Article Per Year (5 Year)
p-Index From 2021 - 2026
5.215
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Penelitian Pendidikan IPA (JPPIPA) bit-Tech Jurnal Sistem informasi dan informatika (SIMIKA) Jurnal Informasi dan Teknologi Jurnal Perangkat Lunak Jurnal Computer Science and Information Technology (CoSciTech) Journal of Computer Scine and Information Technology Jurnal Teknoif Teknik Informatika Institut Teknologi Padang Jurnal Komtekinfo Jurnal Informatika Ekonomi Bisnis RJOCS (Riau Journal of Computer Science) JR : Jurnal Responsive Teknik Informatika The Indonesian Journal of Computer Science Jurnal Responsive Teknik Informatika
Sumijan
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Physics

Published : 51 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 51 Documents
Search

 1   2   3   4   5 
Penerapan Metode Jaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Kualitas Makanan Kucing Budiarti, Lela; Nurcahyo, Gunadi Widi; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v12i1.561

Abstract

Kualitas makanan kucing adalah tingkat atau derajat yang menunjukkan seberapa baik makanan tersebut mampu memenuhi kebutuhan nutrisi kucing secara optimal. Ini mencakup berbagai aspek seperti kandungan nutrisi, protein, lemak, karbohidrat, vitamin, dan mineral, sumber bahan baku, keseimbangan komposisi, keamanan dari kontaminan, kecernaan, dan kesesuaian dengan kebutuhan spesifik kucing berdasarkan usia, kesehatan, dan tingkat aktivitas. Secara sederhana, kualitas makanan kucing mencerminkan apakah makanan tersebut dapat mendukung kesehatan dan kesejahteraan kucing secara efektif, dengan memberikan nutrisi yang diperlukan untuk pertumbuhan, energi, fungsi tubuh yang baik, dan pencegahan penyakit. Kualitas makanan kucing menjadi faktor penting yang memengaruhi kesehatan dan kesejahteraan hewan peliharaan. Penentuan kualitas makanan sering kali memerlukan pengujian laboratorium yang memakan waktu dan biaya. Oleh karena itu, diperlukan suatu metode yang cepat dan akurat untuk memprediksi kualitas makanan kucing berdasarkan parameter-parameter tertentu. Penelitian ini bertujuan untuk memprediksi kualitas pada makanan kucing. Metode yang digunakan dalam penelitian ini adalah Jaringan Syaraf Tiruan Backpropagation. Metode ini memiliki 7 tahapan yaitu Inisialisasi Bobot, Feedforward (Propagasi Maju), Perhitungan Error, Propagasi Balik (Backpropagation), Iterasi (Epochs), Konvergensi, Evaluasi. Dataset yang diolah dalam penelitian ini bersumber dari Toko ONE PS. Dataset terdiri dari 12 jenis pada makanan kucing di Toko ONE PS. Hasil penelitian ini diperoleh nilai MSE 0.3425383237 yang masih belum memenuhi target error yang telah ditentukan yaitu pada nilai 0,1 maka epoch akan dilanjutkan sampai nilai target error tercapai jika belum mencapai epoch maksimum yaitu 7000 epoch dengan epoch error sebesar 3000 epoch. Pada Pola 5 yang menggunakan 4 layer nilai error lebih kecil dari pada Pola lain. Iterasi epoch akan dilanjutkan hingga setiap pola mencapai target error sebesar 0,1. Penelitian ini dapat dijadikan acuan untuk melihat informasi kualitas pada makanan kucing.
Penerapan Algoritma K-Means Clustering untuk Mengelompokkan Rekomendasi Metode Kontrasepsi Berbasis Machine Learning di Puskesmas Adawiyah, Quratih; Defit, Sarjon; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.563

Abstract

Pertumbuhan penduduk Indonesia yang relatif tinggi memerlukan solusi dalam pemilihan metode kontrasepsi yang tepat bagi pasangan usia subur. Banyaknya pilihan kontrasepsi yang tersedia, pasangan usia subur tidak tahu mana yang paling tepat dengan kebutuhan mereka. Artificial Intelligence merupakan cabang ilmu komputer yang fokus pada pengembangan sistem yang dapat meniru kecerdasan manusia dalam memecahkan masalah dan mengambil keputusan. Machine Learning dapat memungkinkan sistem untuk belajar menggantikan atau meningkatkan kecerdasan manusia dalam pemecahan masalah dan otomatisasi. Data mining juga menjadi proses untuk mengekstrak pola dan informasi dari kumpulan data yang besar. Salah satu teknik yang digunakan pada penelitian ini adalah K-Means Clustering yang merupakan metode pengelompokan yang membagi data dalam kelompok berdasarkan kesamaan karakteristik. Clustering bekerja dengan mengidentifikasi centroid dari setiap cluster dan mengelompokkan data berdasarkan jarak terdekat ke centroid tersebut. Penelitian ini bertujuan untuk memberikan rekomendasi metode kontrasepsi yang tepat kepada pasangan usia subur dengan mengelompokkan data pasien KB berdasarkan karakteristik seperti nama, umur, dan jumlah anak. Algoritma K-Means Clustering digunakan untuk mengelompokkan rekomendasi metode kontrasepsi berdasarkan data pasien yang dikumpulkan sehingga mendapatkan rekomendasi yang lebih akurat. Data yang digunakan adalah data nama, data umur dan jumlah anak pasien KB pada tahun 2023 di Puskesmas. Dataset yang digunakan sebanyak 20 data. Metode yang digunakan meliputi studi literatur, pengumpulan data melalui observasi dan wawancara. Hasil dari penelitian ini dapat mengelompokkan data menjadi 2 cluster, yaitu cluster C0 menyatakan metode jangka pendek sedangkan C1 menyatakan metode jangka panjang. Dari hasil proses cluster, posisi cluster terakhir pada iterasi 4 dan tidak berubah lagi maka dinyatakan proses telah selesai, didapatkan cluster Jangka pendek C0 sebanyak 11 anggota dan C1 berjumlah 9 anggota. Penelitian ini juga memanfaatkan aplikasi RapidMiner untuk membantu proses clustering. Hasil menunjukkan bahwa algoritma ini efektif dalam mengidentifikasi pola dan kelompok dalam data pasien KB, yang diharapkan dapat membantu tenaga kesehatan dalam memberikan rekomendasi yang lebih akurat, dan memberikan kontribusi dalam peningkatan pelayanan kesehatan, khususnya dalam pelayanan KB di Puskesmas.
Sistem Pakar Deteksi Dini pada Penderita Stunting dengan Menggunakan Metode Forward Chaining Syaputra, Eka B.; Yuhandri; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.570

Abstract

Stunting mencerminkan terhambatnya pertumbuhan akibat buruknya gizi dan gangguan kesehatan pada periode sebelum dan sesudah kelahiran. Periode sebelum kelahiran merupakan faktor penentu dalam mendeteksi dini kelompok sasaran berisiko stunting yaitu pada calon pengantin, ibu hamil dan ibu pasca kelahiran dan periode sesudah kelahiran pada anak berumur di bawah 2 tahun. Penyebab stunting terbagi menjadi 2 kategori yakni penyebab langsung dan penyebab tidak langsung. Penyebab langsung, dikarenakan kurangnya asupan gizi ibu saat hamil dan kebutuhan gizi tidak tercukupi saat masih berusia di bawah umur 2 tahun dan penyebab tidak langsung adalah keluarga tidak paham cara mengolah dan menyajikan menu beragam bergizi seimbang dan aman (B2SA), rumah tidak sehat, lingkungan dengan sanitasi buruk, tidak memiliki akses air bersih, terbatas atas layanan kesehatan ibu hamil dan perilaku tidak sehat. Penelitian ini bertujuan untuk mengurangi angka stunting yang terjadi dengan melakukan penanganan lebih awal terhadap penderita berisiko stunting. Metode yang digunakan dalam penelitian ini adalah Forward Chaining. Metode Forward Chaining pada sistem pakar deteksi dini berisiko stunting memiliki 4 komponen yaitu Knowledge Base, Inference Engine, Database dan User Interface. Dataset yang diolah dalam penelitian ini bersumber dari data kelompok sasaran berisiko stunting pada 2 puskesmas yaitu Puskesmas Singkarak dan Puskesmas Sirukam di lingkup Pemerintah Kabupaten Solok. Dataset terdiri dari 380 balita, 10 calon pengantin , 40 ibu hamil dan 24 ibu pasca persalinan berisiko stunting. Hasil penelitian ini dapat mengidentifikasi dini berisiko stunting pada setiap kelompok sasaran yaitu balita 45,31% dari 10 data uji, calon pengantin 59,5% dari 5 data uji, ibu hamil 50,52% dari 5 data uji dan ibu pasca persalinan 58,01% dari 5 data uji juga membantu tim satgas penurunan angka stunting Pemerintah Kabupaten Solok dalam mengambil langkah-langkah kebijakan yang akan dilaksanakan oleh Organisasi Pemerintah Daerah (OPD) terkait baik secara sensitif dan spesifik. Penelitian ini dapat menjadi acuan dalam penanganan pada kelompok sasaran berisiko stunting lebih awal pada setiap daerah dalam menurunkan angka stunting
Metode Support Vector Machine dan Naïve Bayes Untuk Analisis Santimen Ibu Kota Nusantara Akbar, Muhamad Rafi; Defit, Sarjon; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.579

Abstract

Pemindahan Ibu Kota Nusantara (IKN) menimbulkan berbagai macam pro dan kontra. Mulai dari pemilihan lokasi, pengesahan Undang – Undang yang dinilai terlalu terburu – buru, dan akhir – akhir ini pemerintah juga mengajak masyarakat Indonesia untuk melaukan urun – dana (crowd funding) untuk membangun Ibu Kota Nusantara. Media sosial tiktok, Ibu Kota Nusantara (IKN) menjadi salah satu topik yang ramai diperbincangkan karena banyaknya opini dari berbagai kalangan masyarakat. Beberapa opini dari masyarakat di tiktok ini akan digunakan menjadi data penelitian analisis sentimen terhadap pendapat masyarakat mengenai pemindahan Ibu Kota Negara. Penelitian ini bertujuan untuk membandingkan efektivitas dua pendekatan untuk klasifikasi: Support Vector Machine dan Naïve Bayes, dalam menganalisis sentimen opini terhadap Ibu Kota Nusantara berdasarkan data Tiktok. Analisis sentimen opini sangat penting untuk memahami pandangan publik mengenai berbagai aspek Ibu Kota Nusantara. Data Tiktok yang digunakan akan melibatkan opini yang berkembang di media sosial mengenai Ibu Kota Nusantara. Metode yang digunakan dalam penelitian ini adalah Support Vector Machine dan Niave Bayes. Metodologi penelitian mencakup pengumpulan data, preprocessing, membagi data, pelatihan model Naïve Bayes dan SVM, evaluasi, serta analisis statistik untuk membandingkan kinerja kedua model. Dataset terdiri dari 1529 komentar yang diambil dari aplikasi Tiktok. Hasil akhir dari evaluasi yang dilakukan dapat dilihat perbandingan anatara metode Support Vector Machine dengan Naive Bayes berdasarkan tingkat akurasi yang diperolch oleh masing-masing metode. Support Vector Machine memperoleh tingkat aurasi 98%, di mana tingkat akurasinya lebih rendah daripada tingkat akurasi metode Naive Bayes dengan persentase 92%. Berdasarkan temuan analisis, prosedur yang menggunakan metode Support Vector Machine menunjukkan hasil yang lebih baik dibandingkan metode Naïve Bayes dalam mengukur sentimen terhadap Ibu Kota nusantara.
Implementasi K-Nearest Neighbor Berbasis Particle Swarm Optimization untuk Analisis Sentimen Generasi Sandwich Yanti, Salma Nofri; Yuhandri; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.586

Abstract

Fenomena Generasi Sandwich merujuk pada individu yang harus merawat orang tua yang menua sekaligus mengasuh anak-anak mereka, menciptakan beban ganda yang berdampak signifikan pada kehidupan sosial, emosional, dan ekonomi mereka. Dalam masyarakat modern, perubahan demografis seperti peningkatan harapan hidup dan menurunnya angka kelahiran, serta tantangan ekonomi seperti biaya perawatan kesehatan yang meningkat, semakin memperkuat relevansi fenomena ini. Oleh karena itu, memahami persepsi publik terhadap Generasi Sandwich menjadi semakin penting, terutama melalui analisis sentimen di media sosial yang mencerminkan opini masyarakat yang lebih luas. Penelitian ini mengusulkan pendekatan baru dengan mengimplementasikan algoritma K-Nearest Neighbor (KNN) yang dioptimalkan menggunakan Particle Swarm Optimization (PSO) untuk analisis sentimen terkait Generasi Sandwich. KNN dipilih karena kemampuannya dalam mengklasifikasikan data berdasarkan kedekatan antar titik data, sementara PSO digunakan untuk mengoptimalkan pemilihan parameter KNN guna meningkatkan akurasi model. Data yang digunakan dalam penelitian ini mencakup 565 tweet yang mengandung kata kunci "Generasi Sandwich" yang dikategorikan menjadi tiga sentimen: 124 positif, 345 negatif, dan 96 netral. Data tersebut melalui proses prapemrosesan seperti pembersihan, tokenisasi, dan stemming sebelum diimplementasikan dalam model KNN. Hasil penelitian menunjukkan bahwa pada pengujian dengan 113 dokumen, model KNN yang dioptimalkan dengan PSO mencapai akurasi sebesar 70,8%, dengan precision sebesar 14,41%, recall sebesar 88,89%, dan F1-score sebesar 24,81%. Dari total 113 dokumen data uji, terdapat 80 prediksi benar dan 33 prediksi salah, dengan jumlah prediksi positif sebanyak 16, prediksi negatif sebanyak 95, dan prediksi netral sebanyak 2. Analisis lebih lanjut mengungkapkan bahwa sebagian besar percakapan tentang Generasi Sandwich di media sosial cenderung bersifat negatif, mencerminkan tekanan psikologis dan keuangan yang dirasakan oleh anggota generasi ini. Penelitian ini juga menghasilkan sebuah aplikasi web yang memungkinkan pengguna untuk melakukan analisis sentimen secara real-time, yang memudahkan pengambilan keputusan bagi pembuat kebijakan, peneliti, dan organisasi sosial. Aplikasi ini dirancang dengan antarmuka yang ramah pengguna dan visualisasi data yang intuitif, sehingga dapat memberikan wawasan yang lebih mendalam mengenai sentimen publik. Implementasi KNN berbasis PSO terbukti efektif dalam meningkatkan akurasi analisis sentimen pada fenomena Generasi Sandwich, dan aplikasi web yang dihasilkan berpotensi digunakan secara luas untuk penelitian lanjutan, pengembangan strategi sosial, dan advokasi kebijakan publik yang lebih baik.
Implementasi SVM dan KNN pada Sistem Penunjang Keputusan Kenaikan Pangkat Guru Budiantoro, Hendro; Sumijan; Hendrik, Billy
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.588

Abstract

Kenaikan pangkat guru merupakan salah satu elemen kunci dalam pengembangan karir dan peningkatan kualitas pendidikan. Proses kenaikan pangkat ini tidak hanya sebagai bentuk penghargaan atas prestasi dan kompetensi guru, tetapi juga sebagai alat motivasi yang dapat mendorong peningkatan kinerja para pendidik. Namun, proses kenaikan pangkat sering kali menghadapi berbagai kendala, salah satunya adalah penggunaan metode manual dalam pengolahan data dan evaluasi kinerja guru. Proses manual ini memerlukan waktu yang lama, rumit, tidak akurat serta keputusan yang tidak tepat.. Penelitian ini bertujuan untuk mengembangkan sebuah Sistem Pendukung Keputusan (SPK) yang memanfaatkan metode pembelajaran mesin untuk membantu proses penentuan kelayakan kenaikan pangkat guru secara otomatis. Dua metode pembelajaran mesin yang diimplementasikan dalam penelitian ini adalah Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Sistem ini dirancang untuk mengolah data kinerja, kompetensi, dan kualifikasi guru dari data historis yang tersedia, dengan tujuan menghasilkan keputusan yang lebih objektif, akurat, dan dapat diandalkan dalam proses kenaikan pangkat. Studi kasus penelitian ini dilakukan di sekolah dengan menggunakan data historis kinerja dan pencapaian guru selama beberapa periode. Data yang terkumpul kemudian dianalisis dan diolah menggunakan menghasilkan dua guru diklasifikasikan tidak naik dan satu naik, dengan guru 14 diklasifikasikan tidak naik. algoritma SVM dan KNN. Metode SVM digunakan karena kemampuannya dalam menangani data dengan dimensi yang tinggi dan memberikan margin pemisahan terbaik antara kelas-kelas data, sementara KNN dipilih karena kemampuannya dalam melakukan klasifikasi berdasarkan kemiripan data, sehingga dapat memberikan hasil prediksi yang lebih adaptif terhadap perubahan data. Hasil pengujian menunjukkan bahwa pada data pengujian 1, hasil jarak euclidean menunjukkan nilai 123125, 93914, dan 115639. dari klasifikasi ini, dua guru dinyatakan tidak naik dan satu naik, dengan guru sampel guru 12 diklasifikasikan tidak naik. pada data pengujian 2, jarak terdekat adalah 188190, 156090, dan 178140, menghasilkan dua guru diklasifikasikan naik dan satu tidak naik, dengan guru 13 diklasifikasikan naik. sementara itu, pada data pengujian 3, nilai euclidean terdekat adalah 70145, 58492, dan 78222.
Extraction of Shape and Texture Features of Dermoscopy Image for Skin Cancer Identification Aldi, Febri; Sumijan
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 2 (2024): Article Research Volume 8 Issue 2, April 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i2.13557

Abstract

Skin diseases are increasing and becoming a very serious problem. Skin cancer in general there are 2, namely melanoma and non-melanoma. Cases that are often encountered are in non-melanoma types. A critical factor in the treatment of skin cancer is early diagnosis. Doctors usually use the biopsy method to detect skin cancer. Computer-based technology provides convenient, cheaper, and faster diagnosis of skin cancer symptoms. This study aims to identify the type of skin cancer. The data used in the study were 6 types of skin cancer, namely Basal Cell Carcinoma, Dermatofibroma, Melanoma, Nevus image, Pigmented Benign Keratosis image, or Vascular Lesion, with a total of 60 dermoscopy images obtained from the Kaggle site. Dermoscopy image processing begins with a pre-processing process, which converts RGB images to LAB. After that, segmentation is carried out to separate objects from the background. The method of extracting shape and texture features is used to obtain the characteristics of dermoscopy images. As many as 2 types of shape features, namely eccentricity and metric, and 4 types of texture features, namely contrast, correlation, energy, and homogeneity. The result of this study is that it can identify the type of skin cancer based on image features that have been extracted using a program from the Matlab application. The technique of extracting shape and texture features is proven to work well in identifying the type of skin cancer. In the future it is expected to use more data, and add color features in identifying dermoscopy images.
Improving Digital Image Clarity: A Study on the Application of Histogram Equalization for Noise Correction Surmayanti; Sumijan
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 2 (2024): Article Research Volume 8 Issue 2, April 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i2.13564

Abstract

This study aims to improve the clarity of digital images by examining the application of the histogram equalization method for noise correction. Noise in digital images is often a major challenge in maintaining the clarity and authenticity of visual information. Histogram equalization has been recognized as an effective method in improving image contrast and reducing the effects of noise. In this research, we conducted experiments by applying histogram equalization techniques to various types of digital images that are affected by noise. We analyzed the results by comparing the clarity and quality of the images before and after applying this method. The results of this research show that histogram equalization is able to significantly improve the clarity of digital images by reducing the effects of noise without sacrificing important details in the image. The implication of this discovery is the potential use of the histogram equalization method as an effective tool in improving the quality of digital images that are affected by noise.
Penerapan Sistem Pendukung Keputusan Menggunakan Metode Simple Additive Weighting Untuk Pemilihan Supplier Alat Praktikum Teknik Kendaraan Ringan Otomotif Berbasis Web (Studi Kasus Di SMK TERPADU UJUNGBATU) Yuda, Fitra Yuda; Sumijan; Yuhandri
RJOCS (Riau Journal of Computer Science) Vol. 9 No. 2 (2023): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v9i2.1775

Abstract

Mengambil keputusan secara subyektif dapat menimbulkan kesalahan dalam pemilihan supplier. Pada pemilihan supplier, alat praktik pada jurusan Teknik Kenderaan Ringan otomotif SMK Terpadu Ujungbatu sering kali mengalami kesulitan dalam penentuan pemilihan supplier yang akan diberikan order karena banyaknya supplier dan kriteria yang digunakan dalam penilaian. Oleh karena itu, diperlukan sebuah sistem pendukung keputusan pemilihan supplier sehingga Teknik Kenderaan Ringan otomotif SMK Terpadu Ujungbatu dapat menetukan supplier yang sesuai dalam pembelian alat bahan komponen. Sistem pendukung keputusan ini menggunakan metode SAW (Simple Additive Weighting) dimana metode ini dapat digunakan untuk mengatasi permasalahan yang ada, karena banyaknya alternatif dan kriteria yang harus dipertimbangkan dalam pemilihan supplier seperti harga, ketersediaan barang, respon, dan jumlah ketersediaan. Data yang digunakan adalah penilaian pemilihan pada jurusan Teknik Kenderaan Ringan otomotif SMK Terpadu Ujungbatu Pengujian sistem dilakukan berdasarkan data yang ada di jurusan Teknik Kenderaan Ringan Otomotif SMK Terpadu Ujungbatu. Yaitu dengan membandingkan hasil perhitungan Microsoft Excel dengan hasil perhitungan sistem yang telah dibuat. Hasil dari implementasi sistem pendukung keputusan pemilihan supplier dengan metode SAW (Simple Additive Weighting) yang dibuat dapat membantu dalam proses pengambilan keputusan berdasarkan nilai supplier secara optimal. Sehingga, dapat digunakan untuk memilih supplier terbaik.
IMPLEMENTASI METODE PROFILE MATCHING DALAM PENERAPAN MEDIA PEMBELAJARAN INTERAKTIF UNTUK MENENTUKAN MEDIA BELAJAR MAHASISWA (STUDI KASUS DI TEKNIK INFORMATIKA UNIVERSITAS ISLAM RIAU) Ridho, Ridho Afwan; Sumijan; Yuhandri
RJOCS (Riau Journal of Computer Science) Vol. 9 No. 2 (2023): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v9i2.1780

Abstract

Belajar adalah proses internal yang diukur dengan perilaku, adanya perbedaan kognitif, afektif, dan psikomotor di antara siswa mempengaruhi keputusan belajar mereka, yang terwujud dalam perbedaan gaya belajar yang dikenal dengan masalah modalitas media pembelajaran. Dalam menentukan media belajar mahasiswa tersebut tidak akurat dan sulit, hal ini dialami oleh Teknik Informatika UIR. Untuk itu penulis memberikan solusi dalam penyelesaian masalah tersebut melalui sebuah sistem pendukung keputusan, Tujuan dari sistem pendukung keputusan itu sendiri adalah untuk membantu pengambil keputusan dalam memilih berbagai alternatif keputusan yang mengolah informasi yang diterima atau menghasilkan informasi, pemodelan dan manipulasi data. Pada sistem pendukung keputusan ini penulis menerapkan sebuah metode yaitu metode Profile Matching, tujuan penulis menggunakan metode Profile Matching karena metode tersebut merupakan proses membandingkan antara kompetensi individu mahasiswa dengan kompetensi modalitas belajarnya sehingga dapat diketahui perbedaan kompetensinya (gap), memberikan rekomendasi media pembelajaran interaktif yang sesuai dengan karakteristik dan kebutuhan belajar mahasiswa yang berarti dapat memecahkan masalah dan dapat menjadi acuan bagi pengembangan media pembelajaran yang lebih efektif dan efisien dalam perbaikan kualitas pembelajaran di perguruan tinggi Teknik Informatika Universitas Islam Riau. Kata kunci: Mahasiswa, Media Pembelajaran, Sistem Pendukung Keputusan, Profile Matching, Universitas Islam Riau
Co-Authors Aal, Defrizal Adawiyah, Quratih Ade, Ade Puspita Sari Aditra Agustin, Riris Akbar, Muhamad Rafi Aktavera, Beni Aldi, Febri Auriga, Wira Billy Hendrik Budiantoro, Hendro Budiarti, Lela dedi irawan Defit , Sarjon Deti Karmanita Devi Yuliana, Devi Dewi, Dian Cyntia Dinul Akhiyar Dwiprihatmo, Mohammad Reza Enggari, Sofika Eriyanto, Joko Fadillah, Riszki Fajrul Islami Feriantano Sundang Pranata Feriantano Sundang Pranata Geni, Bias Yulisa Gunadi Widi Nurcahyo Habdi, Habdi Hakim, Wijaya Hendrik, Billy Ilham Asy'ari Jufriadif Na`am, Jufriadif Julius Santony Lubis, Siti Sahara Meiditra, Irzon Mulyanda, Sandy Nst, Ely Nurhalizah Nurcahyo , Gunadi Widi Okmarizal, Bisma Pipin Refina Afindania Pulungan, Akhiruddin Putri, Yolan Ananda Rais, Edo Rinaldi Refina Afindania, Pipin Resnawita Ridho, Ridho Afwan Ridwan, Ridwan Ruri Hartika Zain Sarjon Defit Sarjon Defit Satria Satria, Satria Sovia, Rini Supriyanto, Boby Suri, Ghea Paulina Surmayanti Syafri Arlis Syaputra, Eka B. Syofneri, Nandel Ulfa, Ulia Vidyanti, Angela Yani, Zulfitri Yanti, Salma Nofri Yuda, Fitra Yuda Yuhandri