p-Index From 2021 - 2026
9.407
P-Index
Claim Missing Document
Check
Articles

Penerapan Algoritma Decision Tree Untuk Menentukan Faktor-faktor yang Mempengaruhi Kelulusan Siswa Di MTs Misykatul Ulum Naqibuzzahidin, Naqibuzzahidin; Fatah, Zaehol; Hamdani, Hamdani
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.9061

Abstract

Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor utama yang memengaruhi kelulusan siswa di MTs Misykatul Ulum dengan menerapkan algoritma Decision Tree. Latar belakang dari penelitian ini adalah pentingnya pemanfaatan data pendidikan dalam proses pengambilan keputusan yang lebih objektif dan terukur, khususnya dalam meningkatkan mutu akademik siswa. Penelitian menggunakan metode data mining dengan pendekatan Knowledge Discovery in Database (KDD), yang mencakup tahapan pemahaman masalah, seleksi data, preprocessing, pemodelan, evaluasi, dan implementasi sistem. Data yang digunakan berupa nilai rata-rata Ujian Akhir Madrasah dan tingkat kehadiran siswa. Model klasifikasi dibangun menggunakan pustaka Scikit-learn dan diimplementasikan ke dalam aplikasi web berbasis Streamlit. Hasil evaluasi model menunjukkan performa klasifikasi yang sangat baik dengan akurasi sebesar 100%, presisi dan recall sebesar 1.00. Sistem ini memungkinkan pihak sekolah melakukan prediksi kelulusan secara otomatis, menyimpan hasil ke database SQLite, serta menyediakan visualisasi pohon keputusan dan grafik analitik. Penelitian ini menunjukkan bahwa penerapan algoritma Decision Tree efektif dalam membantu sekolah menganalisis dan mengevaluasi faktor-faktor kelulusan siswa. Namun, generalisasi model masih perlu divalidasi dengan jumlah data yang lebih besar.
Prediksi Nilai Akhir Siswa SMK Nurul Ulum Menggunakan Metode Decision Tree Fatah, Zaehol; Billah, Moch. Hegal Muktasim
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3303

Abstract

Studi ini berfokus pada pengembangan model prediksi nilai akhir siswa menggunakan metode Decision Tree berbasis data nilai rapor di SMK Nurul Ulum Semiring. Data penelitian diperoleh dari komponen penilaian rapor yang meliputi nilai Ujian Tengah Semester (UTS), Ujian Akhir Semester (UAS), dan tingkat kehadiran siswa kelas X Program Keahlian Desain Komunikasi Visual (DKV) tahun ajaran 2024/2025. Proses analisis dilakukan menggunakan perangkat lunak RapidMiner Studio melalui tahapan pra-pemrosesan data, pembentukan atribut nilai akhir, klasifikasi, serta evaluasi performa model. Hasil pengujian menunjukkan bahwa metode Decision Tree mampu memprediksi nilai akhir siswa dengan tingkat akurasi mencapai 100%, yang berarti seluruh data dapat diklasifikasikan sesuai dengan label sebenarnya. Atribut nilai akhir menjadi faktor paling dominan dalam proses klasifikasi dengan dua kategori utama, yaitu Sangat Baik dan Baik. Model yang dihasilkan memiliki interpretabilitas tinggi sehingga memudahkan pihak sekolah dalam memahami pola penilaian dan faktor yang memengaruhi capaian akademik siswa. Selain itu, model ini berpotensi dimanfaatkan sebagai alat bantu dalam pemantauan perkembangan belajar, identifikasi dini penurunan prestasi, serta evaluasi efektivitas proses pembelajaran secara lebih terstruktur dan objektif. Meskipun demikian, keterbatasan variasi data menyebabkan model hanya menghasilkan dua kategori klasifikasi, sehingga penelitian lanjutan dengan jumlah data lebih besar, atribut tambahan yang lebih beragam, serta perbandingan antar-metode diperlukan untuk meningkatkan generalisasi dan keakuratan model pada konteks akademik yang lebih luas.
Program Aplikasi Public Speaking berbasis Website dengan Teknologi MERN (Studi Kasus: Frasa Id) Al Qayyis, Zainul Arifin Alwi; Fatah, Zaehol; Santoso, Firman
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 4 No. 2 (2025): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v4i2.3123

Abstract

Kemajuan teknologi informasi telah membawa banyak perubahan, termasuk dalam dunia pendidikan. Salah satu keterampilan penting yang semakin dibutuhkan adalah public speaking, terutama bagi pelajar dan mahasiswa yang sedang mempersiapkan diri menghadapi dunia profesional. Sayangnya, akses terhadap pelatihan public speaking yang terstruktur dan interaktif masih cukup terbatas. Untuk menjawab tantangan ini, penelitian ini mengembangkan Frasa Id, sebuah platform pelatihan public speaking berbasis Learning Management System (LMS) yang dibangun menggunakan teknologi MERN Stack (MongoDB, Express.js, React, Node.js).Pengembangan platform ini mengikuti metode waterfall yang mencakup tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, hingga pemeliharaan. Frasa Id menawarkan berbagai fitur seperti video pembelajaran, dan manajemen kelas yang dirancang agar mudah digunakan. Hasil pengujian menunjukkan bahwa platform ini dapat menjadi solusi yang efektif dan terjangkau untuk belajar public speaking secara online. Selain itu, penggunaan MERN Stack terbukti mampu mendukung performa aplikasi dengan baik, menjadikannya pilihan tepat untuk pengembangan platform edukasi modern.
Analisis Metode WP untuk Menentukan Beasiswa PIP MTs Badrul Arifin Fatah, Zaehol; Maulana, Moh. Iqbal
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3918

Abstract

Proses seleksi penerima Program Indonesia Pintar (PIP) di MTs Badrul Arifin masih dilakukan secara manual sehingga memerlukan waktu yang cukup panjang dan rawan menghasilkan penilaian yang kurang konsisten. Keterbatasan tersebut menunjukkan perlunya penerapan metode yang mampu mengolah data secara lebih sistematis dan objektif. Penelitian ini menerapkan metode Weighted Product (WP) sebagai pendekatan kuantitatif untuk menentukan prioritas penerima PIP berdasarkan sejumlah indikator yang relevan. Empat indikator digunakan dalam analisis, yaitu besaran pendapatan keluarga, jumlah tanggungan keluarga, nilai rerata siswa, serta tingkat kehadiran sebagai faktor penunjang kelayakan. Data penelitian diperoleh melalui observasi langsung terhadap proses seleksi di sekolah, wawancara dengan pihak terkait, serta studi literatur mengenai penggunaan WP dalam sistem pendukung keputusan. Prosedur perhitungan mencakup normalisasi bobot, perhitungan nilai vektor alternatif, dan penentuan nilai preferensi yang digunakan untuk memperoleh peringkat akhir. Hasil penelitian menunjukkan bahwa metode WP mampu menghasilkan pemeringkatan yang stabil, terukur, dan merepresentasikan kebutuhan siswa secara lebih objektif dibandingkan penilaian tradisional. Dari hasil perhitungan nilai preferensi, Arif Nur Efendi menempati posisi teratas dengan nilai 0,11385, sehingga direkomendasikan sebagai penerima PIP dengan prioritas utama. Di posisi kedua, Zaid Akmal memperoleh nilai 0,11136, yang menunjukkan tingkat kelayakan tinggi berdasarkan indikator yang dianalisis. Temuan ini menegaskan bahwa metode WP dapat menjadi alat bantu yang efektif dalam mendukung proses seleksi beasiswa, karena mampu meningkatkan keakuratan, transparansi, dan ketepatan sasaran dalam penyaluran bantuan pendidikan bagi siswa yang membutuhkan.
Sistem Pendukung Keputusan Pemilihan Menu Makanan Sehat Menggunakan Metode Simple Additive Weighting Vadilah, Nur Jihan; Fatah, Zaehol
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4249

Abstract

Penentuan menu makanan sehat merupakan hal penting untuk membantu individu memilih makanan yang sesuai dengan kebutuhan nutrisi sehingga dapat mengurangi risiko munculnya berbagai masalah kesehatan yang dipicu oleh pola konsumsi yang tidak seimbang. Perbedaan kandungan gizi pada setiap jenis makanan seringkali membuat masyarakat kesulitan dalam menentukan pilihan makanan yang tepat dan sesuai kebutuhan tubuh. Oleh karena itu, penelitian ini mengembangkan sebuah Sistem Pendukung Keputusan dengan metode Simple Additive Weighting (SAW) untuk memberikan rekomendasi menu makanan sehat secara lebih objektif, terstruktur, dan terukur. Data nutrisi makanan diperoleh dari dataset Kaggle dan diklasifikasikan berdasarkan sembilan indikator penilaian, yaitu kalori, protein, karbohidrat, lemak, serat, gula, natrium, kolesterol, dan kebutuhan air. Masing-masing indikator diberikan bobot berdasarkan tingkat kepentingannya dalam menentukan kelayakan makanan sehat. Proses perhitungan dilakukan melalui tahap normalisasi dan penentuan nilai preferensi untuk menghasilkan ranking akhir alternatif makanan. Berdasarkan hasil perhitungan, makanan dengan nilai preferensi tertinggi adalah Quinoa dengan nilai 2.72, diikuti oleh Orange juice dengan nilai 2.66 dan Cookies dengan nilai 2.33. Sistem berbasis web yang dikembangkan mampu menampilkan proses klasifikasi, normalisasi, hingga hasil ranking secara otomatis, sehingga mempermudah pengguna memperoleh rekomendasi makanan yang sehat, tepat, dan mudah dipahami. Hasil penelitian ini menunjukkan bahwa metode SAW efektif serta relevan digunakan dalam proses penilaian menu makanan sehat secara kuantitatif, akurat, dan berbasis data.
Pelatihan Penulisan Makalah Menggunakan Aplikasi Microsoft Word Di MA Nurul Huda Mereng Pemalang Hakim, Syafiq Ilham; Haq, Muhammad Nabil Dhiya’ul; Fatah, Zaehol
Jurnal Cendekia Mengabdi Berinovasi dan Berkarya Vol 4 No 1 (2026): Oktober 2025 - Januari 2026
Publisher : Universitas Madako Tolitoli

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56630/jenaka.v4i1.1046

Abstract

Kegiatan pelatihan penulisan makalah menggunakan program aplikasi Microsoft Word ini merupakan bagian dari program pengabdian kepada masyarakat yang bertujuan untuk mengembangkan kemampuan literasi digital dan keterampilan akademik siswa MA Nurul Huda Mereng di Pemalang. Masalah yang dihadapi adalah kurangnya pemahaman siswa dalam menyusun karya ilmiah secara sistematis. Pelatihan diikuti oleh 22 peserta. Metode pelaksanaan menggabungkan penjelasan konsep secara teoritis dengan praktik langsung melalui pendekatan partisipatif. Hasil kegiatan menunjukkan bahwa siswa mengalami peningkatan pemahaman dalam menyusun makalah sesuai kaidah ilmiah, seperti pembuatan halaman sampul, struktur isi, penomoran halaman, dan referensi. Kesimpulannya, program ini terbukti efektif dalam membantu siswa mempersiapkan diri menghadapi tuntutan penyusunan karya ilmiah di tingkat madrasah maupun jenjang pendidikan lebih lanjut, serta menumbuhkan minat terhadap pemanfaatan teknologi dalam proses pembelajaran.
Klasifikasi Penyakit Gagal Jantung Mengunakan Metode Decision Tree Fatah, Zaehol; Atreji, Reza
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/ana03n66

Abstract

Deteksi awal gagal jantung sangat krusial untuk mengurangi angka sakit dan kematian. Metode machine learning, khususnya klasifikasi yang berbasis decision tree, menunjukkan potensi untuk mendukung keputusan medis dengan memisahkan pasien berisiko menggunakan variabel klinis yang biasa. Tujuan penelitian ini adalah untuk merancang dan menilai model Decision Tree dalam mengklasifikasikan pasien dengan gagal jantung menggunakan data klinis yang bersifat publik. Langkah-langkah dalam penelitian mencakup preprocessing (mengatasi nilai yang hilang, normalisasi, dan pemilihan fitur), pelatihan dengan stratified k-fold cross-validation, serta penilaian menggunakan metrik accuracy, precision, recall, F1-score, dan AUC. Hasil dari eksperimen menunjukkan bahwa Decision Tree yang dioptimalkan memberikan performa yang kompetitif serta keunggulan dalam interpretabilitas melalui aturan keputusan yang jelas. Sumbangan penelitian ini meliputi (1) pipeline yang dapat direproduksi untuk klasifikasi gagal jantung (heart failure), (2) kumpulan aturan yang mendukung skrining klinis heuristik, dan (3) perbandingan empiris terhadap metode machine learning lainnya. Temuan ini menunjukkan bahwa Decision Tree dapat menjadi alat skrining awal yang efektif, terutama di tempat dengan keterbatasan sumber daya.
Klasifikasi Jenis Transaksi Terbanyak Pada Layanan Agen Brilink Di Numart Dengan Algoritma Decision Tree Fatah, Zaehol; Maghfiro, Maidatul
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4407

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan jenis transaksi terbanyak pada layanan agen BRILink di NUMart dengan memanfaatkan algoritma Decision Tree sebagai metode analisis utama. Layanan BRILink merupakan inovasi perbankan berbasis agen yang memungkinkan masyarakat melakukan berbagai transaksi keuangan tanpa harus datang ke kantor bank. Banyaknya variasi transaksi di NUMart seringkali menyulitkan pengelola untuk mengetahui jenis transaksi yang paling dominan setiap periode, terutama karena data yang bersifat acak dan tidak terstruktur. Melalui pendekatan data mining, penelitian ini mengolah data transaksi mingguan BRILink NUMart selama tiga bulan dengan delapan atribut transaksi dan satu atribut target. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan data, pembagian dataset, pembangunan model klasifikasi, hingga evaluasi performa model secara menyeluruh. Algoritma Decision Tree dipilih karena mampu menghasilkan pola klasifikasi yang mudah dipahami, memiliki tingkat interpretabilitas tinggi, serta dapat menggambarkan struktur keputusan secara jelas. Hasil analisis menunjukkan bahwa atribut Tarik Tunai menjadi node akar (root) karena memiliki nilai gain ratio tertinggi dalam membedakan kategori transaksi. Model klasifikasi yang dibangun kemudian diuji menggunakan RapidMiner dengan nilai accuracy, precision, dan recall mencapai 100%. Temuan ini membuktikan bahwa algoritma Decision Tree mampu mengidentifikasi pola transaksi secara efektif dan dapat digunakan sebagai dasar pengambilan keputusan operasional, seperti perencanaan stok dana, strategi pelayanan, optimalisasi manajemen transaksi, serta peningkatan kualitas layanan keuangan berbasis agen di NUMart.
Penerapan Algoritma Regresi Linear untuk Estimasi Harga Saham dalam Pengambilan Keputusan Investasi Fatah, Zaehol; A'yun, Qurrotul
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 13 No 1 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i1.1700

Abstract

Penelitian ini berfokus pada implementasi metode data mining dengan Regresi Linear (RL) untuk tujuan pemodelan dan estimasi harga saham menggunakan data historis. Pilihan terhadap algoritma RL didasarkan pada keunggulannya dalam struktur pemodelan linier, efisiensi komputasi, serta kemampuan menyajikan interpretasi hasil secara lugas. Dataset yang dimanfaatkan diperoleh dari platform Kaggle, yang berisi data harga saham harian dalam rentang waktu 2008–2015. Proses analisis data dilaksanakan menggunakan perangkat RapidMiner Studio, mencakup fase akuisisi data, pra-pemrosesan, implementasi algoritma, hingga penilaian kinerja model. Hasil estimasi dengan RapidMiner menunjukkan bahwa model RL berhasil memprediksi harga penutupan saham dengan tingkat akurasi yang tinggi, terlihat dari tingkat kesalahan yang minimal. Model tersebut telah teruji dengan mendapatkan nilai Root Mean Squared Error (RMSE) sebesar 1.229 dan Squared Error sebesar 1.511. Secara keseluruhan, dapat disimpulkan bahwa Regresi Linear adalah algoritma yang efektif untuk membangun model estimasi harga saham yang akurat, sehingga menjadi dasar yang kuat dalam pengambilan keputusan investasi.
Penerapan Metode Topsis Dalam Sistem Pendukung Keputusan Penerima Bantuan Langsung Tunai Fatah, Zaehol; khoirunisak, dewi
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 13 No 1 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i1.1736

Abstract

Pandemi COVID-19 berdampak luas pada kondisi ekonomi masyarakat desa, sehingga program Bantuan Langsung Tunai (BLT) menjadi penting untuk menjaga daya beli keluarga kurang mampu. Pada praktiknya, pemilihan penerima di banyak desa masih dilakukan secara konvensional dan rentan bias. Penelitian ini merancang dan mengimplementasikan Sistem Pendukung Keputusan berbasis metode TOPSIS untuk membantu penentuan calon penerima BLT di Desa Lamongan. Sistem mengevaluasi setiap calon menurut empat Indikator utama penghasilan, keadaan rumah, Besaran Tanggungan, kategori umur dan menghasilkan peringkat kelayakan secara terukur. Hasil menunjukkan bahwa dengan menggunakan metode TOPSIS penerima utama ada yang sama, yakni Aseh dan Mizen Hamidi, dengan nilai preferensi 0,69231. Sistem mampu menyusun prioritas penerima secara konsisten, mempercepat proses seleksi, serta meningkatkan transparansi dan akuntabilitas penyaluran bantuan. Sistem ini direkomendasikan sebagai alat bantu pengambilan keputusan di tingkat desa.
Co-Authors ., Arwani A'yun, Qurrotul ABDUS SAMAD Abrori, Syariful Adi Susanto Adiba, Naila Afandi, Muhammad Dzikry Afifah, Fatma Nur Ahmad Afandi Ahmad Homaidi Aini, Imroatin Arifatul Aizah, Nur Akhlis Munazilin, Akhlis Al Qayyis, Zainul Arifin Alwi Alfiansyah, Noer Dian Alwi, As'ad Anam, Baitul Anisa, Halifatus Ardiansyah, Lukman Hakim Arsyad, M. Qoyis Auza’I Atika, Komang Nitari Atreji, Reza Aziz, Hamdan Fauzi Nur Badriyah, Siti Sarifatul Badrus Sholeh Baijuri, Achmad Billah, Moch. Hegal Muktasim Candra, Ongky Ali Damayanti, Alfina Damayanti Diandhita, Safna Dofiyanto Dwi Norrepa Efendi, Ahmad Fadil Dwi Fahimurridho, Ahmad Faidah, Mutmainnah Ilmiatul Febrian, Fikri Fernando, Ahmad Wahyu Firdaus, Alvina Jelita Firmandala, Legi Octa Sofyan Ghani, Farhan Ahnaf Hakim, Syafiq Ilham Hakimah, Milla Halilatul Muallafa Hamdani Hamdani Hamdani, A. Haq, Muhammad Nabil Dhiya’ul Hasan Basri Holidiyah, Na'imatul Homaida, Nur Ida Ayu Putu Sri Widnyani Ikman, Ahmad Maulana Ikormi, Kamilul irma yunita Ismael, Kharisma Ayu Jundanuddin, Muhammad Karimah, Ummul khasanah, wardhatun Khoirunisak, Dewi Kintari, Putri Lazim, Farihin Lidimilah, Lukman Lidimilah, Lukman Fakih Lutfi, Zainul Lutfiana, Nurisma Maghfiro, Maidatul Mahdi, Aminullah Moh. Mahtum, Rohiqim Majid, Muhammad Sabilillah Marwan Marwan Maulana, Moh. Iqbal Muasaroh, Yurida Islahatul Muhammad, Aqil Furqoni Mulianingsih, Suci Muqtadir, Faidhul Nafi'ah, Lailin Naqibuzzahidin, Naqibuzzahidin Nazila, Jamilatun Nur Indahsari, Luluk Nurdiana, Alfi Nurhasanah, Yeni Nuril Maghfiratus Sholeha, Siti Prasetyo, Jarot Dwi Qori'ah, Arafah Amaliyah Qori'ah, Arifah Amaliyah Rahmawati, Nurul Qolbi Rofiq, Ahmad Tahqiq Safitri, Lulu Saleh, Taufik Samsul Arifin Santoso, Firman Saputra, Zuhrian Nur Sari, Iin Puspita Savira, Anggita Yusiana Shidqin, Lalu Habil Mudkhola Shihab, As’ad Alwi Sinta, Sinta Masruroh Siti Khoiriyah Sobri, Miftahus Syakirin, Muhammad Irham Taufik Hidayat Tholibah, Wafrotut Uswatul Muftakiyah Vadilah, Nur Jihan Wilda, Sufil Zubairi, Ach. Zulkarnain, Bagus Maulana