Menu
- Home
- Pemesanan
- Metode & Algoritma
- AHP
- Forward Chaining
- Backward Chaining
- GAP (Generic Acces Profile)
- Prifile Matching
- Teorema Bayes
- Case Based Reasoning (CBR)
- Dempher Shaper
- Fuzzy Logic
- Fuzzy Mamdani
- Generate And Test
- Ant Colony Optimization (ACO)
- Shortest Path Astar
- Algoritma ID3
- Algoritma C4.5
- Algoritma ANP
- Algoritma Indeks Davies-Bouldin SOM (Self Organizing Map)
- Algoritma Classification And Regression Trees (CART
- Algoritma Genetika
- Algoritma Genetika
- Source Code
- Katagori Skripsi
- Android
- Aplikasi
- Artificial Intellegence
- Backward Chaining
- Case Based Reasoning
- Flash MX
- Forward Chaining
- Game
- Java
- Java Android
- Kecerdasan Buatan
- Multimedia
- My-SQL
- Pengolahan Citra
- Security Komputer
- Sistem Informasi
- Sistem Informasi Goegrafis (GIS)
- Sistem Pakar
- Sistem Pendukung Keputusan (SPK)
- SMS Gateway
- Visual Basic (Dekstop)
- Web (PHP-MySQL)
- Project
- FAQ
- About
Separator
piramidaskripsi.com saat ini sudah beralih ke piramidaskripsi.net | Bagi Yang Butuh Program Web Custome Bisa ke Wa atau email biaya IDR-500-800K
Rabu, 30 November 2016
Pengembangan Aplikasi Sistem Absensi Karyawan Dengan Metode Barcode
ABSTRAK
PT. Kemenangan Jaya merupakan
sebuah perusahaan berskala menengah yang bergerak di bidang penyediaan berbagai
macam bahan eksterior dan interior bangunan. Pada perusahaan ini terdapat suatu
system absensi karyawan yang masih berjalan secara manual, dimana dalam penerapan
sistem absensi ini terdapat beberapa hal yang menjadi kendala, yaitu
diantaranya adalah keefektifan dan efisiensi waktu dan proses pengabsenan,
bentuk laporan absensi yang masih berupa hardcopy yang dapat menyulitkan dalam
proses pencarian data, dan kemungkinan terjadinya data absensi yang hilang.
Dengan alasan di atas maka penulis mencoba untuk memberikan alternatif
pemecahan masalah dengan membuat suatu aplikasi sistem sbsensi yang akan
mencatat data dan daftar kehadiran karyawan, waktu kedatangan, waktu pulang,
yang akan dibuat secara sistematis dan terkomputerisasi dengan metode barcode,
sehingga akan menghilangkan proses pencatatan kehadiran karyawan yang selama
ini telah berjalan secara manual pada PT. Kemenangan Jaya dan juga dengan
penggunaan metode barcode akan mengurangi tingkat kesalahan penginputan ID
Pegawai dalam proses absensi tersebut.
Pada penulisan ini juga akan
diterangkan tahapan pengerjaan, mulai dari proses analisa, perencanaan,
konstruksi yang menggunakan aplikasi Borland Delphi 5 dan SQL Server 2000 untuk
database-nya, hingga tahapan pengimplementasian dengan menggunakan metode
spiral dengan notasi perekayasaan dan pendekatan berorientasi objek, UML
(Unified Modelling Languange), dengan membuat use case diagram, sequence
diagram, class diagram, flow map (sebagai indikasi prosedur arus data pada
sistem yang akan diterapkan), dan analisa masukan serta keluaran, untuk
mengetahui data apa saja yang akan menjadi masukan dan keluaran.
Kata kunci : Barcode, Aplikasi Sistem Absensi, ID Pegawai, UML, Use Case
Diagram, Sequence Diagram, Class Diagram, Flow Map
Download File PDF :
Fileskripsi lengkap.pdf
Download Source Code Program :
Download File.rar (sedang digarap)
Sabtu, 26 November 2016
Sistem Pendukung Keputusan Penentuan Penerima Beasiswa Menggunakan Metode K-Means Clustering
ABSTRAK
Pengelompokkan data mahasiswa
berdasarkan kriteria Indeks Prestasi Kumulatif (IPK), penghasilan total orang
tua, dan jumlah tanggungan keluarga dapat membantu dalam proses penerimaan
beasiswa. Metode yang bisa digunakan untuk pengelompokkan data mahasiswa ini
adalah K-Means Clustering. Metode K-Means Clustering berusaha mengelompokkan
data yang ada ke dalam beberapa kelompok, dimana data dalam satu kelompok
mempunyai karakteristik yang sama. Data mahasiswa dikelompokkan menjadi tiga
cluster yaitu menerima, dipertimbangkan, dan tidak berhak menerima beasiswa.
Kemudian setiap cluster diklasifikasikan berdasarkan kriteria mana yang lebih
diprioritaskan. Cluster dengan nilai terbesar pada centroid akhir merupakan cluster
yang direkomendasikan menerima beasiswa, sedangkan cluster dengan nilai
terkecil pada centroid akhir merupakan cluster yang tidak berhak menerima
beasiswa. Pengujian sistem dilakukan sebanyak 40 kali percobaan terhadap 48
data mahasiswa untuk mendapatkan presisi hasil implementasi metode K-Means Clustering.
Nilai presisi dihitung dengan Error Presisi, dengan membandingkan data hasil
clustering dari 40 percobaan. Hasil perhitungan Error Presisi pada hasil klasifikasi
berdasarkan IPK adalah 0,118 dan berdasarkan penghasilan orang tua adalah
0,076. Nilai Error Presisi yang rendah menunjukkan bahwa nilai presisinya
tinggi. Nilai presisi tinggi menunjukkan ketetapan data pada setiap percobaan
dengan menggunakan tiga cluster juga tinggi.
Kata kunci: Beasiswa, Centroid, Clustering, Indeks Prestasi Kumulatif, K-Means, Penghasilan Total Orang Tua
Langganan:
Postingan (Atom)