Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Journal of Citizen Research and Development

Implementasi Sistem Pendukung Keputusan Dalam Usulan RKBMD di Kantor Kecamatan Tanjung Dengan Metode Simple Additive Weighting (SAW) Nurkholis, Nurkholis; Irawan, Bambang; Bhakti, R Mohamad Herdian
Journal of Citizen Research and Development Vol 1, No 2 (2024): November 2024
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jcrd.v1i2.3362

Abstract

Pelaksanaan otonomi daerah mengharuskan setiap daerah untuk mengatur, mengelola dan membangun urusan daerahnya masing - masing. Begitu pula di kecamatan yang menjalankan sebagian urusan otonomi daerah yang didelegasikan oleh Bupati/Walikota di wilayah kecamatan. Seperti halnya kewenangan dalam pengadaan barang milik daerah (BMD) untuk mendukung sarana prasarana pelayanan kepada masyarakat. Kemajuan teknologi informasi mengharuskan semua sektor baik swasta maupun pemerintahan untuk dapat beradaptasi guna meningkatkan pelayanan. Proses penyusunan usulan Rencana Kebutuhan Barang Milik Daerah (RKBMD) pada Kantor Kecamatan Tanjung Kabupaten Brebes masih dibuat secara manual. Hal ini rentan terjadi kesalahan dan hasil yang kurang akurat serta keterlambatan dalam membuat laporan RKBMD. Maka pada penelitian ini penulis membuat sistem pendukung keputusan yang diharapkan mampu membantu dalam hal pemilihan barang terbaik yang akan menjadi usulan RKBMD. Metode yang dipakai yaitu Simple Additive Weighting (SAW) yang diaplikasikan kedalam sistem berbasis web. Hasil dari penelitian ini mampu meningkatkan kinerja dan proses penyusunan usulan RKBMD menjadi lebih cepat dan akurat.
Implementasi Data Mining Untuk Mengukur Prestasi Siswa SD Menggunakan Metode K-Means Clustering Kurniawan, Indra Agung; Bhakti, R M Herdian; Irawan, Bambang
Journal of Citizen Research and Development Vol 1, No 2 (2024): November 2024
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jcrd.v1i2.3324

Abstract

Sekolah menjadi sarana berlangsungnya pendidikan secara langsung dengan bertemunya guru dan siswa. Guru merupakan faktor terpenting dalam proses peningkatan mutu pendidikan, selain itu keaktifan siswa juga merupakan unsur dasar yang penting bagi keberhasilan proses pembelajaran. Menentukan siswa berprestasi itu dimulai dari keaktifan siswa dalam mengikuti pelajaran dan nilai siswa. Berdasarkan pengamatan yang dilakukan di SD Negeri 01 Adiwerna, masih belum terstruktur untuk menentukan siswa mana yang sangat berprestasi, berprestasi, cukup berprestasi dan kurang berprestasi. Data mining suatu teknik mempermudah dalam klasifikasikan sebuah data dan mempermudah pada pengelompokan siswa berprestasi. Oleh karena itu, proses pengelompokan siswa berprestasi dilakukan dengan menggunakan metode k-means clustering dan aplikasi rapidminer.
Implementasi Algoritma KNN Untuk Klasifikasi Jurusan Siswa Kelas XI di SMA Al Irsyad Tegal Rizqian, Mohamad Arjun; Irawan, Bambang; Wahyuningsih, Puji
Journal of Citizen Research and Development Vol 1, No 2 (2024): November 2024
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jcrd.v1i2.3309

Abstract

Penjurusan merupakan suatu proses yang dilakukan sekolah untuk memetakan minat dan bakat siswa agar sesuai dengan kemampuan yang dimiliki. Berdasarkan hasil pengamatan yang dilakukan di SMA Al Irsyad Tegal, proses penjurusan siswa memiliki kendala seperti proses yang dilakukan masih menggunakan manual yaitu dengan memetakan siswa satu persatu berdasarkan kriteria yang dibuat oleh sekolah dan masih terdapat hasil pemetaan yang tidak sesuai dengan minat dan bakat siswa. Data Mining memiliki suatu teknik untuk klasifikasi suatu data untuk mempermudah dalam hal penjurusan siswa. Oleh karena itu, dilakukanlah proses penjurusan siswa dengan teknik klasifikasi menggunakan K-Nearest Neighbor dengan menggunakan aplikasi RapidMiner. Hasil penelitian yang didapatkan adalah pengujian split rasio tertinggi dengan pembagian 80% data training dan 20% data testing diperoleh pada K=9 dengan akurasi sebanyak 77,78%, class recall IPA 91,67%, class recall IPS 50%, precision IPA 78,57% dan precision IPS 75%. Dengan hasil tersebut artinya klasifikasi jurusan dapat menggunakan metode K-Nearest Neighbor karena menghasilkan nilai akurasi yang baik.
Co-Authors Abdul Malik Darmin Asri Affandi, Moch Aini, Fica Aida Nadhifatul Anggit Murdani Anggrika Riyanti Arini Salsabila Asep Maulana, Asep Asrifah Ramly, Zakia Asrizal Paiman Carolina, Natalia Christiawan Firmansyah, Rizky Dermiyati, Dermiyati Diah Yulisetiarini Emelda Raudhati Eva Achmad Farisi, Salman fatimah Fatimah Fazriyas Fazriyas Fitri Fitri Gintings, Mohammad Fajar Mediyawan Gusri, Lailal Hadiwinata, Khrisna Hadrah Hamzah Hamzah Hari Kurnia Safitri Hasriadi Mat Akin Hendi Matalata Huda, Mokhammad Miftakhul Ikawanty, Beauty Ikawanty, Beauty Anggraheny Indra Kertati Irmansyah, Teguh Bagus Wicaksono Izzatul Millah, Annida KrisnaArkandea, I Nyoman Kurnia Safitri, Hari Kurniawan, Indra Agung Lailatul Ayu Fadilah, Risky Latif, Mohd Syahiran Abdul M. Zahari Ma'suq, Ahmad Tarajjil Mahfut Maria Ulfa Maruf, Irma Rachmawati marwoto marwoto Mila Fauziyah Monik Kasman Mora, Andita Minda Muhammad Ikhwan Mardin Napitupulu, Richard RP Nasution , Ismail Fahmi Arrauf Nurkholis Nurkholis Otong Saeful Bachri Perlina, Mia Pramesti, Nouriza Agfa Punarto, Novang Tendy Purwoko Purwoko Putra, Rudy Sahata Raden Mohamad Herdian Bhakti Ramadani, Winih Sekaringtyas Ramdhan, Nur Ariesanto Riana Anggraini, Riana Rike Puspitasari Tamin Rini Nur Izza Zuhri, Afifa Risdhayanti, Anindya Dwi Rizqian, Mohamad Arjun Rumania, Siti Salam, Rahmat Salsabila, Syarifah Sari, Mai Sembiring, Rinawati Sigit Prasetyo Sri Yusnaini Sumardi . Syabawaihi Syamsul Hadi Taufik Taufik Tri Nurhariyati turohmah, Alfiya Uthman, Yusuf Olawale Owa-Onire Vidia Yunita Kurnia Wa Ode Indang Wahyuningsih, Puji Waluyo, Cahyo Tri Watamtin Widhiya, Eva Wicaksono, Muhammad Bagus Adi Zul Chandyas, Sirat