e-NARODROID

KLASIFIKASI RATING KEGIATAN KAMPUS DENGAN MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER

Guruh ihda alfi — 2020-09-12

Kegiatan adalah suatu aktivitas peristiwa atau kejadian pada umumnya tidak dilakukan secara terus menerus tetapi beberapa periode, Di Universitas Pembangunan Nasional “Veteran” Jawa Timur ada banyak kegiatan dari berbagai fakultas-fakultas yang ada. . Disetiap kegiatan mempunyai peserta baik dalam maupun dari luar Universitas, namun pihak di fakultas tidak memberikan klasifikasi pembeda manakah program studi yang memiliki banyak kegiatan dan memiliki jumlah peserta terbanyak. Berdasarkan penelitian ini dapat disimpulkan bahwa dengan penggunaan metode Naive Bayes pada kegiatan Mahasiswa dapat dibuat rating sebagai bahan untuk evaluasi kegiatan. Dengan adanya metode naive bayes dalam rating kegiatan Mahasiswa dapat mengetahui mana kegiatan yang baik, favorit, kurang baik, kurang menarik dengan tidak berpandangan pada satu aspek saja melainkan dengan beberapa aspek yang terkait

PERBANDINGAN MEAN AVERAGE PERCENTAGE ERROR PADA PERAMALAN PERGERAKAN HARGA REKSA DANA MENGGUNAKAN METODE HOLT DAN BROWN’S DOUBLE EXPONENTIAL SMOOTHING

Achmad Muchayan — 2020-07-09

KUNCI PINTU RUMAH OTOMATIS DENGAN MAGNET DOOR LOCK BERBASIS INTERNET OF THINGS MENGGUNAKAN TELEGRAM RUMAH BOT

Eko Marta Wahyu Kurniawan — 2020-02-10

Berdasarkan pengamatan saya di berbagai rumah, pemilik rumahnya disibukkan dengan mengunci pintu saat akan berpergian secara manual menggunakan kunci manual yang merepotkan, apalagi disaat pemilik rumah lupa mengunci pintu karena kondisi terburu – buru, dan tidak bisa memantau apakah sudah dikunci atau belum. Maka perlu adanya pemanfaatan Kunci pintu otomatis yang berbasis IoT.

ALGORITMA K-NN GUNA KLASIFIKASI DAERAH POTENSI PEMAIN BULUTANGKIS TUNGGAL PUTRA DI INDONESIA

Natalia Damastuti — 2020-02-10

Bulutangkis merupakan salah satu cabang olahraga yang dipertandingkan di ajang olimpiade musim panas. Tercatat pembulutangkis Indonesia telah memperoleh 7 medali emas di ajang tersebut. Hingga saat ini Indonesai belum bisa menambah medali emas satupun dari cabang olahraga lain yang dipertandingkan di Olimpiade. Tak heran bulutangkis menjadi olahraga yang sangat penting di Indonesia. Meskipun bulutangkis bukan berasal dari Indonesia, namun Indonesia telah melahirkan banyak legenda bulutangkis sejak tahun 1960-an hingga sekarang. Di era digital sekarang sport science telah di kembangkan di berbagai negara untuk mendukung kinerja atlit dan official , namun hal ini jika tidak di dukung dengan regenerasi pemain muda, maka estafet prestasi akan menjadi terputus. Betapa pentingnya mempersiapkan pemain muda berpotensi untuk meneruskan tradisi pretasi di cabang bulutangkis. Indonesia merupakan salah satu negara dengan regenerasi pemain muda yang cukup lambat dibanding negara kompetitor yang lain seperti China, Korea Selatan dan Jepang. Implementasi algoritma K-Nearest Neighbor dapat digunakan untuk mengklasifikasikan wilayah dengan potensi atlit bulutangkis tunggal putra di Indonesia sehingga induk organisasi bulutangkis Indonesia lebih muda mendapatkan pemain tunggal putra berpotensi. Dengan menggunakan 1000 data peringkat nasional tunggal putra di Indonesia dan mengkalisifikasikannya menjadi 3 daerah yaitu daerah Berpotensi , cukup berpotensi, dan tidak berpotensi dengan nilai K optimal pada K1 sebesar 70.133

SISTEM PENDUKUNG KEPUTUSAN PENGAJUAN PENERIMA BANTUAN WARGA MISKIN KOTA TULUNGAGUNG BERBASIS WEB MENGGUNAKAN METODE SAW

Mufidatul Islamiyah — 2020-07-09

The process of determining underprivileged people in Tulungagung are not running efficiently if there is no basic method in the calculation. This study focuses on calculating the determination of underprivileged people using decision support systems based on variables and weight values that are determined on the basis of existing system requirements to obtain the best alternative value (Vi). In this study used Simple Additive Weighting method, also called weighted addition. The basic concept of this method is to find a weighted sum of performance ratings on each alternative on all criteria. First, the existing system is improved by adding criteria and sub criteria. The new dataset consists of 9 criteria with 4 sub- criteria in each criterion. The data used for testing are data from Banyuurip village residents, Kalidawir Subdistrict, Tulungagung. Data of underprivileged people is implemented as alternative data which has 9 criteria (Ci) which have been weighted used to calculate match rating values and make decision matrices to calculate normalized matrix R. The final step is ranking, which is the multiplication of normalized matrix R with weight vector so that the biggest value is obtained and chosen as the best alternative (Ai) as the solution. In the trials that have been carried out on 110 population data as an alternative has been obtained ranking of the 20 largest taken and then compared with manual calculations with the results 20 of these data are appropriate. This means this system is 100% valid.

PERANCANGAN APLIKASI PERAMALAN STOK GUDANG MENGGUNAKAN METODE MOVING AVERAGE

latipah latipah — 2020-02-10

This study aims to design a warehouse stock forecasting application using the moving average method with a 3 month moving average value. Stock forecasting is done to balance the stock in the warehouse so that it is not excessive and not less, Sale of good sold is on target and consumers don’t switch to competitors which result in losses to the company. Moving Average method used in this study due to sales data have a random pattern. The first step in calculating the Moving Average method in designing the system is to take sales data from 12 months before the forecasting period. Next, calculate forecasting using data of 3 months. As results, we will note the smallest Mean Absolute Percent Error (MAPE) and the moving average every month. Forecasting with smallest MAPE value will be shown to system users. The final result of this system design is that the moving average method can be used to predict the stock of goods, but not all forecasting has good results because of the large amount of data and varied patterns. Therefore, in every forecasting must be include forecast error for consideration of decision making