Claim Missing Document
Check
Articles

Found 3 Documents
Search

KOMPARASI ALGORITMA KLASIFIKASI DALAM MEMPREDIKSI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN WEKA Pattiasina, Tiska; Jupriyanto, Jupriyanto
Jurnal Teknologi Informasi Mura Vol 17 No 1 (2025): Jurnal Teknologi Informasi Mura JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v17i1.2608

Abstract

Data mining merupakan serangkaian proses sistematis yang digunakan untuk menggali nilai tambah berupa informasi yang tersembunyi dan belum diketahui secara eksplisit dari suatu basis data. Dalam konteks pendidikan, data mining berperan penting dalam menghasilkan informasi yang dapat digunakan untuk menganalisis dan mengevaluasi kinerja akademik mahasiswa. Pada penelitian ini, penulis mengambil sampel dari mahasiswa semester I kelas C jurusan Administrasi Niaga di Politeknik Negeri Ambon. Penelitian difokuskan pada proses klasifikasi kinerja akademik mahasiswa berdasarkan 22 atribut yang telah ditentukan. Proses penggalian pengetahuan dilakukan dengan mengacu pada tahapan Knowledge Discovery in Database (KDD), yang mencakup proses seleksi data, praproses, transformasi, data mining, hingga interpretasi hasil. Tiga algoritma klasifikasi yang digunakan dalam penelitian ini adalah Decision Tree, Naive Bayes, dan K-Nearest Neighbor (KNN). Untuk mengukur kinerja masing-masing algoritma secara objektif, dilakukan evaluasi model menggunakan teknik validasi silang k-fold cross validation, sehingga hasil klasifikasi dapat dibandingkan secara menyeluruh berdasarkan sejumlah indikator evaluasi, seperti akurasi, presisi, dan recall.
KOMPARASI ALGORITMA KLASIFIKASI DALAM MEMPREDIKSI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN WEKA Pattiasina, Tiska; Jupriyanto, Jupriyanto
Jurnal Teknologi Informasi Mura Vol 17 No 1 (2025): Jurnal Teknologi Informasi Mura JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v17i1.2608

Abstract

Data mining merupakan serangkaian proses sistematis yang digunakan untuk menggali nilai tambah berupa informasi yang tersembunyi dan belum diketahui secara eksplisit dari suatu basis data. Dalam konteks pendidikan, data mining berperan penting dalam menghasilkan informasi yang dapat digunakan untuk menganalisis dan mengevaluasi kinerja akademik mahasiswa. Pada penelitian ini, penulis mengambil sampel dari mahasiswa semester I kelas C jurusan Administrasi Niaga di Politeknik Negeri Ambon. Penelitian difokuskan pada proses klasifikasi kinerja akademik mahasiswa berdasarkan 22 atribut yang telah ditentukan. Proses penggalian pengetahuan dilakukan dengan mengacu pada tahapan Knowledge Discovery in Database (KDD), yang mencakup proses seleksi data, praproses, transformasi, data mining, hingga interpretasi hasil. Tiga algoritma klasifikasi yang digunakan dalam penelitian ini adalah Decision Tree, Naive Bayes, dan K-Nearest Neighbor (KNN). Untuk mengukur kinerja masing-masing algoritma secara objektif, dilakukan evaluasi model menggunakan teknik validasi silang k-fold cross validation, sehingga hasil klasifikasi dapat dibandingkan secara menyeluruh berdasarkan sejumlah indikator evaluasi, seperti akurasi, presisi, dan recall.
Peningkatan Literasi Digital dan Keamanan Siber Bagi Siswa SMAS BPD Tobelo Selatan Pattiasina, Tiska; Luturmas, Join Rachel; Fredriksz, Grace; Salhuteru, Andrie CH; Matuankotta, Febiola; Nunumete, Laura S
Jurnal Pengabdian Masyarakat (ABDIRA) Vol 5, No 4 (2025): Abdira
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/abdira.v5i4.1093

Abstract

The development of digital technology has had a significant impact on high school students, particularly in their use of the internet and social media. However, the lack of digital literacy and cybersecurity awareness remains a problem that needs to be addressed. This community service activity aims to improve digital literacy and cybersecurity understanding among students at SMAS BPD Tobelo Selatan. The methods used included lectures, discussions, and QA sessions, with material covering digital literacy, social media ethics, cyberbullying, hoaxes, and personal data protection. The activity was held offline on September 7, 2025, with 15 students participating. Evaluation was conducted using a Guttman Scale questionnaire to assess participant responses to the activity. Results showed that all students (100%) expressed satisfaction, indicating that the activity successfully improved students' understanding of digital literacy and cybersecurity. Therefore, this community service activity makes a positive contribution in equipping students with wise, safe, and responsible digital skills to face the challenges of the digital era.