Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Eva Rokhanah
Institut Teknologi dan Sains Nahdlatul Ulama Pekalongan
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Metode Agile Scrum Dalam Pengembangan Sistem Pencatatan Kesehatan Berbasis Website Di Posyandu Remaja Eva Rokhanah; Husni Hidayat
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.9004

Abstract

Posyandu remaja merupakan penyedia layanan kesehatan sebagai upaya mengatasi permasalahan kesehatan pada remaja. Keberadaan layanan ini penting, mengingat dari 46 juta remaja di Indonesia, sebanyak 15-20% mengalami masalah kesehatan seperti gangguan gizi dan anemia. Namun dalam pelaksanaannya, terutama proses pencatatan data kesehatan remaja pada beberapa posyandu remaja masih dilakukan dengan manual menggunakan kertas atau buku yang berakibat data hasil pemeriksaan kesehatan tidak terintegrasi serta proses pelaporan mengalami keterlambatan, sehingga menghambat pemantauan dan deteksi dini terhadap masalah kesehatan pada remaja. Penelitian ini bertujuan melakukan pengembangkan sistem pencatatan kesehatan berbasis website dengan penerapan metode agile scrum guna meningkatkan efektivitas pada proses pencatatan data kesehatan remaja serta menyediakan data real-time. Pengembangan sistem dilakukan secara iteratif menggunakan metode agile scrum yang diterapkan melalui tahapan product backlog, sprint planning, sprint, sprint review, dan sprint retrospective,. Pengujian sistem menggunakan metode black box testing guna menguji sistem dari sisi fungsionalitas dan metode user acceptance testing (UAT) guna mengukur tingkat penerimaan pengguna terhadap sistem. Hasil pengujian menunjukkan bahwa pengujian fungsionalitas sistem berjalan optimal dan memperoleh tingkat penerimaan pengguna dengan rata-rata persentase sebesar 96,24%. Hal ini menunjukkan bahwa metode agile scrum efektif dalam pengembangan sistem, dan sistem yang dihasilkan sesuai dengan kebutuhan dan harapan dari pengguna.
Penerapan Algoritma C4.5 Untuk Prediksi Keterlambatan Pembayaran SPP Siswa di SMK Diponegoro Karanganyar Muhammad Abdul Aziz; Husni Hidayat; Eva Rokhanah
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12187

Abstract

Keterlambatan pembayaran Sumbangan Pembinaan Pendidikan (SPP) merupakan salah satu permasalahan yang dapat memengaruhi kelancaran operasional dan pengelolaan keuangan sekolah, khususnya pada sekolah swasta yang sebagian besar bergantung pada pembayaran dari siswa. Keterlambatan tersebut dapat menghambat penyusunan anggaran, pelaksanaan kegiatan pendidikan, serta proses administrasi sekolah. Oleh karena itu, diperlukan suatu metode yang mampu membantu pihak sekolah mengidentifikasi siswa yang berpotensi mengalami keterlambatan pembayaran sejak dini. Penelitian ini bertujuan menerapkan algoritma C4.5 untuk mengklasifikasikan status pembayaran SPP siswa berdasarkan atribut usia, pendidikan orang tua, penghasilan orang tua, riwayat pernah terlambat, dan status pembayaran pada bulan sebelumnya. Penelitian dilakukan melalui tahapan pengumpulan data, preprocessing yang meliputi seleksi dan transformasi data, pemodelan menggunakan algoritma C4.5, serta evaluasi model menggunakan aplikasi RapidMiner dengan metode 10-fold Cross Validation. Dataset yang digunakan berjumlah 256 data siswa yang terdiri atas 89 data pembayaran tepat waktu dan 167 data pembayaran terlambat. Hasil pengujian menunjukkan bahwa model memperoleh nilai accuracy sebesar 64,49%, precision sebesar 61,30%, serta recall sebesar 25,27% untuk kelas Tepat dan 86,06% untuk kelas Terlambat. Pohon keputusan yang dihasilkan menunjukkan bahwa atribut status pembayaran bulan sebelumnya merupakan faktor yang paling berpengaruh dalam proses klasifikasi. Hasil penelitian ini menunjukkan bahwa algoritma C4.5 mampu memberikan interpretasi yang mudah dipahami serta cukup efektif dalam mengidentifikasi siswa yang berpotensi mengalami keterlambatan pembayaran SPP sehingga dapat menjadi dasar bagi sekolah dalam melakukan langkah antisipatif dan pengambilan keputusan yang lebih tepat.
Co-Authors Husni Hidayat Muhammad Abdul Aziz