http://repository.umsu.ac.id/handle/123456789/22031 Fakultas Ilmu Komputer dan Teknologi Informasi 2026-05-26T15:17:45Z http://repository.umsu.ac.id/handle/123456789/31238 PENERAPAN DALAM PEMBANGUNAN SISTEM PREDIKSI PERMINTAAN BARANG DENGAN OPTIMASI MANAJEMEN STOK MENGGUNAKAN ALGORITMA ENSEMBLE LEARNING UTAMI, SALSHA Manajemen stok pada usaha mikro di pasar tradisional masih banyak dilakukan secara intuitif, sehingga berisiko menimbulkan kelebihan stok, kekurangan stok, dan ketidakefisienan penggunaan modal harian. Permasalahan ini semakin kompleks pada toko penjual bahan pelengkap masakan yang menjual produk perishable dan semi-tahan lama dengan pola permintaan yang fluktuatif. Penelitian ini bertujuan membangun sistem prediksi permintaan barang dan optimasi manajemen stok berbasis arus kas pada satu toko pasar tradisional di Tanjung Morawa. Metode yang digunakan adalah Ensemble Learning dengan mengombinasikan Support Vector Regression (SVR) dan Seasonal Autoregressive Integrated Moving Average (SARIMA) melalui mekanisme weighted averaging. Data yang digunakan berupa data penjualan harian per produk selama sekitar 6–12 bulan, serta variabel pendukung seperti hari kerja/libur, hari besar keagamaan, kondisi cuaca, harga beli, dan harga jual. Tahapan penelitian meliputi pengumpulan data, preprocessing, rekayasa fitur, pelatihan model SVR dan SARIMA, penggabungan prediksi ensemble, serta transformasi hasil prediksi ke dalam variabel keuangan berupa kebutuhan modal beli, potensi pendapatan, dan risiko rugi susut. Selanjutnya, hasil prediksi digunakan sebagai input pada optimasi alokasi modal harian menggunakan Linear Programming. Evaluasi model dilakukan menggunakan metrik MAE, RMSE, MAPE, dan R². Penelitian ini diharapkan menghasilkan sistem yang mampu meningkatkan akurasi prediksi permintaan, membantu pedagang mengalokasikan modal secara lebih efisien, mengurangi potensi kerugian akibat stok tidak terjual, serta mendukung pengambilan keputusan yang lebih tepat pada usaha mikro di pasar tradisional. 2026-04-14T00:00:00Z http://repository.umsu.ac.id/handle/123456789/31237 SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PADA TANAMAN JAMBU MADU MENGGUNAKAN METODE CERTAINTY FACTOR PANDIA, REZA ANANDA Perkembangan teknologi informasi yang pesat mendorong pemanfaatan kecerdasan buatan sebagai sarana pendukung pengambilan keputusan, salah satunya melalui penerapan sistem pakar. Tanaman jambu madu merupakan varietas unggulan yang banyak dibudidayakan, namun dalam proses budidayanya sering mengalami gangguan penyakit yang memerlukan penanganan secara cepat dan tepat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pakar dalam mendiagnosa penyakit pada tanaman jambu madu menggunakan metode certainty factor. Data yang digunakan dalam penelitian ini terdiri dari 9 data penyakit dan 32 data gejala yang diperoleh berdasarkan pengetahuan pakar dan studi literatur. Metode certainty factor digunakan untuk menghitung tingkat keyakinan diagnosa berdasarkan gejala yang dipilih oleh pengguna dan nilai kepercayaan dari pakar. Hasil penelitian menunjukkan bahwa sistem pakar yang dibangun mampu menghasilkan diagnosa yang sesuai, di mana hasil perhitungan sistem menunjukkan kesesuaian dengan perhitungan manual dan pendapat pakar, sehingga sistem dapat digunakan sebagai alat bantu diagnosa awal penyakit tanaman jambu madu. 2026-02-11T00:00:00Z http://repository.umsu.ac.id/handle/123456789/31236 ANALISIS SENTIMEN SPAYLATER DAN SPINJAM PADA APLIKASI SHOPEE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) PANE, RAHMAD NAWI Perkembangan teknologi informasi dan meningkatnya penggunaan aplikasi e-commerce menghasilkan banyak ulasan pengguna yang dapat dimanfaatkan untuk mengetahui tingkat kepuasan terhadap suatu layanan. SPayLater dan SPinjam sebagai fitur pada aplikasi Shopee juga menerima berbagai tanggapan berupa sentimen positif, negatif, dan netral, sehingga diperlukan metode untuk menganalisis sentimen secara otomatis. Penelitian ini bertujuan untuk menganalisis sentimen pengguna serta menerapkan algoritma Support Vector Machine (SVM) dalam mengklasifikasikan ulasan. Data yang digunakan sebanyak 500 ulasan dari Google Play Store. Metode yang digunakan meliputi preprocessing, pelabelan, dan klasifikasi menggunakan SVM. Hasil penelitian menunjukkan bahwa terdapat 231 sentimen positif, 230 sentimen negatif, dan 39 sentimen netral. Evaluasi model menghasilkan accuracy sebesar 74%, precision 0,78, dan recall 0,84, yang menunjukkan kinerja model cukup baik. Sistem yang dibangun juga mampu mengolah data secara otomatis dan menampilkan hasil klasifikasi dengan baik. Dengan demikian, algoritma SVM efektif digunakan dalam analisis sentimen terhadap layanan SPayLater dan SPinjam pada aplikasi Shopee. 2026-03-30T00:00:00Z http://repository.umsu.ac.id/handle/123456789/31185 SISTEM PAKAR DIAGNOSA KERUSAKAN HARDWARE LAPTOP MENGGUNAKAN METODE CERTAINTY FACTOR BERBASIS WEB MHD, HIDAYAT FAJRI TARIGAN Pemanfaatan laptop yang kian meluas seiring kemajuan teknologi turut meningkatkan potensi terjadinya gangguan pada komponen perangkat keras. Dalam praktik layanan perbaikan, penentuan jenis kerusakan umumnya masih bergantung pada pengalaman individu teknisi, sehingga membuka peluang terjadinya perbedaan keputusan diagnosis. Kondisi tersebut mendorong pengembangan suatu sistem pakar berbasis web yang dirancang untuk memberikan dukungan diagnosis secara lebih terstruktur dan terukur. Mekanisme penalaran dalam sistem ini mengintegrasikan metode Forward Chaining sebagai dasar inferensi dengan Certainty Factor untuk merepresentasikan tingkat keyakinan terhadap hasil analisis. Sistem yang dihasilkan mampu mengolah input berupa gejala yang dipilih pengguna, kemudian menyajikan hasil diagnosis disertai nilai probabilitas dalam bentuk persentase. Evaluasi dilakukan melalui perbandingan antara keluaran sistem dan penilaian pakar pada sejumlah kasus pengujian. Temuan pengujian memperlihatkan tingkat keselarasan yang memadai antara sistem dan pakar, sehingga sistem ini dinilai layak dimanfaatkan sebagai sarana pendukung dalam tahap awal identifikasi kerusakan hardware laptop. 2026-05-12T00:00:00Z