Article Per Year (5 Year)
p-Index From 2020 - 2025
5.559
P-Index
This Author published in this journals
All Journal JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Creative Information Technology Journal Techno Nusa Mandiri : Journal of Computing and Information Technology JURNAL ILMIAH INFORMATIKA JurTI (JURNAL TEKNOLOGI INFORMASI) Martabe : Jurnal Pengabdian Kepada Masyarakat Krea-TIF: Jurnal Teknik Informatika CSRID (Computer Science Research and Its Development Journal) Informasi Interaktif CCIT (Creative Communication and Innovative Technology) Journal Indonesian Journal of Business Intelligence (IJUBI) IJIIS: International Journal of Informatics and Information Systems Jurnal Pembelajaran Pemberdayaan Masyarakat (JP2M) Management and Sustainable Development Journal Journal of Applied Data Sciences International Journal of Computer and Information System (IJCIS) Jurnal Pengabdian Kepada Masyarakat Patikala Journal Computer Science and Informatic Systems : J-Cosys Jurnal Ilmiah Edutic : Pendidikan dan Informatika Jurnal Informatika: Jurnal Pengembangan IT ABDIKOM
Musthofa Galih Pradana
Universitas Pembangunan Nasional Veteran Jakarta
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Social Sciences

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Creative Information Technology Journal

 1 
Analisis Variable yang Memengaruhi Minat Pemilihan Perguruan Tinggi Musthofa Galih Pradana; Azriel Christian Nurcahyo; Fandli Supandi
Creative Information Technology Journal Vol 7, No 1 (2020): Januari - Juni
Publisher : UNIVERSITAS AMIKOM YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/citec.2020v7i1.202

Abstract

Kebijakan Promosi dari Universitas untuk mendapatkan mahasiswa baru merupakan hal yang vital bagi kelancaran proses penerimaan Mahasiswa Baru. Pihak lembaga perlu mengkaji dan melakukan analisis yang baik sebelum melakukan promosi. Di era sekarang, banyak media yang dapat dijadikan sebagai media promosi. Dengan berkembangnya cara penyebaran informasi serta banyaknya media pihak yang berkepentingan sudah seharusnya jeli mana yang mendapat prioritas lebih dari semua banyak lini media tempat promosi. Ketika tingkat prioritas sudah ditentukan maka upaya promosi akan menjadi lebih mudah dan lebih tepat sasaran. Akan tetapi penentuan tingkat prioritas tidak dapat dilakukan secara asal dan sembarangan. Perlu dilakukan pengkajian yang lebih dalam bukan hanya sekedar intuisi belaka. Penelitian ini membahas tentang pengaruh promosi dengan minat calon mahasiswa memilih AMIKOM sebagai universitas pilihan dengan acuan tiga variable yaitu sosial media, website, dan referensi alumni. Pengolahan data menggunakan software SPSS dan SPSS AMOS untuk mencari validitas, reliabilitas dan uji hipotesis. Hasil yang didapatkan adalah semua variable signifikan, dengan urutan dari nilai tertinggi ke terendah adalah Sosial Media, Referensi Alumni, dan Website. Kata Kunci—Promosi, Validitas, Reliabilitas, HipotesisPromotion policy from the University to get new students is vital for the smooth process of admission of New Students. The institution needs to review and conduct a good analysis before conducting a promotion. In this era, many media can be used as promotional media. With the development of ways of disseminating information and the many media interested parties it should be observant which gets priority over all the many lines of media wherepromotion. When the priority level has been determined, the promotion effort will be easier and more targeted. However, the determination of priority levels cannot be done arbitrarily and carelessly. Deeper studies need to be done not just mere intuition. This study discusses the effect of promotion with the interest of prospective students choosing AMIKOM as the university of choice with three variables reference, namely social media, website, and alumni reference. Data processing using SPSS and SPSS AMOS software to find validity, reliability, and hypothesis testing. The results obtained are all significant variables, with the order from highest to lowest values are Social Media, Alumni Reference, and Website.Keywords— Promotion, Validity, Reliability, Hypothesis
Pengembangan Sistem DAPODIKDAS pada Optimalisasi Pencarian Data Siswa Berprestasi Dema Mathias Lumban Tobing; Yulianto Mustaqim; Musthofa Galih Pradana; Azriel Christian Nurcahyo; Yusuf Hendra Pratama
Creative Information Technology Journal Vol 5, No 4 (2018): Agustus - Oktober
Publisher : UNIVERSITAS AMIKOM YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (725.597 KB) | DOI: 10.24076/citec.2018v5i4.131

Abstract

Dapodikdas serentak diterapkan pada seluruh Sekolah Dasar sejak tahun 2015, dimana banyak kemudahan yang didapatkan apabila sekolah menggunakan aplikasi tersebut seperti pemberian NISN, BOS, BSM, KIP, tunjangan dan sertifikasi guru, pendataan peserta Ujian Nasional, dan pendataan orang tua siswa. Hingga saat ini Dapodikdas belum mengakomodir kebutuhan Kemendikbud dan Sekolah dalam pencarian data siswa berprestasi. Hal ini disebabkan karena belum tersedianya fitur pencarian data siswa berprestasi sebagai bagian optimalisasi penggunaan data. Mengingat siswa berprestasi layak mendapatkan penghargaan oleh negara sesuai UU No 20 Tahun 2003 tentang Sistem Pendidikan Nasional.Pada penelitian ini dilakukan optimalisasi sistem Dapodikdas melalui penambahan fitur pencarian kepakaran data siswa berprestasi. Hasil dari penelitian ini mampu mengoptimalisasikan berupa simulasi Dapodikdas dalam pencarian siswa berprestasi. Perbandingan kecepatan akses query sedikit lebih lambat dibandingkan sistem dapodikdas saat ini namun adanya penambahan fitur pencarian kepakaran siswa mampu memenuhi kebutuhan UU No 20 Tahun 2003. Dari hasil perbandingan dilakukan uji query pencarian biodata siswa lengkap dan orang tua diperoleh Dapodikdas lebih cepat 0.00695 detik dibandingkan Dapodikdas versi optimalisasi 0.007195 detik, akan tetapi terdapat beberapa fitur kelebihan dari versi optimalisasi yaitu pencarian pembinaan siswa, seleksi siswa, dan penghargaan siswa. Penambahan fitur ini diharapkan menjadi sarana Kemendikbud dan Sekolah dalam pencarian bakat siswa berprestasi.Kata Kunci —Dapodikdas, Kemendikbud, Optimalisasi, Kepakaran.Dapodikdas is simultaneously applied to all elementary schools since 2015, where many of the conveniences obtained schools use such applications as NISN, BOS, KIP, teacher’s allowances and certification, National Examination, and parents. Until now, Dapodikdas not accommodate the needs of Kemendikbud and School to search of student data achievement. This is due to unavailability of data search feature of student achievement as part of data usage optimization. In this research, Dapodikdas system optimization is done through the addition of search feature of student data achievement. The result of this research is able to optimize in the form of Dapodikdas simulation in search of achievement students. The comparison of query access speed is slightly slower than the current system but the addition of search features is able to meet the needs of UU No.20 of 2003. The comparison result, it is done by query search of complete student biographical data and parents get faster 0.00695 seconds than Dapodikdas optimization version 0.007195 second, but there are some advantages feature of optimization version that is searching student coaching, selection, and awards. The addition of this feature is expected to be a means of Kemendikbud and School in talent search for outstanding students.Keywords— Dapodikdas, Kemendikbud, Optimalitation, Expertise.
Penerapan Metode K-Means Klustering Untuk Menentukan Kepuasan Pelanggan Musthofa Galih Pradana; Azriel Christian Nurcahyo; Pujo Hari Saputro
Creative Information Technology Journal Vol 7, No 1 (2020): Januari - Juni
Publisher : UNIVERSITAS AMIKOM YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/citec.2020v7i1.185

Abstract

Pengolahan data dapat dilakukan dengan banyak cara dan teknik. Peran data saat ini menjadi sangat penting bagi sebuah perusahaan atau penyedia layanan untuk pelanggan. Pentingnya data saat ini menjadikan proses pengolahan data dilakukan secara mandiri menggunakan metode-metode data mining yang ada. Beberapa metode yang dapat diterapkan diantaranya klasifikasi, prediksi maupun klustering. Masing-masing teknik tersebut memiliki hasil yang dapat dijadikan acuan evaluasi dan perencanaan yang lebih baik lagi. Penelitian ini menerapkan teknik klustering yaitu memisahkan dan mengelompokan data berdasarkan kluster. Dalam klustering ada banyak algortima atau metode yang dapat diterapkan, salah satunya adalah K-Means Klustering. Algoritma K-Means merupakan algoritma yang banyak digunakan untuk mengelompokan data. Hasil dari penelitian ini terbagi menjadi 2 kluster yaitu Kluster 0 yaitu puas dan Kluster 1 yaitu tidak puas ataupun netral. Pengelompokan kluster tersebut berdasarkan dataset yang dimiliki dimana responden mengisi data dan menghasilkan 2 jenis kluster tersebut. Adapun hasil dari proses klustering adalah sebanyak 1303 data masuk kategori kluster 0 atau sebesar 65% dan 697 data masuk kategori kluster 1 atau sebesar 35%. Kata Kunci— Data Mining, Klustering, K-MeansData processing can be done in many ways and techniques. The role of data is now very important for a company or service provider for customers. The importance of data now makes data processing carried out independently using existing data mining methods. Some methods that can be applied include classification, prediction and clustering. Each of these techniques has results that can be used as a reference for evaluation and better planning. This study applies clustering techniques, namely separating and grouping data based on clusters. In clustering there are many algorithms or methods that can be applied, one of which is K-Means Klustering. K-Means algorithm is an algorithm that is widely used to group data. The results of this study are divided into 2 clusters, namely Cluster 0, which is satisfied and Cluster 1, which is not satisfied or neutral. Clustering is based on a dataset that is owned by where the respondent fills in data and produces 2 types of clusters. The results of the clustering process are as many as 1303 data in the category of cluster 0 or 65% and 697 data in the category of cluster 1 or 35%. Keywords— Data Mining, Clustering, K-Means
Co-Authors Adhien Kenya Anima Estetikha Andri Pramuntadi Anni Alvionita Simanjuntak Budi, Ryan Setya Dema Mathias Lumban Tobing Devira Ayu Martini, Ni Putu Dhina Puspasari Wijaya, Dhina Puspasari Dyah Listianing Tyas, Dyah Listianing Emha Taufiq Luthfi Fandli Supandi Gutama, Deden Hardan Ha, Hoang Thi Henki Bayu Seta I Wayan Rangga Pinastawa Izzety, Aurel Jayanta Kaharuddin Kharisma Wiati Gusti Khoironi, Khoironi Khoirunnisa, Hilda Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Mu, Jesselyn Muhamad Ridwan Muhammad Adrezo Muthia Zahrah, Nada Neny Rosmawarni Nindy Irzavika Niqotaini, Zatin Nurcahyo, Azriel Christian Nurhajar Anugraha Nurhuda Maulana Nurul Afifah Arifuddin Nyamiati, Retno Dwi Pamekas, Bondan Wahyu Prananto, Muhammad Teguh Pujo Hari Saputro Radinal Setyadinsa Rangga Saputra Ridlo Muttaqien Ridwan Raafi'udin Rifka Dwi Amalia Rifqi Hammad Rusiyono, Ruwet Setiawan, Deandra Satriyo Wahit Desta Prastowo Wari, Valtrizt Khalifah Wiryanto, Fadhli Suko Yulianto Mustaqim Yusuf Hendra Pratama