KAKIFIKOM (Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer)

Implementasi Algoritma C4.5 untuk memprediksi Penjualan Paket Internet

2024-09-09T11:52:34+02:00

Kebutuhan paket internet akan semakin meningkat seiring dengan perkembangan teknologi yang semakin pesat. Hal ini membuat perusahaan telekomunikasi seperti telkomsel menghadapi tantangan dalam memprediksi penjualan paket internet. Prediksi yang akurat dapat membantu perusahaan dalam menyusun strategi pemasaran dan penyediaan paket stok yang efektif. Penelitian ini dilakukan untuk memprediksi penjualan paket internet berdasarkan data penjualan dari PT. Golden Communication di kota Binjai.

Preoses penelitian ini menggunakan algoritma C4.5 untuk membentuk pohon keputusan (Decision Tree) yang menghasilkan perhitungan entropy dan gain dari berbagai variabel seperti Paket, Harga, Masa Aktif dan Terjual. Hasil dari penelitian ini menunjukkan bahwa algoritma C4.5 mampu memprediksi penjualan paket internet menggunakan aplikasi RapidMiner dengan tingkat akurasi sebesar 94,5 % dengan 200 data pengujian. Berdasarkan analisis yang dilakukan faktor-faktor yang paling berpengaruh terhadap penjualan paket internet adalah masa aktif,paket dan harga. Paket dengan masa aktif yang lebih pendek dan harga yang lebih murah cenderung lebih diminati konsumen.

Analisis dan Prediksi Persentase Angka Kemiskinan di Indonesia menggunakan Metode Regresi Linier Berganda

2024-12-03T21:45:03+01:00

Kemiskinan adalah masalah kompleks yang dipengaruhi oleh berbagai faktor ekonomi, sosial, dan demografi yang saling berkaitan. Sudah menjadi tugas kebijakan ekonomi yang signifikan, oleh karena itu, dalam hal tersebut, untuk mengidentifikasi segala faktor yang relevan dan signifikan serta menguraikan efeknya terhadap tingkat kemiskinan, kita menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik dan sumber-sumber kemiskinan lainnya yang memengaruhi periode penelitian yang spesifik. Variabel independen yang digunakan dalam analisis meliputi tingkat pengangguran, tingkat pendidikan, tingkat inflasi, pertumbuhan ekonomi, dan variabel lain yang relevan yang diduga memengaruhi angka kemiskinan. Menggunakan metode regresi linier berganda, peneliti mengembangkan model yang memprediksi angka kemiskinan dengan tingkat keakuratan tertentu. Hasil analisis menunjukkan bahwa variabel-variabel tersebut berpengaruh signifikan pada angka kemiskinan dan beberapa faktor memiliki korelasi positif sedangkan beberapa korelasi memiliki korelasi negatif. Misalnya, tingkat pengangguran dan inflasi berkorelasi positif dan hubungannya bidireksional dengan angka kemiskinan, sedangkan tingkat pendidikan dan pertumbuhan ekonomi negatif. Model termasuk validasi yang baik, yang diberikan oleh tingkat koefisien determinasi. Inhalasi penelitian juga membahas implikasi hasil temuan dalam konteks kebijakan publik. Hasil temuan penelitian ini dapat digunakan sebagai landasan pengetahuan untuk membantu mereformasi kebijakan publik.

Perbandingan Peramalan Penerimaan Calon Mahasiswa Baru menggunakan Naïve Bayes dan Support Vector Machine

2024-12-04T04:37:19+01:00

Penelitian ini dilakukan untuk melihat perbandingan peramalan penerimaan calon mahasiswa baru menggunakan Naïve Bayes dan Support Vector Machine. Analisis menunjukkan bahwa model Naïve Bayes menghasilkan akurasi moderat sebesar 50% pada data uji dan memprediksikan jumlah pendaftar tetap berada pada kategori Tinggi dengan estimasi rata-rata sekitar 1542,5. Akurasi yang dihasilkan tergolong cukup rendah, tetapi Naïve Bayes dapat bekerja dengan baik pada prediksi berbasis kategori. Sebaliknya, model SVM yang diterapkan dalam bentuk Support Vector Regression (SVR) juga menunjukkan akurasi 50%, namun memberikan prediksi numerik yang lebih rinci, dengan estimasi jumlah pendaftar tetap sebesar 1883. SVM menunjukkan potensi yang lebih besar dalam menangani data dengan pola tren yang meningkat. Perbandingan antara kedua metode ini menunjukkan bahwa Naïve Bayes lebih cocok untuk prediksi kategori, sedangkan SVM lebih tepat untuk prediksi numerik yang lebih akurat.

Efektivitas Metode Gap Statistic dan X-Means dalam Menentukan Jumlah Cluster Optimal pada K-Means Clustering

2024-12-17T04:55:02+01:00

Penentuan jumlah cluster optimal merupakan langkah penting dalam analisis data menggunakan algoritma K-Means Clustering. Dua metode yang umum digunakan untuk tujuan ini adalah Gap Statistic dan X-Means. Penelitian ini bertujuan untuk mengeval_uasi efektivitas kedua metode dalam menentukan jumlah cluster optimal, serta menganalisis kinerja K-Means berdasarkan hasil tersebut. Studi ini menggunakan dataset Iris dan Wine untuk menguji akurasi serta efisiensi waktu kedua metode.

Pada dataset Iris, Gap Statistic mengidentifikasi jumlah cluster optimal sebesar 3, sesuai dengan label asli, dengan nilai Silhouette Score 0,67 dan Davies-Bouldin Index 0,38. Sebaliknya, X-Means menghasilkan 4 cluster dengan Silhouette Score 0,64 dan Davies-Bouldin Index 0,42. Pada dataset Wine, Gap Statistic menentukan 3 cluster dengan Silhouette Score 0,56 dan Davies-Bouldin Index 0,45, sementara X-Means menghasilkan 5 cluster dengan Silhouette Score 0,52 dan Davies-Bouldin Index 0,51. Selain itu, waktu komputasi menunjukkan bahwa Gap Statistic membutuhkan waktu lebih lama dibandingkan X-Means karena proses simulasi data acak untuk setiap nilai K.

Hasil penelitian menunjukkan bahwa Gap Statistic lebih akurat dalam menentukan jumlah cluster optimal yang sesuai dengan label asli, namun membutuhkan waktu komputasi yang lebih lama. Di sisi lain, X-Means lebih efisien secara waktu, meskipun memiliki kinerja clustering yang sedikit lebih rendah pada beberapa metrik eval_uasi. Studi ini memberikan wawasan bagi praktisi dalam memilih metode yang sesuai untuk kebutuhan spesifik dalam aplikasi clustering.

Analisis Radius Pada Algoritma Birch Berdampak Terhadap Distribusi dan Kualitas Cluster

2025-01-26T05:41:05+01:00

The BIRCH method is efficient in handling large data. However, the determination of the Radius (R) parameter, which is useful for determining the maximum radius of the cluster, must be considered. R values that are too small produce many small clusters (overclustering), while values that are too large produce clusters with high heterogeneity (underclustering). The R parameter affects the distribution results and the quality of the resulting clusters can be a major problem. The lack of clear guidance in determining the optimal R value can lead to the formation of inappropriate clusters or loss of important information in the data. This study aims to provide the impact of the R value on the distribution and quality of clusters in the BIRCH. Testing several R values on employee datasets that include non-linear distribution data. Analysis is carried out to identify the relationship between the R value and the resulting data distribution pattern. The eval__uation results show that R values that are too small tend to produce over-clustering, while values that are too large cause under-clustering. The best cluster quality is achieved at a balanced R value, which is adjusted to the distribution and density of the employee dataset. Thus, it is important to choose the right R value to improve the performance of the BIRCH and ensure a representative cluster distribution. This finding provides practical guidance for adjusting the R parameter in clustering applications that implement the BIRCH.

Perancangan Sistem Informasi Desa Sibolangit Berbasis Website dengan Metode Waterfall

2025-01-10T17:14:55+01:00

The development of information technology has had a significant impact on various aspects of life, including the governance of rural areas. With the allocation of village funds from the central government, rural development has progressed rapidly. The utilization of information technology in village governance has become a crucial need to enhance service quality to the community. This research focuses on the development of a web-based village information system to improve service delivery in Desa Sibolangit. The system is designed to facilitate easy access to information, promote village economic potential, and provide accurate data on population and other vital aspects. The research adopts the Waterfall methodology, which allows systematic development through stages of needs analysis, system design, implementation, and maintenance. The results of this study indicate that a web-based information system can significantly enhance transparency, efficiency, and accessibility of village information. However, challenges remain, particularly the lack of understanding and technological literacy among villagers and local government officials. To address this, continuous training and support are essential to ensure optimal system utilization. The successful implementation of this system requires collaboration from all stakeholders, including the government, academia, and the community, to achieve sustainable development in the village.

Aplikasi Perbaikan Citra Digital Berbasis Android Dengan Metode Histogram Equalization

2025-01-31T08:13:40+01:00

Digital images (photos) have become an integral part of everyday life. This is supported by the increasingly sophisticated technology today where communication devices such as mobile phones can also use their role to replace analog cameras to take pictures or even record videos. Capturing happy moments or just wanting to record an event has become very easy to do, but sometimes the resulting photos are less than satisfactory due to the specifications of the mobile phone itself or other factors such as poor lighting (dark). Improvement efforts are also very necessary, but because the application to do this is only available on computers and not too many on mobile phones, this becomes difficult to do. One method in image improvement is the Histogram Equalization method. This method can be used to improve image quality related to lighting, namely by maintaining color constancy.

The use of this histogram equalization method is considered easy because of its efficiency and relatively better performance on almost all types of images. The operation of HE (Histogram Equalization) is carried out by remapping the gray image level based on the probability distribution of the input gray level. It horizontally and dynamically stretches the various histograms of the image and produces an overall increase in contrast.

Clustering Menggunakan Metode K-Medoids dengan pendekatan Manhattan Distance

2025-02-07T07:44:04+01:00

Metode K-Medoids dengan pendekatan Manhattan Distance digunakan dalam proses clustering untuk menentukan jumlah kelompok yang optimal. Berdasarkan eval_uasi menggunakan Silhouette Score, hasil menunjukkan bahwa pemilihan jumlah cluster K=2 dan K=3 memberikan performa yang lebih baik dibandingkan dengan jumlah cluster yang lebih besar. Nilai Silhouette Score tertinggi ditemukan pada K=2, yaitu 0.761148, yang mengindikasikan bahwa data dalam cluster memiliki tingkat kemiripan yang tinggi dan terpisah dengan jelas dari cluster lainnya. Sementara itu, pada K=3, nilai Silhouette Score mengalami sedikit penurunan menjadi 0.742137, tetapi masih menunjukkan kualitas pengelompokan yang cukup baik. Ketika jumlah cluster bertambah dari K=4 hingga K=10, nilai Silhouette Score cenderung menurun dan stabil dalam kisaran 0.673 hingga 0.682. Hal ini menunjukkan bahwa menambahkan lebih banyak cluster tidak selalu meningkatkan kualitas pengelompokan. Dari hasil analisis ini, dapat disimpulkan bahwa metode K-Medoids dengan Manhattan Distance bekerja optimal ketika jumlah cluster ditetapkan pada K=2 atau K=3. Dengan jumlah ini, cluster yang terbentuk lebih jelas dan terdefinisi dengan baik.

Sistem Informasi Souvenir dan Oleh-Oleh Khas Daerah Provinsi Sumatera Utara Berbasis Web

2024-11-14T10:37:34+01:00

Pengembangan sektor pariwisata di Indonesia, terutama di daerah Sumatera Utara, dapat didukung dengan penyediaan layanan oleh-oleh dan souvenir yang khas. Oleh-oleh tidak hanya berfungsi sebagai kenang-kenangan bagi wisatawan, tetapi juga sebagai media promosi budaya lokal yang unik. Namun, transaksi pembelian oleh-oleh di Sumatera Utara sebagian besar masih dilakukan secara konvensional, yang memerlukan wisatawan untuk datang langsung ke lokasi. Hal ini dianggap kurang efisien dan terbatas dalam menjangkau lebih banyak konsumen. Dengan perkembangan teknologi informasi, solusi berbasis e-commerce menjadi sangat relevan untuk mendukung kemudahan akses, pemasaran, dan pemesanan oleh-oleh khas Sumatera Utara.

Sistem Stok Barang Dengan Menggunakan Metode Apriori (Studi Kasus : Toko UD.Wider)

2024-09-25T09:08:48+02:00

Toko UD.Wider merupakan sebuah usaha yang bergerak dalam bidang penjualan sembako dan berbagai kebutuhan rumah tangga sehari-hari. Sebagai bagian integral dari komunitas lokal, toko ini memiliki tanggung jawab untuk menjaga ketersediaan stok yang stabil dan mencukupi, guna memenuhi kebutuhan masyarakat secara berkesinambungan. Manajemen persediaan yang efektif, termasuk pemantauan tanggal kadaluwarsa barang, sangatlah penting dalam operasional toko sembako untuk menghindari kerugian serta memastikan kepuasan pelanggan. Penelitian ini bertujuan untuk mengembangkan sistem manajemen stok barang yang efisien dengan menggunakan metode Apriori. Metode Apriori, yang banyak digunakan dalam data mining, diterapkan untuk mengidentifikasi pola pembelian yang berulang serta keterkaitan antara berbagai produk dalam toko. Dengan mengungkap pola-pola tersebut, sistem ini dapat memberikan rekomendasi yang lebih akurat dalam pengelolaan persediaan, sehingga toko dapat merencanakan pengadaan stok yang lebih tepat sasaran. Sistem ini memungkinkan toko untuk mengoptimalkan rotasi barang, mengurangi risiko kehabisan stok, dan mengelola ruang penyimpanan dengan lebih efektif. Hasilnya, Toko UD.Wider dapat merespons kebutuhan pasar dengan lebih baik, meningkatkan kepuasan pelanggan, serta menjaga kelangsungan usaha dalam jangka panjang.