Implementasi Data Mining Menggunakan Algoritma Apriori Pada Penjualan Suku Cadang Motor

This research was carried out to simplify or assist Candra Motor workshop owners in managing data and archives of motorcycle parts sales by applying a data mining a priori algorithm method. Data mining is an operation that uses a particular technique or method to look for different patterns or shapes in a selected data. Sales data for a year with the number of 15 items selected using the priori algorithm method. A priori algorithm is an algorithm for taking data with associative rules (association rule) to determine the associative relationship of an item combination. In a priori algorithm, it is determined frequent itemset-1, frequent itemset-2, and frequent itemset-3 so that the association rules can be obtained from previously selected data. To obtain the frequent itemset, each selected data must meet the minimum support and minimum confidence requirements. In this study using minimum support ? 7 or 0.583 and minimum confidence of 90%. So that some rules of association were obtained, where the calculation of the search for association rules manually and using WEKA software obtained the same results.By fulfilling the minimum support and minimum confidence requirements, the most sold spare parts are inner tube, Yamaha oil and MPX oil.

KS IOT Based Automation System to Prevent Crop Vandalization by Rain Water in Agricultural Regions

India’s keystone is Agriculture. Around 70 percent of India’s revenue comes from Agriculture. Conversely the population of India amplifies each and every day which requires efficient and well planned decision making techniques for the production of crops. In this research paper we find the intensification of the structures which prevent destruction of crops due to uneven and heavy rainfall. The goal is achieved by the concept of Embedded System design using IOT technology. This is done automatically without any human interference. Here we first identifies the water level in the agriculture field during rainfall by using water level sensors , if the water level exceeds there limit that will cause spoilage of crop then the device are automatically cover the agriculture field. It also identifies the temperature of the crops by using temperature sensor during the sunny days, if the heat causes spoilage of crops due to intensive sun rays then the device will automatically covers the agriculture field. After covering the agriculture field it will send the alert message using GSM module to the farmer and simultaneously the water of rain is collected through piles that will be reuse later for irrigation. To achieve this we use microcontroller , Solar panels, GSM module, DC motor, sensors, Switched-mode power supply (SMPS), Rechargeable battery

Sistem Informasi Penilaian Kinerja Dosen dengan MVC Framework menggunakan Simple Additive Weighting Methods

Kinerja dosen dalam melaksanakan Tri Darma adalah suatu hal untuk mendukung pengambilan keputusan Pimpinan dalam kenaikan jabatan seorang Dosen di Perguruan Tinggi. Decisions Support System (DSS) dengan metode Simple Additive Weighting (SAW) dapat membantu dalam proses pengolahan data dan memperbaiki kekurangan seperti kesalahan dalam perhitungan dan dalam penyajian laporan selama ini. Tujuan dari penelitian ini adalah untuk memanfaatkan metode SAW dalam penilaian kinerja dosen. Metodologi yang digunakan dalam melakukan penelitian adalah diawali dengan pengumpulan data dan dilanjutkan dengan tahap mengembangkan menjadi suatu sistem informasi. Hasil penelitian ini adalah menghasilkan Sistem Informasi Penilaian Kinerja Dosen memanfaatkan teknologi MVC Framework dengan metode SAW sebagai sarana penunjang pengambilan keputusan di AMIK Umel Mandiri.

Kombinasi Metode Naive Bayes dan K-Medoid dalam Memprediksi Penjurusan Siswa di Sekolah Menengah Atas

Penjurusan merupakan suatu proses penempatan atau penyaluran dalam pemilihan program pengajaran kepada siswa. Tujuan dari penentuan penjurusan itu sendiri adalah agar kelak dikemudian hari pelajaran yang diberikan kepada siswa lebih terarah. SMA Laboratorium Undiksha memiliki permasalahan dalam penentuan penjurusan dan pembagian kelas siswa. Proses penentuan jurusan membutuhkan waktu yang cukup lama, masih menggunakan perhitungan manual di excel dalam menentukan penjurusan siswa. Permasalahan tersebut dapat diatasi dengan Pengembangan Sistem Prediksi Penjurusan Kelas Siswa Menggunakan Kombinasi Metode Naive Bayes Dan K-Medoid. Ada 22 kriteria yang digunakan dalam penentuan jurusan kelas siswa yaitu, jenis kelamin, nilai raport semester 3 sampai dengan semester 5, nilai matematika semester 3 sampai dengan semester 5, nilai ipa semester 3sampai dengan semester, nilai ips semester 3 sampai dengan semester 5, nilai bahasa indonesia semester 3 sampai dengan semester 5, nilai bahasa inggris semester 3 sampai dengan semester 5, minat siswa 1, minat siswa 2 dan minat orang tua. Berdasarkan hasil perhitungan kinerja metode, didapatkan nilai akurasi sebesar 76% yang menunjukkan bahwa metode yang digunakan memiliki nilai akurasi yang cukup baik dalam memprediksi jurusan siswa. Precision yang dihasilkan sebesar 84,33% menunjukkan kategori data yang diklasifikasi telah sesuai dengan kategori yang sebenarnya. Recall yang dihasilkan sebesar 70,67% menunjukkan tingkat keberhasilan metode dalam mengenali suatu kategori sudah baik.

Analisis Perbandingan Pengelompokan Indeks Pembangunan Manusia Indonesia Tahun 2019 dengan Metode Partitioning dan Hierarchical Clustering

Indeks Pembangunan Manusia (IPM) merupakan indikator penting dalam pengukuran tingkat keberhasilan pembangunan kualitas hidup manusia. Pengelompokan Indeks Pembangunan Manusia (IPM) bertujuan untuk membagi wilayah-wilayah ke dalam kelompok berdasarkan Indeks Pembangunan Manusia wilayah tersebut tahun 2019. Pengelompokan Indeks Pembangunan Manusia Indonesia tahun 2019 membandingkan metode Partitioning Clustering dan Hierarchical Clustering. Algoritma Partitioning Clustering yang digunakan adalah algoritma K-Means Clustering, sedangkan algoritma Hierarchical Clustering adalah algoritma Agglomerative Ward Clustering. Hasil yang diperoleh adalah metode terbaik untuk pengelompokan provinsi di Indonesia berdasarkan Indeks Pembangunan Manusia untuk tahun 2019 adalah metode K-Means Clustering dengan jumlah kluster optimum adalah 6. Metode ini memberikan Silhoutte Score sebesar 0,6291, Calinski-Harabasz Index sebesar 241,8875, dan Davies-Bouldin Index sebesar 0,3038. Sedangkan metode terbaik untuk pengelompokan kabupaten/kota di Indonesia berdasarkan Indeks Pembangunan Manusia untuk tahun 2019 adalah metode K-Means Clustering dengan jumlah kluster optimum adalah 6. Metode ini memberikan Silhoutte Score sebesar 0,5511, Calinski-Harabasz Index sebesar 1525,4007, dan Davies-Bouldin Index sebesar 0,5234.

Sistem Pengendalian Persediaan Barang Berbasis Website dengan Metode Economic Order Quantity dan Reorder Point

Inventory of goods is one of the important factors in developing a business. This inventory affects operational costs. Excess inventory will also lead to greater storage and maintenance costs. Meanwhile, a lack of inventory will cause stock out. Website Inventory information system with the Economic Order Quantity (EOQ) and ReOrder Point (ROP) method can be an alternative to overcome this problem. This information system was developed using the SDLC (System Development Life Cycle) development method. The programming language used is PHP Hypertext Preprocessor, MySQL as database, and Xampp as a web server. EOQ method can determine the level of inventory required by the company. Meanwhile, the ROP to determine the time an item is in the warehouse must be added to the inventory before it runs out. This research results that the determination of the quantity of purchase inventory using the EOQ method and the ROP method is more efficient and the inventory becomes more optimal so that the store can get maximum profit. The results of the system functionality test show that this system works very well

Sentimen Analisis Terhadap Pembelajaran Jarak Jauh Menggunakan Metode Naïve Bayes Classifier dan Lexicon Based

Sejak awal pandemic covid-19 ini segala bidang terkena dampak khusunya dibidang pendidikan, dimana saat ini proses pembelajaran dilakukan secara jarak jauh. Penelitian ini dilakukan untuk mengetahui tanggapan dari masyarakat yang berada dalam ruang lingkup pendidikan seperti siswa,mahasiswa serta pengajar. Adapun jumlah responden yang memberikan tanggapannya yaitu sebanyak 265 melalui pengisian kuesioner dalam bentuk google form. Berdasarkan penelitian ini diketahui bahwa dari 265 orang yang memberikan respon dengan jumlah pernyataan sebanyak 6, maka diperoleh 1.590 jawaban yang berbeda. Dari 1.590 data diolah kembali sehingga data akhir sebanyak 1.468. Adapun hasil dari pelabelan dengan kamus lexicon based ini berjumlah 162 positif, 516 bernilai negatif, dan 790 netral. Hasil pengujian dengan naïve bayes diperoleh tingkat akurasi 53.8% dengan menggunakan penggukuran efektifitas confusion matrix

Usage analysis of SVD, DWT and JPEG compression methods for image compression

Through image compression, can save bandwidth usage on telecommunication networks, accelerate image file sending time and can save memory in image file storage. Technique to reduce image size through compression techniques is needed. Image compression is one of the image processing techniques performed on digital images with the aim of reducing the redundancy of the data contained in the image so that it can be stored or transmitted efficiently. This research analyzed the results of image compression and measure the error level of the image compression results. The analysis to be carried out is in the form of an analysis of JPEG compression techniques with various types of images. The method of measuring the compression results uses the MSE and PSNR methods. Meanwhile, to determine the percentage level of compression using the compression ratio calculation. The average ratio for JPEG compression was 0.08605, the compression rate was 91.39%. The average compression ratio for the DWT method was 0.133090833, the compression rate was 86.69%. The average compression ratio of the SVD method was 0.101938833 and the compression rate was 89.80%.

Analysis of Medical Image Resizing Using Bicubic Interpolation Algorithm

Image interpolation is the most basic requirement for many image processing tasks such as medical image processing. Image interpolation is a technique used in resizing an image. To change the image size, each pixel in the new image must be remapped to a location in the old image to calculate the new pixel value. There are many algorithms available for determining the new pixel value, most of which involve some form of interpolation between the closest pixels in the old image. In this paper, we use the Bicubic interpolation algorithm to change the size of medical images from the Messidor dataset and then analyze it by measuring it using three parameters Mean Square Error (MSE), Root Mean Squared Error (RMSE), and Peak Signal-to-Noise Ratio (PSNR), and compare the results with Bilinear and Nearest-neighbor algorithms. The results showed that the Bicubic algorithm is better than Bilinear and Nearest-neighbor and the larger the image dimensions are resized, the higher the degree of similarity to the original image, but the level of computation complexity also increases.

Implementasi Algoritma Naïve Bayes Berbasis Particle Swarm Optimization Untuk Memprediksi Penyakit Hepatitis

Penyakit Hepatitis merupakan penyakit peradangan pada sel-sel hati, yang disebabkan oleh infeksi (virus, bakteri, parasite), obat-obatan (termasuk obat tradisional), mengkonsumsi alkohol, lemak yang berlebihan dan penyakit autoimmune. Penyebab terjadinya Hepatitis adalah sering disebabkan oleh Virus Hepatitis B dan C. Prevalensi Hepatitis di Indonesia pada tahun 2013 sebesar 1,2% meningkat dua kali dibandingkan Riskesdas tahun 2007 yang sebesar 0,6%. Nusa Tenggara Timur merupakan provinsi dengan prevalensi Hepatitis tertinggi pada tahun 2013 yaitu sebesar 4,3%. Para peneliti berusaha membuat terobosan dengan membuat penelitian untuk klasifikasi prediksi pasien Hepatitis dengan teknik data mining. Naïve bayes merupakan metode yang digunakan untuk memprediksi probabilitas dimasa depan berdasarkan pengalaman dimasa lalu dan terbukti memiliki tingkat akurasi tinggi dan kecepatan yang tinggi dalan perhitungannya. Particle Swarm Optimization digunakan untuk meningkatkan akurasi dari metode. Penelitian ini bertujuan untuk mengetahui apakah metode Naïve Bayes berbasis Particle Swarm Optimization dapat meningkatkan akurasi yang baik. Hasil penelitian menggunakan Naïve Bayes berbasis Particle Swarm Optimization memiliki akurasi confusion matrix sebesar 91.90% dan AUC sebesar 0.946 terbukti bahwa memiliki hasil yang bagus dibanding Naïve Bayes memiliki akurasi confusion matrix sebesar 88.52% dan AUC 0.896.