Abstract:This study discusses the implementation of the Naïve Bayes method to predict catering sales at PT.Negara Rasa Indonesia. The background of this study is based on the problem of suboptimal sales due to the absence of a structured…
tructured sales prediction system. The Naïve Bayes method was chosen because of its simplicity, speed, and ability to classify data with a high degree of accuracy. The data used in this study is historical sales data from the last two years, which has undergone cleaning, labeling, and transformation into four sales categories, namely very popular, popular, fairly popular, and less popular. The testing process was carried out using RapidMiner software by dividing the dataset into training data and test data at various ratios of 80:20. The test results showed a very high level of accuracy, with the highest value reaching 91.41%. These findings prove that the Naïve Bayes method is reliable for predicting catering sales, thereby assisting decision-making in more efficient sales management and planning at PT. Negara Rasa Indonesia.
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: 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: 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: Bekasi Regency, being one of the key cities in Indonesia, offers a suitable setting to study the intricacies of marriage decision-making during a quarter-life crisis. This study focuses on the application of clustering…
ustering algorithms to categorize individuals based on their marriage choices. Data was collected from a questionnaire completed by 110 respondents from Bekasi Regency, specifically individuals aged 18 to 30 who are single, including 80 women and 30 men. Data analysis was conducted using the RapidMiner software to evaluate the effectiveness of three clustering algorithms K-Means, X-Means, and K-Medoids in categorizing marriage decision patterns among young people experiencing a Quarter Life Crisis in Bekasi Regency. Results indicate that each algorithm has its own strengths and limitations in handling Quarter Life Crisis data.The results of the analysis show that the K-medoids algorithm provides the best clustering results with the lowest DBI value of 0.195, followed by the X-Means algorithm with a value of 0.199 and K-Means with a value of 0.207. These results can help understand the pattern of marriage decisions in the Quarter Life Crisis phase and help provide insights for policymakers in Bekasi Regency to make more effective intervention programs.
Keywords: K-Means; K-Medoids; X-Means
Abstrak: Sebagai salah satu kota besar di Indonesia, Kabupaten Bekasi memberikan konteks yang tepat untuk mempelajari kompleksitas pengambilan keputusan pernikahan di tengah krisis seperempat usia. Penelitian ini berfokus pada pemanfaatan algoritma clustering untuk mengelompokkan individu berdasarkan pilihan pernikahan mereka. Data diambil dari kuesioner yang diisi oleh 110 responden di Kabupaten Bekasi, yang terdiri dari individu lajang berusia 18 hingga 30 tahun, yaitu 80 perempuan dan 30 laki-laki. Analisis data dilakukan dengan perangkat lunak RapidMiner untuk mengevaluasi efektivitas tiga algoritma pengelompokan—K-Means, X-Means, dan K-Medoids—dalam mengelompokkan pola keputusan pernikahan di kalangan pemuda yang menghadapi Quarter Life Crisis di Kabupaten Bekasi. Hasilnya menunjukkan bahwa setiap algoritma memiliki keunggulan dan kelemahannya masing-masing dalam memproses data Quarter Life Crisis. Hasil analisis menunjukkan bahwa algoritma K-medoids memberikan hasil clustering terbaik dengan nilai DBI terendah yaitu 0.195, diikuti oleh algoritma X-Means dengan nilai 0.199 dan K-Means dengan nilai 0.207. Hasil ini dapat membantu memahami pola keputusan menikah pada fase Quarter Life Crisis dan membantu memberikan wawasan bagi pembuat kebijakan di Kabupaten Bekasi membuat program intervensi yang lebih efektif.
Kata kunci: K-Means; K-Medoids; X-Means
Abstract:Abstract: Clustering data has always been a fascinating subject to research numerous perspectives. A variety of knowledge is produced by the calculating process utilizing various algorithms. The genesis of cluster optimization…
ization is based on differences of opinion about the cluster's results. In general, cluster and optimization findings are generated using software such as Matlab, RapidMiner, and programming languages like Python. Users, however, have not been satisfied with the results so far. The various outcomes are the primary motivations for continuing to create and develop applications. The goal of this research is to create an application that can evaluate cluster data using the K-Medoids method, which can then be further optimized using the Davies Bouldin Index (DBI). Because the target application is students and lecturers who use it in learning and observers of the cluster field, the application can indeed be accessible through a browser to make it easier to use. For ease of using it, the program is available on both desktop and mobile platforms. Through separately created applications, it is intended that this research will give an alternative to clustering and optimization.
Keywords: application, cluster, dbi, k-medoids, optimization
Abstrak: Clusterisasi data selalu menjadi topik yang menarik untuk dikembangkan dari berbagai sisi. Proses perhitungannya yang menggunakan berbagai algoritma menghasilkan knowledge yang beragam. Perbedaan pendapat terhasil hasil cluster menjadi dasar munculnya optimalisasi cluster. Umumnya hasil cluster dan optimalisasi diperoleh dari pengolahan menggunakan aplikasi yakni Matlab, RapidMiner, dan bahasa pemrograman seperti Pyhton. Namun demikian hasil yang muncul belum mampu memuaskan pengguna. Hasil yang berbeda menjadi alasan utama pembuatan maupun pengembangan aplikasi masih terus dilakukan. Penelitian ini bertujuan untuk membangun sebuah aplikasi yang dapat memproses data cluster menggunakan algoritma K-Medoids untuk selanjutnya dioptimalisasi dengan Davies Bouldin Index (DBI). Untuk memudahkan penggunaan, aplikasi dapat diakses pada browser karena target aplikasi adalah mahasiswa dan dosen yang menggunakan pada pembelajaran serta pemerhati bidang cluster. Aplikasi dirancang pada platform desktop dan mobile demi memudahkan pengaksesan. Diharapkan, penelitian ini memberikan alternatif dalam proses clusterisasi dan optimalisasi melalui aplikasi yang dirancang mandiri.
Kata kunci: aplikasi; cluster; dbi; k-medoids; optimalisasi
Abstract:Keuntungan menjadi target utama di sebuah perusahaan. Setiap perusahaan menginginkan keuntungan yang dicapai sesuai dengan target yang diinginkan. Akan tetapi perusahaan beranggapan target yang dicapai tersebut didapat karena…
arena hasil penjualan yang besar. Perusahaan tidak melihat faktor lainnya yang mempengaruhi hasil keuntungan seperti biaya, stok, pembelian dan faktor-faktor lain dalam menyusun laporan akhir perusahaan. Selain itu, pengelolaan data yang dilakukan selama ini pun tidak menyeluruh, dikarenakan banyak nya data yang harus dianalisis sehingga memerlukan alat bantu dalam pengelolaannya. Penelitian ini bermaksud untuk menganalisa faktor yang mempengaruhi hasil keuntungan berdasarkan data hasil keuntungan. Dengan melakukan integrasi menggunakan metode naive bayes dan alat bantu software rapidminer, teknik ini akan menghasilkan informasi berupa pola hubungan atau keterkaitan antar factor satu dengan lainnya dalam mempengaruhi tercapainya laba. Sedangkan software rapidminer untuk mempermudah dalam menganalisis data hasil keuntungan.Hasil dari penelitian ini diharapkan menjadi landasan untuk memprediksi hasil keuntungan perusahaan dagang.
Abstract:Abstract: The application of information technology is currently growing so rapidly. One of them is the application of technology that can be applied in the industrial world, namely to evaluate the company's performance.…
Evaluation is a necessity for companies to move forward and develop in facing business competition. One method of evaluating that can be used objectively is extracting information through a stored database. This study intends to analyze the factors that affect profit outcomes based on profit-based data. The data will be analyzed using method Bayes. Through this method will get a pattern that affects profits. However, it is not easy to analyze data with this method because of the large amount of data that will cost a lot of time and time. So to simplify the analysis, researchers use tools in analyzing the data the results of the benefits of rapidminer software. Based on the results of the analysis carried out, rapidminer software can help and make it easier to produce probabilities to be predicted. The results of this study are from the set test conducted, the prediction of profit results can be ascertained to be achieved and the possibility of certainty is reached 0.59% and the possibility of not reaching 0.41%.
Keywords: Data Mining, Neive Bayes, Rapidminer, Benefits
Abstrak: Penerapan teknologi informasi saat ini berkembang begitu pesat. Salah satunya penerapan teknologi yang dapat diterapkan didunia industri yaitu untuk evaluasi terhadap kinerja perusahaan. Evaluasi merupakan suatu keharusan bagi perusahaan untuk terus maju dan berkembang menghadapi persaingan usaha. Salah satu cara mengevaluasi yang dapat dugunakan secara objektif yaitu penggalian informasi melalui database yang tersimpan.Penelitian ini bermaksud untuk menganalisa faktor yang mempengaruhi hasil keuntungan berdasarkan data hasil keuntungan. Data tersebut akan dianalisis menggunakan metodeneive bayes. Melalui metode ini akan mendapatkan pola yang mempengaruhi keuntungan.Namun tidaklah mudah dalam menganalisis data dengan metode ini dikarenanakan banyaknya data yang akan menghabiskan biaya dan waktu yang cukup lama. Maka untuk mempermudah analisis tersebut, peneliti menggunakan alat bantu dalam menganalisis data hasil keuntungan yaitusoftware rapidminer.Berdasarkan hasil analisis yang dilakukan, software rapidminer dapat membantu dan mempermudah menghasilkan probabilitas untuk dijadikan prediksi. Hasil penelitian ini adalah dari uji set yang dilakukan, prediksi hasil keuntungan dapat dipastikan tercapai dan kemungkinan kepastian tercapai 0,59% serta kemungkinan tidak tercapai 0,41%.
Kata Kunci : Data Mining, Neive Bayes, Rapidminer, Keuntungan
Abstract:Abstract: Religious tourism especeeially for Hajj and Umroh is increasingly in demand by the public. Auliya Tour & Travel, which is engaged in the travel agency, has diverse pilgrimage data so that the data collection is…
used to find new knowledge as a marketing strategy using Data Mining techniques. Data Mining is one of the KDD processes that has the function for grouping. K-Means Clustering is a data mining technique that aims to group data into a data subset. The grouping of data on Umroh pilgrims is conducted to find out the interest groups of pilgrims based on age. This study categorizes pilgrim data into three clusters, which are very popular, in high demand and less desirable. Attributes used in processing data include gender, age, and congregation package. Before the data calculation process is carried out, the data transformation process is carried out before data calculation process. Based on data calculations that have been done through the RapidMiner software, the members of the group were very interested, ranging in age from 56 to 83 years, interested groups ranging in age from 29 to 55 years and the group was less interested with an age range 2 to 22 years from 170 records.
Keywords: Clustering, Data Mining, K-Means, RapidMiner, Umroh.
Abstrak: Perjalanan wisata religi khususnya untuk ibadah haji dan umroh semakin diminati masyarakat. Auliya Tour & Travel yang bergerak pada bidang biro perjalanan memiliki data jamaah yang beragam sehingga kumpulan data tersebut dimanfaatkan untuk menemukan pengetahuan yang baru sebagai strategi pemasaran dengan menggunakan teknik Data Mining. Data Mining merupakan salah satu proses dari KDD yang fungsi salah satunya untuk pengelompokan. K-Means Clustering merupakan salah satu teknik Data Mining yang bertujuan untuk mengelompokkan data ke dalam subset data. Pengelompokan data jamaah umroh dilakukan bertujuan untuk mengetahui kelompok minat jamaah berdasarkan usia. Penelitian ini mengelompokkan data jamaah menjadi tiga cluster yaitu sangat diminati, diminati dan kurang diminati. Atribut yang digunakan dalam pengolahan data meliputi jenis kelamin, usia, dan paket jamaah. Sebelum proses perhitungan data dilakukan terlebih dahulu dilakukan proses transformasi data. Berdasarkan perhitungan data yang telah dilakukan melalui software RapidMiner diperoleh anggota kelompok sangat diminati dari rentang usia mulai 56 sampai 83 tahun, kelompok diminati dengan rentang usia mulai 29 sampai 55 tahun dan kelompok kurang diminati mulai usia 2 sampai 22 tahun dari 170 record.
Kata Kunci: Clustering, Data Mining, K-Means, RapidMiner, Umroh
Abstract:Pada toko Rafadel Acc menjual berbagai jenis aksesoris yang tersedia yang dijual di tok tersebut. Dari berbagai jenis aksesoris yang dijual tentu tidak semuanya yang laku terjual dan juga ada yang kurang laku serta ada juga…
uga yang tidak pernah terjual sama sekali. Dengan adanya masalah ini maka kita perlu melakukan perhitungan untuk menentukan atau mengelompokkan mana kategori aksesoris yang laku, kurang laku dan tidak laku terjual, dalam proses pengelompokan maka akan digunakan sebuah metode pengelompokan menggunakan Algoritma K-Means Clustering sebagai metode perhitungan secara manual dan dalam implementasinya maka digunakan sebuah software Data Mining menggunakan RapidMiner Studio versi 8.2. Dengan adanya aplikasi RapidMiner Studio ini pemilik toko dapat melihat hasil pengelompokan aksesoris mana yang paling laku, laku dan kurang laku. Maka, bila terdapat produk yang tidak laku, pemilik toko dapat mencari alternative lain agar aksesoris yang tidak laku dapat menjadi laku. Metode yang digunakan dalam pengumpulan data adalah observasi dan wawancara kepada pemilik toko Rafadel Acc.