Hasil Pencarian  ::  Simpan CSV :: Kembali

"Divisi ABC PT XYZ sebagai organisasi managed care memiliki tujuan bisnis memperoleh selisih kapitasi atas pengendalian pelayanan kesehatan peserta managed care. Dalam proses bisnisnya, terdapat kendala dalam mengelola dan mengontrol biaya kesehatan untuk kasus-kasus penyakit katastropik, salah satunya penyakit gagal jantung. Upaya pengendalian biaya kesehatan selama ini dilakukan melalui utilization review yang bersifat retrospektif. Pengendalian ini selain memiliki keunggulan, memiliki kelemahan, karena dilakukan setelah pelayanan diberikan. Tujuan dari penelitian ini adalah membuat model data mining yang akurat yang mampu mengenal pola terapi medis sebagai pertimbangan precertification yang merupakan prospective reviews. Model yang digunakan dalam kasus ini adalah dengan Naïve Bayes, SVM dan Decision Tree. Berdasarkan pengujian yang dilakukan, diperoleh hasil bahwa model Naïve Bayes memiliki akurasi yang terbaik berdasarkan classification accuracy.

---

Division ABC PT XYZ as managed care organizations have the goal of obtaining a capitation difference for control participants managed care health services. In the business process, there are constraints in managing and controlling health care costs for catastrophic illness cases, one of which heart failure disease.

Efforts to control health care costs has been done through a retrospective utilization review. This control has an advantage in addition, has a weakness, because it is done after the service is provided. The purpose of this research is to create an accurate data mining models are able to recognize patterns of medical therapy as precertification consideration which is a prospective review. The model used in this case is the Naïve Bayes, SVM and Decision Tree.

Based on the tests performed, the results that Naïve Bayes models have the best accuracy of classification accuracy."

"Jenis usaha perasuransian PT XYZ dibagi menjadi dua yaitu asuransi kesehatan dan asuransi jiwa. Salah satu risiko yang terjadi dan berdampak pada kerugian perasuransian adalah kecurangan atau fraud yang dilakukan pihak tertentu untuk memperoleh keuntungan sepihak. Penelitian ini dilakukan untuk membuat pemodelan data mining yang digunakan untuk mendeteksi fraud pada asuransi kesehatan. Tujuan dari penelitian ini adalah memperoleh algoritma model berbasis data mining yang dapat mendeteksi fraud pada transaksi klaim peserta di PT XYZ. Karakteristik data yang digunakan bersifat imbalanced, karena jumlah data fraud yang digunakan tidak sebesar jika dibandingkan dengan data yang bersifat normal. Pembentukan model pada penelitian ini dilakukan dengan 32 skenario, dengan hasil terbaik skenario dengan penerapan feature engineering, feature selection, oversampling dan uji validasi menggunakan 20­-fold cross validation. Adapun hasil dari skenario tersebut menghasilkan algoritma random forest yang memiliki nilai akurasi paling baik yaitu 99,3% dengan didukung oleh nilai presisi, recall, dan f1 scores masing-masing, 99,3%, 99,3%, dan 99,3%. Hasil akhir dari penelitian ini memperlihatkan bahwa teknik feature engineering dengan penambahan atribut is_dr_speciality, memiliki kontribusi terhadap nilai akurasi model.

---

The type of insurance business of PT XYZ is divided into two, namely health insurance and life insurance. One of the risks that occur and impact insurance losses is fraud committed by certain parties to obtain unilateral benefits. This research was conducted to create a data mining model used to detect fraud in health insurance. The purpose of this study is to obtain a data mining-based model algorithm that can detect fraud in participant claims transactions at PT XYZ. The characteristics of the data used are imbalanced because the amount of fraud data used is not as much as compared to normal data. The model formation in this study was carried out with 32 scenarios, with the best results being the scenario by applying feature engineering, feature selection, oversampling, and validation tests using 20-fold cross-validation. This scenario resulted in the random forest algorithm having the best accuracy value of 99.3%, supported by precision, recall, and f1 scores, 99.3%, 99.3%, and 99.3%. The final result of this study shows that the feature engineering technique with the addition of the is_dr_speciality attribute has contributed to the model's accuracy value."

"Banyak perusahaan yang telah menyadari bahwa mereka harus berusaha keras tidak hanya mendapatkan pelanggan baru, namun juga untuk mempertahankan pelanggan lama. Memprediksi nasabah yang akan pergi mulai dilakukan oleh perusahaan. Prediksi nasabah churn adalah kegiatan yang dilakukan untuk memprediksi nasabah tersebut akan meninggalkan perusahaan atau tidak. Banyak cara yang dapat dilakukan untuk memprediksi nasabah churn. Salah satu cara memprediksi nasabah churn ini adalah dengan menggunakan teknik klasifikasi dari data mining yang menghasilkan sebuah model machine learning. Dengan mempelajari data nasabah seperti data demografi, data transaksi dan data kepemilikan produk maka, perusahaan akan bisa memprediksi nasabah yang akan churn, sehingga perusahaan dapat melakukan tindakan pencegahan agar nasabah tersebut tidak berhenti untuk menggunakan jasa dari perusahaan. Penelitian ini membandingkan beberapa metode dari teknik klasifikasi data mining dan pengukuran dari sampel datanya. Dari penelitian ini didapat bahwa metode Support Vector Machine (SVM) dengan perbandingan sampling kelas data 50:50 merupakan metode terbaik untuk memprediksi nasabah churn di Bank XYZ. Hasil dari pemodelan ini bisa digunakan untuk mendapatkan informasi nasabah yang akan pergi meninggalkan perusahaan sehingga perusahaan dapat mengambil tindakan sebelum nasabah tersebut pergi.

---

Many companies have realized they must strive not only to get new customers but also to retain old customers. The company began to predict customers who would no longer use company services. Churn customer prediction is an activity carried out to predict whether the customer will leave the company or not.

There are many ways that can be done to predict churn customers, usually to predicting this customer churn by using a classification technique from data mining that produces a machine learning model. Studying customer historical data such as demographic data, transaction data and product ownership data, will be able to predict customers who will churn and can take preventive measures so these customers do not stop using services from the company.

This study compares several methods of data mining classification techniques and measurements from data samples. From this study it was found that the method of Support Vector Machine (SVM) with a comparison of 50:50 data class sampling is the best method for predicting churn customers at Bank XYZ. The results of this modeling can be used to obtain information on customers who will stop using  company services so the company can take action before the customer leaves."

"PT XYZ adalah perusahaan yang bergerak di bidang teknologi informasi untuk memberikan solusi TI yang dibutuhkan oleh perusahaan. PT XYZ memiliki solusisolusi produk sendiri yang dikelola di divisi ABC. Terdapat beberapa proyek yang sudah di kerjakan seperti proyek A, B, C, D, dan E. Pada praktiknya, beberapa proyek yang dikerjakan mengalami keterlambatan. Keterlambatan dalam pengerjaan proyek menyebabkan dampak yang cukup berarti bagi perusahaan terutama dalam hal biaya dan resource, jumlah biaya yang dikeluarkan untuk elemen sumber daya menjadi naik sehingga mengurangi jumlah keuntungan yang didapat. Dalam melakukan analisis permasalahan, digunakan diagram fishbone untuk melihat akar permasalahan yang dihadapi. Setelah dilakukan analisis terhadap beberapa akar permasalahan. Akar permasalahan yang akan diteliti pada penelitian ini adalah prosespengembangan perangkat lunak. Proses pengembangan perangkat lunak yang digunakan pada divisi ABC adalah metode 4D. Keterlambatan proyek terjadi karena 50% pekerjaan yang dilakukan adalah pengerjaan ulang. Pengerjaan ulang terjadi karena kualitas dari proses yang digunakan masih kurang. Penelitian ini bertujuan untuk menghasilkan usulan perbaikan kualitas proses pengembangan perangkat lunak yaitu metode 4D dengan menggunakan kerangka kerja CMMI-Dev dan menggunakan representasi continuous. Metode penilaian yang digunakan pada penelitian kali ini adalah SCAMPI C. Hasil pada penelitian ini adalah rekomendasi-rekomendasi untuk meningkatkan kualitas proses pengembangan perangkat lunak. Rekomendasi yang diberikan diambil berdasarkan best practice CMMI-Dev. Dengan meningkatkatnya kualitas proses pengembangan perangkat lunak yaitu metode 4D, permasalahan keterlambatan pengerjaan proyek bisa teratasi karena proses pengerjaan ulang yang dilakukan bisa dihilangkan.

---

PT XYZ is a company engaged in information technology. PT XYZ makes several product. It has been managed by the ABC department. There are several projects that have been done such as projects A, B, C, D, and E. Four of the five projects experienced delays. This has a significant impact on the company. The amount of costs incurred increases and reduces profits. Fishbone diagrams are used to analyze the root cause of a problem. The root of the problem to be examined is the software development process. The software development process used in the ABC division is the 4D method. Project delays occur because 50% of the work done is reworking. Reworking occurs because the quality of the process used is still lacking. The CMMI-Dev framework is used to evaluate software processes. Continuous presentations that will be used in this study. The valuation

method used in this study is SCAMPI C. The results of this study are recommendations to improve the quality of the software development process. Recommendations based on CMMI-Dev best practices. With the increasing quality of the software development process. Problems with the delay in

project execution can be overcome, because the reworking process can be removed."

"Seiring dengan meningkatnya ketergantungan organisasi pada layanan teknologi informasi (TI), dibutuhkan ketersediaan layanan TI pada tingkat yang telah disepakati agar kegiatan bisnis dapat berjalan dengan baik. Jaminan ketersediaan layanan tersebut dapat diwujudkan melalui suatu rencana kontinjensi (contingency plan) sebagai perencanaan ke depan untuk kebutuhan tanggap darurat pada saat terjadi gangguan layanan pada data center atau bencana.Dalam karya akhir ini, penulis melakukan perancangan rencana kontinjensi dengan menggunakan kerangka kerja NIST 800-34 Rev.1 dan dilengkapi dengan standar data center ANSI/TIA-942. Hasil yang didapat dari penelitian ini adalah beberapa usulan terkait dengan rencana kontinjensi, meliputi pernyataan kebijakan, hasil analisis dampak bisnis dan prioritas pemulihan sistem informasi, kontrol preventif fasilitas data center, strategi kontinjensi dan dokumen rencana kontinjensi.

---

Along with the increasing organization's dependence on the Information Technology (IT) requires the availability of IT services at agreed service level so that business activities can be run well. Guarantee of the availability of IT services can be achieved through a contingency plan as a planning ahead for the needs of emergency response in the event of IT service disruption or disaster.

In this thesis, the authors develop contingency plan using NIST 800-34 Rev.1 framework and comes with ANSI / TIA-942 data center standard. The results of this study are some of the proposals related to the contingency plan, including policy statement, business impact analysis result, recovery priority of information systems, as well as preventive control of data center facilities, contingency strategy and contingency plan document."

"[ABSTRAKDana pihak ketiga (DPK), yaitu dana yang dihimpun bank yang berasal darimasyarakat, perlu dikelola secara efektif dan efisien dengan mempersiapkanstrategi penempatan dana. Salah satu strategi dalam penempatan dana tersebutadalah menyalurkan kembali kepada masyarakat dalam bentuk pinjaman untukDPK yang diprediksi akan mengendap dalam jangka waktu yang cukup lama danmenyimpan DPK dalam bentuk kas, cadangan, atau investasi jangka pendek untukDPK yang diprediksi tidak akan mengendap dalam jangka waktu yang cukuplama menurut definisi bank. Penelitian ini menggunakan data mining untukmemprediksi porsi DPK yang mengendap dari masing-masing nasabahberdasarkan profil demografi dan transaksinya. Penelitian dibatasi pada produk tabungan, dan data yang digunakan untuk proses data mining adalah data profil nasabah dan data transaksi produk tabungan. Metodologi penelitian ini menggunakan pendekatan CRISP DM. Dan metodedata mining yang digunakan adalah teknik decision tree untuk prediksi, analisaklaster untuk proses diskritisasi label kelas yang akan digunakan dalam klasifikasidan menggunakan analisa RFM (Recency, Frequency, Monetary) untukmenyederhanakan nilai pada atribut-atribut yang terkait dengan transaksitabungan. Metode klasifikasi menggunakan algoritma C4.5 dan analisa klastermenggunakan algoritma k-means dan menggunakan WEKA sebagai data miningtools. Hasil dari penelitian ini adalah model untuk memprediksi porsi danamengendap dari nasabah. Dari hasil evaluasi menggunakan perhitungan sensitivity, spesitivity, dan accuracy menunjukan model yang berhasil dibangun memiliki keakuratan yang cukup baik dalam memprediksi porsi dana mengendap.

---

ABSTRACTThird-party funds (TPF), which is funds raised from the public, need to bemanaged effectively and efficiently by preparing a strategic placements. One ofthe strategies is by distributing loan from TPF that are expected to settle for a longperiod of time and store in the form of cash, reserves, or short-term investmentsfor TPF that are predicted will not settle within long period based on definitionfrom the bank. In this study data mining is used to predict portion of TPF thatwill settle for certain period of each customer based on the demographic profileand transaction history. The scope of this study is only for saving account product,and this study uses the customer profile data and transaction data of savingsproducts for data mining process. The research methodology in this study using the CRISP DM approach. Decision tree classification technique is used for prediction, cluster analysis method is usedfor discretization process of class labels to be used in the classification and useRFM analysis (Recency, Frequency, Monetary) to simplify the value of theattributes associated with the transaction of saving account. C4.5 algorithm isused for classification and cluster analysis using k-means algorithm and WEKA isused as data mining tools. The results of this study is the model that can predictportion of TPF that will settle for a certain period. The model evaluation bysensitivity, spesitivity, and accuracy calculation shows that the model hassuccessfully built a good accuracy in predicting of TPF that are expected to settlefor a long period of time. , Third-party funds (TPF), which is funds raised from the public, need to bemanaged effectively and efficiently by preparing a strategic placements. One ofthe strategies is by distributing loan from TPF that are expected to settle for a longperiod of time and store in the form of cash, reserves, or short-term investmentsfor TPF that are predicted will not settle within long period based on definitionfrom the bank. In this study data mining is used to predict portion of TPF thatwill settle for certain period of each customer based on the demographic profileand transaction history. The scope of this study is only for saving account product,and this study uses the customer profile data and transaction data of savingsproducts for data mining process. The research methodology in this study using the CRISP DM approach. Decision tree classification technique is used for prediction, cluster analysis method is usedfor discretization process of class labels to be used in the classification and useRFM analysis (Recency, Frequency, Monetary) to simplify the value of theattributes associated with the transaction of saving account. C4.5 algorithm isused for classification and cluster analysis using k-means algorithm and WEKA isused as data mining tools. The results of this study is the model that can predictportion of TPF that will settle for a certain period. The model evaluation bysensitivity, spesitivity, and accuracy calculation shows that the model hassuccessfully built a good accuracy in predicting of TPF that are expected to settlefor a long period of time. ]"

"ABSTRAKKredit bermasalah atau non performing loan NPL merupakan salah satu indikator penilaian performa sebuah bank dalam menjalankan program kredit kepada nasabahnya. Peningkatan rasio NPL pada PT. Bank XYZ pada tahun 2016 memberikan dampak kerugian yang sangat besar bagi perusahaan. Tinggi atau rendahnya rasio NPL erat kaitannya dengan tingkat kepatuhan debitur dalam menyelesaikan kewajibannya sesuai dengan perjanjian yang ada. Peningkatan rasio NPL tersebut berasal dari berbagai sektor kredit termasuk kredit kepemilikan rumah KPR. Tercatat pada awal tahun 2017 terdapat 16,15 nasabah yang memiliki kredit tidak lancar pada kredit KPR FLPP. Kualitas kredit yang buruk memberikan kerugian pada Bank XYZ. Untuk mengatasi masalah tersebut, pada penelitian ini digunakan teknik data mining untuk melakukan penilaian risiko calon nasabah kredit. Teknik data mining decision tree, support vector machine dan na ve bayes digunakan untuk melakukan penilaian risiko kualitas kredit calon nasabah. Teknik ensemble classification adaptive boosting dan bagging juga digunakan untuk meningkatkan performa dari model klasifikasi dasar. Pemodelan dilakukan dengan menggunakan data nasabah KPR FLPP. Evaluasi penelitian dilakukan menggunakan teknik k-fold cross validation. Hasil dari penelitian menunjukkan model klasifikasi yang dihasilkan oleh metode base classification decision tree merupakan model yang terbaik pada kasus ini. Hasil dari pemodelan dapat digunakan dalam menilai potensi calon nasabah apakah akan menjadi nasabah yang mempunyai kualitas kredit baik atau buruk.

---

ABSTRACTNon performing loan NPL is one of some indicators that can be used to measure the performance of bank in running a credit program to its customer. Bank XYZ rsquo s NPL rate increased in 2016 brought a huge loss to the organization. High or low NPL rate in the bank is closely related to the level of compliance of its customer in fulfilling their obligation based on agreement. The increment of NPL came from several sectors including the mortgage sector. In the beginning of 2017, there are 16.15 of customer have bad credit performance of FLPP mortgage program. Bad quality can bring loss to the Bank XYZ. To resolve that problem, data mining technique is used in order to assess the credit risk of prospect customer. Data mining techniques such decision tree, support vector machine SVM and na ve bayes are used to score the credit risk of the prospect customer. Ensemble classification technique such adaptive boosting and bagging are used as well to improve the performance of base classification rsquo s model. Modelling uses the historical customer data of FLPP mortgage program. The technique of evaluation in this research uses k fold cross validation. The result of this research shows classifiers from base classification decision tree has the best result amongst the other models in this case. The best models can be used to score the potential of prospect customer whether they will be having good credit or bad credit."

"Manajemen pengetahuan kini menjadi hal yang penting bagi suatu perusahaan. Pemerataan pengetahuan di antara pegawai dapat meningkatkan kemampuan kompetitif perusahaan. Pengelolaan pengetahuan yang terkelola dengan baik akan meningkatkan kompetensi pegawai dalam menyelesaikan suatu pekerjaan. Pengetahuan unik yang dimiliki pegawai yang telah pensiun ataupun yang telah keluar diharapkan dapat tersalurkan ke pegawai lainnya dan terdokumentasi dalan suatu sistem. Penelitian ini bertujuan untuk merancang model yang sesuai untuk sebuah sistem manajemen pengetahuan. Penulis menggunakan metode Fernandez karena memberikan solusi dari kebutuhan, proses hingga fitur yang dibutuhkan. Penelitian dilakukan di bagian Divisi Restrukturisasi dan Penyelesaian Kredit, dimana lokasi bekerja pegawai terpisah dan tersebar di beberapa provinsi. Diharapkan pegawai dapat mendokumentasikan dan menyebarkan pengetahuan yang dimiliki melalui sistem manajemen pengetahuan. Sehingga semua pegawai bisa memanfaatkan pengetahuan ini untuk memberikan layanan dukungan yang lebih baik bagi perusahaan.

---

Knowledge management has becomes essential for a company. Equitable distribution of knowledge among employees can improve the competitive ability of the company. Well managed of knowledge management, will increase employee competence in doing their jobs. A unique knowledge possessed by employees who have retired or who have been resigned is expected to be transferred the knowledge to other employees and documented in a system.

This research aimed to design an appropriate model for a knowledge management system. In this research the researcher used the method of Fernandez because it provided solutions of need, process until features requirement. The study was conducted at the Division of Restructuring and Credit Resolution, in which employees work in separate location and spread in several provinces. Employees are expected to document and transfer knowledge through a knowledge management system. So, that all employees can utilize the knowledge to provide better support services for the company."

"Universitas XYZ sebagai institusi Perguruan Tinggi Terbuka Jarak Jauh (PTTJJ), senantiasa menjaga kualitas layanannya agar tetap berkualitas. Salah satu layanan yang senantiasa dijaga adalah layanan Bahan Ajar. Layanan Bahan Ajar didukung dengan manajemen stok bahan ajar dari mulai perencanaan dengan melakukan estimasi kebutuhan bahan ajar, gudang bahan ajar untuk menyimpan persediaan bahan ajar dan Student Record System (SRS). Bahan Ajar disiapkan dalam dua program yaitu melalui Sistem Paket Semester (Paket) dan non-paket. Mahasiswa yang mengikuti program nonpaket tidak diwajibkan membayar tagihan biaya bahan ajar. Untuk menjaga kualitas layanan bahan ajar, Universitas XYZ melakukan estimasi kebutuhan bahan ajar. Estimasi dilakukan secara manual dengan menggunakan formula yang berbeda pada setiap tahunnya. Estimasi dilakukan sebelum dan sesudah masa registrasi mata kuliah. Kenyataannya, kebutuhan bahan ajar masih mengalami kekurangan. Hal ini diketahui pada akhir tahun terdapat perbedaan antara hasil estimasi dan realisasi, sehingga tidak sedikit mahasiswa mendapatkan bahan ajar ketika memasuki akhir semester bahkan ketika memasuki awal semester baru. Penelitian ini bertujuan untuk menentukan berapa banyak bahan ajar yang harus disiapkan dengan cara mempelajari profil mahasiswa melalui data history mahasiswa menggunakan teknik classification. Metode yang digunakan Naïve Bayes, Decision Tree dan Support Vector Machine. Evaluasi menggunakan metode cross validation dengan nilai k 2, 3, 5 dan 10. Hasil percobaan menunjukkan bahwa metode Decision Tree memiliki accuracy tertinggi dibanding dengan yang lain.

---

XYZ University as an institution of Distance Learning Higher Education (PTTJJ), always maintains the quality of its services to remain qualified. One service that is always maintained is the Teaching Materials service. Teaching Material Services are supported by the management of teaching material stocks from the start of planning by estimating teaching material requirements, warehouse of teaching materials to store supplies of teaching materials and Student Record System (SRS). Teaching Materials are prepared in two programs, namely through the Semester Package System (Package) and nonpackage. Students who take non-package programs are not required to pay bills for teaching materials. To maintain the quality of teaching material services, XYZ University estimates the need for teaching materials. Estimates are done manually by using a different formula each year. Estimates are made before and after the registration period of the course. In fact, the need for teaching materials is still lacking. This is known at the end of the year there is a difference between the results of estimation and realization, so that not a few students get teaching materials when entering the end of the semester even when entering the beginning of the new semester. This study aims to determine how much teaching material must be prepared by studying student profiles through student history data using classification techniques. The method used is Naïve Bayes, Decision Tree and Support Vector Machine. The evaluation uses the cross validation method with values k 2, 3, 5 and 10. The experimental results show that the Decision Tree method has the highest accuracy compared to the others."

"Pengetahuan merupakan hal yang sangat penting untuk dimiliki oleh sebuah organisasi. Dengan adanya pengetahuan dan pemerataan pengetahuan antara pegawai akan meningkatkan kemampuan kompetensi dan kompetitif organisasi tersebut sehingga dapat dirasakan manfaatnya baik secara langsung dan tidak langsung oleh semua pegawai. Dalam membangun sistem manajemen pengetahuan diperlukan penetapan prioritas dalam proses manajemen pengetahuan sehingga dapat dilihat baik kesesuaian pengetahuan yang dibutuhkan dengan teknologi yang akan dipakai. Sistem manajemen pengetahuan yang dikembangkan dalam bentuk prototipe akan menunjang proses manajemen pengetahuan yaitu combination, externalization, internalization dan exchange dengan menghasilkan fitur yang diambil berdasarkan kesesuaian teknologi yang dipilih yaitu manajemen dokumen, forum diskusi, chatting, dan wiki. Langkah-langkah yang dipakai sehingga menghasilkan prioritas proses manajemen pengetahuan adalah dengan menggunakan solusi manajemen pengetahuan yang melihat faktor kontingensi yang ada di organisasi sehingga dapat teridentifikasi kebutuhan manajemen pengetahuan yang spesifik untuk organisasi saat ini dan fasilitas untuk pengembangan sistem manajemen pengetahuan.

---

Knowledge is an important thing to be owned by organization. With knowledge sharing among employees improves the competence and competitiveness of an organization and employees will benefit from that. Knowledge Management System development need priority of the process and technology compatibility of the Knowledge Management that will be used. Knowledge Management System will be developed in prototype and including process knowledge management such as combination, externalization, internalization, and exchange with feature like document management, forum discussion, chatting, and wiki. The steps to develop knowledge management using knowledge management solutions that apprehend contingency factors within the organization so it can be identified spesific current needs and facilities for the development"