Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Manajemen Pendidikan dan Ilmu Sosial (JMPIS)
Sugiri
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengembangan Model Program Mechanic Competency Booster (MCB) untuk Meningkatkan Capaian Kompetensi dan Performance Redo Service Mekanik Alat Berat di PT Pama Persada Nusantara Sugiri; Triyono, Bruri; Arifin, Zainal
JURNAL MANAJEMEN PENDIDIKAN DAN ILMU SOSIAL Vol. 6 No. 1 (2024): Jurnal Manajemen Pendidikan dan Ilmu Sosial (Desember 2024 - Januari 2025)
Publisher : Dinasti Review

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jmpis.v6i1.3457

Abstract

Penelitian ini bertujuan untuk: (1) menghasilkan model program MCB yang sesuai dengan tujuan penguatan pengetahuan, pengalaman dan kompetensi mekanik magang; (2) mengungkapkan kelayakan model program MCB yang dikembangkan pada penguatan pengetahuan, pengalaman dan kompetensi mekanik magang ditinjau dari aspek materi dan media; dan (3) mengungkapkan efektifitas model program MCB dalam penguatan pengetahuan dan pengalaman untuk meningkatkan capaian kompetensi dan kinerja mekanik magang dalam mengatasi permasalahan redo service di PT. Pama Persada Nusantara. Penelitian ini adalah penelitian tindakan kelas model Kurt Lewit dua siklus dengan tahapan perencanaan, pelaksanaan, pengamatan, dan refleksi. Subjek dari penelitian ini adalah validator dari model tes MCB serta mekanik senior dan mekanik magang PT Pama Persada Nusantara. Data dikumpulkan melalui observasi serta dengan menggunakan angket dan tes dan dianalisis secara deskriptif, kuantitatif, dan kualitatif. Hasil penelitian ini adalah sebagai berikut. (1) Model program MCB sesuai dengan tujuan dan maksud PT. Pama Persada Nusantara dalam meningkatkan pengetahuan, pengalaman dan kompetensi mekanik magang yang mencapai penilaian tes melebihi 75% yakni sebesar 84,5% ; (2) Model program MCB layak dikembangkan untuk penguatan pengetahuan, pengalaman dan kompetensi mekanik magang karena mempunyai hal yang baru dari program pelatihan dan pembelajaran yang dilaukan sebelumnya, penunjukkan mekanik sebagai kapten tim sehingga pembagian tugas pekerjaan dapat dilakukan dalam scope yang kecil serta adanya pendampingan dari mekanik senior yang membantu dalam proses pekerjaan. (3) Model program MCB dalam penguatan pengetahuan, pengalaman dan kompetensi mekanik magang terbukti efektif dalam meningkatkan kompetensi dan kinerja mekanik magang dalam mengatasi masalah redo service hingga 3% pada pelaksanaan program MCB.
Prediction of Main Transportation Modes using Passive Mobile Positioning Data (Passive MPD) Farhan, Muhammad; Suadaa, Lya Hulliyyatus; Sugiri; Munaf, Alfatihah Reno Maulani Nuryaningsih Soekri Putri; Pramana, Setia
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 1 (2025): February 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i1.6128

Abstract

Indicators of the main mode of transportation used by domestic tourists during tourism trips cannot yet be estimated using Passive MPD which is recorded based on the location of the BTS that captures the cellular activity of domestic tourists. Previous research on identifying transportation modes from Passive MPD has its own shortcomings because it only relies on speed and travel time features. Meanwhile, there is Active MPD which is recorded using active geo-positioning and real-time, where the research involves many features and has a data structure similar to Passive MPD. Therefore, this research aims to conduct a study of the implementation of the method used to identify modes of transportation in Active MPDs to Passive MPDs as an approach to predicting the main modes of transportation. As a result, the transportation mode identification method in the Active MPD can be implemented in the Passive MPD. The best accuracy of 83.56% was obtained by the LightGBM model using all features. However, the Multinomial Logistic Regression model, which only uses 10 selected features, is the most effective and efficient model with an accuracy of 76.43% and a much shorter execution time
Co-Authors Mochamad Bruri Triyono Muhammad Farhan Munaf, Alfatihah Reno Maulani Nuryaningsih Soekri Putri Pramana, Setia Suadaa, Lya Hulliyyatus Zainal Arifin