Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Algoritma

Perancangan dan Pengembangan Sistem Pendukung Keputusan Guru Berprestasi Dengan Metode Simple Additive Weighting Sri Hastuti; Nirsal, Nirsal; Syafriadi
Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-1.2141

Abstract

Penilaian terhadap guru berprestasi di SMK Negeri 2 Luwu Utara sering kali terhambat oleh subjektivitas dan ketidakteraturan data. Penelitian ini menggunakan metode Simple Additive Weighting (SAW) untuk mengatasi masalah tersebut. Tahapan penelitian mencakup identifikasi masalah, pengumpulan data, perancangan sistem berbasis web, implementasi metode SAW, dan pengujian sistem. Sistem ini menilai guru berprestasi berdasarkan empat kriteria utama: kompetensi pedagogik, kepribadian, sosial, dan profesional. Hasil penelitian menunjukkan bahwa implementasi metode SAW meningkatkan transparansi, efisiensi, dan akurasi dalam proses penilaian, sehingga mengurangi waktu yang dibutuhkan untuk pengambilan keputusan.
Rancang Bangun Sistem Presensi Face Recognition di Unit Pelaksana Teknis: Studi kasus Sekolah Dasar Negeri 184 Lumu-Lumu Nirsal, Nirsal; Amin, Muh.
Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-1.2142

Abstract

Penelitian ini bertujuan untuk merancang dan membangun sistem presensi face recognition di UPT SDN I84 Lumu-Lumu. Penelitian menggunakan metode Research and Development (R&D) dengan pengembangan aplikasi berbasis model waterfall yang mencakup 5 tahap: Requirement, Design, Coding and Testing, Integration and Testing, serta Operation & Maintenance. Data dikumpulkan melalui observasi, wawancara, dan studi pustaka. Sistem ini dikembangkan menggunakan VS Code, Android Studio, Firebase, Flutter, Dart, Draw.io, dan Balsamiq Mockup, dengan model pengenalan wajah berbasis Convolutional Neural Network (CNN). Hasil validasi instrumen observasi menghasilkan nilai 82%, wawancara 84%, UML 82,5%, interface 83,5%, database 83,5%, pengujian black box 82,5% dan user/pengguna 84%.  Hasil validasi intrumen penilaian observasi UML 91%, interface 90%, database 87% hasil pengujian System Usability Scale SUS memperoleh hasil 88%. Berdasarkan hasil tersebut, aplikasi ini dinyatakan layak dan sesuai dengan kebutuhan yang diharapkan. Kontribusi penelitian ini penelitian ini terletak pada penerapan teknologi pengenalan wajah untuk meningkatkan efisiensi dan akurasi sistem presensi di lingkungan pendidikan.