Pub Date : 2022-09-29DOI: 10.47709/digitech.v2i1.1773
A. Husein, Putri Suci Rahmadani
IndiHome dalam memenuhi permintaan produk dari pelanggan belum dapat meramalkan seberapa banyak pesanan dari pelanggan, karena IndiHome tidak bisa melihat secara pasti kejadian yang akan datang. Peramalan penjualan berfokus pada perkiraan produk, penjadwalan, persediaan, permintaan konsumen, modal, distribusi transportasi dan pemasaran produk. Jumlah pesanan dari pelanggan pada waktu mendatang tidak bisa diperkirakan secara pasti, untuk meminimalkan hal tersebut dapat dilakukan dengan metode peramalan Regresi Linier. Metode ini dapat mengukur seberapa banyak produksi yang harus dilakukan agar tidak terjadi kelebihan atau kekurangan pada produk. beberapa alur tahapan yang akan dilalui pada saat melaksanakan penelitian ini yaitu penentuan tujuan, identifikasi variabel, pengumpulan data, perhitungan x, y dan xy, perhitungan a dan b hingga melakukan peramalan. hasil peramalan pada bulan ke-13 atau bulan januari tahun selanjutnya, yaitu sebanyak 1603,831 peramalan orderan yang akan masuk di Plasa Telkom Iskandar Muda Medan. Dibulan ke-14 yaitu bulan Februari hasil peramalan mencapai 1604,728 orderan. Bulan ke-15 atau bulan Maret peramalan menunjukkan hasil 1605,625 orderan. Bulan ke-16 yaitu April, hasil peramalan yaitu sebanyak 1606,522 orderan. Bulan. ke-17 yaitu Mei, hasil peramalan sebanyak 1607,419 orderan. Bulan ke-18 yaitu Juni, hasil peramalan yaitu sebanyak 1608,316 orderan. Bulan ke-19 yaitu Juli, hasil peramalan yaitu sebanyak 1609,213 orderan. Pada bulan ke-20 yaitu Agustus, hasil peramalan mencapai 1610,11 orderan. Bulan ke-21 yaitu bulan September, hasil peramalan yaitu sebanyak 1611,007 orderan. Bulan berikutnya yaitu bulan ke-22 atau Oktober, hasil peramalan sebanyak 1611,904 orderan. Dibulan ke-23 yaitu November, hasil peramalan yaitu sebanyak 1612,801 orderan. Bulan ke-24 yaitu Desember, hasil peramalan mencapai 1613,698 orderan
{"title":"Simulasi Peramalan Dengan Model Regresi Linier Terhadap Orderan Pelanggan Indihome PT. Telekomunikasi Indonesia, Tbk.","authors":"A. Husein, Putri Suci Rahmadani","doi":"10.47709/digitech.v2i1.1773","DOIUrl":"https://doi.org/10.47709/digitech.v2i1.1773","url":null,"abstract":"IndiHome dalam memenuhi permintaan produk dari pelanggan belum dapat meramalkan seberapa banyak pesanan dari pelanggan, karena IndiHome tidak bisa melihat secara pasti kejadian yang akan datang. Peramalan penjualan berfokus pada perkiraan produk, penjadwalan, persediaan, permintaan konsumen, modal, distribusi transportasi dan pemasaran produk. Jumlah pesanan dari pelanggan pada waktu mendatang tidak bisa diperkirakan secara pasti, untuk meminimalkan hal tersebut dapat dilakukan dengan metode peramalan Regresi Linier. Metode ini dapat mengukur seberapa banyak produksi yang harus dilakukan agar tidak terjadi kelebihan atau kekurangan pada produk. beberapa alur tahapan yang akan dilalui pada saat melaksanakan penelitian ini yaitu penentuan tujuan, identifikasi variabel, pengumpulan data, perhitungan x, y dan xy, perhitungan a dan b hingga melakukan peramalan. hasil peramalan pada bulan ke-13 atau bulan januari tahun selanjutnya, yaitu sebanyak 1603,831 peramalan orderan yang akan masuk di Plasa Telkom Iskandar Muda Medan. Dibulan ke-14 yaitu bulan Februari hasil peramalan mencapai 1604,728 orderan. Bulan ke-15 atau bulan Maret peramalan menunjukkan hasil 1605,625 orderan. Bulan ke-16 yaitu April, hasil peramalan yaitu sebanyak 1606,522 orderan. Bulan. ke-17 yaitu Mei, hasil peramalan sebanyak 1607,419 orderan. Bulan ke-18 yaitu Juni, hasil peramalan yaitu sebanyak 1608,316 orderan. Bulan ke-19 yaitu Juli, hasil peramalan yaitu sebanyak 1609,213 orderan. Pada bulan ke-20 yaitu Agustus, hasil peramalan mencapai 1610,11 orderan. Bulan ke-21 yaitu bulan September, hasil peramalan yaitu sebanyak 1611,007 orderan. Bulan berikutnya yaitu bulan ke-22 atau Oktober, hasil peramalan sebanyak 1611,904 orderan. Dibulan ke-23 yaitu November, hasil peramalan yaitu sebanyak 1612,801 orderan. Bulan ke-24 yaitu Desember, hasil peramalan mencapai 1613,698 orderan","PeriodicalId":339181,"journal":{"name":"Digital Transformation Technology","volume":"7 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-09-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122504165","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-09-29DOI: 10.47709/digitech.v2i1.1769
A. Husein, Mahendra Brutu
Untuk menentukan calon karyawan yang memenuhi kriteria maka dibutuhkan rekomendasi yang tepat. Perekomendasian yang tepat membutuhkan jumlah data yang banyak, Algoritma C4.5 merupakan salah satu metode yang dapat menganalisis data dalam jumlah yang banyak atau biasa disebut data mining. Algoritma C4.5 digunakan pada penelitian ini untuk memprediksi proses penerimaan calon karyawan baru dengan cara mengklasifikasikan data calon karyawan berdasarkan kriteria yang ditentukan. Pada penelitian ini dibuat suatu aplikasi yang mengimplementasikan pohon keputusan dengan algoritma C4.5, data yang digunakan dalam penelitian ini adalah data calon pegawai. Algoritma C 4.5 adalah algoritma klasifikasi data dengan teknik pohon keputusan. Adapun alur proses pengerjaan penelitian ini dimulai dari Pengumpulan Data sesuai dengan beberapa metode yang telah dijelaskan sebelumnya. Kemudian setelah dataset terkumpul, dilakukan tahap preprocessing untuk proses pengolahan data. Kemudian dilakukan proses perhitungan baik manual maupun menggunakan sistem dari RapidMiner sebagai perbandingan hasil ke akuratan. Hingga pada akhirnya diperoleh hasil akhir. Setelah pengujian dilakukan beberapa kali maka operator yang ditetapkan adalah dengan menggunakan operator split validation dan menggunakan Stratified Sampling dengan training data 90% dan testing data 10% dengan tingkat akurasi sebesar 81,82% dan classification error sebesar 18,18%.
{"title":"Prediksi Penerimaan Calon Karyawan Dengan Menggunakan Algoritma C4.5 Pada Biro Kesejahteraan Rakyat Provinsi Sumatera Utara","authors":"A. Husein, Mahendra Brutu","doi":"10.47709/digitech.v2i1.1769","DOIUrl":"https://doi.org/10.47709/digitech.v2i1.1769","url":null,"abstract":"Untuk menentukan calon karyawan yang memenuhi kriteria maka dibutuhkan rekomendasi yang tepat. Perekomendasian yang tepat membutuhkan jumlah data yang banyak, Algoritma C4.5 merupakan salah satu metode yang dapat menganalisis data dalam jumlah yang banyak atau biasa disebut data mining. Algoritma C4.5 digunakan pada penelitian ini untuk memprediksi proses penerimaan calon karyawan baru dengan cara mengklasifikasikan data calon karyawan berdasarkan kriteria yang ditentukan. Pada penelitian ini dibuat suatu aplikasi yang mengimplementasikan pohon keputusan dengan algoritma C4.5, data yang digunakan dalam penelitian ini adalah data calon pegawai. Algoritma C 4.5 adalah algoritma klasifikasi data dengan teknik pohon keputusan. Adapun alur proses pengerjaan penelitian ini dimulai dari Pengumpulan Data sesuai dengan beberapa metode yang telah dijelaskan sebelumnya. Kemudian setelah dataset terkumpul, dilakukan tahap preprocessing untuk proses pengolahan data. Kemudian dilakukan proses perhitungan baik manual maupun menggunakan sistem dari RapidMiner sebagai perbandingan hasil ke akuratan. Hingga pada akhirnya diperoleh hasil akhir. Setelah pengujian dilakukan beberapa kali maka operator yang ditetapkan adalah dengan menggunakan operator split validation dan menggunakan Stratified Sampling dengan training data 90% dan testing data 10% dengan tingkat akurasi sebesar 81,82% dan classification error sebesar 18,18%.","PeriodicalId":339181,"journal":{"name":"Digital Transformation Technology","volume":"27 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-09-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129478716","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-09-29DOI: 10.47709/digitech.v2i1.1768
A. Husein, Ricki Eko Hasudungan Hutauruk
Pada penelitian ini maka dibuat suatu sistem klasifikasi siswa berprestasi menggunakan teknik data mining dengan algoritma C4.5. Analisis dilakukan menggunakan data nilai tahun 2020/2021 untuk membangun model C4.5. Algoritma C4.5 merupakan teknik data mining yang dapat melakukan klasifikasi dan prediksi dengan mengolah beberapa variable. Algoritma C4.5 dengan metode pohon keputusan dapat memberikan informasi rule prediksi untuk menggambarkan proses yang terkait dengan prediksi pemilihan siswa berprestasi. Dalam melakukan penelitian ini dilakukan beberapa metode pengumpulan data. Setelah melakukan pengumpulan data, tahap selanjutnya adalah melakukan perhitungan untuk mengklasifikasikan hasil probabilitas dari sample yang digunakan. Apabila perhitungan probabilitas telah selesai, maka tahap selanjutnya dilakukan pengujian dengan menggunakan tools data mining yaitu RapidMiner untuk mengetahui hasil klasifikasi dan memvalidasi hasil perhitungan sebelumnya. Pengujian data ini berhasil mendapatkan akurasi yang cukup. Dengan akurasi yang didapat adalah 56,17%, precission 55,28% dan recall 31.25%.
{"title":"Penerapan Algoritma C4.5 Dalam Pemilihan Siswa Berprestasi di SMPN 10 Medan","authors":"A. Husein, Ricki Eko Hasudungan Hutauruk","doi":"10.47709/digitech.v2i1.1768","DOIUrl":"https://doi.org/10.47709/digitech.v2i1.1768","url":null,"abstract":"Pada penelitian ini maka dibuat suatu sistem klasifikasi siswa berprestasi menggunakan teknik data mining dengan algoritma C4.5. Analisis dilakukan menggunakan data nilai tahun 2020/2021 untuk membangun model C4.5. Algoritma C4.5 merupakan teknik data mining yang dapat melakukan klasifikasi dan prediksi dengan mengolah beberapa variable. Algoritma C4.5 dengan metode pohon keputusan dapat memberikan informasi rule prediksi untuk menggambarkan proses yang terkait dengan prediksi pemilihan siswa berprestasi. Dalam melakukan penelitian ini dilakukan beberapa metode pengumpulan data. Setelah melakukan pengumpulan data, tahap selanjutnya adalah melakukan perhitungan untuk mengklasifikasikan hasil probabilitas dari sample yang digunakan. Apabila perhitungan probabilitas telah selesai, maka tahap selanjutnya dilakukan pengujian dengan menggunakan tools data mining yaitu RapidMiner untuk mengetahui hasil klasifikasi dan memvalidasi hasil perhitungan sebelumnya. Pengujian data ini berhasil mendapatkan akurasi yang cukup. Dengan akurasi yang didapat adalah 56,17%, precission 55,28% dan recall 31.25%.","PeriodicalId":339181,"journal":{"name":"Digital Transformation Technology","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-09-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130796881","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-09-28DOI: 10.47709/digitech.v2i1.1753
T. S. R. Richardo
Motor stepper tidak sama dengan motor AC maupun DC konvensional yang berputar secara kontiniu,tetapi perputaran pada motor stepper yaitu secara incremental atau langkah per langkah ( step by step ), sehingga dapat memberikan putaran yang lebih presisi dan akurat.Perancangan dan pembuatan system pengendali arah putaran motor stepper berbasis ICL293D yang sangat menarik untuk dipelajari.Dalam perancangan system ini menggunakan metode eksperimen,sehingga dalam pembuatan dan perancangan simulator dibutuhkan beberapa komponen penting yang terdiri dari IC L293D sebagai pengambil keputusan dan stepper motor sebagai driver yang dapat membangkitkan elektromagnetik yang di timbulkan oleh lilitan motor stepper pada saat ada arus yang mengalir pada lilitan tersebut,sehingga dapat membolak – balikan arah putaran motor stepper. Catudaya yang dipergunakan adalah 12 Volt DC yang mensupply tegangan ke IC L293D dan motor serta digunakan regulator LM 7805 dan regulator LM 7812 untuk menurunkan dan menstabilkan tegangan.
{"title":"Rancang Bangun Pengendali Motor Palang Pintu Parkir Otomatis","authors":"T. S. R. Richardo","doi":"10.47709/digitech.v2i1.1753","DOIUrl":"https://doi.org/10.47709/digitech.v2i1.1753","url":null,"abstract":"Motor stepper tidak sama dengan motor AC maupun DC konvensional yang berputar secara kontiniu,tetapi perputaran pada motor stepper yaitu secara incremental atau langkah per langkah ( step by step ), sehingga dapat memberikan putaran yang lebih presisi dan akurat.Perancangan dan pembuatan system pengendali arah putaran motor stepper berbasis ICL293D yang sangat menarik untuk dipelajari.Dalam perancangan system ini menggunakan metode eksperimen,sehingga dalam pembuatan dan perancangan simulator dibutuhkan beberapa komponen penting yang terdiri dari IC L293D sebagai pengambil keputusan dan stepper motor sebagai driver yang dapat membangkitkan elektromagnetik yang di timbulkan oleh lilitan motor stepper pada saat ada arus yang mengalir pada lilitan tersebut,sehingga dapat membolak – balikan arah putaran motor stepper. Catudaya yang dipergunakan adalah 12 Volt DC yang mensupply tegangan ke IC L293D dan motor serta digunakan regulator LM 7805 dan regulator LM 7812 untuk menurunkan dan menstabilkan tegangan.","PeriodicalId":339181,"journal":{"name":"Digital Transformation Technology","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-09-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"131134829","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-09-28DOI: 10.47709/digitech.v2i1.1752
Sylvia Larasati
Dengan banyaknya alat elektonika yang dipakai tentu tidak sedikit yang mengalami gangguan ataupun kerusakan sehingga terkadang hanya kerusakan pada part yang kecil seperti dioda ataupun resistor saja yang mengakibatkan alat elektronika yang kita miliki tidak dapat berfungsi dengan baik. Sebab itu Informasi tentang berbagai fungsi dan cara kerja komponen elektronika harus kita fahami, saat ini sangat mudah didapat dari berbagai media, baik buku maupun internet dan dapat diaplikasikan dalam banyak hal. Dengan memahami fungsi dan cara kerja dari tiap komponen elektronika tentu akan membantu kita mendiagnosa dan memperbaiki alat tersebut sehingga dapat dipergunakan kembali tanpa harus membeli yang baru, tentu saja semua itu akan menghemat pengeluaran kita.
{"title":"Rancang Bangun Trainer Elektronika Dasar Sebagai Alat Bantu Peraga Praktikum Pada Laboratorium Teknik Elektronika","authors":"Sylvia Larasati","doi":"10.47709/digitech.v2i1.1752","DOIUrl":"https://doi.org/10.47709/digitech.v2i1.1752","url":null,"abstract":"Dengan banyaknya alat elektonika yang dipakai tentu tidak sedikit yang mengalami gangguan ataupun kerusakan sehingga terkadang hanya kerusakan pada part yang kecil seperti dioda ataupun resistor saja yang mengakibatkan alat elektronika yang kita miliki tidak dapat berfungsi dengan baik. Sebab itu Informasi tentang berbagai fungsi dan cara kerja komponen elektronika harus kita fahami, saat ini sangat mudah didapat dari berbagai media, baik buku maupun internet dan dapat diaplikasikan dalam banyak hal. \u0000Dengan memahami fungsi dan cara kerja dari tiap komponen elektronika tentu akan membantu kita mendiagnosa dan memperbaiki alat tersebut sehingga dapat dipergunakan kembali tanpa harus membeli yang baru, tentu saja semua itu akan menghemat pengeluaran kita.","PeriodicalId":339181,"journal":{"name":"Digital Transformation Technology","volume":"26 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-09-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"125163462","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-10-30DOI: 10.47709/digitech.v1i2.1111
N. Nurhayati, J. Sitompul, B. Setiawan
Penjualan kendaraan merek Toyota ditangani oleh Divisi Kendaraan yang berkedudukan di kantor pusat Jakarta dan untuk seluruh cabang ditangani oleh Departemen Penjualan. Data produksi yang digunakan adalah data tahun 2016, 2017 dan 2018 berupa data bulanan. Dengan epoch maksimum antara 0-10000, learning rate 0,1 dan target error 0,01-0,5 untuk mendapatkan hasil yang konvergen. Data penjualan mobil dapat dikenali oleh sistem jaringan syaraf tiruan dengan metode backpropagation, hasil pengujian mengalami kenaikan dan penurunan. Prediksi penjualan New Agya meningkat rata-rata 5.99/bulan, Calya meningkat rata-rata 5.99/bulan, All New Rush meningkat rata-rata 12.06/bulan, New Avanza meningkat rata-rata 7.72/bulan, New Vios menurun rata-rata 0.33/bulan, New Corolla meningkat rata-rata 0.13/bulan, New Camry menurun rata-rata 0.48/bulan, Etios menurun rata-rata 0.60/bulan, Yaris menurun rata-rata 0.57/bulan, New Yaris menurun rata-rata 3.38/bulan, Rush menurun rata-rata 3.12/bulan, New Kijang Innova menurun rata-rata 2.23/bulan, New Fortuner menurun rata-rata 2.23/bulan, All New Hilux menurun rata-rata 0,18/bulan, Hilux menurun rata-rata 0,14/bulan, dan New Hilux meningkat rata-rata 0,08/bulan.
{"title":"PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN MOBIL DENGAN MENGGUNAKAN METODE BACKPROPAGATION (Studi Kasus : Toyota Auto 2000 Medan)","authors":"N. Nurhayati, J. Sitompul, B. Setiawan","doi":"10.47709/digitech.v1i2.1111","DOIUrl":"https://doi.org/10.47709/digitech.v1i2.1111","url":null,"abstract":"Penjualan kendaraan merek Toyota ditangani oleh Divisi Kendaraan yang berkedudukan di kantor pusat Jakarta dan untuk seluruh cabang ditangani oleh Departemen Penjualan. Data produksi yang digunakan adalah data tahun 2016, 2017 dan 2018 berupa data bulanan. Dengan epoch maksimum antara 0-10000, learning rate 0,1 dan target error 0,01-0,5 untuk mendapatkan hasil yang konvergen. Data penjualan mobil dapat dikenali oleh sistem jaringan syaraf tiruan dengan metode backpropagation, hasil pengujian mengalami kenaikan dan penurunan. Prediksi penjualan New Agya meningkat rata-rata 5.99/bulan, Calya meningkat rata-rata 5.99/bulan, All New Rush meningkat rata-rata 12.06/bulan, New Avanza meningkat rata-rata 7.72/bulan, New Vios menurun rata-rata 0.33/bulan, New Corolla meningkat rata-rata 0.13/bulan, New Camry menurun rata-rata 0.48/bulan, Etios menurun rata-rata 0.60/bulan, Yaris menurun rata-rata 0.57/bulan, New Yaris menurun rata-rata 3.38/bulan, Rush menurun rata-rata 3.12/bulan, New Kijang Innova menurun rata-rata 2.23/bulan, New Fortuner menurun rata-rata 2.23/bulan, All New Hilux menurun rata-rata 0,18/bulan, Hilux menurun rata-rata 0,14/bulan, dan New Hilux meningkat rata-rata 0,08/bulan.\u0000 ","PeriodicalId":339181,"journal":{"name":"Digital Transformation Technology","volume":"8 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127797857","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-10-29DOI: 10.47709/digitech.v1i2.1118
Belly Yasmihan, Zulfi Azhar
Administrasi Kesiswaan berperan penting dalam mendukung tertib administrasi dalam lembaga pendidikan. Ketersediaan informasi yang akurat mampu mendukung pengambilan keputusan yang tepat dan cepat pada berbagai hal yang menyangkut siswa. Akurasi ini dapat ditingkatkan dengan membuat sistem yang dapat menstandarkan informasi dalam sistem administrasi kesiswaan yaitu dengan pembuatan Sistem Informasi Administrasi Kesiswaan. SMA Nusantara Setia Janji adalah salah satu sekolah yang menginginkan kemudahan dalam pengolahan data dan laporan. Pelayanan yang dilakukan dengan cara manual bisa diselesaikan dengan program aplikasi yang dapat membantu mempercepat proses dan dapat meningkatkan kualitas layanan untuk menghasilkan laporan yang cepat, akurat, dan lebih efektif dan efisien. Sistem informasi administrasi kesiswaan dirancang untuk mengolah data secara efektif dan efisien, selain untuk mengoptimalkan penggunaan komputer yang ada.
{"title":"Sistem Informasi Administrasi Kesiswaan Di SMA Swasta Nusantara Setia Janji","authors":"Belly Yasmihan, Zulfi Azhar","doi":"10.47709/digitech.v1i2.1118","DOIUrl":"https://doi.org/10.47709/digitech.v1i2.1118","url":null,"abstract":"Administrasi Kesiswaan berperan penting dalam mendukung tertib administrasi dalam lembaga pendidikan. Ketersediaan informasi yang akurat mampu mendukung pengambilan keputusan yang tepat dan cepat pada berbagai hal yang menyangkut siswa. Akurasi ini dapat ditingkatkan dengan membuat sistem yang dapat menstandarkan informasi dalam sistem administrasi kesiswaan yaitu dengan pembuatan Sistem Informasi Administrasi Kesiswaan. SMA Nusantara Setia Janji adalah salah satu sekolah yang menginginkan kemudahan dalam pengolahan data dan laporan. Pelayanan yang dilakukan dengan cara manual bisa diselesaikan dengan program aplikasi yang dapat membantu mempercepat proses dan dapat meningkatkan kualitas layanan untuk menghasilkan laporan yang cepat, akurat, dan lebih efektif dan efisien. Sistem informasi administrasi kesiswaan dirancang untuk mengolah data secara efektif dan efisien, selain untuk mengoptimalkan penggunaan komputer yang ada.","PeriodicalId":339181,"journal":{"name":"Digital Transformation Technology","volume":"61 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126715799","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Riset ini bertujuan untuk menguji dan menerapkan metode MOORA dalam pengambilan keputusan untuk penentuan perangkingan dari data konsentrasi tingkat kesuburan sperma dan kemudian menggunakan metode pembobotan kriteria berdasarkan iperhitungan metode Rank Order Centroid agar bobot kriteria diperoleh secara sistematis dan obyektif sehingga tidak lagi ditentukan secara subjektif dari asumsi pengambil keputusan. Data pengujian yang digunakan bersumber dari UCI iMachine iLearning iRepository yaitu Fertility Dataset yang merupakan data tingkat konsentrasi kesuburan sperma yang memiliki 100 record data, 9 kriteria, dan 1 variable kelas serta data set tersebut berjenis multivariate. Hasil dari pengujian metode MOORA pada penelitian ini menunjukkan bahwa dengan menerapkan metode MOORA dan Rank Order Centroid mampu dalam melakukan perangkingan terhadap data konsentrasi tingkat kesuburan sperma yang menghasilkan A19 sebagai ialternatif iterbaik dengan nilai preferensi tertinggi, sedangkaniA44 isebagai alternatif peringkat terakhiridengan nilai preferensi paling terendah. Kemudian dari isegi iwaktu eksekusi program, metode MOORA membutuhkan waktu eksekusi selama 0.019 detik.
{"title":"Penentuan Peringkat Konsentrasi Tingkat Kesuburan Sperma Menggunakan Metode MOORA","authors":"Ahmadi Irmansyah Lubis, Feri Setiawan, Lusiyanti Lusiyanti","doi":"10.47709/digitech.v1i2.1116","DOIUrl":"https://doi.org/10.47709/digitech.v1i2.1116","url":null,"abstract":"Riset ini bertujuan untuk menguji dan menerapkan metode MOORA dalam pengambilan keputusan untuk penentuan perangkingan dari data konsentrasi tingkat kesuburan sperma dan kemudian menggunakan metode pembobotan kriteria berdasarkan iperhitungan metode Rank Order Centroid agar bobot kriteria diperoleh secara sistematis dan obyektif sehingga tidak lagi ditentukan secara subjektif dari asumsi pengambil keputusan. Data pengujian yang digunakan bersumber dari UCI iMachine iLearning iRepository yaitu Fertility Dataset yang merupakan data tingkat konsentrasi kesuburan sperma yang memiliki 100 record data, 9 kriteria, dan 1 variable kelas serta data set tersebut berjenis multivariate. Hasil dari pengujian metode MOORA pada penelitian ini menunjukkan bahwa dengan menerapkan metode MOORA dan Rank Order Centroid mampu dalam melakukan perangkingan terhadap data konsentrasi tingkat kesuburan sperma yang menghasilkan A19 sebagai ialternatif iterbaik dengan nilai preferensi tertinggi, sedangkaniA44 isebagai alternatif peringkat terakhiridengan nilai preferensi paling terendah. Kemudian dari isegi iwaktu eksekusi program, metode MOORA membutuhkan waktu eksekusi selama 0.019 detik.","PeriodicalId":339181,"journal":{"name":"Digital Transformation Technology","volume":"101 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115620272","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-10-29DOI: 10.47709/digitech.v1i2.1101
Ahmadi Irmansyah Lubis, Umri Erdiansyah, Feri Setiawan
Dalam riset ini bertujuan untuk menguji dan menerapkan metode AHP dan Weighted Product dalam pengambilan keputusan untuk penentuan peringkat dari hasil evaluasi kinerja asisten pengajar. Bobot kriteria diperoleh berdasarkan perhitungan nilai dari metode AHP dan Weighted Product digunakan untuk perhitungan perankingan alternatif terbaik dari data yang digunakan. Data pengujian yang digunakan bersumber dari UCI iMachine Learning iRepository yaitu Teaching Assistant Evaluation Dataset yang merupakan data evaluasi kinerja dari asisten pengajar yang memiliki 151 record data, 5 kriteria, dan 1 variable kelas serta data set tersebut berjenis multivariate. Hasil dari pengujian metode AHP dan Weighted Product pada penelitian ini menunjukkan bahwa kedua metode tersebut mampu dalam menghasilkan nilai bobot kriteria secara objektif berdasarkan bobot Eigen Vector AHP serta dapat menghasilkan perangkingan alternatif terbaik melalui perhitungan Weighted Product dengan menghasilkan A134 dengan nilai preferensi akhir yaitu 0.0107 sebagai ialternatif terbaik sedangkan A96 dengan nilai preferensi akhir sebesar 0.0034 sebagai ialternatif iterendah dengan waktu eksekusi yang diperoleh yaitu 1.27 detik.
{"title":"Kombinasi Metode AHP dan Weighted Product Dalam Penentuan Evaluasi Kinerja Asisten Pengajar","authors":"Ahmadi Irmansyah Lubis, Umri Erdiansyah, Feri Setiawan","doi":"10.47709/digitech.v1i2.1101","DOIUrl":"https://doi.org/10.47709/digitech.v1i2.1101","url":null,"abstract":"Dalam riset ini bertujuan untuk menguji dan menerapkan metode AHP dan Weighted Product dalam pengambilan keputusan untuk penentuan peringkat dari hasil evaluasi kinerja asisten pengajar. Bobot kriteria diperoleh berdasarkan perhitungan nilai dari metode AHP dan Weighted Product digunakan untuk perhitungan perankingan alternatif terbaik dari data yang digunakan. Data pengujian yang digunakan bersumber dari UCI iMachine Learning iRepository yaitu Teaching Assistant Evaluation Dataset yang merupakan data evaluasi kinerja dari asisten pengajar yang memiliki 151 record data, 5 kriteria, dan 1 variable kelas serta data set tersebut berjenis multivariate. Hasil dari pengujian metode AHP dan Weighted Product pada penelitian ini menunjukkan bahwa kedua metode tersebut mampu dalam menghasilkan nilai bobot kriteria secara objektif berdasarkan bobot Eigen Vector AHP serta dapat menghasilkan perangkingan alternatif terbaik melalui perhitungan Weighted Product dengan menghasilkan A134 dengan nilai preferensi akhir yaitu 0.0107 sebagai ialternatif terbaik sedangkan A96 dengan nilai preferensi akhir sebesar 0.0034 sebagai ialternatif iterendah dengan waktu eksekusi yang diperoleh yaitu 1.27 detik.","PeriodicalId":339181,"journal":{"name":"Digital Transformation Technology","volume":"10 45 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115741530","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-10-29DOI: 10.47709/digitech.v1i2.1117
Tumen Tumen, Zulfi Azhar
Sekolah MAS Muhammadiyah12 Punggulan Airjoman dalam menentukan sistem penentuan jurusan siswa dikelas X masih belum optimal dimana proses pengolahan data penentuan jurusan masih menggunakan Microsoft Exel sehingga data hasil nilai akhir siswa belum dijamin cepat, tepat dan akurat. Belum adanya aplikasi pengolahan data yang terintegrasi untuk mengetahui hasil penelususran minat siswa kelas X di SMA MAS Muhammadiyah 12 Punggulan Airjoman sesuai dengan ketentuan yang berlaku dalam penentuan jurusan untuk setiap siswa. Untuk itu diperlukan sebuah sistem yang bisa menunjang proses pegolahan data dalam menentukan sistem penentuan jurusan siswa dikelas X. Dalam penelitian ini menggunakan metode Analytical Hierarchy Process (AHP). Metode ini diharapkan dapat mempermudah guru bimbingan konseling dalam melakukan proses penentuan jurusan kelas X di SMA MAS Muhammadiyah 12 Punggulan Airjoman. Metode yang dilakukan penelitian ini dengan pengumpulan data dari pengisian formulir yang diberikan kepada guru dan staf sebagai responden. Hasil yang didapatkan pada implementasi penelitian ini adalah dengan menghasilkan kriteria Jumlah Nilai Raport(C1) dengan alternatif yang terpilih yaitu, IPA(A1).
{"title":"Sistem Pendukung Keputusan Penentuan Jurusan Kelas X Dengan Metode AHP Pada MAS Muhammadiyah 12 Punggulan","authors":"Tumen Tumen, Zulfi Azhar","doi":"10.47709/digitech.v1i2.1117","DOIUrl":"https://doi.org/10.47709/digitech.v1i2.1117","url":null,"abstract":"Sekolah MAS Muhammadiyah12 Punggulan Airjoman dalam menentukan sistem penentuan jurusan siswa dikelas X masih belum optimal dimana proses pengolahan data penentuan jurusan masih menggunakan Microsoft Exel sehingga data hasil nilai akhir siswa belum dijamin cepat, tepat dan akurat. Belum adanya aplikasi pengolahan data yang terintegrasi untuk mengetahui hasil penelususran minat siswa kelas X di SMA MAS Muhammadiyah 12 Punggulan Airjoman sesuai dengan ketentuan yang berlaku dalam penentuan jurusan untuk setiap siswa. Untuk itu diperlukan sebuah sistem yang bisa menunjang proses pegolahan data dalam menentukan sistem penentuan jurusan siswa dikelas X. Dalam penelitian ini menggunakan metode Analytical Hierarchy Process (AHP). Metode ini diharapkan dapat mempermudah guru bimbingan konseling dalam melakukan proses penentuan jurusan kelas X di SMA MAS Muhammadiyah 12 Punggulan Airjoman. Metode yang dilakukan penelitian ini dengan pengumpulan data dari pengisian formulir yang diberikan kepada guru dan staf sebagai responden. Hasil yang didapatkan pada implementasi penelitian ini adalah dengan menghasilkan kriteria Jumlah Nilai Raport(C1) dengan alternatif yang terpilih yaitu, IPA(A1).","PeriodicalId":339181,"journal":{"name":"Digital Transformation Technology","volume":"91 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132755434","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：