Implementasi Data Mining Algoritma Apriori untuk Meningkatkan Penjualan

Setiap perusahaan atau organisasi yang ingin bertahan perlu menentukan strategi bisnis yang tepat. Data penjualan produk yang dilakukan oleh Lakoe Dessert Pondok Kacang pada akhirnya akan menghasilkan data yang menumpuk, sehingga sangat disayangkan jika tidak dianalisis kembali. Produk yang ditawarkan bervariasi dengan variasi produk sebanyak 45 produk, untuk mengetahui produk yang paling banyak penjualannya dan keterkaitan antara produk yang satu dengan produk yang lain diperlukan salah satu algoritma dalam algoritma data mining yaitu apriori algoritma untuk mengetahuinya, dan dengan bantuan aplikasi Rapidminer 5, dengan nilai dukungan 2,4% dan nilai kepercayaan 50%, produk yang sering dibeli atau diminati pelanggan dapat ditemukan. Penelitian ini menggunakan data penjualan bulan Maret 2020 yang berjumlah 209 data transaksi. Dari penelitian tersebut, ditemukan item dengan nama Pudding Strawberry dan Pudding Vanilla merupakan produk yang paling banyak dibeli oleh konsumen. Dengan mengetahui produk yang paling banyak terjual dan pola pembelian barang yang dilakukan oleh konsumen, Lakoe Dessert Pondok Kacang dapat mengembangkan strategi pemasaran untuk memasarkan produk lain dengan menganalisis keuntungan dari penjualan produk yang paling banyak terjual dan mengantisipasi kehabisan atau kosongnya stok atau bahan pada suatu saat. tanggal kemudian

Implementasi Artificial Intelligence pada Charity Box Masjid dan Musholla sebagai Sistem Keamanan Berbasis RFID

Tingginya angka kriminalitas di Indonesia telah berdampak buruk dan merugikan masyarakat, sehingga berbagai upaya telah dilakukan untuk meningkatkan kesadaran dan keamanan di masyarakat. Pencurian kotak amal adalah target kejahatan bagi penjahat. Untuk itu perlu diambil langkah tegas dalam hal kewaspadaan dan keamanan agar tindak pidana pencurian kotak amal dapat dihindari. Salah satu langkah untuk meningkatkan kesadaran dan keamanan adalah dengan menerapkan konsep keamanan pada kotak amal. Dengan memanfaatkan beberapa sensor pendukung dan komponen pendukung pada kotak zakat maka sistem keamanan akan bekerja secara otomatis, sehingga jika terjadi pencurian kotak zakat maka sistem akan memberikan notifikasi notifikasi SMS kepada pihak pengelola masjid. Penelitian ini difokuskan pada masalah fasilitas keamanan dan pengawasan kotak amal di masjid atau mushalla. Menggunakan sistem ini akan mengurangi resiko pencurian kotak amal di masjid dan mushalla, karena selain dilengkapi dengan alarm dan SMS gateway, sistem ini juga dilengkapi dengan RFID sehingga akses membuka kotak amal bisa lebih aman. Bentuk sistem ini bekerja jika kotak amal diangkat atau dibongkar secara paksa, sistem akan memberikan notifikasi berupa alarm dan SMS, sehingga tindak pidana pencurian kotak amal dapat lebih diwaspadai.

Pemanfaatan Big Data dalam Menangani Data Peningkatan Pasien COVID-19 di Indonesia

Pada akhir tahun 2019, dunia dihebohkan dengan sebuah kejadian sebuah kasus pneumonia yang teridentifikasi sebagai jenis baru coronavirus yang berasal dari Kota Wuhan, China. Virus ini dapat menyebar pada hewan dan manusia, yang mana virus ini akan menyerang saluran pernafasan hingga dapat menyebabkan Sindrom Pernafasan Akut Berat (SARS). Penyebaran dan peningkatan jumlah kasus COVID-19 terjadi dengan waktu yang sangat cepat dan telah menyebar ke beberapa negara termasuk Indonesia. Perkembangan berbagai teknologi basis data membuat beragam data dan informasi medis disimpan dalam bentuk digital. Data medis saat ini hadir dalam bentuk big data, yaitu data yang tidak hanya memiliki jumlah yang besar tetapi juga bersifat kompleks, variatif, dan aktual. Dengan adanya big data dapat lebih mempermudah para dokter dan suster dalam menangani peningkatan pasien COVID-19 di Indonesia. Selain itu, penggunaan big data dapat mempermudah masyarakat untuk mendapatkan informasi tentang penyebaran COVID-19. Penelitian ini bertujuan guna memahami peranan dan implementasi big data dalam menangani data peningkatan pasien COVID-19 di Indonesia.

Sistem Pakar Diagnosa Penyakit Mata Manusia Menggunakan Metode Certainty Factor Berbasis Web

Mata adalah indera yang penting. Jika mata terganggu maka abaikan saja, itu akan mengganggu. Kenyataannya, banyak orang yang menunda untuk memeriksakan penyakit mata yang dideritanya, karena kurangnya pengetahuan masyarakat, biaya yang cukup mahal dan ketidakseimbangan antara pasien dan dokter sehingga harus mengantri jika akan memeriksakan kesehatan mata. Untuk itu diperlukan sistem pakar yang dapat mendiagnosa penyakit mata, sehingga masyarakat dapat memeriksakan penyakit mata yang dideritanya tanpa harus berobat ke dokter. Sistem pakar ini berbasis web dengan bahasa pemrograman PHP dan database MySQL. Dalam proses penarikan kesimpulan, sistem menggunakan metode faktor kepastian yang menggunakan suatu nilai untuk mengasumsikan derajat kepercayaan dari seorang pakar terhadap suatu data. Sistem pakar memberikan hasil berupa kemungkinan penyakit yang diderita, nilai persentase keyakinan dari penyakit dan solusi pengobatan berdasarkan nilai keyakinan yang diberikan dan sistem mampu mengetahui jenis penyakit mata yang dialami pengguna berdasarkan gejala yang dipilih oleh pengguna. Sehingga dapat membantu masyarakat untuk mengetahui penyakit mata yang diderita dan tindakan dapat dilakukan lebih cepat.

Eksplorasi pada Masalah Utama Reformasi Pengajaran Praktis Jaringan Komputer

Kursus jaringan komputer adalah kursus dasar profesional bagi mahasiswa komputer. Pengajaran praktis jaringan komputer memainkan peran penting dalam keseluruhan proses pengajaran. Pengajaran praktis dapat membantu siswa meningkatkan kualitas komprehensif mereka, memupuk semangat inovatif dan meningkatkan kemampuan praktis mereka. Makalah ini menganalisis dan membahas masalah utama yang ada dalam pembelajaran praktik jaringan komputer, yaitu isi eksperimen, skema eksperimen, dan metode pembelajaran eksperimen. Berdasarkan tujuan pelatihan bakat sekolah dan pemikiran pelatihan bakat perangkat lunak inovatif yang diusulkan oleh kementerian pendidikan, solusi untuk tiga masalah utama diusulkan, yaitu, untuk mengoptimalkan dan menyempurnakan konten percobaan, untuk membangun lingkungan dan skema eksperimental berdasarkan perangkat lunak simulasi, dan untuk mengadopsi beberapa metode pengajaran praktis.

Rancang Bangun Aplikasi Pengelolahan Data Penempatan TKI Asal Timor Ke Luar Negeri Berbasis Web Studi Kasus (BP3TKI) Kupang

The Indonesian Worker Placement and Protection Service Agency (BP3TKI) has the authority to provide services for people who wish to run for Indonesian Workers (TKI). In this case, of course the BP3TKI Office has a lot of important data that will be well managed so that its integrity is maintained. All important data will be processed in the Placement section of the BP3TKI Office. In managing TKI data, the placement section uses Microsoft Excel which is managed by one person and only uses one Personal Computer (PC) unit in the placement section. Because the data is managed by one person with one PC and is not stored in the database, it is very possible that the data that has been managed will be lost if one day the PC in the placement section is damaged, this will make it difficult for the placement employee to find data when required return. For this reason, a "WEB-BASED DESIGN OF DATA PROCESSING APPLICATION FOR PLACEMENT OF TKI ORDER OF TIMOR ABROAD BASED ON WEB-BASED" was made. The method used in this system is the Waterfall Model. This system is designed based on Web, using PHP programming language and database storage media using MySql. It is hoped that this system can manage and store TKI data properly and safely and facilitate the data search process.

Model Data Mining untuk Perancangan Aplikasi Diagnostik Inflammatory Liver Disease

Hati merupakan organ vital bagi manusia. Penyakit hati adalah gangguan pada setiap fungsi hati.Diagnosis dini penyakit hati sangat penting agar dapat diobati dan diobati dengan cepat. Di bidang medis, mendiagnosis penyakit radang hati menjadi hal yang agak sulit dilakukan. Namun, ada catatan medis yang menyimpan gejala pasien. Hal ini tentunya sangat menguntungkan bagi tenaga medis atau dokter. Mereka dapat menggunakan catatan medis sebelumnya sebagai bahan untuk membuat keputusan tentang diagnosis penyakit pasien. Teknik analisis manual konvensional yang selama ini digunakan sudah tidak efektif lagi untuk diagnosis. Seiring dengan perkembangan sistem berbasis pengetahuan medis, tuntutan penggunaan sistem pengetahuan berbasis komputer sebagai teknik analisis dalam mendiagnosis penyakit menjadi semakin penting. Dalam studi ini, peneliti akan menerapkan dan membandingkan beberapa metode klasifikasi data mining, antara lain algoritma C4.5, Naïve Bayes, dan k-Nearest Neighbor untuk mendiagnosis penyakit radang hati, kemudian membandingkan mana dari ketiga metode tersebut yang paling akurat. Berdasarkan hasil pengukuran performansi ketiga model menggunakan metode Cross Validation, Confusion Matrix dan ROC Curve, diketahui bahwa metode C4.5 merupakan metode terbaik dengan akurasi 70,99% dan under the curva (AUC). ) nilai 0,950, kemudian metode k-Nearest Neighbor dengan akurasi 67,19% dan nilai under the curve (AUC) 0,873, kemudian metode nave Bayes dengan tingkat akurasi 66,14% dan nilai under the curve (AUC) sebesar 0,742. kemudian bandingkan mana dari ketiga metode tersebut yang paling akurat. Berdasarkan hasil pengukuran performansi ketiga model menggunakan metode Cross Validation, Confusion Matrix dan ROC Curve, diketahui bahwa metode C4.5 merupakan metode terbaik dengan akurasi 70,99% dan under the curva (AUC). ) nilai 0,950, kemudian metode k-Nearest Neighbor dengan akurasi 67,19% dan nilai under the curve (AUC) 0,873, kemudian metode nave Bayes dengan tingkat akurasi 66,14% dan nilai under the curve (AUC) sebesar 0,742. kemudian bandingkan mana dari ketiga metode tersebut yang paling akurat. Berdasarkan hasil pengukuran performansi ketiga model menggunakan metode Cross Validation, Confusion Matrix dan ROC Curve, diketahui bahwa metode C4.5 merupakan metode terbaik dengan akurasi 70,99% dan under the curva (AUC). ) nilai 0,950, kemudian metode k-Nearest Neighbor dengan akurasi 67,19% dan nilai under the curve (AUC) 0,873, kemudian metode nave Bayes dengan tingkat akurasi 66,14% dan nilai under the curve (AUC) sebesar 0,742.

Prediksi Tweet Netizen Menggunakan Random Forest, Decision Tree, Naïve Bayes, dan Ensemble Algorithm

Gubernur DKI Jakarta saat ini, meski sudah terpilih sejak tahun 2017 selalu menarik untuk dibicarakan atau bahkan dikomentari. Komentar yang muncul berasal dari media secara langsung atau melalui media sosial. Twitter menjadi salah satu media sosial yang sering digunakan sebagai media untuk mengomentari gubernur terpilih bahkan bisa menjadi trending topic di media sosial Twitter. Netizen yang berkomentar pun beragam, ada yang selalu menge-Tweet kritik, ada yang berkomentar Positif, dan ada pula yang hanya me-retweet. Dalam penelitian ini, prediksi apakah Netizen aktif akan cenderung selalu menimbulkan komentar Positif atau Negatif akan dilakukan dalam penelitian ini. Model algoritma yang digunakan adalah Decision Tree, Naïve Bayes, Random Forest, dan juga Ensemble. Data Twitter yang diolah harus melalui preprocessing terlebih dahulu sebelum dilanjutkan menggunakan Rapidminer. Dalam uji coba menggunakan Rapidminer dilakukan dalam empat kali uji coba dengan membagi menjadi dua bagian yaitu data testing dan data latih. Perbandingan yang dilakukan adalah 10% data pengujian: 90% data pelatihan, kemudian 20% data pengujian: 80% data pelatihan, kemudian 30% data pengujian: 70% data pelatihan, dan yang terakhir adalah 35% data pengujian: 65% data pelatihan. Rata-rata Akurasi untuk algoritma Decision Tree adalah 93,15%, sedangkan untuk algoritma Naïve Bayes Akurasinya adalah 91,55%, kemudian untuk algoritma Random Forest adalah 93,41, dan yang terakhir adalah algoritma Ensemble dengan Akurasi sebesar 93,42%. sini. 65% data pelatihan. Rata-rata Akurasi untuk algoritma Decision Tree adalah 93,15%, sedangkan untuk algoritma Naïve Bayes Akurasinya adalah 91,55%, kemudian untuk algoritma Random Forest adalah 93,41, dan yang terakhir adalah algoritma Ensemble dengan Akurasi sebesar 93,42%. sini. 65% data pelatihan. Rata-rata Akurasi untuk algoritma Decision Tree adalah 93,15%, sedangkan untuk algoritma Naïve Bayes Akurasinya adalah 91,55%, kemudian untuk algoritma Random Forest adalah 93,41, dan yang terakhir adalah algoritma Ensemble dengan Akurasi sebesar 93,42%. sini.

Pembuatan Media Informasi Kuliner Kota Medan Berbasis Web Sebagai Sarana Promosi Menggunakan Metode Ucd (User Center Design)

Kuliner adalah suatu bagian hidup yang erat kaitannya dengan konsumsi makanan sehari-hari. Kuliner merupakan sebuah gaya hidup yang tidak dapat dipisahkan dari kehidupan sehari-hari. Karena setiap orang memerlukan makanan yang sangat dibutuhkan sehari-hari. Mulai dari makanan yang sederhana hingga makanan yang berkelas tinggi dan mewah Promosi merupakan teknik komunikasi yang secara penggunaannya atau penyampaiannya dengan menggunakan media seperti: pers, televisi, radio, papan nama, poster dan lain-lain yang bertujuannya untuk menarik minat konsumen terhadap hasil produksi suatu perusahaan. Promosi sebagai media untuk menjembatani kepentingan produsen dengan konsumen. UCD (User Centered Design) merupakan paradigma baru dalam pengembangan sistem berbasis web. Perancangan berbasis pengguna (User Centered design = User Centered Design = UCD) adalah istilah yang digunakan untuk menggambarkan filosofi perancangan. Konsep dari UCD adalah User sebagai pusat dari proses pengembangan system, dan tujuan sifat-sifat, konteks dan lingkungan system semua didasarkan dari pengalaman pengguna PHP adalah bahasa pemrograman server side yang sudah banyak digunakan pada saat ini, terutama untuk pembuatan website dinamis. Untuk hal-hal tertentu dalam pembuatan web, bahasa pemrograman PHP memang diperlukan, misalnya saja untuk memproses data yang dikirimkan oleh pengunjung web

Infus Desain Notifikasi Dengan Aplikasi Media Sosial Berbasis Internet of Things (IOT)

Penelitian ini membahas tentang alat pendeteksi infus di sebuah ruangan rumah sakit. Alat ini dirancang untuk membantu perawat rumah sakit untuk mengatasi lebih cepat untuk menghindari masalah akibat pemasangan infus. Sensor load cell digunakan sebagai pendeteksi berat yang mengirimkan notifikasi kepada perawat melalui aplikasi telegram yang telah terpasang. Perawat akan mendapatkan pesan notifikasi yang dikirimkan ke telegram jika sensor telah membaca berat badan. Alat ini dibuat menggunakan sensor load cell dan NodeMCUWi-FiESP866 yang berfungsi untuk mengirimkan notifikasi hasil input data sensor ke platform Internet of Things (IOT) yaitu Telegram. Perawat perlu terkoneksi dengan jaringan internet untuk mendapatkan notifikasi di telegram. Hasil pengujian menunjukkan bahwa waktu yang dibutuhkan untuk mengirim dan menerima notifikasi di Telegram membutuhkan waktu sekitar 2-5 detik. Pesan akan dikirim 3 kali, pertama infus WARNING hampir habis (waspada), kedua WARNING infus hampir habis (standby) dan WARNING infus hampir habis (silahkan ganti). Jika infus tidak diganti oleh perawat, akan diperingatkan oleh Buzzer. Namun, waktu dapat dipengaruhi oleh konektivitas jaringan internet yang tersedia. Namun, waktu dapat dipengaruhi oleh jaringan internet yang tersedia.