Hasil Pencarian  ::  Simpan CSV :: Kembali

"Proses mencari pola atau informasi yang berguna pada suatu kumpulan data dengan menggunakan metode tertentu, saat ini telah menjadi topik yang menarik. Salah satu manfaatnya yaitu dapat menunjang pengambilan keputusan dalam suatu organisasi baik itu organisasi profit maupun non profit. Pada makalah ini akan dilakukan pengujian terhadap sekumpulan data yang diambil dari kejadian nyata untuk diolah, guna mendapatkan informasi atau pola yang dapat berguna untuk penentuan pengambilan sebuah keputusan. Pengujian pada makalah ini merupakan prediksi terhadap pengguna jasa sebuah operator seluler akan kehadirannya pada suatu acara berdasarkanbeberapa indicator, cuaca, jarak relative terhadap lokasi acara, serta apakah pengguna jasa tersebut merupakan termasuk pelanggan pasca bayar atau tidak. Pengujian dilakukan dengan menggunakan tiga metode klasifikasi, yakni naïve bayes, decision tree, dan oneR. Hasil dari percobaan ini bisa menunjukkan prediksi dari setiap percobaan dengan tingkat akurasi prediksi yang berbeda-beda disetiap metode yang digunakan."

"Bagian Operasional Badan Meteorologi Klimatologi dan Geofisika hingga saat ini belum memiliki metode baku dalam memprakirakan cuaca jangka pendek. Metode yang selama ini digunakan adalah dengan analogi peristiwa cuaca yang telah lampau. Penelitian ini berusaha menjawab apakah metode pohon keputusan yang dihasilkan algoritma C4.5 dapat digunakan untuk memprakirakan cuaca jangka pendek? Bagaimana tingkat akurasi yang dapat diberikan oleh metode ini? Training data serta testing data yang digunakan dalam penelitian ini berupa data hasil pengamatan unsur cuaca rata-rata harian (temperatur udara, kelembaban udara, tekanan udara, kecepatan angin, arah angin, lama penyinaran matahari, dan curah hujan) yang diperoleh dari Stasiun Meteorologi 745 Kemayoran Jakarta. Sebagai training data digunakan data pengamatan unsur cuaca dari tahun 2002 hingga 2006 sedangkan testing data adalah data tahun 2007 dan 2008. Tingkat akurasi prakiraan cuaca yang dihasilkan metode pohon keputusan ini berkisar pada angka 40% hingga 80% untuk 2 kategori (hujan dan tidak hujan). Sedangkan untuk tingkat akurasi prediksi 6 kategori (tidak hujan, hujan sangat ringan, hujan ringan, hujan sedang, hujan lebat, dan hujan sangat lebat) berkisar pada angka 30% hingga 80%. Perbedaan akurasi dipengaruhi dari jenis musim testing data (musim hujan, pancaroba I, kemarau, dan pancaroba II). Metode pohon keputusan ini dapat digunakan untuk memprakirakan cuaca jangka pendek dimana akurasi yang dihasilkan telah diterima Badan Meteorologi Klimatologi dan Geofisika karena untuk 2 kategori, nilai akurasinya relatif berada diatas 60%.

---

The Operational of Badan Meteorologi Klimatologi dan Geofisika until now have no standardized method in doing short-range weather forecasting. They use analogical method in forecasting what the weather would be the day after. This research is conducted in order to discover whether decision tree method could be used to forecast weather for such a short period of time and also to discover how acurate this method could be. The research uses daily-monitored weather elements data such as temperature, humidity, pressure, wind speed, from where the wind blowing, sunshine, and precipitation. The data was gathered from Stasiun Meteorologi 745 Kemayoran Jakarta. Data measured during 2002-2006 is used as training data, and the one measured during 2007 and 2008 is used as testing data. Prediction accuracy resulted from this decision tree method is around 40% to 80% for 2-category prediction (rain and no-rain). And for 6-category prediction (no-rain, very-light-rain, light-rain, moderate-rain, heavy-rain, and very-heavy-rain), the accuracy is around 30% to 80%. The 6-category prediction accuracy differs from the 2-category prediction because the testing data was measured in different seasons and it causes the accuracy for rainy season testing data is lower than any other season in 6-category prediction. The conclusion that can be made is that decision tree method could be used as one of short-range weather forecasting methods since its prediction accuracy for 2-category is acceptable according to Badan Meteorologi Klimatologi dan Geofisika (relatively above 60%)."

"Mutasi dan promosi pegawai merupakan hal yang biasa terjadi dalam pengelolaan sumber daya manusia, untuk melakukan pengisian jabatan sehingga organisasi dapat berjalan dengan efektif. Saat ini Direktorat Jenderal Perbendaharaan (DJPb) Kementerian Keuangan Republik Indonesia memiliki kesulitan dalam penyusunan draft keputusan mutasi dan promosi jabatan pengawas. Penyusunan draft keputusan mutasi dan promosi jabatan pengawas baru dapat dilakukan pada tahun berjalan setelah selesainya seleksi manajemen talenta untuk mencari pelaksana yang akan dipromosikan sehingga waktu yang tersedia pada tahun berjalan menjadi kurang memadai dalam penyusunan draft keputusan mutasi dan promosi serta sering terjadinya kekurangan jumlah pelaksana yang dapat dipromosikan menjadi pejabat pengawas. DJPb perlu untuk memprediksi pelaksana yang dapat promosi jabatan pada periode berikutnya sehingga dapat merencanakan penyusunan draft keputusan mutasi lebih awal dan mengantisipasi kurangnya pelaksana yang direkomendasikan untuk promosi.Salah satu teknik untuk memprediksi promosi jabatan adalah menggunakan data mining berdasarkan data historis promosi jabatan pegawai. Data mining dapat menemukan pola yang terjadi dalam data dengan membangun sebuah model prediktif berdasarkan data. Namun, seluruh data yang tersedia belum tentu efektif digunakan untuk memprediksi promosi jabatan menggunakan teknik data mining. Pada penelitian digunakan beberapa teknik feature selection serta analisis multivariat menggunakan logistic regression untuk menentukan kombinasi data dari 22 atribut berdasarkan correlation coefficient, information gain, dan gain ratio, sebagai masukan terhadap klasifikasi dalam data mining, yaitu decision tree, logistic regression, support vector machine, naïve bayes, random forest, dan neural networks untuk mengetahui kinerjanya. Kombinasi data berdasarkan correlation coefficient dengan classifier random forest yang memiliki evaluasi yang terbaik sehingga diusulkan sebagai data yang paling efektif digunakan untuk memprediksi promosi jabatan, yaitu usia, masa kerja, jenis kelamin, mode pendidikan, unit kerja, golongan awal, tipe unit kerja, tingkat pendidikan, kesamaan provinsi lahir dan unit, status ibukota unit, jumlah pengalaman kota, jumlah pengalaman jabatan, golongan provinsi unit kerja, jumlah anggota keluarga, bidang pendidikan, nilai kinerja pegawai, nilai perilaku, jumlah diklat, provinsi lahir, status perkawinan, dan status kepegawaian.

---

Employee mutations and promotions are common in human resource management, to fill positions so that the organization can run effectively. Currently, the Directorate General of Treasury (DJPb) of the Ministry of Finance of the Republic of Indonesia has difficulties in drafting a decision on mutations and promotions to supervisory positions. The preparation of the draft decision on mutation and promotion of new supervisory positions can be carried out in the current year after the completion of the talent management selection to find implementers to be promoted so that the time available in the current year becomes insufficient in preparing the draft mutation and promotion decisions and there is often a shortage of staffs who can be promoted to supervisory officer. DJPb needs to predict the staffs who can be promoted in the next period so that they can plan the preparation of a draft transfer decision earlier and anticipate the lack of staffs recommended for promotion.

One technique to predict promotions is to use data mining based on historical data on employee promotions. Data mining can find patterns that occur in the data by building a predictive model based on the data. However, all available data is not necessarily effective in predicting promotions using data mining techniques. In this study, several feature selection techniques and multivariate analysis using logistic regression were used to determine the combination of data from 22 attributes based on the correlation coefficient, information gain, and gain ratio, as input to the classification in data mining, namely decision tree, logistic regression, support vector machine, naive Bayes, random forest, and neural networks to determine their performance. The combination of data based on the correlation coefficient with the random forest classifier that has the best evaluation is proposed as the most effective data used to predict promotions, namely age, years of service, gender, mode of education, work unit, entry-level, type of work unit, education, similarity in the province of birth and unit, the status of unit capital, number of city experience, number of position experience, provincial group of work units, number of family members, education field, employee performance value, behavior value, number of education and training, province of birth, marital status, and employee status

"

"Sebagai negara kepulauan terbesar di dunia, galangan kapal menjadi salah satu industri yang sangat strategis dan potensial untuk dikembangkan di Indonesia. Hal inilah yang menjadikan persaingan antar galangan kapal di Indonesia semakin meningkat. Untuk dapat bersaing, setiap galangan harus meningkatkan kualitas pelayanannya, yang salah satunya dapat dilakukan dengan menghasilkan estimasi durasi pemeliharaan yang lebih akurat. Pada penelitian sebelumnya, telah dihasilkan model estimasi dengan menggunakan CART (Classification And Regression Tree). Akan tetapi, estimasi yang dihasilkan tidak begitu akurat. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model estimasi tersebut dengan menggunakan nACDT (Numerical Ant Colony Decision Tree), yaitu suatu metode induksi decision tree dengan algoritma ant colony, untuk menghasilkan estimasi yang lebih akurat. Berdasarkan hasil estimasi yang didapatkan, diketahui bahwa estimasi yang dihasilkan nACDT lebih akurat dibandingkan CART.

---

As the largest archipelago in the world, shipyards became one of the most strategic and potential industries to be developed in Indonesia. It makes the competition among shipyards in Indonesia has increased. To compete with the others, each shipyard must improve its service quality, one of which can be done by generating an estimated duration of maintenance with higher accuracy. In the previous study, estimation model have been produced by using CART (Classification And Regression Tree). However, its estimates are not very accurate. Therefore, this study aims to develop the previous estimation model by using nACDT (Numerical Ant Colony Decision Tree), a method where decision tree is induced by ant colony algorithm, in order to produce estimates with higher accuracy. Based on the results obtained, it is known that the estimates resulted by nACDT are more accurate than CART"