetahuan yang dirancang pemerintah untuk mengembangkan bakat dan prestasi siswa. OSN juga menjadi salah satu ajang tahunan yang sangat…
gat diminati siswa dalam mengasah kemampuan dibidang sains dan ilmu pengetahuan. Untuk dapat menjadi peserta dan mendapatkan juara dalam dalam kompetisi ini bukanlah hal yang mudah. Perlu adanya pembimingan yang intensif kepada siswa yang memiliki potensi. Dalam memilih siswa yang akan dibimbing dan dikutsertakan dalam OSN, seleksi internal yang ketat perlu dilakukan sekolah untuk dapat mengantarkan siswa meraih prestasi tersebut. Selama ini seleksi yang dilakukan guru cenderung subyektif seperti dengan menujuk langsung peserta yang akan mengikuti tes seleksi. Seperti halnya dilokasi penelitian SMPS Tamansiswa Sukadamai, selama ini guru menyeleksi peserta OSN hanya fokus dengan yang mendapatkan ranking 1-3 di kelas saja. Padahal bisa saja ada siswa yang tidak rangking 1-3 justru memiliki keahlian pada bidang yang diolimpiadekan. Hasilnya, belum ada siswa yang mampu bersaing di tingkat kecamatan. Adapun tujuan penelitian ini adalah untuk membantu sekolah menyeleksi seluruh siswa yang berminat dalam olimpiade dengan menggunakan teknologi Sistem Pendukung Keputusan. Melalui perbandingan 2 metode yaitu Multy Factor Evaluation Process (MFEP) dan Multi Attribute Utility Theory (MAUT), peneliti akan melakukan analisis perbandingnan untuk mendapatkan hasil yang lebih konsisten. Metode MFEP merupakan metode yang menimbang beberapa faktor yang berpengaruh terdahap alternatif. Sedangkan metode MAUT merupakan metode yang memiliki skema evaluasi akhir dengan bobot dan nilai relavan terhadap alternatif. Berdasarkan hasil yang telah dilakukan, metode MFEP dapat menghasilkan calon peserta terbaik yaitu A13 dengan nilai16,96. Sedangkan metode MAUT dapat menghasilkan calon peserta OSN terbaik yaitu A5 dengan nilai 0,680. Penelitian ini diharapatkan dapat membantu untuk seleksi calon peserta OSN.