Kelompok 10
Hasil penelitian ini nantinya adalah informasi yang berupa rekomendasi karyawan terbaik yang akan
diberikan kepada pihak manajemen sebagai bahan pertimbangan dalam mengambil keputusan pemilihan
karyawan terbaik PT. Kesulitan dengan banyaknya karyawan yang memiliki kualitas yang baik yang
susah menentukan yang mana terbaik
Kelebihan
Penelitian ini menggunak metode yang akurat menggunakan data yang
valid dapat membantu permasalahan dalam menentukan karyawan
terbaik,jurnal ini dapat digunakan menjadi rujukan penelitian
Kekurangan
Terdapat beberapa bahasa yang sulit dimengerti,penelitian ini juga susah
untuk di terapkan karena harus mengumpulkan yang data-data yang betul
valid valid
Kesimpulan
Dalam sistem pendukung keputusan, metode SAW dapat
dipergunakan untuk membantu memilih karyawan terbaik. Data –
data yang terdapat dalam penelitian ini bersifat dinamis baik data
kriteria maupundata subkriteria yang artinya data tersebut dapat
diganti kapan saja sesuai dengan apa yang dibutuhkan oleh
pengambil keputusan. Kriteria orientasi pelayanan merupakan
kriteria yang memiliki kontribusi yang paling besar dalam
menentukan karyawan terbaik di PT. Cindyani Tiwi Lestari.
Berdasarkan semua kriteria dan alternatif yang ada dalam
penelitian ini menghasilkan Darwansyah sebagai karyawan terbaik
di PT. Cindyani Tiwi Lestari dengan total nilai yaitu 2,875. Metode
SAW merupakan metode yang efektif serta praktis dalam
perhitungan untuk menentukan rekomendasi karyawan terbaik di
PT. Cindyani Tiwi Lestari sehingga pengambil keputusan dapat
mempertimbangkan rekomendasi tersebut sesuai dengan prioritas
yang ditentukan.
Review Jurnal 2
Judul : SISTEM KLASIFIKASI JENIS TANAMAN HIAS DAUN PHILODENDRON
MENGGUNAKAN METODE K-NEAREST NEIGHBOOR (KNN)
BERDASARKAN NILAI HUE, SATURATION, VALUE (HSV)
Jurnal : Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK)
Volume : Vol. 7, No. 3, Juni 2020, hlm. 443-452
Tahun : 2020
Penulis : Dani Syahid, Jumadi, Dian Nursantika
Reviewer : Muhammad Reza Nugraha
Link Jurnal : DOI: 10.25126/jtiik.202072093
Latar Belakang
Sistem pendeteksi citra tanaman hias daun bekerja dengan cara membandingkan data citra latih yang telah
tersimpan pada database terhadap data citra yang akan diuji.
Menentukan nilai k.
2. Menghitung kuadrat jarak euclid (query
instance) masing – masing objek terhadap
training data.
3. Mengurutkan objek – objek tersebut ke
dalam kelompok yang mempunyai jarak
euclid terkecil.
4. Mengumpulkan label class Y (klasifikasi
Nearest Neighborhood).
Metode
KNN (K-Nearest Neighboor) adalah metode untuk melakukan klasifikasi terhadap objek berdasarkan
data pembelajaran yang jaraknya paling dekat atau memiliki persamaan ciri paling banyak dengan
objek tersebut. Dekat atau jauhnya tetangga biasanya dihitung dengan jarak Euclidean. Teknik ini
sederhana dan dapat memberikan akurasi yang baik
terhadap hasil klasifikasi
Hasil dan Pembahasan
Kesulitan dengan banyaknya jenis tanaman hias membuat kita sulit untuk mengetahui nama tumbuhan
yang kita minati.
Proses sistem pendeteksian klasifikasi jenis tanaman daun ini dibangun untuk mengklasifikasi 5 jenis
tanaman daun dengan 10 data citra tanaman yang akan diujikan pada klasifikasi tersebut. Pada proses
pengujian dari 50 data citra uji yang terdiri dari :
● a. 10 data citra uji tanaman hias daun Philodendron Binatifium,
● b. 10 data citra uji Philodendron Keris,
● c. 10 data citra uji Philodendron Black Cardinal,
● d. 10 data citra uji Philodendron Golden Leaf,
● e. 10 data citra uji Aglaonema.
Kelebihan
Penerapan algoritma KNN berperan untuk proses pengklasifikasian citra
dengan menghitung Euclidean Distance pada tiap fitur dengan
membandingkan masing – masing fitur yang dilakukan pada citra uji di
setiap pikselnya.
Kekurangan
Belum diterapkannya system yang efektif dan efisien pada penentuan
sample pada jurnal tersebut.
Kesimpulan
Klasifikasi jenis tanaman hias daun menggunakan metode K-
Nearest Neighboor (KNN) berdasarkan nilai Hue, Saturation, Value
(HSV) memiliki nilai keakurasian 92% dari data 5 klasifikasi jenis
tanaman hias daun yang setiap klasifikasi terdapat c10 data citra
yang diujikan, maka total data citra uji yaitu 50 data citra.
2. Dari hasil pengujian didapat 4 data citra uji yang tidak sesuai
dengan kategori yang dikarenakan intensitas cahaya citra yang
berbeda dengan data latih, untuk solusinya harus ditambahakan
proses preprocessing yang dapat mengatur kecerahan pada setiap
citra sampel dan menambah fitur tekstur seperti menggunakan
metode Gray Level Co-occurrenes Matrices (GLCM) sehingga
hasil yang diperoleh dapat lebih akurat.
Review Jurnal 3
Judul : PENERAPAN MODEL KLASIFIKASI METODE NAIVE BAYES
TERHADAP PENGGUNAAN AKSES INTERNET
Jurnal : JURSISTEKNI (Jurnal Sistem Informasi dan Teknologi Informasi)
Volume : Vol 4, No.1, January 2022: Hal 1– 8 ISSN.
Tahun : 2022
Penulis : Heliyanti Susana , Nana Suarna, Fathurrohman, Kaslani
Reviewer : Rayhan Alfatih Atsil
Link Jurnal : https://jursistekni.nusaputra.ac.id/article/view/96/59
Latar Belakang
Penelitian terdahulu yaitu dari asniati, sudarmi suud b, jahada pada jurnal bening volume 4 nomor 1 januari
2020 dengan judul pengaruh penggunaan internet terhadap kenakalan remaja (siswa) tujuan penelitian adalah
untuk mendeskripsikan dan menganalisis pengaruh penggunaan internet terhadap kenakalan remaja (siswa)
sma negeri 2 tomia. Penelitian ini bersifat expost facto yang bertujuan untuk mencari informasi tentang
hubungan sebab akibat dari suatu peristiwa. Populasi dalam penelitian ini adalah seluruh siswa kelas xi ips
sma negeri 2 tomia yang terbagi 4 kelas yang berjumlah 125 orang sedangkan sampel penelitian sebanyak 32
orang yang diambil dengan menggunakan teknik purposive sampling. Teknik pengumpulan data yang
digunakan dalam penelitian ini adalah angket yaitu angket penggunaan internet dan kenakalan remaja siswa.
Dari hasil analisis data yaitu analisis regresi dapat disimpulkan bahwa ada pengaruh yang signifikan
penggunaan internet siswa terhadap kenakalan remaja sma negeri 2 tomia. Hal ini menunjukan bahwa
semakin tinggi penggunaan internet maka semakin tinggi pula kenakalan remaja siswa di sma negeri 2 tomia
kabupaten wakatobi. Besarnya kontribusi penggunaan internet terhadap kenakalan remaja siswa di sma
negeri 2 tomia adalah sebesar 32,8%
Metode
Metode analisis data yang digunakan di penelitian ini adalah analisis deskriptif dalam menyeleksi data
kuantitatif. Dalam fungsinya analisis deskriptif digunakan untuk mendeskripsikan atau memberi
gambaran dari data yang terkumpul dari fakta fakta yang ada, data yang dimaksud adalah data
sekunder yang berupa data kuantitatif yang bentuk angka-angka dapat digunakan untuk operasi
matematika. Metode pengembangan data mining yang digunakan untuk menganalisis data dalam
penerapan data mining ini menggunakan proses tahapan knowledge discovery in databases (KDD)
yang terdiri dari Data, Data Cleaning, Data transformation, Data mining, Pattern evolution,
knowledge.
Hasil dan Pembahasan
Populasi pada penelitian ini yang dilakukan pada sekolah menengah atas negeri 1 plumbon kabupaten
cirebon dengan menggunakan kelas X (Sepuluh), Kelas XI (Sebelas) dan Kelas XII (Dua Belas) dengan
jumlah siswa perempuan sebanyak 632 dan siswa laki laki sebanyak 266 jadi total siswa sebanyak 898
siswa. Simple random sampling atau pengambilan sampel acak sederhana adalah teknik penarikan
sampel yang memberikan kesempatan yang sama bagi setiap anggota populasi. Teknik sampling yang
digunakan pada penelitian ini menggunakan random sampling artinya mengambil beberapa sample dari
kelompok kelas X (Sepuluh) sebanyak 90 sample, Kelas XI (Sebelas) sebanyak 90 sample dan Kelas XII
(Dua Belas) sebanyak 90 sample. Maka sample yang digunakan adalah sebanyak 270. Data preprocesing
bertujuan untuk menganalisa data dari kuisoner yang telah diisi oleh siswa, dengan beberapa atribut
umur, jenis kelamin, kelas, apakah menggunakan handphone di 3 bulan terakhir, apakah menggunakan
laptop di 3 bulan terakhir, apakah mengakses internet.
Kelebihan
pada penelitian ini metode dalam pembuatan system
dilakukan secara teliti
Kekurangan
pembahasan dari jurnal sangatlah kurang sehingga pembaca
sulit untuk memahami isi jurnal tersebut
Kesimpulan
Dari hasil penelitian yang telah dilakukan, penulis dapat menarik beberapa
kesimpulan sebagai berikut :