Insurance is a mechanism of protection or protection from the risk of loss by transferring the risk to another party. Sometimes a product that has just emerged becomes a product that is superior in terms of sales, so that interest in a product is not absolutely measured from the year the product was released. The constraint factors include the marketing of the product when it was launched. Offering products with low premiums along with the benefits that customers want. However, insurance companies still have difficulty in classifying superior products that are in great demand by prospective customers. For this reason, a technique for grouping insurance products is needed to make it easier for companies to see superior products and choose products that suit the needs of their customers. Analyzing and processing data using the K-Means method in the clustering of insurance products is the aim of this study. The application of the K-Means algorithm is to help calculate the purity value from the results of the clustering carried out so that the clustering of insurance products is in accordance with the needs of its customers. The application of the K-Means method with clustering techniques for data mining produces information on insurance products that are more attractive to potential customers. This is very appropriate in grouping data types because it is easier to implement and its application can filter quickly and precisely. Calculations using the K-Means method with a data sample of 55 customers obtained 3 clusters, namely cluster 1 for fire insurance which has 30 customers, cluster 2 for accident insurance 24 people and cluster 3 for health insurance 1 person.
Corn is a plant that is widely grown in developing countries such as Indonesia. To increase maize yields, researchers are always innovating on the current state of technology for classifying maize plant diseases. Three kinds of diseases attack corn leaves, namely Gray leaf Spot, Blight, and Common Rush. The amount of data that we use is 3500 data consisting of 500 Gray Leaf Spots, 1000 Blights, 1000 Common Rushes, and 1000 healthy leaves. This study aims to develop an artificial intelligence model. The artificial intelligence model that we developed uses LBP feature extraction combined with k-NN for the classifier. In addition to using the k-NN method, our tests were carried out using several classification methods such as Naïve Bayes and Adaboost. The result of our test is that the k-NN method has the highest value compared to the Naïve Bayes and Adaboost methods. The results of the performance using k-NN with k=5 resulted in a value of 81.1%, the AUC value of 94.1%, the F1-Score of 80.9%, Precision of 81.8%, and Recall of 81.1%.
Perangkap ikan atau atau jaring perangkap ikan merupakan alat tangkap ikan yang sangat umum digunakan oleh nelayan di Indonesia. Pengoperasian alat perangkap ikan pada umumnya adalah dengan cara pasif, dimana nelayan melakukan pemasangan jaring (setting) di perairan sampai dengan penarikan jaring (hauling). Kegiatan ini rutin dilakukan oleh nelayan untuk mendapatkan ikan, hal ini biasa dilakukan pada pagi dan sore hari. Namun kendala yang sering dialami nelayan dalam hal ini ialah, dibutuhkannya cukup banyak tenaga dan waktu dalam pemasangan dan penarikan jarring, disebabkan masih dilakukan secara manual oleh nelayan. Dengan perkembangan teknologi yang terus berevolusi dan semakin mendunia mendorong siapa saja untuk ikut serta dalam melakukan perubahan-perubahan yang dapat memudahkan manusia dalam melakukan aktifitas kehidupan sehari-hari. Segala sesuatu yang dahulu dikerjakan secara manual saat ini telah dapat dikembangkan untuk dilakukan secara otomatis, tidak hanya sekedar membantu manusia dalam aktivitasnya melainkan juga dari segi efisiensi waktu. Maka dirasa perlu untuk membuat sebuah sistem perangkap ikan dapat melakukan penarikan dan penebaran perangkap secara otomatis dan terjadwal dengan pengaturan waktu yang memanfaatkan RTC (Real Time Clock) yang merupakan sebuah modul yang berfungsi sebagai penghitung waktu yang dirancang menggunakan komponen elektronik berupa chip yang mampu melakukan proses kerja seperti jam pada umumnya.. Perhitungan tersebut dihitung secara akurat dan tersimpan secara real time sehingga dapat membantu mengefesiensikan dan mengefektifkan proses penangkapan ikan dengan perangkap otomatis yang dilakukan oleh nelayan.
Abstract. Scheduling production machine has an essential role in minimizing the makespan in order to raise the production efficiency. Makespan generated from more than one production machines, can still wait for jobs in the processsince the job is still in the process on another machine, or as a job waiting to be processed by a machine because the machine is still processing another job. The methode applied for flow shop and static production system is Integrated Algorithm which combines Johnson and Campbell Algorithm. By applying these two methods to the company, the company can see the schedule of the production machine that gives the minimum makespan in a computerized system. The presentation is in the form of tables mapping to facilitate the search makespan.Keywords: Production Machine Scheduling, Flow Shop, Static, Makespan, Johnson and Campbell Algorithm. Abstrak. Penjadwalan mesin produksi memiliki peran yang sangat penting dalam meminimalkan makespan sehingga efisiensi produksi dapat tercapai. Makespan yang dihasilkan untuk jumlah mesin produksi lebih dari satu mesin, masih mungkin mengandung waktu tunggu karena sebuah mesin kemungkinan menunggu job yang harus diprosesnya, sementara job tersebut masih diproses pada mesin yang lain, atau karena sebuah job menunggu untuk diproses oleh sebuah mesin karena mesin tersebut masih memproses job yang lain. Proses N Jobs M Mesin terdapat lebih dari 1 makespan tetapi yang dipilih adalah makespan terkecil. Metode yang dapat digunakan pada sistem produksi yang flow shop dan statis adalah algoritma kombinasi dari Algoritma Johnson dan Campbell. Dengan menerapkan dua metode tersebut pada perusahaan maka perusahaan dapat mengetahui jadwal mesin produksi yang memberikan makespan paling minimum secara terkomputerisasi. Penyajian dalam bentuk pemetaan tabel mempermudah dalam pencarian makespan.Kata kunci: Penjadwalan Mesin Produksi, Flow shop, Statis, Makespan, Algoritma Johnson dan Campbell.
Rumah Sakit Mitra Sejati mempunyai peranan penting menyeleksi hasil scanner data pasien. Rumah Sakit Mitra Sejati berusaha untuk meningkatkan pelayanan terbaik kepada masyarakat, salah satu upaya yang dilakukan oleh Rumah Sakit Mitra Sejati berupa pelayanan kesehatan Covid 19. Adapun permasalahan yang dilakukan pada saat menscanner data adalah dalam pengolahan hasil scanner terkadang menyebabkan banyak kegagalan pada saat pengiriman file yang akan dikirim ke Kantor Dinas Kesehatan.Permasalahan tersebut perusahaan membutuhkan suatu bidang keilmuan yang dapat membantu dalam pengambilan keputusan yaitu Sistem Pendukung Keputusan dengan menggunakan metode PSI. Preference Selection Index (PSI) merupakan metode yang memperoleh dengan perhitungan minimal dan sederhana seperti apa adanya berdasarkan konsep statistik tanpa keharusan bobot atribut. Sebagai hasilnya, keluaran hasil inferensi pada setiap aturan didefinisikan sebagai nilai yang tegas (crips) berdasarkan kuat penyulutan aturan.Hasil penelitian ini mendapatkan hasil yang maksimal dalam menganalisa dan dapat membantu petugas agar dapat menentukan dalam menyeleksi kelayakan hasil scanner data pasien covid 19 diharapkan dapat membantu petugas Rumah Sakit Mitra Sejati.Kata Kunci: Data Scanner, PSI, Sistem Pendukung Keputusan
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.