Articles

Found 10 Documents
Search

PENERAPAN ALGORITMA K-NEAREST NEIGHBOR UNTUK PENENTUAN RESIKO KREDIT KEPEMILIKAN KENDARAAN BEMOTOR

PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic) Vol 1, No 1 (2013): PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic
Publisher : PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic)

Show Abstract | Original Source | Check in Google Scholar

Abstract

Sejalan dengan pertumbuhan bisnis, kredit merupakah masalah yang menarik untuk diteliti. Beberapa riset bidang komputer untuk mengurangi resiko kredit telah banyak dilakukan dalam rangka menghindarai kehancuran suatu perusahaan pembiayaan.  Paper ini membahas algoritma k-Nearest Neighbor (kNN) yang diterapkan pada data konsumen yang menggunakan jasa keuangan kredit kendaraan bermotor. Hasil testing untuk mengukur performa algoritma ini menggunakan metode Cross Validation, Confusion Matrix dan kurva ROC dan menghasilkan akurasi dan nilai AUC berturut-turut 81,46 % dan 0,984. Karena nilai AUC berada dalam rentang 0,9 sampai 1,0 maka metode tersebut masuk dalam kategori sangat baik (excellent).  Kata kunci : K-Nearest Neighbor, Cross Validation, Confusion matrix, ROCIn line with the growth and business development, credit issues remain to be studied and revealed interesting. Some of the research field of computers has done much to reduce the credit risk of causing harm to the company. In this study, k-Nearest Neighbor (kNN) algorithm is applied to the data of consumers who have good credit financing motorcycle that consumers are troubled or not. From the test results to measure the performance of the algorithms using the test method Cross Validation, Confusion Matrix and ROC curves, it is known that the accuracy value of  81.46% and AUC values of 0.984. This methodes is include excellent classification because the AUC value between 0.90-1.00.  Keywords: K-Nearest Neighbor, Cross Validation, Confusion matrix, ROC

PENENTUAN KLASIFIKASI MUTU FISIK BERAS DENGAN METODE NAÏVE BAYES

PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic) Vol 1, No 2 (2013): PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic)
Publisher : PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic)

Show Abstract | Original Source | Check in Google Scholar

Abstract

Rice is the staple food of the people of Indonesia in particular. One factor that made the peoples choice in selecting rice is quality. Writing is about the determination of the classification of rice quality is acceptable and not based on quality components that have been set by the ISO.A total of 1161 data is used as training data. The data obtained consists of 6 attributes, namely moisture content, milling degree, broken grains, grain groats, because the other is a predictor attributes, while the condition of a label attribute (class). Training data is cleaned and then made a physical model of the determination of quality grade rice using Naïve  Bayes method. The resulting model was tested using the method of Cross Validation and the ROC curve. From the test results obtained by the results of model accuracy by 92.56% and AUC values for 0989, this means that the resulting model is classified as very goodKeywords : Naïve  Bayes , Cross Validation, Confusion matrix, ROC curveBeras merupakan makanan pokok masyarakat Indonesia khususnya. Salah satu faktor yang dijadikan pilihan masyarakat dalam memilih beras adalah mutunya. Penulisan ini membahas tentang penentuan klasifikasi mutu beras yang dapat diterima dan tidak berdasarkan komponen mutu yang telah ditetapkan oleh SNI. Sebanyak 1161 data digunakan sebagai data training. Data yang didapat terdiri dari 6 atribut, yaitu kadar air, derajat sosoh, butir patah, butir menir, sebab lain merupakan atribut prediktor, sedangkan kondisi merupakan atribut label (kelas). Data training dibersihkan kemudian dibuat model penentuan kelas mutu fisik beras menggunakan metode Naïve  Bayes . Model yang dihasilkan diuji menggunakan metode Cross Validation dan Kurva ROC.  Dari hasil pengujian diperoleh hasil akurasi model sebesar 92,56% dan nilai AUC sebesar 0.989, ini berarti bahwa model yang dihasilkan termasuk klasifikasi sangat baik.Kata Kunci : Naïve  Bayes , Cross Validation, Confusion matrix, Kurva ROC

PREDIKSI PINJAMAN KREDIT DENGAN SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS PADA KOPERASI SERBA USAHA

PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic) Vol 1, No 2 (2013): PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic)
Publisher : PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic)

Show Abstract | Original Source | Check in Google Scholar

Abstract

Cooperatives as a form of organization that are important in promoting economic growth . Cooperatives be an alternative for people to get funds in an effort to improve their quality of life , day-to- day needs and develop the business . No doubt , lend funds to member cooperatives will surely emerge problems , such as members of the borrower paying the overdue installment of funds , misuse of funds for other purposes , the customer fails to develop its business so as to result in cooperative funds do not flow or it can lead to bad credit . In this research will be carried out loans prediction using data mining classification Support Vector Machine and k - Nearest Neighbors were then conducted a comparison of both methods . From the test results to measure the performance of both methods using cross validation , confusion matrix and ROC curves is known that Support Vector Machine has an accuracy value of 92.67 % followed by k -Nearest Neighbors, which has a value of 88.67 % accuracy . Thus the Support Vector Machine method is included in Verry Good Clasification because it has the accuracy of 92.67 % .Keywords: comparative, Support Vector Machines, k-Nearest Neighbors, Credit Analysis Cooperatives as a form of organization that are important in promoting economic growth . Cooperatives be an alternative for people to get funds in an effort to improve their quality of life , day-to- day needs and develop the business . No doubt , lend funds to member cooperatives will surely emerge problems , such as members of the borrower paying the overdue installment of funds , misuse of funds for other purposes , the customer fails to develop its business so as to result in cooperative funds do not flow or it can lead to bad credit . In this research will be carried out loans prediction using data mining classification Support Vector Machine and k - Nearest Neighbors were then conducted a comparison of both methods . From the test results to measure the performance of both methods using cross validation , confusion matrix and ROC curves is known that Support Vector Machine has an accuracy value of 92.67 % followed by k -Nearest Neighbors, which has a value of 88.67 % accuracy . Thus the Support Vector Machine method is included in Verry Good Clasification because it has the accuracy of 92.67 % .Keywords: comparative, Support Vector Machines, k-Nearest Neighbors, Credit Analysis

E-Learning Robotika Untuk Level Intermediate Pada Lembaga Cyber Robot Bekasi

Bina Insani ICT Journal (OLD) Vol 3 No 1 (2016): Bina Insani ICT Journal
Publisher : Penelitian dan Pengabdian Masyarakat STMIK Bina Insani

Show Abstract | Original Source | Check in Google Scholar | Full PDF (326.239 KB)

Abstract

Abstrak: Penggunaan robot saat ini sudah mencakup sebagian besar pekerjaan manusia. Teknologi dan otomatisasi industri mendorong manusia untuk memenuhi kebutuhan hidupnya dengan cepat, tepat, dan efisien sehingga dikembangkan teknologi robot untuk membantu dan mempermudah pekerjaan manusia di masa yang akan datang. Ilmu robotika tidaklah mudah, untuk saat ini masih banyak anak-anak yang cenderung buta terhadap teknologi ini. Salah satu lembaga pendidikan yang bergerak di bidang rob¬¬otik di bekasi yaitu Cyber Robot Bekasi. Setelah melakukan riset, penulis menemukan ada sistem yang kurang efektif pada lembaga Cyber Robot Bekasi melalui riset di lembaga tersebut yakni sistem pembelajaran yang terkesan kurang efisien dalam menanggapi pemanasan global saat ini yaitu tentang penggunaan modul yang kurang maksimal menggunakan kertas dengan mesin cetak dan menjilidnya secara manual. Dengan lahirnya perkembangan teknologi internet yang semakin cepat, terutama sistem e-Learning pada website, penulis berharap bisa mempermudah pembelajaran siswa - siswi robotik level intermediate agar dapat mengikuti seluruh materi yang diberikan oleh para pengajar robotik cyber robot bekasi dengan mudah, praktis, dan efisien. Kata kunci: otomatisasi, e-learning, level intermediate Abstract: The use of robots has now covered the entire side and human everyday tasks, technology and industrial automation is rapidly increasing, sophisticated and modern encourage people to meet their needs quickly, accurately, and efficiently so that the developed robotic technology to assist and facilitate the work of human beings in the future come. The science of robotics is not easy, for there are still many children who tend to be blind to this technology. One of the educational institutions working in the field of robotics in bekasi namely Cyber Robot Bekasi. The authors assess the existing system is less effective in Bekasi Robot Cyber institutions through research at the institute namely learning system seem less efficient in responding to global warming today is about the use of modules that are less than the maximum use of paper with the printing press and bind manually. With the birth of the development of internet technology are getting faster, especially e-Learning on the website, the author hopes to facilitate the learning of students - student robotics intermediate level in order to follow all the material provided by the teachers robotic cyber robot bekasi with easy, practical, and efficient. Keywords: automationi, e-learning, level intermediate

PENERAPAN METODE K-NEAREST NEIGHBOR PADA PENENTUAN GRADE DEALER SEPEDA MOTOR

Jurnal Ilmu Pengetahuan dan Teknologi Komputer Vol 2, No 2 (2017): Februari 2017
Publisher : LPPM Nusa Mandiri

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1077.074 KB)

Abstract

The mutually beneficial cooperation is a very important thing for a leasing and dealer. Incentives for marketing is given in order to get consumers as much as possible. But sometimes the surveyor objectivity is lost due to the conspiracy on the field of marketing and surveyors. To overcome this, leasing a variety of ways one of them is doing ranking against the dealer. In this study the application of the k-Nearest Neighbor method and Euclidean distance measurement to determine the grade dealer. From the test results obtained by the value of accuracy of 64.03%.

Simulasi Jaringan Fast Ethernet Menggunakan Routing Protocol OSPF

INFORMATICS FOR EDUCATORS AND PROFESSIONALS Vol 1 No 2 (2017): INFORMATICS FOR EDUCATORS AND PROFESSIONALS (Juni 2017)
Publisher : Penelitian dan Pengabdian Masyarakat STMIK Bina Insani

Show Abstract | Original Source | Check in Google Scholar | Full PDF (426.872 KB)

Abstract

Abstrak: Kurangnya redudancy link back-up untuk kebutuhan static-route customer padaPT.GDA saat terjadi error pada port router di sisi customer menyebabkan link internet atau VPNcustomer tersebut menjadi down. Redudancy menggunakan spanning tree pada sisi jaringanmetro ethernet juga kurang efektif, karena saat melakukan perputaran link dari primary kearahbackup membutuhkan waktu yang lama dan sering terjadi looping yang disebabkan alokasiVLAN - VLAN customer yang di-forwad pada spanning tree tidak dalam satu arah. Dalampenulisan ini untuk kurangnya redundancy diatasi dengan 2 IP public / IP point to point dan 2VLAN ID dari router PE dan customer yang nantinya pada sisi router customer static-routeditambahkan preceference. Pada bagian metro ethernet untuk mengatasi perpindahan link darimaster ke backup yang memakan waktu tidak sebentar spanning tree dapat diubah menjadimode rapid spanning tree protocol, dan untuk mencegah terjadinya looping infrastrukturjaringan metro ethernet saat ini perlu di bangun menjadi MPLS network, agar tujuan dari layer 3langsung ke bagian sub-tunnel interface.Kata kunci: Redudancy link back-up, Static-Route Customer, Mode Rapid Spanning Tree Protocol Abstract: The Lack of redundancy of back-up links for static route customer needs on PT.GDAwhen an error occurs on the router port on the customer side cause the internet link or VPNcustomer becomes down. Redudancy using spanning tree on metro ethernet network side isalso less effective, because when doing rotation of link from primary to backup takes a long timeand often happened looping caused by allocation of customer VLAN- VLAN which in-forwad atspanning tree not in one direction. 2 public IP / IP point to point and 2 VLAN ID from PE routerand customer located on router side of customer static-route added preceference. In theethernet metro section to overcome the transfer of links from the master to the unnecessaryspanning tree backup can be converted to fast spanning tree protocol mode, and to reduce thecurrent looping of metro ethernet network infrastructure now needs to be built into the MPLSnetwork, for the purpose of the Layer 3 directly to the sub-tunnel interface. Keywords: Redudancy link back-up, Static-Route Customer, Mode Rapid Spanning TreeProtocol

Aplikasi Pengelolaan Arsip Inaktif Berbasis Android pada Kantor Pusat Direktorat Jenderal Bea dan Cukai

Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Vol 2, No 1 (2019): Jurnal Pengabdian Kepada Masyarakat
Publisher : LPPM Universitas UBSI

Show Abstract | Original Source | Check in Google Scholar | Full PDF (859.075 KB)

Abstract

AbstrakArsip mempunyai fungsi yang sangat penting dalam berjalannya sebuah organisasi, yaitu sebagai sumber informasi dan sebagai pusat ingatan kolektif dalam memutuskan masalah atau dalam memutuskan sebuah kebijakan. Namun masih banyak instansi pemerintah yang belum memperhatikan secara proporsional terhadap penyimpanan maupun pengelolaan arsipin aktif. Salah satu penyebab kondisi ini adalah belum adanya system tata kelola arsip modern yang didukung dengan peralatan yang canggih. Salah satunya adalah Direktorat Jenderal Bea dan Cukai yang merupakan instansi pemerintah di bawah kementerian keuangan yang berperan juga sebagai unit organisasi penanggungjawab penyelenggaraaan kearsipan di bidang kepabeanan dan cukai. Saat ini KantorPusat Direktorat Bea dan Cukai memiliki sebuah permasalahan dalam menentukan sistem aplikasi dan perangkat yang cocok untuk digunakan di dalam gudang penyimpanan arsip. Penggunaan personal computer (PC) dianggap kurang cocok sebagai perangkat pengelolaan arsip inaktif karena tidak bersifat portable sehingga kurang praktis apabila digunakan di dalam gudang penyimpanan arsip.  Sistem operasi android saat ini memberikan solusi baru sebagai media pengelolaan arsip-arsipinaktif. Ketersediannya pada perangkat seluler membuatnya bersifat ringan, portable dan lebih praktis digunakan, sehingga dapat digunakan pada saat akses ke komputer personal tidak tersedia. Pada penelitian ini dirancang sebuah aplikasi berbasis andoid yang dapat dijadikan solusi dalam mengurangi permasalahan pada Kantor Pusat Direktorat Bea dan Cukai.Kata Kunci: Arsipinaktif, Sistem tata kelola arsip, Portable

Sistem Informasi Sales Report Berbasis Web Pada Divisi Cargo Pt. Sriwijaya Air Distrik Cengkareng

JURNAL INFORMATIKA, SAINS & TEKNOLOGI Vol 9 No 1 (2019): Informatics Engineering and Science Journal
Publisher : STMIK BANI SALEH

Show Abstract | Original Source | Check in Google Scholar | Full PDF (787.552 KB)

Abstract

Sistem informasi yang berkembang sekarang ini memungkinkan kita untuk lebih mempermudah perkerjaan dan dalam proses bisnis khususnya. Sriwijaya air adalah perusahaan yang besar dalam bisnis transportasi udara juga memiliki system dalam proses bisnisnya, salah satunya adalah Sistem sales report berbasis website. Sistem informasi berbasis website merupakan solusi dalam mempermudah pekerjaan dalam suatu instansi ataupun perusahaan khususnya bagi Sriwijaya Air. Namun proses sistem yang sedang berjalan saat ini perlu dibuat lebih efisien yaitu beberapa menu sebenarnya dapat dibuat dalam satu tampilan dan satu sesi proses bisnis sehingga permasalahan yang ada dapat diselesaikan lebih efektif. Sistem yang diusulkan merupakan pengembangan proses yang terkomputerisasi berbasis web, drancang dengan model waterfall, dibangun menggunakan Native dan bahasa pemograman PHP yang mampu menyimpan article/knowledge, yang didesain dengan simple agar proses booking sampai dengan report dapat berjalan lebih simple dengan menghilangkan beberapa menu yang sebenarnya bisa dijadikan dalam satu tahapan yang bisa berjalan langsung

PENENTUAN KLASIFIKASI MUTU FISIK BERAS DENGAN METODE NAÏVE BAYES

PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic) Vol 1 No 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Original Source | Check in Google Scholar

Abstract

ABSTRACTRice is the staple food of the people of Indonesia in particular. One factor that made the people's choice inselecting rice is quality. Writing is about the determination of the classification of rice quality is acceptableand not based on quality components that have been set by the ISO.A total of 1161 data is used as trainingdata. The data obtained consists of 6 attributes, namely moisture content, milling degree, broken grains,grain groats, because the other is a predictor attributes, while the condition of a label attribute(class). Training data is cleaned and then made a physical model of the determination of quality grade riceusing Naïve Bayes method. The resulting model was tested using the method of Cross Validation and theROC curve. From the test results obtained by the results of model accuracy by 92.56% and AUC values for0989, this means that the resulting model is classified as very good Keywords : Naïve Bayes, Cross Validation, Confusion matrix, ROC curve ABSTRAKBeras merupakan makanan pokok masyarakat Indonesia khususnya. Salah satu faktor yang dijadikanpilihan masyarakat dalam memilih beras adalah mutunya. Penulisan ini membahas tentang penentuanklasifikasi mutu beras yang dapat diterima dan tidak berdasarkan komponen mutu yang telah ditetapkanoleh SNI. Sebanyak 1161 data digunakan sebagai data training. Data yang didapat terdiri dari 6 atribut,yaitu kadar air, derajat sosoh, butir patah, butir menir, sebab lain merupakan atribut prediktor, sedangkankondisi merupakan atribut label (kelas). Data training dibersihkan kemudian dibuat model penentuan kelasmutu fisik beras menggunakan metode Naïve Bayes. Model yang dihasilkan diuji menggunakan metodeCross Validation dan Kurva ROC. Dari hasil pengujian diperoleh hasil akurasi model sebesar 92,56% dannilai AUC sebesar 0.989, ini berarti bahwa model yang dihasilkan termasuk klasifikasi sangat baik. Kata Kunci : Naïve Bayes, Cross Validation, Confusion matrix, Kurva ROC

PREDIKSI PINJAMAN KREDIT DENGAN SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS PADA KOPERASI SERBA USAHA

PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic) Vol 1 No 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Original Source | Check in Google Scholar | Full PDF (248.691 KB)

Abstract

BSTRACTCooperatives as a form of organization that are important in promoting economic growth . Cooperatives bean alternative for people to get funds in an effort to improve their quality of life , day-to- day needs anddevelop the business . No doubt , lend funds to member cooperatives will surely emerge problems , such asmembers of the borrower paying the overdue installment of funds , misuse of funds for other purposes , thecustomer fails to develop its business so as to result in cooperative funds do not flow or it can lead to badcredit . In this research will be carried out loans prediction using data mining classification Support VectorMachine and k - Nearest Neighbors were then conducted a comparison of both methods . From the testresults to measure the performance of both methods using cross validation , confusion matrix and ROCcurves is known that Support Vector Machine has an accuracy value of 92.67 % followed by k -NearestNeighbors, which has a value of 88.67 % accuracy . Thus the Support Vector Machine method is includedin Verry Good Clasification because it has the accuracy of 92.67 % . Keywords: comparative, Support Vector Machines, k-Nearest Neighbors, Credit Analysis ABSTRAKKoperasi sebagai salah satu bentuk organisasi yang penting dalam meningkatkan pertumbuhan ekonomi.Koperasi simpan pinjam menjadi salah satu alternatif bagi masyarakat untuk mendapatkan dana dalamupaya memperbaiki taraf kehidupan, pemenuhan kebutuhan sehari-hari dan mengembangkan usaha.Tidakdipungkiri, memberikan pinjaman dana kepada anggota koperasi pasti akan muncul permasalahanpermasalahan, seperti anggota peminjam terlambat membayarkan cicilan dana, penyalahgunaan dana untukkeperluan lain, nasabah gagal mengembangkan usahanya sehingga dapat mengakibatkan dana di koperasitidak mengalir atau dapat mengakibatkan kredit macet. Dalam penelitian ini akan dilakukan prediksipinjaman kredit dengan menggunakan metode klasifikasi data mining Support Vector Machine dan kNearest Neighbor syang kemudian dilakukan komparasi kedua metode tersebut. Dari hasil pengujiandengan mengukur kinerja kedua metode tersebut menggunakan cross validation, confusion matrix dankurva ROC diketahui bahwa Support Vector Machine memiliki nilai akurasi 92.67% diikuti oleh k-NearestNeighbors yang memiliki nilai akurasi 88,67%. Dengan demikian Metode Support Vector Machine tersebuttermasuk dalam Verry Good Clasification karena memiliki nilai akurasinya sebesar 92.67%. Kata kunci: komparasi,Support Vector Machine,k-Nearest Neighbors ,Analisa Kredit