Title
Now showing items 206-210 of 374
PENERAPAN COMPOSITE METRIC PADA ALGORITMA LINK STATE ROUTING ENHANCED INTERIOR GATEWAY ROUTING PROTOCOL
Sanusi, Ahmad () 2024Pada era digital yang terus berkembang, jaringan komputer menjadi fondasi vital bagi berbagai aplikasi dan layanan. Dalam konteks ini, protokol routing menjadi elemen penting dalam mengelola dan mengoptimalkan arus data di dalam jaringan. Dalam upaya meningkatkan kinerja protokol routing, pendekatan composite metric telah menjadi sorotan, mengintegrasikan berbagai parameter dalam pengambilan keputusan routing. Skripsi ini meneliti penerapan metrik komposit pada algoritma Link State Routing Enhanced Interior Gateway Routing Protocol (LSR-EIGRP), menggabungkan keunggulan algoritma Link State dan EIGRP dalam sebuah framework yang kohesif. Penelitian ini melibatkan implementasi dan pengujian algoritma dalam simulasi jaringan yang realistis, dengan mempertimbangkan aspek kehandalan, efisiensi, dan skaalabilitas. Hasil eksperimen menunjukkan bahwa penerapan composite metric pada LSR-EIGRP memberikan peningkatan signifikan dalam kinerja routing, dengan mengoptimalkan rute dan mengurangi overhead kontrol pesan. Penemuan ini memberikan wawasan berharga bagi pengembangan lebih lanjut dalam desain protokol routing yang adaptif dan efisien. Kata Kunci: Routing, EIGRP, Overhead, Protocol.
PENERAPAN DATA MINING DENGAN METODE SINGLE MOVING AVERAGE DALAM PENGOLAHAN DATA PENERIMAAN SISWA BARU DENGAN PENDEKATAN MAD (MEAN ABSOLUTE DEVIATION) DAN MSE (MEAN SQUARED ERROR)
Fahreza, Aulia () 2021Penerimaan siswa tahun ajaran baru dapat mengalami peningkatan dan dapat juga mengalami penurunan. Hal tersebut merupakan suatu masalah yang dihadapi MA Negeri 1 Bener Meriah dalam menentukan langkah-langkah strategis kedepannya, sehingga diperlukan adanya prediksi untuk mengetahui perolehan jumlah siswa baru, agar semua kebijakan dan keputusan dalam menyusun perencanaan kedepan dapat terpenuhi dengan baik. Proses prediksi yang dibangun akan menghasilkan data keluaran yang informatif berupa hasil prediksi jumlah penerimaan siswa baru pada periode tahun ajaran akan datang. Metode yang digunakan untuk melakukan prediksi jumlah penerimaan siswa baru adalah metode Single Moving Average dengan menggunkan akurasi prediksi Mean Square Error (MSE) dan Mean Absolute Deviation (MAD) untuk memilih model terbaik yang akan digunakan dalam menentukan hasil prediksi. Berdasarkan hasil analisis dan pengujian dengan menggunakan data 4 tahun terakhir, didapatkan bahwa jumlah penerimaan siswa baru dengan menggunakan moving average 2 tahunan sebanyak 37 siswa dengan akurasi nilai error MAD sebesar 9,75 dan MSE 507. Sedangkan dengan moving average 3 tahunan sebanyak 44 siswa dengan akurasi nilai error MAD 8,075 dan MSE 347,763 Oleh karena itu hasil prediksi yang direkomendasikan yaitu menggunakan rata-rata bergerak (moving average) 3 tahunan dengan pendekatan MAD karenai nilai error yang dihasilkan lebih kecil. Kata Kunci : Prediksi, Single Moving Average, Mean Absolute Deviation, Mean Sequared Error
PENERAPAN DATA MINING K-MEANS CLUSTERING UNTUK PENGELOMPOKAN BARANG PADA MASA PANDEMI COVID-19 DI REX INDONESIA
Dwivayana, Sisca () 2021Jasa pengiriman barang sangat berguna dan sangat mudah untuk diakses, sejak diberlakukannya bekerja dari rumah banyak sekali pekerja, ibu rumah tangga, ataupun pedagang, banyak yang menggunakan jasa pengiriman baik untuk memenuhi kebutuhan maupun untuk usaha jual beli barang. Royal Express Indonesia (REX) merupakan salah satu perusahaan yang memfokuskan layanannya sebagai perusahaan jasa pengiriman. Kasus covid-19 masuk ke Indonesia pada awal bulan Maret 2020. Kasus tersebut semakin meningkat dan menyebar dengan cepat keseluruhan wilayah Indonesia. Dengan melakukan pengelompokan jenis paket menggunakan algoritma K-Means. Dapat membantu perusahaan dalam mengevalusai statistik barang yang mengalami peningkatan dan penurunan. Penerapan metode K-Means akan dilakukan menggunakan software SPSS versi 25. Hasil dari proses K-Means Clustering dapat disimpulkan di cluster 1 memiliki 8.000 (53.33%) data, di cluster 2 memiliki 4.000 (26.67%) data dan untuk di cluster 3 memiliki 3.000 (20.00%) data. Kata kunci : K-Means Clustering, SPSS 25.
PENERAPAN DATA MINING MENGGUNAKAN METODE NAIVE BAYES UNTUK KLASIFIKASI DATA PENENTUAN HASIL PENJUALAN DALAM STRATEGI PEMASARAN
Rozi, Muhammad Fakhrul () 2023Di era digital saat ini strategi pemasaran harus dimiliki setiap thriftshop /toko agar dapat memprediksi hasil produk yang akan dijual ke depannya. Dalam memprediksi data diperlukan pengolahan data yang efektif dan efisien, salah satu teknik dalam mengolah data dalam data mining yaitu naive bayes. Naive bayes dapat mengklasifikasikan data sesuai kategori-kategori yang digunakan sehingga peneliti dapat memprediksi hasil penjualan barang. Dengan data penjualan 2,5 tahun terakhir, peneliti membagi datanya menjadi 900 data traning dan 209 data testing sebagai pengujian datanya, maka didapatkan hasil pengujian pengklasifikasi sebesar 0.598 pada Akurasinya, 0.493 pada Classification accuracy , 0.472 pada F1, 0.557 pada precision dan 0.493 pada recall. Peneliti memakai aplikasi orange untuk pengujiannya dan memvisualisasikan hasil dari prediksi penjualan 1/2 tahun berikutnya. Kata Kunci : Strategi Pemasaran, Data Mining, Naive Bayes, Orange
PENERAPAN DATA MINING UNTUK MEMPREDIKSI HASIL PRODUKSI BUAH KELAPA SAWIT PADA PT.LNK KEBUN BASILAM MENGGUNAKAN ALGORITMA C5.0
Nasution, Elvira Hanum () 2021ABSTRAK PT.LNK Kebun Basilam merupakan perkebunan besar swasta yang berada di Kebun Basilam Kabupaten Langkat. Dalam setiap tahunnya perusaahan ini memiliki permasalahan dalam memprediksi hasil produksi kelapa sawit. Hasil produksi yang tidak tepat menjadi penyebab kesalahan dalam pengambilan kebijakan. Perencanaan yang dilakukan terkadang masih memberikan hasil yang kurang optimal. Hal ini disebabkan karena proses perhitungannya yang masih menggunakan analisis manual. Teknik prediksi yang digunakan adalah metode pembelajaran algoritma C5.0. Metode ini memiliki kelebihan untuk menangani masalah seperti missing value dan data dengan jumlah yang besar. Algoritma ini juga dapat melakukan training data dalam waktu yang cepat untuk digunakan dalam testing data. Data yang digunakan adalah data produksi pada tahun 2019. Kata Kunci : Produksi, Kelapa sawit, Data mining, Algoritma C5.0.