Abstract:Prediksi persediaan obat di Apotik Rumah Sakit Pekanbaru Medical Center dilakukan dengan cara memperkirakan berdasarkan stok. Apabila terjadinya kekurangan persediaan saat adanya permintaan maka itu akan menjadi kendala,…
sehingga mempengaruhi penjualan obat. Untuk itu dibutuhkan perhitungan persediaan obat dengan menerapkan data mining. Metode yang digunakan adalah decision tree, dengan data set yang diolah menjadi informasi yang terstruktur dengan pola terbaik. Dalam melakukan prediksi persediaan di apotik RS.PMC menggunakan algoritma c45 didapatkan hasil nilai gain ratio tertinggi iyalah atribut stok awal dengan nilai 0,229865388 dan akurasi delapan puluh dua koma tiga puluh emapat persen (82,34%). Berdasarkan penggunan algoritma c4.5 pada penelitian ini dapat disimpulkan sangat efektif.
Abstract:Abstrak: A pharmacy is a health service facility to help improve the health of the community, a pharmacy is also a place for professional pharmacists to practice their work. To determine the amount of stock inventory, Jaka…
ka Wijaya Pharmacy requires a clusterization of sales stock data. The method that can be used is the K-Means algorithm. This algorithm is based on a simple idea. K-Means is a distance-based clustering method that divides data into a number of clusters and this algorithm only works on numeric attributes. The data processed in this research is a sample taken from the Jaka Wijaya Pharmacy data in 2022. The Jaka Wijaya Pharmacy dataset consists of the attributes No, Drug Item, Type, Packaging, Initial Stock, Cost Price, Unit Conversion, Selling Price, Number of Transactions, Ending Stock, Shelf, Warehouse-Office Codes. With the K-Means Clustering method, it is possible to group drug sales data with stock that is not selling well as cluster 0, stock that is selling well as cluster 1, and stock that is selling very well as cluster 2. The sample data to be tested consists of 170 data from the Jaka Wijaya Pharmacy. Where the cluster results show that there are several results, namely cluster 0 totaling 102, cluster 1 totaling 34, and cluster 2 totaling 34 decisions, where the decisions include very in demand, in demand, not in demand.
Keywords: Data Mining; Jaka Wijaya Pharmacy; K-means Cluster
Abstrak: Apotek merupakan sarana pelayanan kesehatan untuk membantu meningkatkan kesehatan bagi masyarakat, apotek juga sebagai tempat praktik tenaga profesi apoteker dalam melakukan pekerjaan. Untuk menentukan jumlah persediaan stok, Apotek Jaka Wijaya membutuhkan suatu clusterisasi data stok penjualan. Metode yang dapat digunakan yaitu algoritma K-Means. Algoritma ini didasarkan pada ide sederhana. K-Means adalah metode Clustering berbasis jarak yang membagi data ke dalam sejumlah cluster dan algoritma ini hanya bekerja pada atribut numeric. Data yang diolah dalam penelitian ini merupakan sampel yang diambil dari data Apotek Jaka Wijaya pada tahun 2022. Dataset Apotek Jaka Wijaya terdiri dari atribut No, Item Obat, Jenis, Kemasan, Stok Awal, Harga Pokok, Konversi Satuan, Harga Jual, Jumlah Transaksi, Stok Akhir, Rak, Kode Gudang-Kantor. Dengan metode K-Means Clustering maka dapat mengelompokkan data penjualan obat dengan stok kurang laris sebagai cluster 0, stok laris sebagai cluster 1, dan stok sangat laris sebagai cluster 2. Data sampel yang akan diuji terdiri dari 170 data dari Apotek Jaka Wijaya. Yang dimana hasil cluster menunjukkan terdapat beberapa hasil yaitu cluster 0 berjumlah 102, cluster 1 berjumlah 34, dan cluster 2 berjumlah 34 keputusan yang dimana keputusan itu meliputi sangat laris, laris, kurang laris.
Kata kunci: Apotek Jaka Wijaya; Data Mining; K-means Cluster
Abstract:Abstract: Australia chicken eggs are one of the animal foods that are consumed in addition to meat, fish and milk. Australian chicken eggs contain high nutrition, sustainable availability, and relatively higher prices compared…
mpared to other eggs, making Australian chicken eggs in great demand by consumers. However, Australian chicken eggs are easily damaged and decreased in quality due to the entry of bacteria into the eggs. CV. Bintang Ternak selection of quality eggs is still done manually by employees, so there is a need for a new method in determining quality eggs. cv. Bintang Ternak has a sample of 90 Australian chicken eggs. The sample used is Australian chicken egg shell, in determining the quality of Australian chicken eggs can be seen from the condition of the egg shells. Planning in solving these problems will use the C4.5 algorithm method. With the application of the C4.5 algorithm method contained in the rapidminer5 application, there are several advantages to be gained, namely in making a simpler decision, shortening employee work, more flexibility in selecting class attributes, accuracy in predicting more effectively and efficiently and easy to understand with there are conclusions generated by the rapidminer5 application that can be seen from the decision tree or rules obtained using 90 samples of test data resulting in an accuracy of 90%.
Keywords: Rapid Miner5;Algorithm C4.5;Determining the Best Quality of Australian Chicken Eggs.
Abstract: Telur Ayam Autralia merupakan salah satu bahan makanan hewani yang dikonsumsi selain daging, ikan dan susu. Telur ayam australia mengandung gizi yang tinggi, ketersediaan yang berkelanjutan, dan harga yang relatif lebih dibandingkan dengan telur lainnya sehingga menjadikan telur ayam australia sangat diminati oleh para konsumen. Namun, telur ayam australia mudah mengalami kerusakan dan penurunan kualitas akibat masuknya bakteri kedalam telur. CV. Bintang Ternak pemilihan telur yang berkualitas masih dilakukan secara manual oleh karyawan, sehigga perlu adanya metode terbaru dalam penentuan telur yang berkualitas. Cv. Bintang Ternak memiliki sampel telur ayam australia 90 butir. Sampel yang digunakan yaitu kulit telur ayam australia, dalam menentukan kualitas telur ayam australia dapat dilihat dari kondisi kulit telurnya. Perencanaan dalam penyelesaian permasalahan tersebut akan menggunakan metode algoritma C4.5. Dengan adanya penerapan metode algoritma C4.5 yang terdapat pada aplikasi rapidminer5 maka ada beberapa keuntungan yang didapat diperoleh yaitu dalam mengambil suatu keputusan lebih sederhana, mempersingkat pekerja karyawan, lebih fleksibel dalam pemilihan atribut kelas, keakuratan dalam memprediksi lebih efektif dan efisien dan mudah dipahami dengan adanya kesimpulan yang dihasilkan oleh aplikasi rapidminer5 yang dapat dilihat dari pohon keputusan atau rule yang diperoleh dengan menggunakan 90 sampel data uji memghasilkan akurasi sebesar 90%.
Kata kunci:RapidMiner5;Algoritma C4.5;Menentukan Kualitas Telur Ayam Australia Terbaik.
Abstract:Abstract:Theft is the illegal taking of property or belongings of another person without the permission of the owner. The most common crime problem in Asahan District is theft, so that the POLRES is still having trouble…
determining which areas are often the crime of theft. With this problem, we need to do a grouping for areas where theft often occurs, so the process used is the data mining process. Data mining is one of the processes of Knowledge Discovery from Databases (KDD). KDD is an activity that includes collecting, using historical data to find regularities, patterns or relationships in large data sets. One of the techniques known in data mining is clustering technique. The K-Means method is a method for clustering techniques, K- Means is a method that partitions data into groups so that data with the same characteristics are entered into the same set of groups and data with different characteristics are grouped into other groups. The attributes used in grouping this data are annual data, namely 2015, 2016, 2017, 2018, 2019. A case study of 9 POLSEK in the Asahan.
Keywords: Data Mining, Clustering, K-Means Algorithm, Theft Crimes Grouping.
Abstrak: Pencurian merupakan pengambilan properti atau barang milik orang lain secara tidak sah tanpa ijin dari pemilik. Masalah tindak kejahatan yang paling banyak terjadi di Kabupaten Asahan adalah tindak kejahatan pencurian sehingga pihak POLRES masih kesulitan untuk menentukan daerah mana saja yang sering terjadi tindak kejahatan pencuriaan. Dengan adanya masalah ini kita perlu melakukan pengelompokan untuk daerah mana saja yang sering terjadi tindak pencurian maka proses yang digunakan adalah proses data mining. Data mining adalah salah satu proses dari Knowledge Discovery from Databases (KDD). KDD adalah kegiatan yang meliputi pengumpulan, pemakaian data, historis untuk menemukan keteraturan, pola atau hubungan dalam set data besar. Salah satu teknik yang di kenal dalam data mining adalah teknik clustering. Metode K-Means merupakan metode untuk teknik clustering, K-Means adalah metode yang mempartisi data kedalam kelompok sehingga data berkarakteristik sama dimasukan kedalam set kelompok yang sama dan data yang berkerakteristik berbeda dikelompokkan ke dalam kelompok yang lain. Atribut yang di gunakan dalam pengelomokan data ini adalah data pertahun yaitu tahun 2015, 2016, 2017, 2018, 2019. Studi kasus pada 9 POLSEK yang ada di daerah kabupaten Asahan.
Kata kunci: Data Mining, Clustering, Algoritma K-Means, Pengelompokan Tindak Kejahatan Pencurian.
Abstract:Abstract: The problem that occurs in rice producers is the lack of knowledge about the importance of branding, and the sales system is still conventional. The purpose of the community service program activities through the…
he application of appropriate technology (PTTG) is to help rice producers in terms of developing their business so that they can develop more and increase their income. The effective steps that have been carried out by the community service team are starting with analyzing the situation in the field directly, then the results are used as a reference for community service. The method used is the application of appropriate technology (PTTG) in which the procedures are carried out through direct practice. Regarding this method, several steps are taken, namely carrying out initial observations at the location, then carrying out the preparation of activity plans, outreach and implementation of activities, and evaluation during the activity. The results obtained from this service are 1) There is an increase in knowledge related to the packaging design procedures for tjiawi ramos rice products 2) There is an increase related to product attributes that have been made 3) There is an increase in knowledge related to good branding procedures for rice and ramos businesses.
Keywords: Packaging Design; PKM; Setra Ramos Tjiawi
Abstrak: Permasalahan yang terjadinya pada produsen beras adalah rendahnya pengetahuan mengenai pentingnya branding, dan sistem penjualan yang masih konvensial. Tujuan kegiatan program pengabdian kepada masyarakat melalui penerapam teknologi tepat guna (PTTG) ini ialah untuk membantu produsen beras dalam hal pengembangan usahanya agar lebih berkembang dan adanya peningkatan pendapatan. Langkah efektif yang sudah dijalankan oleh tim pengabdian ialah diawali dengan menganalisis situasi dilapangan secara langsung kemudian hasilnya dijadikan sebagai acuan pengabdian. Metode yang digunakan ialah penerapan teknologi tepat guna (PTTG) yang tata caranya dilakukan melalui praktik secara langsung. Terkait metode ini maka beberapa langkah yang dilakukan ialah melakukan obervasi awal ke lokasi, kemudian melakukan penyusunan rencana kegiatan, sosialisasi dan pelaksanaan kegiatan, dan evaluasi selama kegiatan berlangsung . Hasil yang diperoleh dari adanya pengabdian ini ialah 1) Adanya peningkatan pengetahuan terkait tata cara desain kemasan produk beras tjiawi ramos 2) Adanya peningkatan terkait atribut produk yang sudah dibuat 3) Adanya peningkatan pengetahuan terkait tatacara branding yang baik bagi usaha beras serta ramos.
Kata kunci: Desain Kemasan; PKM; Setra Ramos Tjiawi
Abstract:Abstract: Mental health issues, particularly depression among young adult university students, are often detected late due to stigma and reluctance to seek medical consultation. The objective of this study is to develop…
an early screening model employing machine learning techniques, specifically the random forest algorithm, on a dataset of 268 students (aged 17-29 years; consisting of 98 males and 170 females) within a multicultural educational setting. The principal challenges associated with this dataset are class imbalance and the potential for data leakage from clinical scores. This study implements a rigorous feature selection approach that involves the elimination of depression score features and the utilization of the Synthetic Minority Over-sampling Technique (SMOTE) to balance the training data distribution. Furthermore, a Threshold Tuning strategy is employed to prioritize detection sensitivity (Recall). The findings indicate that reducing the decision threshold to an optimal value of 0.25 led to a substantial enhancement in the recall value, increasing it from 36% (baseline) to 77%. A feature importance analysis was conducted, the results of which indicated that Total Social Connectedness (ToSC) is the most dominant predictor. In summary, the present study corroborates the notion that optimizing sensitivity through threshold tuning is of paramount importance for medical screening. Furthermore, social isolation factors emerge as more significant indicators of depression risk than demographic attributes.
Keywords: data mining; depression; imbalanced data; random forest; smote; threshold tuning
Abstrak: Masalah kesehatan mental, khususnya depresi di kalangan mahasiswa dewasa muda, sering terdeteksi terlambat akibat stigma dan enggan mencari konsultasi medis. Tujuan studi ini adalah mengembangkan model skrining dini menggunakan teknik machine learning, khususnya algoritma random forest, pada dataset 268 mahasiswa (usia 17-29 tahun; terdiri dari 98 laki-laki dan 170 perempuan) dalam lingkungan pendidikan multikultural. Tantangan utama yang terkait dengan dataset ini adalah ketidakseimbangan kelas dan potensi kebocoran data dari skor klinis. Studi ini menerapkan pendekatan seleksi fitur yang ketat, yang melibatkan eliminasi fitur skor depresi dan penggunaan Teknik Over-sampling Minoritas Sintetis (SMOTE) untuk menyeimbangkan distribusi data pelatihan. Selain itu, strategi Penyesuaian Ambang Batas diterapkan untuk memprioritaskan sensitivitas deteksi (Recall). Hasil penelitian menunjukkan bahwa mengurangi ambang batas keputusan ke nilai optimal 0,25 menyebabkan peningkatan signifikan dalam nilai recall, dari 36% (dasar) menjadi 77%. Analisis pentingnya fitur dilakukan, hasilnya menunjukkan bahwa Total Social Connectedness (ToSC) adalah prediktor yang paling dominan. Secara ringkas, studi ini membenarkan bahwa mengoptimalkan sensitivitas melalui penyesuaian ambang batas sangat penting untuk skrining medis. Selain itu, faktor isolasi sosial muncul sebagai indikator risiko depresi yang lebih signifikan daripada atribut demografis.
Kata kunci: penambangan data; depresi; data tidak seimbang; hutan acak; smote; penyesuaian ambang batas
Abstract:Abstract: Higher education plays an essential role in improving human resource quality, one of which is through the institution’s ability to monitor and predict student graduation outcomes. This study does not focus on a…
a specific university but utilizes the publicly available Students Performance in Exams dataset from Kaggle, consisting of 1,000 student records containing mathematics, reading, and writing scores, along with demographic attributes such as gender, parental education level, lunch type, and test preparation participation. The data were processed through a feature engineering stage by adding an average score variable as an early indicator of graduation status. A predictive model was developed using the Random Forest Classifier, achieving an accuracy of 94.5%. The final model was integrated into a Streamlit-based web application to provide an accessible tool for academic stakeholders. The results indicate that the proposed model can serve as an effective decision-support tool for early evaluation of students’ likelihood of graduation.
Keywords: prediction; random forest classifier, streamlit, student graduation.
Abstrak: Pendidikan tinggi memegang peran penting dalam peningkatan kualitas sumber daya manusia, salah satunya melalui kemampuan institusi dalam memantau dan memprediksi tingkat kelulusan mahasiswa. Penelitian ini tidak berfokus pada perguruan tinggi tertentu, melainkan menggunakan dataset publik Students Performance in Exams dari Kaggle yang berisi 1.000 data mahasiswa, terdiri atas nilai matematika, membaca, menulis, serta atribut demografis seperti gender, tingkat pendidikan orang tua, jenis makan siang, dan partisipasi kursus persiapan. Data diolah melalui tahap feature engineering dengan menambahkan variabel average score sebagai indikator awal kelulusan. Model prediksi dibangun menggunakan algoritma Random Forest Classifier, yang menghasilkan tingkat akurasi sebesar 94,5%. Model ini kemudian diimplementasikan ke dalam aplikasi web berbasis Streamlit untuk memberikan layanan prediksi yang mudah diakses oleh pihak akademik. Hasil penelitian menunjukkan bahwa model mampu digunakan sebagai alat pendukung keputusan untuk melakukan evaluasi dini terhadap potensi kelulusan mahasiswa.
Kata kunci: kelulusan mahasiswa; prediksi; random forest classifier; streamlit.
Abstract:Abstract: The online exam system is used to evaluate student learning, but it has some limitations. Therefore, it is necessary to research the user satisfaction of the system. This study aims to assess user satisfaction…
using the End User Computing Satisfaction (EUCS), Importance Performance Analysis (IPA), and Customer Satisfaction Index (CSI) methods. The results showed that three dimensions, namely, accuracy, ease of use, and timeliness significantly affected user satisfaction, while content and format did not have a significant effect. IPA analysis shows the majority of attributes (12 attributes) are in quadrant II, which indicates moderate satisfaction, 11 attributes in quadrant III, one attribute in quadrant I, and three attributes in quadrant IV. CSI concluded that the online exam system provides satisfactory service with a score of 77.54%.
Keywords: csi; eucs; ipa; online exam system; user satisfaction
Abstrak: Sistem ujian online digunakan untuk mengevaluasi pembelajaran mahasiswa, tetapi sistem ini memiliki beberapa keterbatasan. Karena itulah perlu penelitian kepuasan pengguna sistem tersebut. Penelitian ini bertujuan menilai kepuasan pengguna dengan menggunakan metode End User Computing Satisfaction (EUCS), Importance Performance Analisys (IPA), dan Customer Satisfaction Index (CSI). Hasil riset menunjukkan tiga dimensi yaitu, akurasi, kemudahan penggunaan, dan ketepatan waktu signifikan mempengaruhi kepuasan pengguna, sementara konten dan format tidak berpengaruh signifikan. Analisis IPA menunjukkan mayoritas atribut (12 atribut) berada di kuadran II, yang mengindikasikan kepuasan sedang, 11 atribut di kuadran III, satu atribut di kuadran I, dan tiga atribut di kuadran IV. CSI menyimpulkan sistem ujian online memberikan layanan yang memuaskan dengan skor 77,54%.
Kata kunci: csi; eucs; ipa; kepuasan pengguna; sistem ujian online
Abstract:Abstract: Feature selection is a crucial process that is very important to improve the performance of machine learning models, in accordance with data preprocessing. The feature selection process can be considered as a global…
lobal combinatorial optimization problem in machine learning, which reduces the number of features, eliminates irrelevant data, and produces acceptable classification accuracy. The purpose of this study is to predict or determine the results of the electrical installation operation feasibility test based on data and obtain attribute selection features, and obtain accuracy level results. The Particle Swarm Optimization (PSO) approach is used to select the right characteristics to determine the results of the electrical installation operation feasibility test because attribute selection is needed in data analysis, because the PSO method will increase accuracy than just SVM in determining attribute selection. If SVM is used with PSO, the accuracy value is 96% and AUC is 0.994%, while the SVM method produces an accuracy level of 94.89% and AUC of 0.994%. With this finding, the accuracy value increases by 2%, making it a very good categorization category. It has been proven that the use of Particle Swarm Optimization (PSO) based algorithms can improve and improve results.
Keywords: PSO; SVM; Certification
Abstrak: Pemilihan fitur merupakan proses krusial yang sangat penting untuk meningkatkan kinerja model machine learning, sesuai dengan praproses data. Proses pemilihan fitur dapat dianggap sebagai masalah optimasi kombinatorial global dalam pembelajaran mesin, yang mengurangi jumlah fitur, menghilangkan data yang tidak relevan, dan menghasilkan akurasi klasifikasi yang dapat diterima. Tujuan dari penelitian ini adalah untuk memprediksi atau menentukan hasil uji kelayakan operasi instalasi listrik berdasarkan data dan memperoleh fitur pemilihan atribut, serta memperoleh hasil tingkat akurasi. Pendekatan Particle Swarm Optimization (PSO) digunakan untuk memilih karakteristik yang tepat untuk menentukan hasil uji kelayakan operasi instalasi listrik karena pemilihan atribut diperlukan dalam analisis data, karena metode PSO akan meningkatkan akurasi dari pada hanya SVM dalam menentukan pemilihan atribut. Jika SVM digunakan dengan PSO, nilai akurasinya adalah 96% dan AUC sebesar 0,994%, sedangkan metode SVM menghasilkan tingkat akurasi sebesar 94,89% dan AUC sebesar 0,994%. Dengan temuan ini, nilai akurasi meningkat sebesar 2%, menjadikannya kategori kategorisasi yang sangat baik. Telah terbukti bahwa penggunaan algoritma berbasis Particle Swarm Optimization (PSO) dapat meningkatkan dan memperbaiki hasil.
Kata kunci: PSO; SVM; Sertifikasi
Abstract:Abstract: Lung cancer is most deadly cancers in the world. Identification and classification of the causes of understanding lung cancer is essential for developing more effective prevention and treatment strategies. The…
issue is that a lot of individuals are unaware about the characteristics and causes of lung cancer. The purpose of this study is to apply the K-Nearest Neighbor (K-NN) algorithm in the classification of the causes of lung cancer and provide education to the public must be aware of the traits of lung cancer patients and, to stay away from the causes of lung cancer. The dataset used consists of 309 samples with 16 relevant attributes. The K-NN algorithm was trained and tested to assess its ability to classify the factors that cause lung cancer. The results showed an accuracy of 90.32%, with a precision for the "YES" class of 96% and the "NO" class of 67%. The recall value for the "YES" class was 92% and for the "NO" class was 80%. The implementation of this algorithm gives good results in classification and can help in early detection and prevention of lung cancer which can be used in the development of more effective prevention and early diagnosis strategies.
Keywords: lung cancer; k-nearest neighbor; classification; machine learning
Abstrak: Kanker paru-paru tergolong jenis penyakit kanker yang memperoleh angka kematian paling tinggi di dunia. Identifikasi dan klasifikasi penyebab kanker paru-paru sangat penting untuk pengembangan strategi pencegahan dan pengobatan yang lebih efektif. Masalah yang terjadi adalah banyak orang yang belum mengetahui tentang ciri-ciri dan penyebab-penyebab dari kangker paru tersebut. Tujuan penelitian ini adalah mengimplementasikan algoritma K-Nearest Neighbor (K-NN) dalam klasifikasi penyebab kanker paru-paru serta memberikan edukasi kepada masyarakat banyak agar mengetahui ciri-ciri orang yang mengidap kangker paru-paru dan tentunya untuk menghindari penyebab-penyebab dari kangker paru-paru tersebut. Dataset yang digunakan terdiri dari 309 sampel dengan 16 atribut yang relevan. Algoritma K-NN kemudian dilatih dan diuji untuk menilai kemampuannya dalam mengklasifikasikan faktor-faktor penyebab kanker paru-paru. Hasil penelitian menunjukkan akurasi sebesar 90.32%, dengan skor precision untuk kelas "YES" sebesar 96% dan kelas "NO" sebesar 67%. Nilai recall untuk kelas "YES" adalah 92% dan untuk kelas "NO" sebesar 80%. Implementasi algoritma ini memberikan hasil yang baik dalam klasifikasi dan dapat membantu dalam deteksi dini serta pencegahan kanker paru-paru yang dapat digunakan dalam pengembangan strategi pencegahan dan diagnosis dini yang lebih efektif.
Kata kunci: kanker paru-paru; k-nearest neighbor; klasifikasi; machine learning