Pengembangan Aplikasi Android Untuk Peningkatkan Efisiensi Operasi Pendataan Pengamatan Bunga Tumbuhan

Amien Aziz; Jayanta Jayanta; Iin Ernawati

doi:10.52958/iftk.v19i1.4714

Penulis

Amien Aziz Universitas Pembangunan Nasional "Veteran" Jakarta
Jayanta Jayanta Universitas Pembangunan Nasional "Veteran" Jakarta
Iin Ernawati Universitas Pembangunan Nasional "Veteran" Jakarta

DOI:

https://doi.org/10.52958/iftk.v19i1.4714

Kata Kunci:

Aplikasi mobile, Efisien, Data mining, K-Means

Abstrak

Penggunaan teknologi pada aplikasi sangat mendukung kegiatan perusahaan. Kesuksesan perusahaan akan terkait dengan kesesuaian harapan antara system analyst, pengguna aplikasi, sponsor dan kostumer. Penting juga bagi setiap perusahaan pertanian untuk mengetahui kondisi tumbuhan produksi mereka, salah satu cara untuk mengetahui hal ini adalah dengan melakukan data mining. Data yang digunakan adalah data sekunder dari perusahaan yang tidak berlabel, sehingga perlu digunakan algoritma unsupervised, yang pada penelitian ini digunakan algoritma K-Means. Berawal dari masalah tersebut dibutuhkan sistem digital yang dapat menyediakan data secara reliable, tepat, cepat, dan efisien. Dibuat juga model data mining yang pada akhirnya menghasilkan 2 kelompok, yang didapat menggunakan metode elbow. Setelah semua bagian sistem diintegrasi kedalam bentuk aplikasi mobile android. Setelah dilakukan perbandingan BMW sebelum dan sesudah menggunakan aplikasi, maka didapati hasil bahwa aplikasi tersbut meningkatkan efisiensi dari sisi biaya dan waktu, tanpa menurunkan mutu.

Referensi

P. Alkhairi and A. P. Windarto, "Penerapan K-Means Cluster Pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara," in Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), 2019.

W. M. P. Dhuhita, "Clustering Menggunakan Metode K-Means Untuk Menentukan Status Gizi Balita," Jurnal Informatika, vol. 15, no. 2, pp. 160-174, 2015.

M. R. Faisal, "Seri Belajar ASP.NET : Pengenalan ASP.NET Web API," 2014. [Online]. Available: http://www.rezafaisal.net/?p=1142.

J. Han, M. Kamber and J. Pei, Data Mining: Concepts and Techniques (The Morgan Kaufmann Series in Data Management Systems) 3rd Edition, Morgan Kaufman, 2011.

Kassambara, “Practical Guide To Principal Component Methods in R,” STHDA, 2017.

M. Liang, "Data Mining: Concepts, Models, Methods, and Algorithms," IIE Transactions, 2004, pp. 495-496.

Paul and A. Nalwaya, “React Native for Mobile Development: Harness the Power of React Native to Create Stunning iOS and Android Applications,” Jerman: Apress, 2019.

C. Prianto and S. Bunyamin, “Pembuatan aplikasi clustering gangguan jaringan menggunakan metode K-Means Clustering,” vol. 1, Kreatif, 2020.

T. Rahman, “Coal trade data clustering using K-means (case study Pt. Global Bangkit Utama),” ITSMART: Jurnal Teknologi dan Informasi, vol. 6, no. 1, pp. 24-31, 2017.

V. A. P. Sangga, “Perbandingan algoritma K-Means dan algoritma K-Medoids dalam pengelompokan komoditas peternakan di provinsi Jawa Tengah tahun 2015,” 2018.

J. Saripudin, “Pengaruh Efektivitas Penggunaan Aplikasi Mobile Dalam Meningkatkan Efisiensi Pengiriman Barang (Studi Empiris Pada Perusahaan Informa Furnishing Cabang Living Plaza Pasir Kaliki Bandung (Doctoral dissertation),” Bandung: Universitas Sangga Buana Ypkp Bandung, 2019.

S. Sujono, M. S. Mayasari and K. Koloniawan, “Prototipe aplikasi simpan pinjam pada koperasi darma karya Pangkalpinang Babel,” Jurnal Sisfokom (Sistem Informasi Dan Komputer), vol. 8, no. 1, pp. 68-73, 2019.

P. Surya. and I. L. Aroquiaraj, “Performance analysis of K-means and K-medoid clustering algorithms using agriculture dataset,” Journal of Emerging Technologies and Innovative Research (JETIR), vol. 6, no. 1, 2019.

C. Vercellis, “Business intelligence: data mining and optimization for decision making,” John Wiley & Sons, 2011.

A. Wanto, M. N. H. Siregar, A. P. Windarto, D. Hartama, N. L. W. S. R. Ginantra, D. Napitupulu, E. S. Negara, M. R. Lubis, S. V. Dewi and C. Prianto, “Data Mining: Algoritma dan Implementasi,” Medan: Yayasan kita menulis, 2020.