Hasil dari penelitian ini membantu perusahaan dalam proses penerimaan staff administrasi dalam membuat keputusan berdasarkan kriteria-kriteria yang digunakan dan menjadi bahan pertimbangan perusahaan dalam menetapkan standart penilaian terhadap calon karyawan yang akan mengisi sebuah posisi atau jabatan dalam perusahaan. Aplikasi penerimaan karyawan yang dibuat untuk mempermudah pihak perusahaan dalam melakukan proses penilaian calon karyawan baru dibuat dengan menggunakan framework laravel 8. Sehingga aplikasi yang dibuat dapat mempermudah dan membantu pihak perusahaan dalam melakukan seleksi penerimaan karyawan baru dengan menggunakan sistem pendukung keputusan. Hasil perangkingan menggunakan metode VIKOR dalam sistem pendukung keputusan seleksi penerimaan karyawan baru yang akan mengisi jabatan staff administrasi maka metode VIKOR merekomendasikan Fitrisari menjadi kandidat utama mengisi posisi staff administrasi dengan nilai indeks VIKOR yaitu 0,045 dan mendapatkan rangking 1. Hasil pengolahan data tanggapan responden berdasarkan 4 kriteria Model TRITAM maka didapatkan hasil Kepercayaan (Trust) sebesar 77,92%, Resiko Penggunaan (Risk) sebesar 75,83%, Persepsi Kegunaan (Perceived Usefullness) sebesar 89,79%, Persepsi Kemudahan Penggunaan (Perceived Easy of Use) sebesar 81,04%. Dari keseluruhan kriteria Model TRITAM untuk penerimaan teknologi hasilnya Baik sebesar 82,56%.
{"title":"Sistem Pendukung Keputusan Penerimaan Staff Administrasi Menggunakan Metode VIKOR","authors":"Muhammad Najib Dwi Satria","doi":"10.58602/jaiti.v1i1.24","DOIUrl":"https://doi.org/10.58602/jaiti.v1i1.24","url":null,"abstract":"Hasil dari penelitian ini membantu perusahaan dalam proses penerimaan staff administrasi dalam membuat keputusan berdasarkan kriteria-kriteria yang digunakan dan menjadi bahan pertimbangan perusahaan dalam menetapkan standart penilaian terhadap calon karyawan yang akan mengisi sebuah posisi atau jabatan dalam perusahaan. Aplikasi penerimaan karyawan yang dibuat untuk mempermudah pihak perusahaan dalam melakukan proses penilaian calon karyawan baru dibuat dengan menggunakan framework laravel 8. Sehingga aplikasi yang dibuat dapat mempermudah dan membantu pihak perusahaan dalam melakukan seleksi penerimaan karyawan baru dengan menggunakan sistem pendukung keputusan. Hasil perangkingan menggunakan metode VIKOR dalam sistem pendukung keputusan seleksi penerimaan karyawan baru yang akan mengisi jabatan staff administrasi maka metode VIKOR merekomendasikan Fitrisari menjadi kandidat utama mengisi posisi staff administrasi dengan nilai indeks VIKOR yaitu 0,045 dan mendapatkan rangking 1. Hasil pengolahan data tanggapan responden berdasarkan 4 kriteria Model TRITAM maka didapatkan hasil Kepercayaan (Trust) sebesar 77,92%, Resiko Penggunaan (Risk) sebesar 75,83%, Persepsi Kegunaan (Perceived Usefullness) sebesar 89,79%, Persepsi Kemudahan Penggunaan (Perceived Easy of Use) sebesar 81,04%. Dari keseluruhan kriteria Model TRITAM untuk penerimaan teknologi hasilnya Baik sebesar 82,56%.","PeriodicalId":408393,"journal":{"name":"Journal of Artificial Intelligence and Technology Information (JAITI)","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-02-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121605940","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}
Vaccine administration in Indonesia has now reached the booster vaccine stage, various types of vaccines have been given to the Indonesian people from the Sinovac, AstraZeneca, Sinopharm, Moderna, Pfizer vaccines, etc. Not a few Indonesian people use several types of vaccines that are offered up to booster vaccines, but there are some people who think they are still infected with this Covid virus with severe symptoms. Another opinion is that there is also a vaccine. In 2019, people were shocked by a new virus from Wuhan, China, namely the corona virus or called COVID-19 (Corona Virus Disease 2019). The government invites the public to get the Covid-19 vaccine in order to form herd immunity or group immunity to the Covid-19 virus. Sentiment analysis can be used to evaluate a service performance and so on. So the author will conduct a comparison between the Naive Bayer Classifier method and the Support Vector Machine to find out which method is more efficient in knowing people's accurate views of the Covid-19 vaccine. The performance test results of the two methods show that the performance of the Naive Bayes Classifier method (Accuracy 72.88%, Precision 43.49%, Recall 54.95%, and average performance 57.10%) is higher than the average performance of the Support Vector Machine method (Accuracy 77.00% , Precision 75.00%, Recall 7.70%, and average performance 53.52%). Based on the average performance value of the Naive Bayes Classifier method, it can be considered more efficient than the Support Vector Machine method.
{"title":"Sentimen Analisis Vaksin Covid-19 Menggunakan Naive Bayes Dan Support Vector Machine","authors":"Debby Alita, RB Ali Shodiqin","doi":"10.58602/jaiti.v1i1.20","DOIUrl":"https://doi.org/10.58602/jaiti.v1i1.20","url":null,"abstract":"Vaccine administration in Indonesia has now reached the booster vaccine stage, various types of vaccines have been given to the Indonesian people from the Sinovac, AstraZeneca, Sinopharm, Moderna, Pfizer vaccines, etc. Not a few Indonesian people use several types of vaccines that are offered up to booster vaccines, but there are some people who think they are still infected with this Covid virus with severe symptoms. Another opinion is that there is also a vaccine. In 2019, people were shocked by a new virus from Wuhan, China, namely the corona virus or called COVID-19 (Corona Virus Disease 2019). The government invites the public to get the Covid-19 vaccine in order to form herd immunity or group immunity to the Covid-19 virus. Sentiment analysis can be used to evaluate a service performance and so on. So the author will conduct a comparison between the Naive Bayer Classifier method and the Support Vector Machine to find out which method is more efficient in knowing people's accurate views of the Covid-19 vaccine. The performance test results of the two methods show that the performance of the Naive Bayes Classifier method (Accuracy 72.88%, Precision 43.49%, Recall 54.95%, and average performance 57.10%) is higher than the average performance of the Support Vector Machine method (Accuracy 77.00% , Precision 75.00%, Recall 7.70%, and average performance 53.52%). Based on the average performance value of the Naive Bayes Classifier method, it can be considered more efficient than the Support Vector Machine method.","PeriodicalId":408393,"journal":{"name":"Journal of Artificial Intelligence and Technology Information (JAITI)","volume":"76 ","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-02-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114057254","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}
A. Pasaribu, Ade Surahman, Adhie thyo Priandika, Sanriomi Sintaro, Yohana Tri Utami
Tujuan dari penelitian ini adalah membuat sebuah sistem pendukung keputusan dalam seleksi penerimaan guru dengan menggunakan metode SAW, sehingga hasil seleksi penerimaan guru lebih relevan dan efektif karena menggunakan teknologi informasi dalam proses penerimaa guru. Hasil penelitian disimpulkan bahwa metode SAW dapat diimplementasikan dalam seleksi penerimaan calon guru dengan menggunakan kriteria Indeks Prestasi Kumulatif, Kemampuan Pedagogik, Profesional, Kepribadian, dan Kedisiplinan dari masing-masing calon guru. Hasil perhitungan menggunakan SAW dalam seleksi penerimaan calon guru, Peringkat 1 dalam seleksi penerimaan calon guru adalah Joni Fernando dengan skor 0,95. Peringkat 2 dalam seleksi penerimaan calon guru adalah Komala Puspa Rini dengan skor 0,94. Serta Peringkat 3 dalam seleksi penerimaan calon guru adalah Dwi Cahya Ningrum dengan skor 0,9.
{"title":"Sistem Pendukung Keputusan Seleksi Penerimaan Guru Menggunakan SAW","authors":"A. Pasaribu, Ade Surahman, Adhie thyo Priandika, Sanriomi Sintaro, Yohana Tri Utami","doi":"10.58602/jaiti.v1i1.21","DOIUrl":"https://doi.org/10.58602/jaiti.v1i1.21","url":null,"abstract":"Tujuan dari penelitian ini adalah membuat sebuah sistem pendukung keputusan dalam seleksi penerimaan guru dengan menggunakan metode SAW, sehingga hasil seleksi penerimaan guru lebih relevan dan efektif karena menggunakan teknologi informasi dalam proses penerimaa guru. Hasil penelitian disimpulkan bahwa metode SAW dapat diimplementasikan dalam seleksi penerimaan calon guru dengan menggunakan kriteria Indeks Prestasi Kumulatif, Kemampuan Pedagogik, Profesional, Kepribadian, dan Kedisiplinan dari masing-masing calon guru. Hasil perhitungan menggunakan SAW dalam seleksi penerimaan calon guru, Peringkat 1 dalam seleksi penerimaan calon guru adalah Joni Fernando dengan skor 0,95. Peringkat 2 dalam seleksi penerimaan calon guru adalah Komala Puspa Rini dengan skor 0,94. Serta Peringkat 3 dalam seleksi penerimaan calon guru adalah Dwi Cahya Ningrum dengan skor 0,9.","PeriodicalId":408393,"journal":{"name":"Journal of Artificial Intelligence and Technology Information (JAITI)","volume":"29 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-02-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124233147","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}
Data mining merupakan sebuah metode dalam bidang ilmu komputer yang digunakan dalam mencari pengetahuan dari data sehingga menjadi sebuah informasi yang bermanfaat. Tahapan dalam proses data mining berguna untuk mencari sebuah pola tertentu dari data penilaian yang sangat banyak. Tujuan penelitian ini yaitu mengetahui dan membentuk cluster data siswa berdasarkan nilai akademik, nilai sikap, dan nilai disiplin sehingga menjadi sebuah cluster sehingga hasil cluster siswa dapat menjadi acuan dalam meningkatkan nilai siswa dalam proses pembelajaran selanjutnya. Hasil evaluasi dan penilaian terhadap siswa dilakukan oleh tenaga pengajar atau guru dalam melakukan penilaian selama proses pembelajaran. Dalam proses pembelajaran terdapat 3 kategori penilaian yaitu nilai siswa, disiplin, serta sikap. Hasil pengelompokan data nilai siswa menggunakan metode K-Means clustering menunjukan bahwa berdasarkan hasil cluster data siswa menggunakan dataset siswa dalam satu semester, maka didapatkan cluster 0 berjumlah 59 siswa, cluster 1 berjumlah 94 siswa, dan cluster 2 berjumlah 1 siswa. Hasil pengujian menggunakan elbow method maka jumlah cluster yang baik yang digunakan adalah 3 cluster, sehingga dalam penelitian ini menggunaka 3 cluster yaitu cluster 0, cluster 1, dan cluster 2. Hasil pengujian menggunakan silhouette coefficient maka jumlah cluster yang baik yang digunakan adalah 3 cluster dengan nilai silhouette coefficient yaitu 0.489, dan lebih baik dari nilai silhouette coefficient cluster lainnya.
{"title":"Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering","authors":"Aditia Yudhistira, Rio Andika","doi":"10.58602/jaiti.v1i1.22","DOIUrl":"https://doi.org/10.58602/jaiti.v1i1.22","url":null,"abstract":"Data mining merupakan sebuah metode dalam bidang ilmu komputer yang digunakan dalam mencari pengetahuan dari data sehingga menjadi sebuah informasi yang bermanfaat. Tahapan dalam proses data mining berguna untuk mencari sebuah pola tertentu dari data penilaian yang sangat banyak. Tujuan penelitian ini yaitu mengetahui dan membentuk cluster data siswa berdasarkan nilai akademik, nilai sikap, dan nilai disiplin sehingga menjadi sebuah cluster sehingga hasil cluster siswa dapat menjadi acuan dalam meningkatkan nilai siswa dalam proses pembelajaran selanjutnya. Hasil evaluasi dan penilaian terhadap siswa dilakukan oleh tenaga pengajar atau guru dalam melakukan penilaian selama proses pembelajaran. Dalam proses pembelajaran terdapat 3 kategori penilaian yaitu nilai siswa, disiplin, serta sikap. Hasil pengelompokan data nilai siswa menggunakan metode K-Means clustering menunjukan bahwa berdasarkan hasil cluster data siswa menggunakan dataset siswa dalam satu semester, maka didapatkan cluster 0 berjumlah 59 siswa, cluster 1 berjumlah 94 siswa, dan cluster 2 berjumlah 1 siswa. Hasil pengujian menggunakan elbow method maka jumlah cluster yang baik yang digunakan adalah 3 cluster, sehingga dalam penelitian ini menggunaka 3 cluster yaitu cluster 0, cluster 1, dan cluster 2. Hasil pengujian menggunakan silhouette coefficient maka jumlah cluster yang baik yang digunakan adalah 3 cluster dengan nilai silhouette coefficient yaitu 0.489, dan lebih baik dari nilai silhouette coefficient cluster lainnya.","PeriodicalId":408393,"journal":{"name":"Journal of Artificial Intelligence and Technology Information (JAITI)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-02-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128813675","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}
Penelitian ini bertujuan untuk dapat membantu admin dalam menentukan plano kertas, sehingga admin tidak harus menghitung manual satu per satu lagi kertas yang mengakibatkan lambatnya penanganan customer dan akan berdampak buruk terhadap pelayanan. Dengan sistem ini dapat membantu admin dalam memberikan informasi dan wawasan tentang plano kertas yang akan dipilih berdasarkan estimasi harga yang paling murah. Metode SAW (Simple Additive Weighting) adalah suatu metode yang mencari penjumlah terbobot dari rating kinerja pada setiap alternatif dari semua kriteria. Sistem Pendukung Keputusan Pemilihan Plano dengan metode SAW pada CV Retina Khatulistiwa adalah sistem yang didalamnya sudah terdapat informasi, wawasan serta formula atau rumus perhitungan yang dapat membatu admin melalui interface sistem yang telah di buat, sehingga admin dapat memberikan estimasi harga plano kertas dan plano kertas yang efisien. Sistem Pendukung Keputusan Pemilihan Plano dengan metode SAW pada CV Retina Khatulistiwa dapat memberikan informasi tentang plano kertas secara cepat yaitu dengan meranking harga plano kertas mulai dari harga yang paling murah. Sistem ini lebih dalam penyajian data dibandingkan perhitungan manual yang harus menghitung satu per satu lalu dan lebih aman dan nyaman digunakan dibandingkan dengan Microsoft Excel yang rumusnya dapat berubah dan terhapus oleh admin pada saat penggunaan dan lupa menyimpan file dalam keadaan rumus semula.
{"title":"Implementasi Metode SAW Dalam Sistem Pendukung Keputusan Pemilihan Plano Kertas","authors":"Rakhmat Dedi Gunawan, Fenty Ariany, Novriyadi","doi":"10.58602/jaiti.v1i1.23","DOIUrl":"https://doi.org/10.58602/jaiti.v1i1.23","url":null,"abstract":"Penelitian ini bertujuan untuk dapat membantu admin dalam menentukan plano kertas, sehingga admin tidak harus menghitung manual satu per satu lagi kertas yang mengakibatkan lambatnya penanganan customer dan akan berdampak buruk terhadap pelayanan. Dengan sistem ini dapat membantu admin dalam memberikan informasi dan wawasan tentang plano kertas yang akan dipilih berdasarkan estimasi harga yang paling murah. Metode SAW (Simple Additive Weighting) adalah suatu metode yang mencari penjumlah terbobot dari rating kinerja pada setiap alternatif dari semua kriteria. Sistem Pendukung Keputusan Pemilihan Plano dengan metode SAW pada CV Retina Khatulistiwa adalah sistem yang didalamnya sudah terdapat informasi, wawasan serta formula atau rumus perhitungan yang dapat membatu admin melalui interface sistem yang telah di buat, sehingga admin dapat memberikan estimasi harga plano kertas dan plano kertas yang efisien. Sistem Pendukung Keputusan Pemilihan Plano dengan metode SAW pada CV Retina Khatulistiwa dapat memberikan informasi tentang plano kertas secara cepat yaitu dengan meranking harga plano kertas mulai dari harga yang paling murah. Sistem ini lebih dalam penyajian data dibandingkan perhitungan manual yang harus menghitung satu per satu lalu dan lebih aman dan nyaman digunakan dibandingkan dengan Microsoft Excel yang rumusnya dapat berubah dan terhapus oleh admin pada saat penggunaan dan lupa menyimpan file dalam keadaan rumus semula.","PeriodicalId":408393,"journal":{"name":"Journal of Artificial Intelligence and Technology Information (JAITI)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-02-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130475510","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：