Penelitian ini membahas tentang perbandingan metode yang digunakan untuk penentuan kelayakan karyawan yang layak untuk mendapatkan beasiswa studi lanjut. Metode yang akan dibandingkan adalah metode Moora dan Waspas. Kedua metode tersebut dipilih karena memiliki kemampuan dalam menghasilkan keputusan. Tujuan dari penelitian ini adalah untuk memilih metode yang paling baik digunakan dalam penentuan keputusan, terutama untuk menentukan kelayakan karyawan untuk mendapatkan beasiswa studi lanjut. Tahapan perbandingan metode dimulai dengan dengan melakukan pengumpulan data kriteria dan bobot penilaian, kemudian menetapkan data alternatif yang akan dinilai. Tahapan selanjutnya adalah melakukan penerapan kedua metode tersebut dan melakukan perbandingan metode melalui perangkingan nilai, hasil keputusan dan teknik eksponensial. Berdasarkan penelitian yang telah dilakukan maka diperoleh hasil bahwa untuk nilai keputusan, metode Moora menghasilkan nilai rata-rata 1,1 dan metode Waspas mendapatkan nilai rata-rata 0,5. Kemudian dari hasil keputusan terlihat kedua metode tersebut menghasilkan keputusan yang sama pada setiap alternatifnya dan untuk teknik eksponensial, metode Moora mendapatkan niai 1,05 dan metode Waspas mendapatkan nilai 0,73. Berdasarkan hasil tersebut maka dapat diketahui bahwa metode Moora lebih baik dibandingkan dengan metode Waspas dalam pengambilan keputusan
Tanaman terong belanda (solanum betaceum) merupakan tanaman buah-buahan yang memiliki tangkai panjang, yang tumbuh satu dengan lainnya, ada yang tumbuh sendirian atau ada yang berkelompok sebanyak 3-12 tangkai. Tanaman terong belanda (solanum betaceum) merupakan tanaman pendamping, dan biasanya ditanam mendampingi tanaman utama seperti kopi, cabai, dan tanaman yang lain. Walaupun tanaman terong belanda (solanum betaceum) ini sebagai tanaman pendamping bukan berarti tanaman terong belanda ini gampang tumbuh dan gampang berbuah. Terong belanda (solanum betaceum) cukup rentan terhadap serangan penyakit yang dapat merugikan petani karena kurangnya pengetahuan atau ketidakpahaman petani terhadap jenis–jenis penyakit tanaman terong belanda, sehingga sering terjadi kesalahan mendiagnosa yang mengakibatkan keterlambatan dalam penanganan tanaman terong belanda yang terserang penyakit. Hal ini dapat merugikan petani, yang mengakibatkan petani gagal panen. Oleh karena itu untuk mengatasi permasalahan tersebut, dapat menggunakan sistem pakar dengan menggunakan metode dempster shafer agar dapat menganalisa dan mendiagnosa penyakit terong belanda (solanum betaceum). Dari hasil perhitungan nilai densitas m9 dengan adanya ke lima gejala yang dipilih, maka dapat diperoleh nilai keyakinan paling kuat terhadap P4 yaitu penyakit Virus Kuning sebesar 0,5023 atau jika di persentasikan 50% yaitu cukup pasti. Hasil penelitian ini sudah dapat menyamai seorang pakar/ahli pertanian dalam mendiagnosa penyakit pada tanaman terong belanda (solanum betaceum), sehingga dapat membantu para petani dalam mencari solusi permasalahan yang dialami terkait penyakit tanaman terong belanda (solanum betaceum).
PT. Sukses Anugrah Sejahtera (SAS) adalah professional multi services company yang bergerak di bidang jasa cleaning service yang berpusat di Medan, berhasrat untuk dapat berkembang dengan menciptakan pelayanan yang prima kepada semua customer. harus mendapatkan tingkat kepuasan yang maksimal. Permasalahan yang terjadi pada saat ini adalah dalam menilai tingkat kepuasan customer masih menggunakan cara manual, yaitu dengan menyebarkan angket yang diprint dengan kertas HVS kepada setiap customer. Hal ini tentunya kurang efektif dikarenakan angket yang diberikan kepada customer bisa saja hilang atau robek. Sistem pendukung keputusan untuk menentukan tingkat kepuasan customer merupakan sistem yang berguna untuk membantu menghasilkan informasi yang mendukung bagi proses pengambilan keputusan mengenai besar kecilnya kepuasan customer terhadap perusahaan. Adapun metode yang akan digunakan dalam sistem pendukung keputusan adalah metode Fuzzy Assosiative Memory. Karena metode ini dapat menetukan nilai bobot untuk setiap atribut dengan tingkat akurasi yang baik.
Pada masa pandemic covid 19, Perusahaan yang bergerak di bidang spare part mengalami penurunan penjualan produk sparet part mobil dan tidak tepat dalam menentukan strategi promosi yang diberikan ke pelanggan. Banyaknya data transaksi yang digunakan sebagi acuan menjual produk dengan harga modal yang hanya mendapatkan keuntungan kecil. Apabila masih tidak laku terjual, untuk barang masuk tertunda dikarenakan modal belum balik. Oleh karena itu diperlukan suatu sistem untuk mengolah data informasi lebih cepat dan tepat dalam melakukan prediksi pola penjualan spare part mobil dengan menggunakan aplikasi data mining algoritma apriori. Hasil perhitungan dengan menerapkan algoritma apriori menunjukkan bahwa jika konsumen membeli lower arm daihatsu dan ban mobil maka nilai support = 23,33 dan nilai confidence = 77,78 dan jika konsumen membeli lower arm daihatsu dan filter AC maka nilai support = 26,67 dan nilai confidence = 72,72. Tujuan penelitian untuk memprediksi dan menganalisa pola penjualan spare part mobil yang diimplementasikan pada aplikasi berbasis desktop. Hal ini untuk mempermudah dalam melakukan analisa terhadap daya saing produk spare part mobil yang paling laku terjual secara bersamaan. Sebagai rekomendasi dalam pengambil keputusan untuk meningkatkan pemasaran dan promosi produk spare part mobil yang lebih baik.
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.