Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Performa Sistem Informasi Akademik: Pengaruh Struktur Memori dan Manajemen Proses pada Sistem Operasi Linux Menggunakan Metode Eksperimental Kuantitatif Muhammad Rafli Ramadhan; Rinna Rachmatika
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1272

Abstract

Penelitian ini menganalisis pengaruh struktur memori dan manajemen proses terhadap performa Sistem Informasi Akademik berbasis web pada sistem operasi Linux Ubuntu 22.04 LTS. Fokus utama penelitian adalah menilai efisiensi pengelolaan sumber daya sistem operasi dalam mendukung kinerja website akademik unpam.ac.id. Metode yang digunakan adalah eksperimen kuantitatif melalui pengujian langsung menggunakan alat ukur htop, vmstat, time, curl, dan GTmetrix. Hasil pengujian internal menunjukkan rata-rata 129 proses aktif dengan penggunaan memori sebesar 3,3 GB dari total 3,81 GB dan waktu akses rata-rata 2,45 detik, menandakan stabilitas sistem serta efisiensi manajemen proses dan memori. Sementara itu, pengujian eksternal menggunakan GTmetrix menunjukkan skor performa 56% (grade D), dengan Largest Contentful Paint (LCP) sebesar 7,7 detik dan Total Blocking Time (TBT) 66 ms. Hasil ini menunjukkan bahwa meskipun Linux mampu mengelola sumber daya secara efisien, performa website masih memerlukan optimalisasi di sisi front-end seperti penerapan CDN, kompresi file, dan HTTP/2. Penelitian ini memberikan kontribusi empiris terhadap pemahaman hubungan antara efisiensi sistem operasi, struktur memori, dan manajemen proses terhadap kinerja aplikasi web, serta dapat dijadikan acuan dalam pengembangan dan optimasi sistem informasi akademik di masa mendatang.
Penerapan Algoritma Random Forest dan SMOTE untuk Prediksi Risiko Putus Sekolah Siswa Sekolah Menengah Kejuruan Salsabila Azhari Putri; Rinna Rachmatika
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1360

Abstract

Tingkat putus sekolah di Sekolah Menengah Kejuruan (SMK) merupakan tantangan serius yang mempengaruhi kualitas sumber daya manusia Indonesia. Penelitian ini bertujuan mengembangkan model prediktif untuk mengidentifikasi siswa berisiko putus sekolah di SMK dengan menggunakan data akademik dan sosioekonomik sebanyak 1.690 siswa. Metode penelitian membandingkan empat algoritma klasifikasi (Random Forest, Logistic Regression, SVM, dan XGBoost) dengan penerapan SMOTE untuk mengatasi ketidakseimbangan data. Validasi model dilakukan menggunakan cross-validation 5-fold dan interval kepercayaan 95%. Hasil penelitian menunjukkan bahwa kombinasi Random Forest dan SMOTE menghasilkan performa terbaik dengan akurasi 99,54%, presisi 100%, recall 99,09%, F1-Score 99,54%, dan AUC-ROC 100%. Penerapan SMOTE meningkatkan recall secara signifikan dari 0% menjadi 99,09%, menegaskan efektivitas teknik penyeimbangan data. Model yang dikembangkan ini tidak hanya berfungsi sebagai sistem peringatan dini, tetapi juga memberikan kontribusi ilmiah terhadap bidang educational data mining dengan menunjukkan efektivitas kombinasi Random Forest dan SMOTE dalam konteks data SMK Indonesia yang tidak seimbang, dan secara praktis dapat dijadikan dasar bagi sekolah dalam merancang kebijakan intervensi berbasis data untuk menurunkan angka putus sekolah.