Penerapan Helpdesk System dengan Pengujian Blackbox Testing

PT. Rabik Bangun Pertiwi salah satu perusahaan yang bergerak di bidang Jasa Telekomunikasi yaitu di bidang jasa pelayanan Internet yang sudah berkembang sejak tahun 2002. Saat ini, sistem informasi Helpdesk System yang digunakan oleh PT. Rabik Bangun Pertiwi masih dalam proses pengembangan dan masih ada beberapa penyesuaian sehingga diperlukan kembali uji coba untuk memastikan fungsi-fungsi Helpdesk System dalam hal ini fungsi pencatatan kebutuhan dan permintaan pelanggan, pengaturan penjadwalan dan penugasan staf, serta laporan terstruktur sesuai dengan penanganan yang dilakukan kepada masing-masing pelanggan. Permasalahan yang dihadapi PT. Rabik Bangun Pertiwi ada pada pencatatan informasi keluhan maupun kebutuhan para pelanggan secara manual telah memperlambat kinerja dan efektifitas para karyawan di PT. Rabik Bangun Pertiwi, terutama dalam melakukan update atau analisa dari pencatatan history sebelumnya, sehingga memerlukan waktu yang lebih lama dan mengurangi kualitas respon terhadap keinginan pelanggan. Dengan permasalahan tersebut, PT. Rabik Bangun Pertiwi saat ini menggunakan Helpdesk System yang berfungsi untuk membuat tiket permintaan dari pelanggan maupun calon pelanggan (create ticket), update tiket, pendelegasian tugas (assign ticket), dan penjadwalan petugas (ticket schedule). Dengan menerapkan metode Black Box Testing dalam uji coba fungsi-fungsi dari Helpdesk System. Dari hasil pengujian yang dilakukan hasil yang diperoleh adalah sistem berjalan sesuai dengan tujuan yang diharapkan

Sistem SKKM Dengan Metode Hitung Multi Factor Evaluation Process Berdasarkan IAPS 4.0

Setiap Universitas harus bias mewadahi kegiatan-kegiatan yang dapat mengembangkan bakat dan potensi mahasiswa baik dibidang keorganisasian, olahraga, seni, budaya dan kegiatan non akademik lainnya diwadahi dalam suatu lembaga keorganisasian kemahasiswaan, Setiap Universitas harus senantiasa mendorong mahasiswa agar mengikuti kegiatan-kegiatan yang dapat menggali minat bakat dan kompetensi yang diselenggarakan internal maupun eksternal kampus guna memperoleh nilai tambah bagi mahasiswa disamping nilai akademik dan kampus dalam memenuhi syarat salah satu kriteria Instrumen Akreditasi Program Studi 4.0 yaitu Luaran dan Capaian Tridharma.Untuk itu setiap Universitas perlu memberikan apresiasi setiap kegiatan ekstrakurikuler dan non kurikuler dalam bentuk Satuan Kredit Kegiatan Mahasiswa (SKKM). Penelitian ini bertujuan merancang dan membangun sistem satuan kredit kegiatan mahasiswa dengan metode hitung multifactor evaluation process (MFEP) yang berdasarkan pada salah satu kriteria Instrumen Akreditasi Program Studi (IAPS) 4.0. Sistem yang dikembangkan berbasis WEB dengan pengembangan perangkat lunak menggunakan bahasa pemrograman PHP dan MySQL. Hasil pengembangan Sistem Satuan Kredit Kegiatan Mahasiswa (SKKM) dapat mempermudah Kepala Bagian Kemahasiswaan dan Kepala Program Studi dalam melakukan pengolahan data dan dokumen elektronik terkait kredit kegiatan mahasiswa.

Penerapan Metode Single Exponential Smoothing untuk Memprediksi Penjualan Katering pada Kedai Pojok Kedaung

Kedai Pojok Kedaung merupakan sebuah Rumah Makan yang sudah lebih dari 10 tahun dan banyak dikenal oleh masyarakat luas khususnya dilingkungan masyarakat Kalimantan Timur, yang sudah menjadi partner dalam melayani jasa catering untuk perusahaan pertambangan. Namun, di dalam proses pengelolaan data masih dilakukan secara manual menggunakan alat tulis, kalkulator, buku sebagai media pencatatan dan disimpan dalam bentuk arsip yang tidak tertata rapi. Selain itu, dalam membuat laporan sering terjadi kesalahan dalam penghitungan. Hal tersebut menyebabkan tingginya risiko kesalahan dan kehilangan informasi data-data yang dikelola. Sehingga membutuhkan waktu yang relatif lama untuk mengatur proses bisnis yang ada disana. Selanjutnya, setiap jenis usaha apapun tentu memerlukan persiapan agar dapat menunjang proses penjualannya. Dalam memenuhi permintaan pesanan katering yang tidak menentu terkadang menimbulkan masalah saat ada permintaan dalam jumlah yang lebih besar ataupun kecil. Berdasarkan permasalahan di atas, maka akan dikembangkan suatu Sistem prediksi yang dapat menangani, mengolah dan meminimalisir kesalahan data-data tersebut. Serta dapat membantu pemilik dalam mengelola usahanya. Didalam implementasinya data yang diolah sebanyak 11 periode yang disajikan per bulan, hasil yang didapatkan dari penelitian ini adalah hasil analisa dari metode Single Exponential Smoothing untuk memperoleh informasi prediksi penjualan dan nilai kesalahan serta persentase kesalahan menggunakan metode MAD dan MAPE.

Sistem Pendukung Keputusan Rekomendasi Penempatan Pegawai Menggunakan Metode Profile Matching

Badan Kepegawaian dan Pengembangan Sumber Daya Manusia (BKPSDM) merupakan unsur penunjang urusan pemerintahan di bidang kepegawaian dan pengembangan sumber daya manusia yang dipimpin oleh Kepala Badan yang berkedudukan di bawah dan bertanggungjawab kepada Bupati melalui Sekretaris Daerah. Saat ini proses penempatan pegawai pada BKPSDM masih dilakukan secara manual melalui portofolio dan seleksi kedekatan. Penelitian ini akan menggunakan profile matching yang akan membandingkan kompetensi pegawai kedalam kompetensi standar jabatan sehingga didapatkan gap. Semakin kecil gap yang dihasilkan maka semakin besar peluang calon pegawai untuk menempati posisi jabatan yang ditentukan. Berdasarkan hasil penelitian didapatkan bahwa system mampu merekomendasikan penempatan pegawai yang sesuai dengan kriteria penilaian pada masing-masing bidang. nilai yang terbesar didapatkan oleh Dian dengan nilai akhir 4,002 untuk menempati pada bidang Penilaian Kinerja Aparatur. Selain itu juga system yang dibangun sudah tidak ada lagi error yang dihasilkan

Clusterisasi Kerusakan Gempa Bumi di Pulau Jawa Menggunakan SOM

Indonesia sebagai negara yang diapit oleh 3 lempeng membuat negara ini cukup sering diguncang oleh Gempa. Pada tahun 2018, BMKG mencatat ada sebanyak 23 gempa yang masuk dalam kategori merusak. Setengahnya berada di Pulau Jawa. Pemetaan daerah rawan gempa dan jenis kerusakan yang terjadi perlu dilakukan untuk meminimalisir terjadinya kerusakan dan mitigasi bencana. SOM (Self-Organizing Map) merupakan metode clustering yang pernah digunakan untuk melakukan pengelompokan daerah gempa dan kerusakan yang terjadi. Metode SOM banyak digunakan untuk melakukan pengelompokan karena cenderung stabil dimana nilai centroid tidak berubah di setiap pengujian. Dataset yang digunakan berjumlah 1000 data diambil langsung dari web BMKG pada rentang waktu Januari 2019 sampai dengan Juni 2019. Akurasi dihitung menggunakan metode K-Fold Validation dengan membagi data set ke dalam 5-fold dan 10-fold data testing yang masing-masing berisi 200 dan 100 data. Hasil pengujian menunjukkan nilai akurasi algoritma SOM yang tertinggi adalah dengan alpha 0.2 untuk 5-Fold yaitu 96.20% dan 0.3 untuk 10-Fold yaitu 95.6% pada minimal iterasi 20 dan yang terendah adalah alpha 0.1 yaitu 85.90% mulai dari iterasi 10.

Sistem Pendukung Keputusan Penentuan Status Karyawan Menggunakan Metode Naïve Bayes

Dalam penelitian ini dirumuskan masalah tentang bagaimana mengimplementasikan metode naïve bayes dalam menentukan keputusan status karyawan, dengan tujuan dapat mempercepat dan mempermudah pengambilan keputusan dalam menentukan status karyawan magang menjadi karyawan kontrak pada PT EMSONIC INODONESIA. Metode naïve bayes menggunakan kriteria-kriteria karyawan sebagai data training, dan menghitung data tersebut untuk medapatkan nilai probabilitasnya sehingga dengan nilai probabilitas tersebut dapat memprediksi hasil keputusan apakah seorang karyawan layak atau tidak diubah statusnya. Dalam membangun sistem pendukung keputusan penentu status karyawan digunakan visual studio 2010, dan juga menggunakan MySql sebagai database untuk menyimpan data-data yang digunakan. Hasil dari sistem pendukung keputusan menggunakan metode naïve bayes terbukti dapat memprediksi dengan tepat kelayakan status karyawan.

Analisis Tingkat Pembelian Konsumen dengan Algoritma Apriori

Saat ini data mining telah diimplementasikan ke berbagai bidang salah satu diantaranya adalah pada bidang bisnis atau perdagangan yang dapat membantu para pebisnis dalam kebijakan pengambilan keputusan terhadap apa yang berhubungan dengan persediaan barang. Misalnya pentingnya sistem persediaan barang di suatu Toko dan jenis barang apa yang menjadi prioritas utama yang harus di stok untuk mengantisipasi kekosongan barang. Karena minimnya stok barang dapat berpengaruh pada pelayanan konsumen dan pendapatan Toko. Metode yang sering digunakan untuk menganalisa pola pembelian pelanggan adalah metode asosiasi atau association rule mining. Association rule mining adalah suatu metode untuk mencari pola hubungan antar satu atau lebih itemset yang ada dalam suatu dataset. Algoritma yang paling popular dalam mencari pola hubungan item set adalah algoritma apriori atau sering disebut dengan market basket analysis. Proses yang dilakukan dalam penelitian ini menggunakan tools Rapid Miner untuk mengolah data dengan algoritma apriori, dari pengujian yang dilakukan dengan parameter yang telah ditentukan yaitu minimum support 70% dan minimum confidence 80% menghasilkan 4 aturan asosiasi dengan nilai confidance 100% yaitu kombinasi item aqua 600ml-fulloblasto caramel cruncy chocolat - yupi 500 semua rasa - beng beng 25g. Dengan pencarian pola menggunakan algoritma apriori ini diharapkan informasi yang dihasilkan dapat meningkatakan strategi penjualan selanjutnya

Implementasi Block Cipher Electronic Codebook (ECB) untuk Pengamanan Data Pegawai

Data pegawai adalah satu data penting dan basic pada PDAM Tirta Sanita Sumber, dimana data ini akan terhubung keberbagai system seperti kenaikkan pangkat, penggajian, pelaporan dan tanggungjawab pekerjaan. Untuk melindungi kerahasiaan data pegawai dari orang-orang yang tidak berhak, maka pengelola system informasi dapat melakukan pengamanan data melalui Teknik kriptografi, pada penelitian ini peneliti menggunakan algoritma Electronic Codebook (ECB) untuk mengamankan data pegawai. Berdasarkan hasil penelitian didapatkan hasil bahwa algoritma ECB mampu melakukan enkripsi dan deskripsi data pegawai pada PDAM Tirta Sanita Sumber dengan baik, sehingga data pegawai dapat terlindungi dari orang-orang yang tidak berhak mengetahui. Melalui hasil uji pada 50 data pengujian, didapatkan ketepatan proses enkripsi dan deskripsi sebesar 96%, hal ini didukung oleh tingkat prosentase kepuasan user terhadap kinerja enkripsi dan dekripsi aplikasi sebesar 82%. Sedangkan dari sisi pengujian fungsionalitas keseluruhan aplikasi secara blackbox didapatkan bahwa aplikasi sudah mampu memenuhi segala kebutuhan fungsionalitasnya dengan prosentase sebesar 100% benar

Data Balancing untuk Mengatasi Imbalance Dataset pada Prediksi Produksi Padi

Padi adalah salah satu hasil tanaman pangan di Indonesia yang merupakan salah satu makanan pokok. Tingginya permintaan untuk produksi beras telah mengakibatkan sejumlah daerah di Indonesia membuat lumbung padi dengan setidaknya delapan daerah, yang salah satunya di Jawa Timur. Kebutuhan untuk memproses data terkait pasokan makanan, terutama beras, merupakan salah satu faktor penting untuk mengantisipasi tingkat permintaan di masa depan. Langkah yang dilakukan dalam penelitian ini untuk mencapai hasil yang diharapkan adalah dengan melakukan proses penambangan data yaitu mengumpulkan data, preprocessing data, mengimplementasikan algoritma pada data yang ada, dan mengevaluasi hasil. Dalam penelitian ini, peneliti menggunakan dua algoritma klasifikasi untuk menguji keakuratan data balancing, yaitu Naive Bayes dan CART. Proses balancing yang dilakukan oleh peneliti menggunakan metode balancing data dengan algoritma SMOTE. Dengan langkah-langkah yang peneliti lakukan di atas menghasilkan akurasi algoritma Naive Bayes dengan data sebelum menyeimbangkan 43,8% dengan nilai AUC 0,373 dan setelah menyeimbangkan data menghasilkan akurasi 39,06% dengan nilai AUC 0,475. Untuk algoritma CART, nilai akurasi sebelum menyeimbangkan data adalah 47,67% dengan nilai AUC 0,391, kemudian akurasi yang dihasilkan setelah saldo data untuk algoritma CART mencapai 55,73% dengan nilai AUC 0,492. dengan demikian menunjukkan pengaruh keseimbangan dan ketidakseimbangan data terhadap kinerja algoritma klasifikasi Naive Bayes dan CART.

Penerapan Metode FSAW untuk Pengangkatan Karyawan Tetap di PT. HI-LEX Indonesia

HI-LEX Indonesia merupakan salah satu perusahaan yang bergerak dibidang industri komponen otomotif di Indonesia yang selalu melakukan perekrutan karyawan kontrak yang selanjutnya akan dijadikan pegawai tetap dimana hanya karyawan kontrak yang memiliki potensi dan prestasi bagus yang berhak mendapatkan kesempatan untuk menjadi karyawan tetap. Detail dan rumitnya proses penentuan pegawai tetap pada PT. HI-LEX masih menjadi kendala tersendiri. Pada penelitian akan dilakukan perangkingan terhadap rekomendasi pengangkatan karyawan kontrak menjadi pegawai tetap melalui metode FSAW dengan 12 kriteria standar yang telah ditentukan sebelumnya. Berdasarkan hasil penelitian didapatkan bahwa FSAW mampu menghasilkan ketepatan 100% dalam menghasilkan kebutuhan fungsional yang diharapkan melalui pengujian blackbox, namun sayangnya akurasi yang dihasilkan oleh metode FSAW dalam merekomendasikan karyawan kontrak untuk menjadi pegawai tetap hanyalah 64,55% yang berarti metode ini masih belum mampu secara maksimal merekomendasikan dengan baik