Abstract:Abstract: As a supermarket, we are committed to always improving everything, including selecting the greatest goods. To evaluate which items are more superior or popular and which are less popular, you will want a sizable…
e amount of information sources. To select products and identify those that belong in the superior product cluster, researchers employed the clustering method. The clustering strategy uses two forms of cluster analysis, k-means and k-medoids, which have related techniques. The research results show that the k-means algorithm's Davies Bouldin value is -0.430, whereas the k-medoids algorithm's Davies Bouldin value is -1.392. This suggests that the Davies Bouldin value of the k-medoids approach is the lowest, showing that the grouping findings of the k-means method are a better method to apply to the issue of choosing better products.
Keywords : k-means; k-medoids; clustering; algorithm; data mining
Abstract: Sebagai toko sembako, toko yuli berkomitmen untuk selalu meningkatkan segalanya, termasuk memilih barang terbaik. Untuk mengevaluasi item mana yang lebih unggul atau populer dan mana yang kurang populer, Anda memerlukan sumber informasi yang cukup banyak. Untuk memilih produk dan mengidentifikasi produk yang termasuk dalam cluster produk unggulan, peneliti menggunakan metode clustering. Strategi clustering menggunakan dua bentuk analisis cluster, k-means dan k-medoids, yang memiliki teknik terkait. Hasil penelitian menunjukkan nilai Davies Bouldin pada algoritma k-means sebesar -0,430, sedangkan nilai Davies Bouldin pada algoritma k-medoids sebesar -1,392. Hal ini menunjukkan bahwa nilai Davies Bouldin pada pendekatan k-medoids paling rendah, menunjukkan bahwa temuan pengelompokan metode k-means merupakan metode yang lebih baik untuk diterapkan pada permasalahan pemilihan produk yang lebih baik.
Keywords: k-means; k-medoids; clustering; algoritma; data mining
Abstract:Abstract: Information, modeling, and data manipulation systems are called decision support systems (DSS). When there is uncertainty about the best course of action in semi-structured or unstructured situations, the system…
m is utilized to support decision-making. There are various approaches available for producing decision support systems, one of which is the Weighted Product (WP) Method. With the Weighted Product (WP) approach, attribute ratings are connected by multiplication; however, each attribute's rating must first be increased to the power of the attribute's weight. The normalizing process is same to this one. SPK procedure to choose the winners of the scholarships. Scholarship information from MTS Swasta Alwasliyah Simpang Merbau can be saved in the Decision Support System using this method. This way, in the event that an error arises when entering grades or scholarship information, the wrong information can be fixed without requiring the scholarship information to be re-input. Scholarships are presents to individuals in the form of financial aid intended to be utilized toward their ongoing educational pursuits.
Keywords : decision support system; students; weighted product method
Abstract: Sistem informasi, pemodelan, dan manipulasi data disebut sistem pendukung keputusan (DSS). Ketika terdapat ketidakpastian mengenai tindakan terbaik dalam situasi semi-terstruktur atau tidak terstruktur, sistem digunakan untuk mendukung pengambilan keputusan. Terdapat berbagai pendekatan yang tersedia untuk menghasilkan sistem pendukung keputusan, salah satunya adalah Metode Weighted Product (WP). Dengan pendekatan Weighted Product (WP) memiliki konsep yang sederhana untuk menentukan pembobotan terhadap kriteria yang memiliki nilai hampir sama sehingga dalam penentuan penerima beasiswa dapat mudah dilakukan walaupun dengan data yang banyak. Metode Weighted Product (WP) dengan kriteria penilaian akademik, sikap dan tanggung jawab dan hasil perhitungan tertinggi menggunakan sistem yaitu 0.27. Sehingga dapat diterapkan untuk menyeleksi siswa-siswi berprestasi dan untuk menerapkan pemilihan siswa-siswi berprestasi secara online dengan disebarkan kedalam kelas.
Keywords: metode weighted product; sistem pendukung keputusan; siswa
Abstract:Abstract: The city of Surakarta is one of the cities that is busy with local and foreign tourists because there are various kinds of interesting cultural tourism. The large number of hotels with many services and facilities…
ies makes tourists confused in choosing a hotel, so prospective hotel guests need a long time to choose the best hotel according to their desired criteria. The aim of this research is to create a tool for prospective hotel guests in making decisions on hotel selection recommendations using the TOPSIS and SAW methods. This research uses 8 hotel data points in Laweyan District, Surakarta, and hotel data obtained from the Tourism Office. The results of the McCall Test with 5 indicators, namely accuracy, reliability, efficiency, integrity, and usability, average 86%, so this system is categorized as very good.
Keywords: hotel selection; TOPSIS; SAW; decision supporter system
Abstrak: Kota Surakarta menjadi salah satu kota yang ramai dikunjungi wisatawan lokal maupun mancanegara karena terdapat berbagai macam wisata budaya yang menarik. Banyaknya hotel dengan pelayanan dan fasilitas yang banyak membuat wisatawan kebingungan dalam memilih hotel, sehingga calon tamu hotel memerlukan waktu yang lama untuk memilih hotel terbaik sesuai kriteria yang diinginkan. Tujuan dari penelitian ini adalah membuat suatu alat bantu bagi calon tamu hotel dalam pengambilan keputusan rekomendasi pemilihan hotel menggunakan metode TOPSIS dan SAW. Penelitian ini menggunakan 10 titik data hotel yang ada di Kecamatan Laweyan Surakarta dan data hotel yang diperoleh dari Dinas Pariwisata. Hasil Uji McCall dengan 5 indikator yaitu akurasi, reliabilitas, efisiensi, integritas, dan kegunaan rata-rata 86%, maka sistem ini dikategorikan sangat baik.
Kata kunci: pemilihan hotel; TOPSIS; SAW; sistem penunjang keputusan
Abstract:Abstract: Technology is a tool for processing, storing and modifying data to obtain informatio. Decision Support System (DSS) a based model-based with data processing procedures and considerations to assist manager in decision…
ecision making. In the context of UD.Wendy Jaya which still uses manual methods for selecting superior cement, this is considered less effective and ineffcient, resulting in cement selection that does not meet the criteria and lacks accuracy. This research employs a quantitative method with the aim of determining decisions for selecting superior cemen and designing a decision support system using the Simple Additive Weighting (SAW) method based on predetermined criteria. The implementation result show that the decision support system for determining superior cement provides convenience and speed in selecting superior cement at UD Wendy Jaya according to the expected criteria. The results of calculations using the simple additive weighting (SAW) method rank each alternative, with the most superior alternative being three-wheel cement, considering several criteria such as price, compressive, strength, fineness, water capacity and setting time.
Keywords: simple additive weighting (SAW); decision support system; UD.wendy jaya
Abstrak: Teknologi adalah alat untuk mengolah, menyimpan, dan memodifikasi data guna mendapatkan informasi. Sistem Pendukung Keputusan (Decision Support System/DSS) merupakan sistem berbasis model dengan prosedur pemrosesan data dan pertimbangan untuk membantu manajer dalam pengambilan keputusan. Dalam konteks Toko UD. Wendy Jaya, yang masih menggunakan cara manual untuk pemilihan semen unggul, hal ini dianggap kurang efektif dan tidak efisien, mengakibatkan pemilihan semen tidak sesuai kriteria dan tidak akurat. Penelitian ini menggunakan metode kuantitatif, dengan tujuan untuk mengetahui keputusan pemilihan semen unggul dan merancang sistem pendukung keputusan menggunakan metode Simple Additive Weighting (SAW) berdasarkan kriteria yang ditentukan. Hasil implementasi menunjukkan bahwa sistem pendukung keputusan Menentukan Semen Unggul memberikan kemudahan dan kecepatan dalam pemilihan semen unggul pada Toko UD. Wendy Jaya sesuai dengan kriteria yang diharapkan. Hasil dari perhitungan dengan menggunakan metode Simple Additive Weighting (SAW) adalah perangkingan setiap alternatif yaitu diperoleh alternatif yang paling unggul adalah semen tiga roda ditinjau dari beberapa kriteria harga, kuat tekanan, kehalusan, kapasitas air dan waktu mengeras.
Kata kunci: simple additive weighting (SAW); sistem pendukung keputusan; UD.wendy jaya
Abstract:Abstract: The provision of loan funds is one of the important activities in improving the welfare of Primkoppol members (Police Cooperative). The process of determining the eligibility for loan disbursement in PRIMKOPPOL…
POLRES Asahan is still lacking systematic timing delays in making decisions in managing the disbursement of loan funds. Therefore, an efficient and effective method is needed to minimize risks and maximize profits for the cooperative and its members. One method that can be used is the Simple Additive Weighting (SAW) method, which has been proven effective in various decision-making contexts. This study aims to apply the SAW method in the process of disbursing loan funds for Primkoppol members, and to evaluate the performance of this method in selecting eligible loan recipients and optimizing fund allocation. The loan disbursement process uses the SAW method, which calculates the relative preference value for each prospective loan recipient based on predetermined criteria. The results of this study indicate that by applying the Simple Additive Weighting method to 10 loan applicants, 3 applicants successfully applied for loans with a preference value > 0.7, in line with the requirements. The implementation of the SAW method in loan disbursement for Primkoppol members has successfully increased efficiency and accuracy in selecting loan recipients.
Keywords : cooperative; decision support systems; simple additive weighting (SAW).
Abstract: Pemberian dana pinjaman merupakan salah satu kegiatan yang penting dalam meningkatkan kesejahteraan anggota Primkoppol (Koperasi Polisi). Proses penentuan kelayakan pemberian pinjaman di PRIMKOPPOL POLRES Asahan masih kurang sistematis keterlambatan waktu dalam menentukan keputusan dalam mengelola pemberian dana pinjaman. Untuk itu diperlukan suatu metode yang efisien dan efektif untuk meminimalkan risiko dan memaksimalkan keuntungan bagi koperasi dan anggotanya. Salah satu metode yang dapat digunakan adalah metode Simple Additive Weighting (SAW), yang telah terbukti efektif dalam berbagai konteks pengambilan keputusan. Penelitian ini bertujuan untuk menerapkan metode SAW dalam proses pemberian dana pinjaman bagi anggota Primkoppol, serta untuk meng-evaluasi kinerja metode tersebut dalam memilih penerima pinjaman yang layak dan meng-optimalkan alokasi dana. Proses pemberian dana pinjaman menggunakan metode SAW yang menghitung nilai preferensi relatif bagi setiap calon penerima pinjaman berdasarkan kriteria yang telah ditetapkan. Hasil dari penelitian ini menunjukan bahwa dengan menerapkan metode Simple Additive Weighting dari 10 calon pemohon pinjaman, 3 calon berhasil mampu mengajukan pinjaman dengan nilai preferensi > 0,7. sesuai dengan persyaratan. Implementasi metode SAW dalam pemberian dana pinjaman bagi anggota Primkoppol berhasil meningkatkan efisiensi dan keakuratan dalam pemilihan penerima pinjaman.
Kata Kunci : koperasi; simple additive weighting (SAW); sistem pendukung keputusan.
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: The habit of smoking is dangerous because of the addictive substances that make cigarettes addictive. Its addictive nature poses a significant risk, affecting personality with stress, depression and nervous disorders.…
orders. Body factors that indicate smoking include blood sugar levels, dental caries, and hemoglobin. To address this, research has been conducted with focused efforts to understand and address the risks associated with smoking and its impact on overall health. This research aims to choose the best method for predicting smokers by using feature selection techniques. The feature selection algorithms uses for that are Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), and Genetic Algorithm (GA) to select optimal attributes and uses the k-fold cross validation technique as the validation of the Artificial Neural Network algorithm. The data includes various parameters such as age, height, weight, vision, blood pressure, cholesterol, triglycerides, hemoglobin, AST, ALT, GTP, gender, dental caries and tartar. Hearing ability, urine protein content, and tartar were selected. The results showed that using the Analysis of Variance method showed higher accuracy (77.101%) compared to the Genetic Algorithm method (74.64%) and the Recursive Feature Elimination method (76.08%). Selection of relevant attributes increases the predictions and insights of the Artificial Neural Network model about the effects of smoking on health.
Keywords: artificial neural network; analysis of variance; genetic algorithm; recursive feature elimination; smoker prediction
Abstrak: Kebiasaan merokok berbahaya karena adanya zat adiktif yang membuat rokok menjadi ketagihan. Sifatnya yang membuat ketagihan menimbulkan risiko yang signifikan, mempengaruhi kepribadian dengan stres, depresi, dan gangguan saraf. Faktor tubuh yang mengindikasikan kebiasaan merokok antara lain kadar gula darah, karies gigi, dan hemoglobin. Untuk mengatasi hal ini, penelitian telah dilakukan dengan upaya terfokus untuk memahami dan mengatasi risiko yang terkait dengan merokok dan dampaknya terhadap kesehatan secara keseluruhan. Penelitian ini bertujuan untuk memilih metode terbaik dalam memprediksi perokok dengan menggunakan teknik seleksi fitur. Metode seleksi fitur yang digunakan adalah Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), dan Genetic Algorithm (GA) untuk memilih atribut yang optimal dan menggunakan teknik k-fold cross validation sebagai validasi algoritma Artificial Neural Network. Data tersebut mencakup berbagai parameter seperti umur, tinggi badan, berat badan, penglihatan, tekanan darah, kolesterol, trigliserida, hemoglobin, AST, ALT, GTP, jenis kelamin, karies gigi dan karang gigi. Kemampuan pendengaran, kandungan protein urin, dan karang gigi dipilih. Hasil penelitian menunjukkan bahwa penggunaan metode Analysis of Variance menunjukkan akurasi yang lebih tinggi (77,101%) dibandingkan dengan metode Genetic Algorithm (74,64%) dan metode Recursive Feature Elimination (76,08%). Pemilihan atribut yang relevan meningkatkan prediksi dan wawasan model Jaringan Syaraf Tiruan tentang dampak merokok terhadap kesehatan.
Kata kunci: artificial neural network; analysis of variance; genetic algorithm; prediksi perokok; recursive feature elimination
Abstract:Abstract: Toko Anda v7 is a shop that sells office stationery and school teaching aids. One of the items frequently ordered at Toko Anda v7 is educational teaching aids (APE). So that shop activities can continue to run,…
suppliers have a very important role, for this reason the supplier selection process is one of the important decisions that must be taken by the shop. However, this is a problem because each supplier has its own advantages and disadvantages. To help Toko Anda v7 in choosing suppliers, a decision support system was designed. The decision support system is able to provide alternative decision options that can be chosen by decision makers in Toko Anda v7 in determining suppliers of educational teaching aids. The method used in the decision selection process in this decision support system is Weighted Product (WP). Calculations using the Weighted Product (WP) method are able to provide decisions with fast and efficient calculations. The results of designing this decision support system are able to provide a ranking of alternative suppliers based on predetermined criteria.
Keywords: Decision Support System; Supplier; Weighted Product
Abstrak: Toko Anda v7 adalah toko yang bergerak dalam penjualan alat tulis kantor dan alat peraga sekolah. salah satu barang yang sering dipesan di Toko Anda v7 adalah alat peraga edukatif (APE). agar aktivitas toko tetap dapat berjalan suplier memiliki peran yang sangat penting, untuk itu proses pemilihan suplier menjadi salah satu keputusan yang penting yang harus diambil oleh toko. namun hal tersebut menjadi masalah karena setiap suplier memiliki kelebihan dan kekurangan masing-masing. untuk membantu Toko Anda v7 dalam memilih suplier maka dirancanglah sebuah sistem penunjang keputusan. sistem penunjang keputusan mampu memberikan pilihan alternatif keputusan yang bisa dipilih oleh pembuat keputusan di Toko Anda v7 dalam menentukan suplier alat peraga edukatif. metode yang digunakan dalam proses pemilihan keputusan di sistem penunjang keputusan ini adalah Weighted Product (WP). Perhitungan dengan metode Weigthted Product (WP) mampu memberikan keputusan dengan perhitungan yang cepat dan efisien. hasil dari perencangan sistem penunjang keputusan ini mampu memberikan perangkingan alternatif suplier berdasarkan kriteria-kriteria yang telah ditentukan.
Kata kunci: Pemasok; Sistem Penunjang Keputusan; Weighted Product
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: Decision support systems (DSS) have become an important tool in various fields, including the selection of fish seeds. Selecting the right fish seeds is a crucial step in successful fish farming. In this context,…
t, the Weight Sum Model (WSM) method can be used as an approach in decision making. This research aims to develop a Decision Support System for selecting fish seeds using the Weight Sum Model (WSM) method. This method allows a systematic assessment of various criteria that are relevant in selecting fish seeds. The first step in this research is to identify the criteria that will be evaluated in selecting fish seeds. Each fish seed is assessed based on each criterion using the appropriate scale. In the WSM method, the values given to each criterion are multiplied by the weight of the corresponding criterion, and the results are added up for each fish seed. The fish seeds that have the highest number will be considered the best choice based on predetermined evaluation criteria. This Decision Support System can help fish farming farmers in making more informative and data-based decisions in selecting fish seeds that suit their needs.
Keywords: Decision Support Systems, Fish Seeds, Criteria, Weight Sum Model (WSM), Fish Cultivation.
Abstract: Sistem pendukung keputusan (SPK) telah menjadi alat penting dalam berbagai bidang, termasuk dalam pemilihan bibit ikan. Memilih bibit ikan yang tepat merupakan langkah krusial dalam budidaya ikan yang sukses. Dalam konteks ini, metode Weight Sum Model (WSM) dapat digunakan sebagai pendekatan dalam pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan untuk pemilihan bibit ikan menggunakan metode Weight Sum Model (WSM). Metode ini memungkinkan penilaian yang sistematis terhadap berbagai kriteria yang relevan dalam memilih bibit ikan. Langkah pertama dalam penelitian ini adalah mengidentifikasi kriteria-kriteria yang akan dievaluasi dalam pemilihan bibit ikan. Setiap bibit ikan dinilai berdasarkan setiap kriteria menggunakan skala yang sesuai. Dalam metode WSM, nilai-nilai diberikan pada setiap kriteria akan dikalikan dengan bobot kriteria terkait, dan hasilnya dijumlahkan untuk setiap bibit ikan. Bibit ikan yang memiliki jumlah tertinggi akan dianggap sebagai pilihan terbaik berdasarkan evaluasi kriteria yang telah ditentukan. Sistem Pendukung Keputusan ini dapat membantu para petani budidaya ikan dalam mengambil keputusan yang lebih informatif dan berdasarkan data dalam memilih bibit ikan yang sesuai dengan kebutuhan.
Kata kunci: Sistem Pendukung Keputusan, Bibit Ikan, Kriteria, Weight Sum Model (WSM), Budidaya Ikan.