Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Desain dan Analisis Teknologi
Syahrul Andriana
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Industrial & Manufacturing Engineering

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

Found 2 Documents
Search

 1 
Klasifikasi Tingkat Kecanduan Judi Online Terhadap Mahasiswa Berdasarkan Frekuensi Aktivitas Menggunakan Algoritma Decision Tree Hakiki Alami Agustina; Syahrul Andriana; Alexander Dealova
Jurnal Desain Dan Analisis Teknologi Vol. 5 No. 1 (2026): Januari
Publisher : Aptikom Kepri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58520/jddat.v5i1.93

Abstract

Perkembangan teknologi digital telah memberikan dampak positif dalam hal kemudahan untuk mengakses informasi, namun juga menyertakan dampak negatif, seperti meningkatnya jumlah kasus kecanduan judi online di kalangan mahasiswa. Kondisi ini berpotensi memengaruhi berbagai aspek, termasuk akademis, sosial, dan keuangan mahasiswa, sehingga penting untuk mengenali mereka berdasarkan tingkat kecanduan yang dialami. Penelitian ini bertujuan untuk mengelompokkan tingkat kecanduan judi online di antara mahasiswa dengan mempertimbangkan frekuensi aktivitas, durasi bermain, besaran uang yang digunakan, serta faktor akademik dan sosial menggunakan algoritma Decision Tree. Metode yang diambil dalam penelitian ini adalah pendekatan kualitatif deskriptif, dengan pengumpulan data melalui kuesioner dari sekitar 300 mahasiswa di beberapa universitas. Temuan penelitian ini mengungkapkan bahwa algoritma Decision Tree mampu mengklasifikasikan tingkat kecanduan dengan tingkat akurasi sebesar 95%, dan variabel frekuensi aktivitas serta durasi bermain berperan sebagai faktor yang paling dominan dalam menentukan level kecanduan. Penelitian ini memberikan kontribusi terhadap pengembangan sistem untuk pendeteksian dini kecanduan judi online dengan pendekatan machine learning, serta menawarkan saran strategis bagi lembaga pendidikan guna mencegah perilaku adiktif di kalangan mahasiswanya.
Klasifikasi Kelayakan Bantuan Sosial Menggunakan Decision Tree Dalam Sistem Pendukung Keputusan Studi Kasus: RT 010 RW 006 Duren Sawit Hakiki Alami; Syahrul Andriana; Ahmat Angkotasan; I Made Krishna; Fadlan Afdhal Fadillah; Gheonattanael Gheonattanael
Jurnal Desain Dan Analisis Teknologi Vol. 5 No. 2 (2026): Juli
Publisher : Aptikom Kepri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58520/jddat.v5i2.102

Abstract

Distribusi bantuan sosial adalah salah satu langkah pemerintah untuk meningkatkan taraf hidup masyarakat yang kurang beruntung. Namun, cara menentukan siapa yang berhak menerima bantuan sosial di tingkat RT masih sering dilakukan secara manual, yang bisa mengarah pada subjektivitas dan kesalahan dalam sasaran. Penelitian ini bertujuan untuk menciptakan Sistem Pendukung Keputusan (SPK) berbasis web dengan memanfaatkan Algoritma Decision Tree untuk mengidentifikasi kelayakan penerima bantuan sosial di RT 010 RW 006 Duren Sawit. Variabel yang digunakan meliputi umur, pendapatan perbulan, status pekerjaan, jumlah tanggungan, dan status rumah. Sistem ini dikembangankan dengan menggunakan bahasa pemrograman Python, memanfaatkan framework Flask, serta antarmuka yang dibangun dengan HTML dan CSS. Metode pengembangan perangkat lunak yang diterapkan adalah model Waterfall, yang terdiri dari tahap analisis kebutuhan, desain, pelaksanaan, pengujian, dan pemeliharaan. Sistem ini dilengkapi dengan fitur login, input data manual, upload file Excel, dashboard, dan analisis hasil klasifikasi. Evaluasi model dilakaukan dengan menggunakan Confusion Matrix, Cross Validation, dan pengujian Akurasi. Temuan dari penelitian ini menunjukkan bahwa sistem ini dapat mempercepat proses penentuan penerima bantuan sosial dengan cara yang lebih objektif, transparan, dan tepat dibandingkan dengan metode manual yang ada.
Co-Authors Ahmat Angkotasan Alexander Dealova Fadlan Afdhal Fadillah Gheonattanael Gheonattanael Hakiki Alami Hakiki Alami Agustina I Made Krishna