ThesisOpen AccessPDF tersedia
2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Pharmacies not only provide generic drugs, but many pharmacies are competing to provide a variety of drug variants, to make it easier for people to meet their needs. Pharmacies sehat insani Palangka Raya Not free from the problem of the risk of running out of stock of important drugs, because it prioritizes the stock of the same variant type of medicine in large quantities. This research aims to classify the behavior and non-performance of human health pharmacies. This study uses the Data Mining method with the Naive Bayes algorithm which will then be evaluated using a confusion matrix tool. The research also uses data collection methods (interviews and literature studies), carried out in Microsoft Office Excel software, and RapidMiner.
ThesisOpen AccessPDF tersedia
2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Braen Dwiatmajaya Garang, C1755201090, 2022. Penerapan Data Mining Untuk Prediksi Penjualan Smartphone Paling Laris Menggunakan Metode K-Nearest Neighbor, Pembimbing I Veny Cahya Hardita, M.Kom., Pembimbing II Elok Faiqotul Himmah, S.Si., M.Sc. Penjualan merupakan sesuatu yang sangat penting bagi perusahaan yaitu memperoleh penghasilan dan laba untuk perusahaan agar tetap bisa berjalan. PPL (Pusat Ponsel & laptop) merupakan toko komputer yang menjual laptop, printer & smartphone baru di kota Palangka Raya. Untuk mempermudah toko dalam penyediaan stok barang maka diperlukan sebuah prediksi berdasarkan data-data penjualan terdahulu menggunakan metode peramalan penjualan yang ada di data mining. Salah satu metode peramalan penjualan adalah metode K-Nearest Neighbor. Penelitian ini bertujuan untuk membuat prediksi penjualan smartphone paling laris di PPL dengan menggunakan metode K-Nearest Neighbor. Jenis penelitian menggunakan penelitian kuantitatif dengan pendekatan deskriptif yaitu studi kasus pada toko Pusat Ponsel & Laptop Palangka Raya. Data yang digunakan dalam penelitian ini adalah data penjualan smartphone selama 6 bulan dari Oktober 2021 sampai Maret 2022 dengan total penjualan sebanyak 1519 unit smartphone dengan teknik pengumpulan data seperti observasi, dokumentasi dan studi kepustakaan yang terkait dengan topik penelitian. Selanjutnya, data akan dianalisis dengan mengikuti proses tahapan dalam Knowledge Discovery in Database (KDD), untuk menentukan informasi yang berguna serta pola-pola yang ada di dalam data. Untuk memprediksi penjualan yang akan datang dengan Euclidean Distance, nilai k = 3 menggunakan aplikasi Rapidminer didapatkan hasil prediksinya untuk setiap brand smartphone dengan total penjualan oppo = 130 unit, vivo = 210 unit, samsung = 53 unit, xiaomi = 23 unit, dan realme = 44 unit. Hasil evaluasi algoritma yang diperoleh dari nilai RMSE pada setiap brand smartphone seperti oppo = 6,643, vivo = 11,468, samsung = 3,538, xiaomi = 4,23, dan realme = 3,325. Dapat disimpulkan bahwa smartphone yang paling laris adalah vivo dan brand smartphone realme memiliki RSME terkecil, yang berarti memiliki hasil prediksi yang mendekati dengan nilai yang sebenarnya.
ArticleOpen AccessMetadata saja
2022•Artikel Penelitian dan Pengabdian
Taletan Ijo is an online shop that sells fruit seeds. In carrying out its business processes, he utilizes a sales information system. The system is used to manage sales data. If the data is not used, it will lead to accumulation of data but lack of information. Taletan ijo uses the manual method in its product marketing strategy so that the strategy used is not quite right. Stored sales transaction data can be used as a reference in making marketing strategies such as making product sales packages. This study uses data mining methods, namely associations with a priori algorithms to process transaction data into information that can help support decisions in determining marketing strategies. The results of the study show that the lift ratio test results obtained are 3.2 which indicates that the value is valid with a minimum number of transactions of 10 and a confidence value of 80.
ThesisOpen AccessPDF tersedia
2021•Skripsi, Thesis, Disertasi, dan Tugas Akhir
The problem in this study is that the library has difficulty in providing book recommendations to borrowers who are confused when borrowing books. Therefore, the author wants to try to create an application that can analyze the results of loan transaction data as well as provide information about book recommendations to library officers applied to computer devices, with this application is expected to provide convenience for students in borrowing books and library officers in compiling books in accordance with the results of analysis. The purpose of this study is to implement a priori algorithm using association rule data mining to conduct analysis, in order to produce book lending patterns in the LIBRARY STMIK Palangkaraya.in conducting this Final Task research there are two methods used by the author which include the motto of data collection and system development methods. The methods of collecting such data are observations, interviews and literature studies. While the system development method that the author uses is the Rapid Application Development (RAD)method. The final result ofthis research isin the formof application application A priori algorithm for the search for book lending patterns in the library STMIK Palangkaraya that can be used by library guards to get information on book recommendations from the analysis results.
ThesisOpen AccessPDF tersedia
2021•Skripsi, Thesis, Disertasi, dan Tugas Akhir
AULIA RAHMAYANTI, C1555201057, 2021 Perbandingan Metode Algoritma C4.5 Dan Naïve Bayes Untuk Memprediksi Kelulusan Tepat Waktu Mahasiswa Stmik Palangkaraya. Pembimbing I Lili Rusdiana, M.Kom. Pembimbing II H. Suratno, S.Kom, M.Si Program Sarjana (S1) jurusan Teknik Informatika STMIK Palangkaraya adalah program pendidikan akademik setelah pendidikan menengah, yang memiliki beban studi ditentukan antara 145-149 SKS (Satuan Kredit Semester) yang ditempuh selama 8 (delapan) semester dengan masa studi paling lama 7 tahun akademik atau 14 semester. Jika masa studi mahasiswa dapat diketahui lebih dini, maka pihak program studi Teknik Informatika dapat melakukan tindakan yang diperlukan supaya mahasiswa dapat lulus tepat waktu. Berdasarkan masalah tersebut di atas, penulis melakukan penelitian untuk menganalisa dan membandingkan akurasi dua metode algoritma, yaitu algoritma C4.5 dan Naïve Bayes pada sejumlah datasets. Adapun sumber datasets adalah data mahasiswa program studi Teknik Informatika (STMIK Palangkaraya) yang mana setiap datasets memiliki jumlah data (instances) dan jumlah atribut (attributes) yang berbeda. Berdasarkan hasil penelitian Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Memprediksi Kelulusan Tepat Waktu Mahasiswa STMIK Palangkaraya, diperoleh hasil akurasi dari kedua algoritma tersebut menunjukan tingkat akurasi Algoritma C4.5 sebesar 90% lebih baik dari pada algoritma Naïve Bayes sebesar 85%. Algoritma C4.5 juga memberikan nilai pada recall dan precision sebesar 92% dan 94% lebih baik dibandingkan algoritma Naïve Bayes dengan nilai 86% dan 93%.
ThesisOpen AccessPDF tersedia
2021•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Pada era globalisasi sekarang ini laptop merupakan sebuah perangkat yang bisa dimiliki semua kalangan sehingga memicu meningkatnya penjualan laptop pada perusahaan penjual laptop. Permasalahan yang umum dihadapi oleh para pemilik perusahaan adalah bagaimana memprediksi atau meramalkan penjualan barang di masa mendatang berdasarkan data yang telah direkam sebelumnya. Prediksi tersebut sangat berpengaruh pada keputusan pemilik perusahaan untuk menentukan jumlah barang yang harus disediakan oleh perusahaan, apabila memesan barang dalam jumlah yang cukup banyak dan ternyata penjualan barang tersebut hanya terjual beberapa saja hal tersebut tentunya sangat merugikan perusahaan. Ada banyak metode untuk memprediksi penjualan, pada penelitian ini menggunakan Metode K-Nearest Neighbor. Hasil dari penelitian ini adalah K-Nearest Neighbor (KNN) dapat memprediksi penjualan laptop di tahun 2021 berdasarkan data penjualan laptop dari tahun 2018-2020 menggunakan Euclidean Distance dengan nilai K=8 dengan hasil prediksi rata-rata penjualan setiap laptop di tahun 2021 adalah asus = 183, acer = 114, axioo = 27, lenovo = 30, hp = 18, dell = 1,6, msi = 1,8, macbook = 1,8 laptop dan hasil evaluasi algoritma diperoleh nilai RMSE pada masing-masing laptop, asus = 54.055, acer = 33,185, axioo = 14,849, lenovo = 20,450, hp = 4,861, dell = 1,325, msi = 2.056 dan macbook = 1.917, dapat disimpulkan bahwa hasil prediksi penjualan laptop dell memiliki nilai RMSE terkecil, yang berarti hasil prediksi tersebut yang paling mendekati nilai sebenarnya.
ArticleOpen AccessMetadata saja
2020•Artikel Penelitian dan Pengabdian
Jakarta is one of the culinary attractions, many tourist attractions every year become creative in business. One of them is a cafe. Cafe Ruang Temu has sales transaction data but is not used to see associations between one product and another. In this case there needs to be a system for finding menu combinations by processing sales transactions. One of the data mining techniques is association rule or Market Basket Analysis (MBA) with apriori algorithm. Apriori algorithm aims to produce association rules to form menu combinations. The sales dataset for January 2019 to July 2019 is determined by the minimum support and minimum confidence values that have been set.
ArticleOpen AccessMetadata saja
2017•Artikel Penelitian dan Pengabdian
Data mining by applying the cluster model can use the K-Means concept as a clustering method. K -Means model application can be used to classify data such as the title of graduation students based on the amount of load studies, GPA, and graduation thesis. This research was conducted to find out the results of the use of the concept of K-Means on the determination of student graduation in order to get the results in the form of an analysis of the modeling. The problem of this research is to seek to model the concept of K-Means on the determination of graduation Students using Student Data of STMIK Palangkaraya. K-Means algorithm is used through three stages: initialization , the first iteration and the second iteration. The results of the modeling is the use of K-Means algorithm to determine student graduation to obtain analysis of the results in the form of 70 % could determine the appropriate graduation of 10 data were used as a sample. Modeling using the K-Means is one of the concepts to be able to classify the data, so the use of K-Means algorithm can be a reference for the development of a modeling study, especially regarding data mining.
