Claim Missing Document
Check
Articles

Found 2 Documents
Search

Perancangan Sistem Informasi Penerimaan Peserta Didik Baru Online Berbasis Web dengan PHP dan MySQL Melalui Pendekatan Prototyping Raafa Syahidul Haq Irsi; Erlangga Rafli Pramudya; Muhamad Salwarud; Muhammad Yunus Rangkuti
Jurnal Riset Informatika dan Inovasi Vol 3 No 10 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Proses penerimaan peserta didik baru (PPDB) yang masih dilakukan secara manual sering menimbulkan berbagai permasalahan, seperti keterlambatan pengolahan data, kesalahan pencatatan, serta kurangnya efisiensi dalam penyampaian informasi kepada calon peserta didik. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi PPDB online berbasis web yang dapat mendukung proses pendaftaran, pengelolaan data, serta verifikasi peserta didik secara terintegrasi. Metode pengembangan sistem yang digunakan adalah Prototype, yang memungkinkan pembuatan model awal sistem untuk dievaluasi oleh pengguna dan disempurnakan berdasarkan umpan balik yang diberikan. Sistem dikembangkan menggunakan bahasa pemrograman PHP Native dengan MySQL sebagai basis data. Fitur utama sistem meliputi pendaftaran peserta didik baru secara online, unggah berkas persyaratan, pengelolaan data pendaftar oleh administrator, pengumuman hasil seleksi, serta pengecekan status penerimaan menggunakan nomor registrasi. Pengujian sistem dilakukan menggunakan metode Black Box Testing untuk memastikan setiap fungsi berjalan sesuai dengan kebutuhan yang telah ditentukan. Hasil pengujian menunjukkan bahwa seluruh fungsi sistem berjalan dengan baik. Dengan demikian, sistem informasi PPDB online yang dikembangkan mampu meningkatkan efisiensi, akurasi, dan kemudahan dalam proses penerimaan peserta didik baru.
Implementation of the Random Forest and Naive Bayes Algorithms in Predicting Network Outages at the Kominfo South Tangerang Raafa Syahidul Haq Irsi; Indra Kristianto
Journal of Computer Science and Informatics Engineering Vol 5 No 4 (2026)
Publisher : Ali Institute of Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The operational activities of the South Tangerang City Communication and Information Office (Diskominfo) rely heavily on a stable network infrastructure, making network disruptions a critical issue that directly affects service quality and employee productivity. The existing network monitoring system remains reactive and does not yet incorporate predictive analytics based on historical network capturing data. This study proposes a web-based network disruption prediction model using the Cross Industry Standard Process for Data Mining (CRISP-DM) framework by integrating a severity score and K-Means-based labeling to generate data-driven class labels before applying the Random Forest and Naïve Bayes classification algorithms. The dataset consists of 5,819 records collected from actual network traffic capturing within the operational environment of the South Tangerang City Communication and Information Office, using four primary network parameters: bandwidth, latency, packet loss, and uptime. After the data preparation stage, the Random Forest model achieved an accuracy of 95.78%, precision of 94.74%, recall of 97.63%, and an F1-score of 96.16%. In comparison, the Naïve Bayes model achieved an accuracy of 94.50%, precision of 92.88%, recall of 97.29%, and an F1-score of 95.03%. Feature Importance analysis identified packet loss as the most influential predictor, contributing 82.32% to the classification decision. Based on the overall evaluation, Random Forest demonstrated superior predictive performance and was deployed as the primary model in a Flask-based web application to support proactive network monitoring and network condition analysis.