1. Home
  2. Vol 20, No 1 (2023)
  3. Winiarti

Pemetaan Kehartabendaan Muhammadiyah untuk Optimalisasi Sistem Sistem Informasi Aset dengan Penerapan Kecerdasan Buatan

Sri Winiarti, Miftahurrahma Rosyda, Cindy Mayeza Putri

Abstract


Pengelolaan kerhartabendaan merupakah salah satu tugas penting Majelis Wakaf Muhammadiyah seluruh Indonesia. Penelitian ini mengambil studi kasus Majelis Wakaf Pimpinan Wilayah Muhammdiyah Daerah Istimewa Yogyakarta (PWM DIY) untuk diambil datanya kemudian dikelola untuk dikelompokan dengan algoritma k-means dalam kecerdasan buatan. Dalam pengelolaan kehartabendaan PWM DIY telah menggunakan sebuah aplikasi yang dipakai untuk pendataan, namun data-data kehartabendaan yang ada belum dapat diketahui informasi kehartabendaan yang produktif. Diperlukan suatu informasi terkait produktifitas kehartabendaan bagi pimpinan agar dapat mengetahui nilai ekonomis suatu kehartabendaan yang dimiliki oleh persyarikatan Muhammadiyah oleh pimpinan untuk dapat menjadi pertimbangan keputusan di masa mendatang. Tujuan penelitian ini melakukan optimalisasi penggunaan aplikasi kehartabendaan SIMAM dengan melakukan pengembangan fitur menerapkan metode clustering sebagai salah satu algoritma dalam kecerdasan Buatan, yaitu algoritma K Means. Metode yang dilakukan dengan mengambil data yang terdapat dalam aplikasi kehartabendaan milik PWM DIY, kemudian dilakukan prosen penambangan data untuk memperoleh pola data kehartabendaan dengan menggunakan 4 variabel, yaitu; barang, kendaraan, tanah dan bangunan. Selanjutnya dilakukan pre-processing data untuk mendapatkan data yang baik agar mudah dilakukan clustering dengan menerapkan algoritma K-Means yang menghasilkan 3 kelompok data yaitu; Produktif, non produktif dan tidak terdefinisi. Hasil pengujian web menunjukkan seluruh modul dapat berfungsi dengan baik, sedangkan hasil pengujian akurasi dengan metode comfusion matrix menunjukkan hasil akurasi 100%. Manfaat dari penelitian ini mengoptimalkan fungsi tatakelola kehartabendaan Muhammadiyah melalui aplikasi SIMAM dan diintegrasikan dengan aplikasi kecerdasan buatan yang dapat memberikan rekomendasi kepada pimpinan khususnya pengelola kehartabendaan muhammadiyah untuk mengetahui produktifitas dari kehartabendaan tersebut. Selain itu penelitian ini dapat diteruskan ke penelitian selanjutnya untuk memprediksi nilai ekonomis kehartabendaan setiap tahunnya dengan menggunakan metode forecasting.


Keywords


Kehartabendaan; Klasifikasi; K-Means

References


Astria, C., Windarto, A.P, Wanto, A & Irawan, E, 2019. Metode K-Means pada Pengelompokan Wilayah Pendistribusian Listrik. Kotaraja, Politeknik Kotaraja.

Dewi, I.C & Pramita, 2019. Analisis Perbandingan Metode Elbow dan Sillhouette pada. Jurnal MATRIX, 9(3), pp. 102-109.

Dhuhita, WMP, 2015. Clustering Menggunakan Metode K-Means untuk menetukan Status Gizi Balita. Jurnal Informatika, 15(2), pp. 160-174.

Fajrianti, F, Bustan, M.N & Tiro, M.A, 2019. Penggunaan Analisis Cluster K-Means dan Analisis Diskriminan Dalam Pengelompokan Desa Miskin di Kabupaten Pangkep,. VARIANSI J. Stat. Its Appl. Teach. Res, 1(no. 2), pp. 7-12.

Febrinanto, FG, Dewi, C & Wiratno, AT, 2018. Implementasi Algoritme K-Means Sebagai Metode Segmentasi Citra Dalam Identifikasi Penyakit Daun Jeruk. J. Pengemb. Teknol. Inf. dan dan Ilmu Komput. Univ. Brawijaya,, 2(11), p. 5375–5383.

Ghofar, M. A. & Kurniawan, Y. I., 2018. APLIKASI PENGELOMPOKAN PELANGGAN PADA UMS STORE MENGGUNAKAN ALGORITMA K-MEANS,. J. Teknol. dan Manaj. Inform, vol. 4(no. 1, Jan. 2018).

Gorat, SE & Riandari, F, 2022. Implementasi Algoritma Apriori Dalam Memprediksi Transaksi Penjualan Kartu Internet Indosat Pada PT Multi Media Selular. Jurnal Information Technology, Software Engineering and Networking, 1(2), pp. 317-322.

Iswara, P & Supianto, A.A, 2019. Implementasi Data Mining untuk Rekomendasi Pengambilan Mata Kuliah Pilihan Mahasiswa Sistem Informasi. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 6(3), pp. 341-348.

Javid, T, Gupta, MK & Gupta, A, 2022. A hybrid-security model for privacy-enhanced distributed data mining. Journal of King Saud University –Computer and Information Sciences, 34(6), pp. 3602-3014.

Kuncoro, A.P, Hutomo, D.P & Zulfadhilah, M, 2019. Pengelompokan Pengguna Internet dengan Metode K-Means Clustering. Purwokerto, STIMIK Amikom Purwokerto, pp. 149-153.

Luque, A, Carrasco, A, Martin, A & Heras, ADL, 2019. The impact of class imbalance in classification performance metrics based on the binary confusion matrix. pattern Recognition, 91(88), pp. 216-231.

Luque, A, Carrasco, A, Martin, A & Heras, ADL, 2019. The impact of class imbalance in classification performance metrics based on the binary confusion matrix. Pattern Recognition, 91(88), pp. 216-231.

Noviyanto, 2020. Penerapan Data Mining dalam Mengelompokkan Jumlah Kematian. Paradigma – Jurnal Informatika dan Komputer, Vol. 22(No. 2 September 2020), pp. 183-188.

Noviyanto, 2020. Penerapan Data Mining dalam Mengelompokkan Jumlah Kematian. Paradigma – Jurnal Informatika dan Komputer, 22(No 2 Septeber 2022), pp. 183-185.

Putra, D & Wibowo, A, 2020. Prediksi Keputusan Minat Penjurusan Siswa SMA Yadika 5 Menggunakan Algoritma Naïve Bayes. Pematang Siantar-Sumatra Utara, Stikom Tunas Bangsa-Sumatra Utara, p. hal. 84–92.

Theissler, A, Thomas, M, Burch, M & Gerschner, F, 2022. ConfusionVis: Comparative evaluation and selection of multi-class. Knowledge-Based Systems classifiers based on confusion matrices, Volume 247, pp. 9-16.


Full Text: PDF

DOI: 10.30595/sainteks.v20i1.14537

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

ISSN: 2686-0546