Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Zonasi: Jurnal Sistem Informasi Journal of Computer Science Advancements
Andi Hasyim
Universitas Dipa Makassar
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Environmental Science Languange, Linguistic, Communication & Media

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

Found 2 Documents
Search

 1 
Impact of Using Big Data Analisys in Increasing Personalization of Learning Rahmawati Rahmawati; Nursalim Nursalim; Agry Alfiah; Andi Hasyim; Aldi Bastiatul Fawait
Journal of Computer Science Advancements Vol. 2 No. 2 (2024)
Publisher : Yayasan Adra Karima Hubbi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70177/jsca.v2i2.906

Abstract

In today’s digital era, big data analytics has become a very relevant topic to improve learning personalisation as it can collect and analyse very large and complex data. Big data analytics can lead to a more efficient learning system by collecting and analysing huge and complex data. In education, big data analytics can be used to understand students’ learning behaviour, their needs and preferences, so that learning and learning outcomes can be improved. This research is conducted with the aim of using big data analytics to improve learning personalisation. It also aims to find out the challenges of using big data analytics to improve learning personalisation. The method used in this research is quantitative method. This method is a way of collecting numerical data that can be tested. Data is collected through the distribution of questionnaires addressed to students. Furthermore, the data that has been collected from the distribution of the questionnaire, will be accessible in Excel format which can then be processed with SPSS. From the research results, it can be seen that the big data analysis has shown that the use of more detailed and accurate data can help teachers find students’ special needs and improve learning effectiveness. As a result, teachers can create learning strategies that are better suited to students’ needs and improve their learning outcomes. From this study, we can conclude that the use of big data analytics in improving personalisation allows teachers to understand better the individual needs and preferences of students, so that more suitable learning plans can be developed and student engagement can be improved.
KLASIFIKASI OTOMATIS KERAJINAN KHAS NUSANTARA MENGGUNAKAN ALGORITMA NAIVE BAYES Andi Hasyim; Jufri Jufri; Asmah Akhriana
ZONAsi: Jurnal Sistem Informasi Vol. 8 No. 3 (2026): Publikasi artikel ZONAsi: Jurnal Sistem Informasi Periode September 2026
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/389dpx33

Abstract

Kerajinan khas Nusantara merupakan warisan budaya yang kaya dan beragam, mencerminkan setiap daerah di Indonesia khususnya di Sulawesi Selatan. Kerajinan khas Sulawesi Selatan memiliki berbagai macam jenis kerajinan salah satunya kerajinan tekstil meliputi (tenun, sutra, dan songket). Penelitian ini bertujuan untuk melakukan klasifikasi data kerajinan tekstil di Sulawesi Selatan menggunakan algoritma Naive Bayes dan beberapa fitur yang ada pada aplikasi weka dalam mendukung pengelolaan data kerajinan khas Sulawesi Selatan serta mempermudah pencarian, inventarisasi, dan mempercepat akses informasi untuk menciptakan sistem yang dapat mendukung upaya promosi, pemasaran, dan pelestarian kekayaan budaya kerajinan khas Sulawesi Selatan. Metode pengujian yang digunakan yaitu cross-validation untuk menguji tingkat akurasi, presisi, recall, F1-measure, dan confusion matrix. Kerajinan tenun, sutra, dan songket Sulawesi Selatan dikumpulkan sebanyak 2300 data yang akan diklasifikasikan berdasarkan atribut kelasnya. Data kerajinan terbagi menjadi dua data diantaranya data latih sebanyak 2070 data kerajinan dan data uji sebanyak 230 data kerajinan. Dari hasil data uji klasifikasi otomatis yang dilakukan menggunakan cross-validation yaitu tingkat akurasi dari kerajinan yang diklasifikasikan 96,5217 % atau 97% dengan jumlah 222 data yang sesuai dengan klasifikasi kerajinan tenun, sutra, dan songket sedangkan 8 data lainnya tidak terklasifikasi dengan presentasi 3,4783 atau 3% dari jumlah data dengan waktu klasifikasi beberapa detik. Klasifikasi menggunakan algoritma Naive Bayes sangat efektif dan efisien dalam mengklasifikasi data dalam jumlah yang besar.
Co-Authors Agry Alfiah Aldi Bastiatul Fawait Fawait Asmah Akhriana Jufri . Nursalim Rahmawati Rahmawati