Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary on Social and Technology Aksi Kita: Jurnal Pengabdian Kepada Masyarakat
Arisman Ismail
Sekolah Tinggi Teknologi Informatika Sony Sugema
Computer Science & IT Economics, Econometrics & Finance Engineering Environmental Science Social Sciences Other

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

Found 2 Documents
Search

 1 
PKM: Sosialisasi dan Informasi  Peluang Global dan Program Magang ke Jepang di SMK Teknologi Karawang Pajar Machmud; Arisman Ismail; Agus Purwanto; Ridwan Efendi Rai; Yayan Diansyah; Asral Asral
Aksi Kita: Jurnal Pengabdian kepada Masyarakat Vol. 2 No. 3 (2026): MEI-JUNI
Publisher : Indo Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63822/eap1xh36

Abstract

Kegiatan Pengabdian Kepada Masyarakat (PKM) ini bertujuan untuk meningkatkan wawasan dan pemahaman siswa SMK Teknologi Karawang mengenai peluang kerja global, budaya kerja Jepang, serta program magang ke Jepang sebagai upaya mempersiapkan generasi muda yang siap bersaing di dunia kerja internasional. Metode pelaksanaan kegiatan dilakukan melalui tahap sosialisasi program. Tahap sosialisasi dilaksanakan melalui penyampaian materi, diskusi, dan tanya jawab interaktif terkait budaya kerja Jepang, peluang magang, kesiapan keterampilan, kemampuan komunikasi, serta kesiapan mental dalam menghadapi dunia kerja global. Hasil kegiatan menunjukkan bahwa peserta mengalami peningkatan pemahaman mengenai peluang kerja internasional dan pentingnya kesiapan kompetensi untuk mengikuti program magang ke Jepang. Selain itu, kegiatan ini juga berhasil meningkatkan motivasi siswa dalam mengembangkan keterampilan, disiplin, dan kesiapan diri untuk menghadapi persaingan kerja global. Tingginya antusiasme peserta selama kegiatan menunjukkan bahwa program sosialisasi ini memberikan dampak positif dalam membuka wawasan generasi muda terhadap peluang karier internasional. Dengan demikian, kegiatan PKM ini diharapkan dapat menjadi salah satu upaya dalam mendukung pengembangan sumber daya manusia yang unggul dan berdaya saing global.
Implementasi Data Mining Untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Metode Decision Tree Cart Pada Stti Sony Sugema Arisman Ismail; Muhamad Rizki; Ridwan Efendi Rai; Sabaruddin Sabaruddin; Enen Nurbaeti; Ary Gunawan; Erik Perdana Ibrahim
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.12433

Abstract

Prediksi masa studi mahasiswa merupakan salah satu permasalahan klasifikasi yang dapat diselesaikan menggunakan teknik data mining. Kemampuan memprediksi potensi keterlambatan kelulusan sejak dini dapat membantu perguruan tinggi dalam menyusun strategi pembinaan akademik yang lebih efektif berbasis data. Penelitian ini bertujuan membangun model prediksi masa studi mahasiswa menggunakan algoritma Classification and Regression Tree (CART) berdasarkan data akademik dan non-akademik mahasiswa Program Studi Teknik Informatika Sekolah Tinggi Teknologi Informatika (STTI) Sony Sugema. Dataset yang digunakan merupakan data mahasiswa yang telah menyelesaikan studi, dengan atribut seperti indeks prestasi akademik, status pekerjaan, lokasi tempat tinggal, serta karakteristik lain yang berpengaruh terhadap masa studi. Tahapan penelitian meliputi proses data preprocessing, pemilihan atribut, pembentukan model klasifikasi menggunakan algoritma CART, serta evaluasi performa model menggunakan metrik accuracy, precision, recall, dan F1-score. Model prediksi kemudian diimplementasikan dalam aplikasi berbasis web menggunakan bahasa pemrograman Python dengan framework Flask sebagai media pengujian dan pemanfaatan hasil prediksi. Hasil evaluasi menunjukkan bahwa model CART mampu menghasilkan akurasi sebesar 90,14%, precision sebesar 95,96%, recall sebesar 92,96%, dan F1-score sebesar 94,42%. Nilai tersebut menunjukkan bahwa algoritma CART memiliki kemampuan yang baik dalam mengklasifikasikan masa studi mahasiswa. Sistem yang dikembangkan diharapkan dapat mendukung pengambilan keputusan akademik melalui identifikasi dini mahasiswa yang berpotensi mengalami keterlambatan kelulusan sehingga upaya pendampingan dapat dilakukan secara lebih tepat sasaran.
Co-Authors Agus Purwanto Ary Gunawan Asral Asral Enen Nurbaeti Erik Perdana Ibrahim Muhamad Rizki Pajar Machmud Ridwan Efendi Rai Sabaruddin Sabaruddin Yayan Diansyah