Abstract:Abstract: Ineffective drug demand management can lead to problems such as imbalanced drug distribution, excess stock, or shortages in community health centers. To address this, data mining can be utilized to support the…
planning and control process of drug inventory. Clustering techniques were chosen because they are able to group drug data based on certain characteristics, thus identifying stable and unstable drug supply patterns. This study aims to group drug data at Simpang Kawat Community Health Center in Jambi City, which can be used as a reference in planning drug needs in the next period. Data grouping is divided into three categories: slow-moving, medium-moving, and fast-moving. The research data includes attributes of drug name, initial stock, receipt, inventory, usage, and final stock, with a total of 1758 data sets, which were processed using the CRISP-DM framework through the RapidMiner application. Cluster quality evaluation was carried out using the Davies-Bouldin Index (DBI). The results showed that the K-Means algorithm obtained a DBI value of 0.175, smaller than K-Medoids which obtained a value of 0.354. Because a smaller DBI value indicates better cluster quality, K-Means provides more optimal clustering results than K-Medoids. Through these clustering results, community health centers can utilize drug cluster information to support more efficient drug procurement planning, as well as reduce the risk of excess or shortage of stock.
Keywords: data mining; clustering; k-means; k-medoids; davies-bouldin index
Abstract:Abstract: This study applies an integrated approach to optimize heart failure classification. The main objective is to address the challenge of class imbalance in medical datasets and to improve the accuracy, sensitivity,…
, and generalization of the classification model. The urgency of this issue is emphasized by statistics showing that cardiovascular diseases cause approximately 17.9 million deaths worldwide each year. Using a quantitative experimental approach, this study analyzes the "Heart Failure Prediction Dataset" from Kaggle, which consists of 918 records. The data were processed through normalization and encoding, followed by the application of SMOTE on the training set to balance class distribution. This step successfully increased model accuracy from 88.41% to 90.22% and minority class recall from 0.82 to 0.88. Furthermore, Bayesian Optimization was employed to refine the hyperparameters of SVM, resulting in a final model with an accuracy of 89.13% that demonstrated better generalization. This integrated approach significantly enhances the stability, sensitivity, and generalization of the model, making it a reliable tool for clinical decision support systems in predicting heart failure.
Keywords: bayesian optimization; heart failure; machine learning; SMOTE; SVM.
Abstrak: Penelitian ini menerapkan pendekatan terintegrasi untuk mengoptimalkan klasifikasi gagal jantung. Tujuan utama studi ini adalah untuk mengatasi tantangan ketidakseimbangan kelas dalam dataset medis dan meningkatkan akurasi, sensitivitas, serta generalisasi model klasifikasi. Urgensi ini ditegaskan oleh statistik yang menunjukkan bahwa penyakit kardiovaskular menyebabkan sekitar 17,9 juta kematian setiap tahun secara global. Menggunakan pendekatan eksperimental kuantitatif, penelitian ini menganalisis "Heart Failure Prediction Dataset" dari Kaggle, yang terdiri dari 918 catatan. Data diproses dengan normalisasi dan encoding, lalu SMOTE diterapkan pada data pelatihan untuk menyeimbangkan distribusi kelas. Langkah ini berhasil meningkatkan akurasi dari 88,41% menjadi 90,22% dan recall kelas minoritas dari 0,82 menjadi 0,88. Selanjutnya, Bayesian Optimization menyempurnakan hyperparameter SVM, menghasilkan model akhir dengan akurasi 89,13% yang menunjukkan generalisasi lebih baik. Pendekatan terintegrasi ini secara signifikan meningkatkan stabilitas, sensitivitas, dan generalisasi model. Hasil penelitian ini menjadikannya alat yang andal untuk sistem pendukung keputusan klinis dalam prediksi gagal jantung.
Kata kunci: bayesian optimization; gagal jantung; machine learning; SMOTE; SVM
Abstract:Abstract: Non-performing loans remain one of the main challenges faced by cooperatives, particularly when the loan eligibility assessment process is still conducted manually. This traditional approach tends to be time consuming,…
nsuming, subjective, and prone to inaccurate decisions. This study aims to develop a predictive model for borrower eligibility using the Support Vector Machine (SVM) algorithm as a more efficient and objective machine learning-based solution. A total of 1,000 loan history records were processed using RapidMiner software, taking into account variables such as salary, years of employment, loan amount, monthly installment, employment status, monthly expenses, number of dependents, housing status, age, and collateral value. The model’s performance was evaluated using a confusion matrix and classification metrics including accuracy, precision, recall, and kappa. The results indicate that the SVM model achieved an accuracy of 90.05%, precision of 90.13%, recall of 90.05%, and f1 score of 90,08%, reflecting a strong performance in classifying borrower eligibility. The application of this method makes a significant contribution to the development of data driven decision support systems within cooperative environments. This finding expands the scientific understanding in the field of microfinance and supports the implementation of artificial intelligence technologies in making decisions that are more precise, rapid, and accurate.
Keywords: cooperative; eligibility prediction; machine learning; non-performing loan; SVM
Abstrak: Kredit macet merupakan salah satu permasalahan utama yang dihadapi koperasi, terutama ketika proses penilaian kelayakan peminjam masih dilakukan secara manual. Pendekatan ini cenderung lambat, subjektif, dan berisiko menghasilkan keputusan yang kurang akurat. Penelitian ini bertujuan untuk membangun model prediksi kelayakan peminjam menggunakan algoritma Support Vector Machine (SVM) sebagai solusi berbasis machine learning yang lebih efisien dan objektif. Sebanyak 1.000 data riwayat pinjaman diolah menggunakan tools RapidMiner dengan mempertimbangkan variabel: gaji, lama bekerja, besar pinjaman, angsuran per bulan, status pegawai, pengeluaran bulanan, jumlah tanggungan, status rumah, umur, dan nilai jaminan. Evaluasi model dilakukan menggunakan confusion matrix dan metrik klasifikasi seperti akurasi, presisi, recall, dan kappa. Hasil menunjukkan bahwa model SVM mencapai akurasi 90,05%, presisi 90,13%, recall 90,05%, dan f1 score 90,08%, yang mencerminkan performa model yang sangat baik dalam mengklasifikasikan kelayakan peminjam. Penerapan metode ini memberikan kontribusi penting dalam pengembangan sistem pendukung keputusan berbasis data di lingkungan koperasi. Temuan ini memperluas wawasan keilmuan di bidang keuangan mikro dan mendukung penerapan teknologi kecerdasan buatan dalam pengambilan keputusan yang lebih tepat, cepat, dan akurat.
Kata Kunci: koperasi; kredit macet; machine learning; prediksi kelayakan; SVM
Abstract:Abstract: Rizky Convection Business is a sportswear production company based on Jalan Elang Lestari Kisaran. Every day they receive orders from schools and agencies that need sportswear. However, Rizky Convection often faces…
aces challenges, especially in managing raw material inventory, allocating production time and processing orders that come in large quantities. For this reason, order data needs to be grouped to make it easier for employees to work on it. The data that will be processed in this study is order data from 2022-2024. One way to do this is to apply data mining techniques, one of which is the K-Means Clustering method. The purpose of this study is to model the use of K-Means Clustering to improve production management and procurement of raw materials for fabrics at Rizky Convection. K-Means Clustering is the grouping of a number of data into clusters (groups) so that each cluster will contain data that is as similar as possible. The results of K-Means Clustering grouping with 3 clusters, namely cluster 1, the large order group has 25 order data, cluster 2, the small order group has 361 order data and cluster 3, the medium order group has 100 order data.
Keywords: data mining; order data; K-Means; sportswear manufacturing.
Abstrak: Usaha Konveksi Rizky merupakan perusahaan produksi pakaian olahraga yang berpusat di Jalan Elang Lestari Kisaran. Setiap hari mereka menerima pesanan dari sekolah dan instansi yang membutuhkan pakaian olahraga. Namun Konveksi Rizky sering menghadapi tantangan terutama dalam pengelolaan persediaan bahan baku kain, pengalokasian waktu produksi dan pemrosesan pesanan yang datang dalam jumlah banyak. Untuk itu, data pesanan perlu dikelompokkan untuk mempermudah karyawan dalam mengerjakannya. Data yang akan diproses pada penelitian ini adalah data pesanan dari tahun 2022-2024. Salah satu cara untuk hal tersebut adalah dengan menerapkan teknik data mining, salah satunya metode K-Means Clustering. Tujuan penelitian ini adalah untuk memodelkan penggunaan K-Means Clustering untuk meningkatkan manajemen produksi dan pengadaan bahan baku kain di Rizky Konveksi. K-Means Clustering adalah pengelompokan sejumlah data ke dalam cluster (group) sehingga setiap dalam cluster tersebut akan berisi data yang semirip mungkin. Hasil pengelompokkan K-Means Clustering dengan 3 cluster yaitu cluster 1 kelompok pesanan banyak memiliki 25 data pesanan, cluster 2 kelompok pesanan sedikit memiliki 361 data pesanan dan cluster 3 kelompok pesanan sedang memiliki 100 data pesanan.
Kata kunci: data mining; data pesanan; K-Means; konveksi.
Abstract:Abstract: This research tries to describe student cluster analysis, as an effort to optimize campus promotion to various schools and regions. It is known that every year, Politeknik Pertanian Negeri Payakumbuh, abbreviated…
ed as PPNP, brings in students from various regions in Indonesia. Regarding the campus promotion strategy process, the PPNP promotion section has not been based or referred to the results of processing existing student data. So that the budget used by the campus promotion team has not been right on target with the results of students who can be brought to campus. In addition, the existing student database has not been processed or explored further, so that it has not produced knowledge that is very useful as material to support the decisions of the academic and student affairs department and the campus promotion team. The method used in this research is CRISP-DM which stands for Cross- Industry Standard Process for Data Mining. Based on the characteristics of each cluster, the PPNP Promotion Team in conducting the next socialization is advised to prioritize provinces such as West Sumatra and North Sumatra. Currently, managerial circles in this context, university leaders are expected to be able to make data-based decisions. Data-based decision making can foster a culture of sustainable innovation, produce customer-centric offerings and drive long-term business growth.
Keywords: cluster analysis; student data; k-means clustering; campus promotion
Abstrak: Penelitian ini mencoba untuk mendeskripsikan analisis cluster mahasiswa, sebagai upaya optimalisasi dalam melakukan promosi kampus ke berbagai sekolah dan daerah. Diketahui bahwa setiap tahunnya, Politeknik Pertanian Negeri Payakumbuh disingkat PPNP mendatangkan mahasiswa dari berbagai daerah di Indonesia. Terkait dengan proses strategi promosi kampus, bagian promosi PPNP belum didasarkan pada hasil pengolahan data mahasiswa yang ada. Sehingga anggaran yang digunakan tim promosi belum tepat sasaran dengan hasil mahasiswa yang dapat didatangkan ke kampus. Selain itu database mahasiswa yang ada selama ini belum diolah atau digali secara jauh, sehingga belum menghasilkan pengetahuan yang bermanfaat sebagai bahan untuk mendukung keputusan bagian akademik dan kemahasiswaan serta tim promosi kampus. Metode yang digunakan dalam penelitian ini yaitu CRISP-DM merupakan singkatan dari Cross-Industry Standart Process for Data Mining. Berdasarkan karakteristik setiap cluster, maka untuk Tim Promosi PPNP dalam melakukan sosialisasi berikutnya disarankan memprioritaskan pada provinsi seperti Sumatera Barat dan Sumatera Utara. Saat ini kalangan manajerial yaitu pimpinan perguruan tinggi diharapkan dapat melakukan pengambilan keputusan berbasis pada data. Pengambilan keputusan berbasis data dapat menumbuhkan budaya inovasi yang berkelanjutan, menghasilkan penawaran yang berpusat pada pelanggan dan mendorong pertumbuhan bisnis jangka panjang.
Kata kunci: analisis cluster; data mahasiswa; k-means clustering, promosi kampus
Abstract:Abstract: This research aims to build a recommendation system that can help parents determine the best Pendidikan Anak Usia Dini (PAUD) using the ELECTRE (Elimination and Choice Translating Reality) method. The electre method…
ethod was chosen because of its ability to handle Multi-Criteria Decision Making (MCDM) problems, which allows evaluating alternatives based on various relevant criteria. This system is designed to identify and assess PAUD based on a number of important criteria, such as facilities, location, teacher-student ratio, curriculum, accreditation and reputation. Each criterion is given a weight according to its level of importance, which is determined based on parental preferences and applicable educational standards. Data is collected from various sources and processed using artificial intelligence techniques to ensure accuracy and relevance. The electre method is then used to evaluate and compare between PAUD. The research results show that the recommendation system developed is able to provide accurate and relevant PAUD recommendations, as well as increasing user satisfaction in the PAUD selection process. This research makes a significant contribution to the field of decision support systems and education, by showing the practical application of the electre method in determining the best PAUD. It is hoped that the results of this research can inspire the development of similar recommendation systems in other educational fields, as well as help in improving the quality of early childhood education through the use of advanced technology.
Keywords: artificial intelligence; electre method; multi-criteria decision making (mcdm); paud.
Abstrak: Penelitian ini bertujuan untuk membangun sistem rekomendasi yang dapat membantu orang tua dalam menentukan Pendidikan Anak Usia Dini (PAUD) terbaik dengan menggunakan metode ELECTRE (Elimination and Choice Translating Reality). Metode electre dipilih karena kemampuannya dalam menangani masalah Multi-Criteria Decision Making (MCDM), yang memungkinkan evaluasi alternatif berdasarkan berbagai kriteria yang relevan. Sistem ini dirancang untuk mengidentifikasi dan menilai PAUD berdasarkan sejumlah kriteria penting, seperti fasilitas, lokasi, rasio guru-murid, kurikulum, akreditasi dan reputasi. Setiap kriteria diberikan bobot sesuai dengan tingkat kepentingannya yang ditentukan berdasarkan preferensi orang tua dan standar pendidikan yang berlaku. Data dikumpulkan dari berbagai sumber dan diproses menggunakan teknik kecerdasan buatan untuk memastikan akurasi dan relevansi. Metode electre kemudian digunakan untuk melakukan evaluasi dan perbandingan antar PAUD. Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dikembangkan mampu memberikan rekomendasi PAUD yang akurat dan relevan, serta meningkatkan kepuasan pengguna dalam proses pemilihan PAUD. Penelitian ini memberikan kontribusi signifikan pada bidang sistem pendukung keputusan dan pendidikan, dengan menunjukkan aplikasi praktis dari metode electre dalam penentuan PAUD terbaik. Diharapkan, hasil penelitian ini dapat menginspirasi pengembangan sistem rekomendasi serupa di bidang pendidikan lainnya, serta membantu dalam meningkatkan kualitas pendidikan anak usia dini melalui pemanfaatan teknologi canggih.
Kata kunci: kecerdasan buatan; metode electre; multi-criteria decision making (mcdm); paud.
Abstract:Abstract: Data on stunting cases among toddlers in Datuk Bandar Timur sub-district, Tanjung Balai city Not yet processed in a way computerized use digital map , so that the monitoring process in-depth investigation of the…
e distribution and patterns of stunting in a area Not yet presented with Good . This matter Of course impact on cadre Public health center Semula Jadi For monitor number nutrition bad And spread prevalence of stunting in Datuk Bandar Timur sub-district, Tanjung Balai city . For That need development A system internal data management form chart nor map that can be give description spread nutrition bad in the region Mayor. Planning And development system information This done with use method data collection and interview direct to the UPTD Community Health Center Semula Jadi . Objective it was built this webgis can assist in identifying areas that need nutritional intervention, mapping the prevalence of stunting and malnutrition, as well as monitoring nutrition programs and optimizing resource allocation. Results from GIS can plays an important role in supporting efforts to prevent and overcome stunting problems by providing tools effective software for collecting, analyzing and visualizing nutritional data spatially. The use of web GIS can also provide information on stunting locations from UPTD Semula Jadi Health Center data.
Keywords : geographic information system; location mapping system; stunting.
Abstrak: Data kasus stunting pada balita di kecamatan datuk bandar timur kota tanjung balai belum diproses secara terkomputerisasi menggunakan peta digital, sehingga proses pemantauan penyelidikan mendalam tentang sebaran dan pola stunting disuatu daerah belum tersajikan dengan baik. Hal ini tentu berdampak pada kader puskesmas Semula Jadi untuk memantau angka gizi buruk dan penyebaran prevalensi stunting di kecamatan datuk bandar timur kota tanjung balai. untuk itu perlu pembangunan sebuah sistem pengelolaan data dalam bentuk grafik maupun peta yang dapat memberikan gambaran penyebaran gizi buruk diwilayah Datuk Bandar. Perancangan dan pembangunan sistem informasi ini dilakukan dengan menggunakan metode pengambilan data dan wawancara langsung ke UPTD Puskesmas Semula Jadi. Tujuan dibangunnya webgis ini dapat membantu dalam identifikasi daerah yang membutuhkan intervensi gizi, pemetaan prevalensi stunting dan gizi buruk, serta memantau program-program gizi dan optimalisasi alokasi sumber daya. Hasil dari SIG dapat berperan penting dalam mendukung upaya pencegahan dan penanggulangan masalah stunting dengan menyediakan alat software yang efektif untuk pengumpulan, analisis, dan visualisasi data gizi secara spasial. Kegunaan webgis juga dapat memberikan informasi mengenai lokasi stunting dari data UPTD Puskesmas Semula Jadi.
Kata kunci: sistem informasi geografis; sistem pemetaan lokasi; stunting
Abstract:Abstract: Information content that meets user needs is an important aspect of a website. Quality testing, especially for sites that have never been tested, is necessary to ensure effectiveness. This research uses observation…
tion techniques, questionnaires, and literature studies related to the Webqual method and the End-User Computing Satisfaction (EUCS) variable. The variables used include Usability, Information Quality, Service Interaction Quality, User Satisfaction, and Content. The Webqual model is applied in this research through a questionnaire, which produces various data from respondents. The data is then processed and analyzed to produce accurate statistical data. From this research, the results of the questionnaire show that Service Interaction Quality has a low percentage, namely 72.72% (X3.2), where the full percentage is 100%. Apart from that, User Satisfaction also has a low percentage, namely 70.90% (Y.1). This shows that the Quality of Service Interaction has less than a positive effect on User Satisfaction. Therefore, improvements are needed in the Quality of Service Interaction section on the PT Yudo Indonesia website so that User Satisfaction also increases, especially in the aspects of security and meeting user needs.
Keywords: EUCS; website quality; webqual
Abstrak: Konten informasi yang memenuhi kebutuhan pengguna adalah aspek penting dari sebuah situs web. Uji kualitas, terutama untuk situs yang belum pernah diuji, diperlukan untuk memastikan efektivitasnya. Penelitian ini menggunakan teknik observasi, kuesioner, dan studi literatur terkait metode Webqual dan variabel End-User Computing Satisfaction (EUCS). Variabel yang digunakan antara lain Usability (Kualitas Kegunaan), Information Quality (Kualitas Informasi), Service Interaction Quality (Kualitas Interaksi Layanan), User Satisfaction (Kepuasan Pengguna), dan Content (Konten). Model Webqual diterapkan dalam penelitian ini melalui kuesioner, yang menghasilkan berbagai data dari responden. Data tersebut kemudian diolah dan dianalisis untuk menghasilkan data statistik yang akurat. Dari penelitian ini, hasil kuesioner menunjukkan bahwa Service Interaction Quality (Kualitas Interaksi Layanan) memiliki persentase yang rendah, yaitu 72,72% (X3.2), di mana persentase penuhnya adalah 100%. Selain itu, User Satisfaction (Kepuasan Pengguna) juga memiliki persentase rendah, yaitu 70,90% (Y.1). Hal ini menunjukkan bahwa Kualitas Interaksi Layanan kurang berpengaruh positif terhadap Kepuasan Pengguna. Oleh karena itu, diperlukan peningkatan pada bagian Kualitas Interaksi Layanan di situs web PT Yudo Indonesia agar Kepuasan Pengguna juga meningkat, terutama pada aspek keamanan dan pemenuhan kebutuhan pengguna.
Kata kunci: EUCS; kualitas website; webqual
Abstract:Abstract: Covid-19 cases started showing up in Indonesia in early March 2020, and they have since spread to several other areas. The number of corona virus infections from different Indonesian provinces plays a significant…
nt role in the decision-making process based on this data visualization. By creating a Business Intelligence system to display the results of the number of confirmed cases, deaths, and recoveries from various provinces in Indonesia, the goal of this project is to visualize data on corona virus cases. The Corona Virus Dataset in Indonesia from www.kaggle.com is processed using Grafana in this article. The findings of this article are presented as dashboard reports that include data on confirmed cases, fatalities, and recoveries in different Indonesian provinces. These reports can be utilized to help make decisions. With Grafana's interactive dashboard features, the data display resulting from routine analysis results can be engaging.
Keywords: Business Intelligence, OLAP, Covid 19
Abstrak: Kasus Covid-19 mulai muncul di Indonesia pada awal Maret 2020, dan sejak itu menyebar ke beberapa daerah lain. Keputusan berdasarkan visualisasi data sering kali mencakup statistik jumlah kasus virus corona dari berbagai provinsi di Indonesia. Dengan membuat sistem Business Intelligence untuk menampilkan temuan jumlah kasus terkonfirmasi, kematian, dan pemulihan dari berbagai provinsi di Indonesia, tujuan penelitian ini adalah untuk memvisualisasikan data kasus virus corona. Postingan ini menggunakan Grafana untuk menangani dataset virus corona Indonesia dari www.kaggle.com. Temuan artikel ini disajikan sebagai laporan dalam bentuk dasbor yang mencakup data jumlah kasus terkonfirmasi, kematian, dan pemulihan di berbagai provinsi di Indonesia. Dengan pengaturan dashboard interaktif Grafana, mungkin akan menarik untuk melihat data yang dihasilkan dari hasil analisis standar yang ditampilkan.
Kata kunci: Business Intelligence, OLAP, Covid 19
Abstract:Abstract: Sales of products that are frequently sold and new products at HNI Range fluctuate, namely sometimes increasing and sometimes decreasing. This is because consumers often move to other stockists because the product…
uct they want is not available, whereas if they have to buy, they must pre-order and wait a few days. This problem had an impact on product stock control which could not be predicted properly by HNI Kisaran. The purpose of this study is to apply the Single Exponential Smoothing method for forecasting product sales at HNI Kisaran based on the data obtained. The research method used in this research is qualitative research which is research that only collects data and explains descriptively/narratively without having to be processed by statistical tests. This research will only utilize data obtained from research sites and input them without changing anything. Manual calculation results and computerized calculation results have the same results. Using the Single Exponential Smoothing method can help HNI Kisaran to determine the amount of product that must be provided in order to be able to meet customer demand.
Keywords: forecasting; product; single exponential smoothing
Abstrak: Penjualan produk yang sering terjual dan produk baru di HNI Kisaran mengalami fluktuasi yaitu kadang kala meningkat dan kadang kala menurun. Hal ini disebabkan karena konsumen sering berpindah-pindah ke Stockis lainya dikarenakan produk yang diinginkan tidak ada sedangkan jika harus membeli, harus melakukan Pre Order terlebih dahulu dan menunggu beberapa hari. Masalah tersebut berdampak pada pengendalian stok produk yang tidak dapat diprediksi dengan baik oleh pihak HNI Kisaran. Tujuan penelitian ini adalah menerapkan metode Single Exponential Smoothing untuk peramalan penjualan produk di HNI Kisaran berdasarkan data yang diperoleh. Metode penelitian yang digunakan dalam penelitian ini adalah penelitian kualitatif yang merupakan penelitian yang hanya mengumpulkan data dan menjelaskan secara deskripstif/narasi tanpa harus diolah dengan pengujian statistik. Penelitian ini hanya akan memanfaatkan data yang diperoleh dari tempat riset dan menginputkannya tanpa mengubah apapun. Hasil perhitungan manual dan hasil perhitungan komputerisasi memiliki hasil yang sama. Menggunakan metode Single Exponential Smoothing dapat membantu pihak HNI Kisaran untuk menentukan jumlah produk yang harus disediakan agar mampu memenuhi permintaan pelanggan.
Kata kunci: peramalan; produk; single exponential smoothing