Garuda - Garba Rujukan Digital

PENGEMBANGAN SISTEM INFORMASI MANAJEMEN KULIAH NON TATAP MUKA JURUSAN TEKNIK INFORMATIKA DI IST AKPRIND YOGYAKARTA DENGAN METODE AGILE BERBASIS WEB RESPONSIVE Laharun Muhammad; Dina Andayati; Suraya -
Jurnal SCRIPT Vol. 5 No. 1 (2017): Vol. 05 No. 01 Edisi Juni 2017
Publisher : Jurusan Informatika INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Prosedur pelaksanaan topik khusus, kerja praktek, tugas akhir dan skripsi di IST AKPRIND Yogyakarta yaitu dimulai dengan mahasiswa datang dengan membawa proposal yang diserahkan kepada sekretaris jurusan. Sekretaris jurusan kemudian mencatatkan pendaftaran proposal ini ke dalam sebuah buku induk. Pengolahan semacam ini terbilang manual. Proses pengajuan yang masih manual ini dapat menimbulkan masalah. Di antaranya sekretaris jurusan akan kesulitan mengecek duplikasi judul proposal topik khusus, kerja praktek, tugas akhir dan skripsi. Berpangkal dari titik kendala yang dialami, maka timbullah konsep sebuah sistem yang akan menjadi mediator proses manajemen di jurusan. Keuntungan yang akan dirasakan, di antaranya memudahkan pembantu ketua jurusan dalam mengecek kesamaan judul topik khusus, kerja praktek, tugas akhir dan skripsi yang sudah pernah dibuat. Metode pengembangan sistem akan menggunakan metode agile. Metode agile adalah metodologi pengembangan yang didasarkan pada prinsip pengembangan sistem jangka pendek yang memerlukan adaptasi yang cepat. Kelebihan dari agile di antarannya menambah kualitas perangkat lunak, menambah kepuasan klien, dan hemat biaya. Hasil dari penelitian ini adalah sistem yang dibuat memiliki database sebagai penyimpanan data dan aplikasi untuk memasukan dan mengambil data yang diperlukan. Sistem informasi manajemen jurusan dapat menyajikan informasi data proposal, data proposal yang disetujui, search atau pencarian arsip laporan dan pengarsipan data topik khusus, kerja praktek, tugas akhir dan skripsi yang sudah direalisasi. Menyajikan informasi rekapitulasi dosen pembimbing, serta fasilitas pembuatan surat keputusan dan catatan konsultasi

EDUKASI DAMPAK NEGATIF PENGGUNAAN GADGET DAN MEDIA INTERNET YANG BERLEBIHAN BAGI ANAK-ANAK Muhammad Sholeh; Rr. Yuliana Rachmawati; Dina Andayati
Jurnal Pengabdian Pendidikan Masyarakat (JPPM) Vol 3 No 1 (2022): Jurnal Pengabdian Pendidikan Masyarakat (JPPM) Volume 3, No 1 Maret 2022
Publisher : LP3M STKIP MUHAMMADIYAH MUARA BUNGO

One of the impacts of the COVID-19 pandemic is the implementation of the online teaching and learning process. This is one of the factors that causes dependence on the internet to be higher. The implementation of online learning makes the use of gadgets connected to the internet for children more often. So that children can use the internet properly and safely, it is necessary to have supervision and assistance from parents. This community service given to mothers in the Baros Pakanewon hamlet of Kretek Bantul aims to provide knowledge about safe and healthy internet use for children. The implementation method is carried out by giving questionnaires regarding the use of gadgets in children and lectures on the negative and positive impacts of internet use for children. The results of the implementation of community service carried out include educating mothers on strategies so that children do not depend on gadgets and how the role of parents specifically for mothers is in providing assistance to children in using gadgets that are connected to the internet. Evaluation of activities was carried out by giving a questionnaire and the results of the questionnaire on the question of the bad impact of using gadgets to damage the future of children showed that 85% answered strongly agree and 15% answered agree. The results of the questionnaire on the question of the negative impact on children's health, 90% answered strongly agree and 10% answered agree.

Penerapan Data Mining pada Model Clustering Data Kuesioner Mahasiswa terhadap Kinerja Dosen Sholeh, Muhammad; Suraya, Suraya; Andayati, Dina
Jurnal Eksplora Informatika Vol 13 No 2 (2024): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v13i2.751

Setiap akhir semester hampir semua perguruan tinggi memberikan kuesioner yang wajib diisi oleh mahasiswa. Salah satu parameter yang dievaluasi adalah evaluasi untuk mengukur kinerja dosen. Pertanyaan yang harus dijawab mahasiswa diantaranya keaktifan dosen dalam mengajar, penyampaian materi dan lainnya . Hasil kuesioner dilakukan proses pengolahan dan hasil akhirnya adalah indeks prestasi kinerja dosen. Dalam penelitian ini, dilakukan proses data mining pada datasheet hasil kuesioner. Model data mining akan dilakukan dengan model clustering. Tujuan dari penelitian adalah membuat model Clustering untuk menghasilkan kinerja dosen berdasar pada pengelompokan dengan menggunakan datasheet hasil kuesioner. Hasil pengelompokkan dilakukan dengan melakukan pengujian dengan membuat pengelompokan dari 2-4 kelompok. Metode yang digunakan adalah metode CRISP DM yang terdiri dari business understanding, Data understanding, data preparation, model, evaluasi dan develop. Proses klastering menggunakan aplikasi Rapid miner. Data hasil kuesioner yang sudah dilakukan disimpan dalam bentuk datasheet. Datasheet terdiri dari 118 record dan 12 atribut. Proses pengelompokkan diolah dengan menggunakan model clustering dengan menggunakan algoritma K-Mean. Hasil penelitian adalah proses pengolahan pada datasheet yang dibuat model klasterisasi dengan nilai centroid (k) mulai dari 2 sampai 6. Evaluasi dilakukan dengan menguji performance masing-masing hasil nilai k. Evaluasi dengan menggunakan Davies Bouldin dan hasil klasterisasi dengan nilai k=3 merupakan hasil yang paling kecil yaitu -0.737, sehingga klasterisasi dengan K=3 direkomendasikan menjadi suatu model.

PENERAPAN METODE CLUSTERING DENGAN ALGORITMA K-MEANS PADA PENGELOMPOKAN INDEKS PRESTASI AKADEMIK MAHASISWA Suraya, Suraya; Sholeh, Muhammad; Andayati, Dina
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 6 No 1 (2023): Jurnal SKANIKA Januari 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v6i1.2982

The process of evaluating student academic achievement results is needed as an effort to monitor student academic development. Grouping students according to the results of academic achievement is needed. One of the uses is as a mapping process for students who can be expected to graduate on time and students whose grades are still low so that assistance is needed. The purpose of this grouping can be used as a student achievement index mapping. The research conducted aims to provide an alternative grouping of academic achievement based on the data mining process using a clustering model. The research method uses the Knowledge Discovery in Database method. The data mining method with Knowledge Discovery in Database consists of selection, pre-processing, transformation, model and evaluation. The datasheet used is a collection of student achievement index data processed from the acquisition of student achievement index in semester 1 to 6. The clustering model is built using the K-Means algorithm. The results of the study resulted in the best grouping is grouping as much as 2, The process of getting the best grouping is done by testing the model with 6 groupings. The best grouping results are done with Davies Bouldin testing. The conclusion of the study with the results of the 2 groups can be given a category, cluster 0 with the name of the good category and cluster 1 with the category not good.

Sistem Informasi Geografis Wisata Pantai di Bantul Berbasis Android Febrianto Ramadhon; Erna Kumalasari Nurnawati; Dina Andayati
Jurnal SCRIPT Vol. 11 No. 2 (2023): Vol.11 No. 2 Desember 2023
Publisher : Jurusan Informatika INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/script.v11i2.4573

Pariwisata merupakan salah satu sektor unggulan dalam pembangunan untuk meningkatkan pendapatan nasional, penyerap tenaga kerja, dan penyumbang devisa negara. Pemerintah daerah diharapkan dapat memanfaatkan peluang tersebut, terutama mengoptimalkan potensi sumber daya alam dan keanekaragaman budaya dan tradisi Sistem informasi geografis pariwisata, berisi tentang informasi dan penjelasan mengenai objek wisata Pandemi Covid-19 yang melanda dunia memberikan banyak perubahan dalam perilaku masyarakat. Salah satunya sektor pariwisata yang terkena dampak sangat besar dari pandemi covid-19 beberapa tempat wisata ditutup dan tidak tahu adanya wisata baru yang dibuka saat memasuki masa newnormal. Metode pengumpulan data yang digunakan dalam penelitian ini yaitu studi pustaka, observasi, Perancangan sistem pada android yang dibuat berorientasi object menggunakan Unified Modelling Language (UML). Sedangkan pembuatan mengunakan android studio sebagai base membuat aplikasi. Aplikasi ini diuji menggunakan metode black box testing. Hasil dari penelitian ini adalah sebuah sistem infromasi geografis berbasis android wisata pantai Bantul yang memberikan informasi tentang seluruh pantai yang ada dikabupaten Bantul serta memberikan informasi kuliner yang berada disekitar pantai bantul sebagai sumber penelitian ini dibuat agar kemerataan destinasi wisata pantai dan wisata kuliner yang berada dikabupaten Bantul.

Perancangan Aplikasi Pemrograman Antarmuka Berbasis Web Menggunakan Gaya Arsitektur Representasi Untuk Sistem Presensi Sekolah Rizal Afriansyah; Muhammad Sholeh; Dina Andayati
Jurnal SCRIPT Vol. 11 No. 1 (2023): Vol 11 No. 1 Juni 2023
Publisher : Jurusan Informatika INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/script.v11i1.4767

Application Programming Interface (API) adalah antarmuka yang dibangun oleh pengembang sistem sehingga beberapa atau seluruh fungsi sistem dapat diakses secara terprogram. Representational State Transfer (REST) adalah salah satu gaya arsitektur pengembangan API yang menggunakan Hypertext Transfer Protocol (HTTP) untuk komunikasi data. Penelitian ini menerapkan REST dalam mengembangkan API sebagai bagian belakang dari sistem informasi sekolah. API dikembangkan menggunakan JavaScript Object Notation (JSON) sebagai format standar untuk komunikasi data. Penelitian ini menunjukan bahwa pengembangan API berhasil dilakukan pada data siswa dan implementasi REST membuat mudah untuk mengembangkan struktur API. Penelitian ini menghasilkan back-and berbasis REST API untuk sistem informasi sekolah.

Comparison of Feature Selection with Information Gain Method in Decision Tree, Regression Logistic and Random Forest Algorithms Sholeh, Muhammad; Lestari, Uning; Andayati, Dina
Journal of Applied Business and Technology Vol. 5 No. 3 (2024): Journal of Applied Business and Technology
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/jabt.v5i3.155

One of the approaches that can be done is to perform feature selection. Feature selection is done by identifying the most informative features and not using features that do not directly contribute to the target feature. The purpose of feature selection is to increase the accuracy of the model. The research was conducted by comparing the performance of the model by comparing the accuracy results of the model without any feature selection with the model that has done feature selection. The process is done by comparing the accuracy results with decision tree, random forest and SVM algorithms. In the research method of feature selection on science data, the steps include understanding the domain and dataset, exploratory analysis, data cleaning, measuring feature relevance with criteria such as Information Gain, and feature ranking. The results are evaluated and validated using model performance metrics before and after feature selection. This process ensures selection of relevant features, improving accuracy. The research process used the Lung Cancer Prediction datasheet which consists of 306 rows and 16 attributes. The results show that feature selection can improve the performance of the classification model by reducing features that do not contribute to the target. Comparison results using decision tree, Regression Logistic and random forest classification model algorithms and feature selection resulted in a high accuracy value of 0.968 in the Regression Logistic algorithm with a feature selection of 5.

Effect of Hyperparameter Tuning on Performance on Classification model Sholeh, Muhammad; Lestari, Uning; Andayati, Dina
International Journal of Applied Sciences and Smart Technologies Volume 07, Issue 1, June 2025
Publisher : Universitas Sanata Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24071/ijasst.v7i1.11735

This research aims to analyze the effect of hyperparameter tuning on the performance of Logistic Regression, K-Nearest Neighbours, Support Vector Machine, Decision Tree, Random Forest, Random Forest Classifier, Naive Bayes algorithms. These six algorithms were tested both using hyperparameter tuning and not using hyperparameter tuning. The dataset used in this research is a public dataset, namely the heart datasheet. This datasheet contains information about features related to the diagnosis of heart disease. Hyperparameter tuning is performed using a grid search technique to determine the best combination of hyperparameter values that can improve model accuracy. Performance comparison is done by measuring the accuracy, precision, recall, and F1-score of each algorithm before and after tuning. The research method follows the stages in the Knowledge Discovery in Databases (KDD) methodology. The KDD methodology consists of several stages of data collection, data cleaning to remove errors, data integration from various sources, and data selection and transformation to be ready for analysis. Next, data mining is performed to find patterns or relationships in the data and evaluation and interpretation of the results to ensure their validity. The results show that hyperparameter tuning applied to the six algorithms does not necessarily improve performance. In the algorithm. SVM and decision tree algorithms, the performance results before hyperparameter tuning actually have a higher accuracy value. The performance of algorithms that experienced an increase after hyperparameter tuning was logistic regression and K-Nearest neighbours. The same performance results are generated in the Random Forest and Naive Bayes algorithms. Based on testing the six algorithms and using the heart datasheet, the hyperparameter tuning process does not always result in a better performance value.

Penerapan Data Mining pada Model Clustering Data Kuesioner Mahasiswa terhadap Kinerja Dosen Sholeh, Muhammad; Suraya, Suraya; Andayati, Dina
Eksplora Informatika Vol 13 No 2 (2024): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v13i2.751

Setiap akhir semester hampir semua perguruan tinggi memberikan kuesioner yang wajib diisi oleh mahasiswa. Salah satu parameter yang dievaluasi adalah evaluasi untuk mengukur kinerja dosen. Pertanyaan yang harus dijawab mahasiswa diantaranya keaktifan dosen dalam mengajar, penyampaian materi dan lainnya . Hasil kuesioner dilakukan proses pengolahan dan hasil akhirnya adalah indeks prestasi kinerja dosen. Dalam penelitian ini, dilakukan proses data mining pada datasheet hasil kuesioner. Model data mining akan dilakukan dengan model clustering. Tujuan dari penelitian adalah membuat model Clustering untuk menghasilkan kinerja dosen berdasar pada pengelompokan dengan menggunakan datasheet hasil kuesioner. Hasil pengelompokkan dilakukan dengan melakukan pengujian dengan membuat pengelompokan dari 2-4 kelompok. Metode yang digunakan adalah metode CRISP DM yang terdiri dari business understanding, Data understanding, data preparation, model, evaluasi dan develop. Proses klastering menggunakan aplikasi Rapid miner. Data hasil kuesioner yang sudah dilakukan disimpan dalam bentuk datasheet. Datasheet terdiri dari 118 record dan 12 atribut. Proses pengelompokkan diolah dengan menggunakan model clustering dengan menggunakan algoritma K-Mean. Hasil penelitian adalah proses pengolahan pada datasheet yang dibuat model klasterisasi dengan nilai centroid (k) mulai dari 2 sampai 6. Evaluasi dilakukan dengan menguji performance masing-masing hasil nilai k. Evaluasi dengan menggunakan Davies Bouldin dan hasil klasterisasi dengan nilai k=3 merupakan hasil yang paling kecil yaitu -0.737, sehingga klasterisasi dengan K=3 direkomendasikan menjadi suatu model.

Application of K-Means Algorithm in Clustering Model for Learning Management System Usage Evaluation Sholeh, Muhammad; Suraya; Dina Andayati
Journal of Applied Business and Technology Vol. 4 No. 3 (2023): Journal of Applied Business and Technology
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/jabt.v4i3.130

The use of a learning management system (LMS) is one of the media that can be used to disseminate lecturer materials to students. Materials that can be uploaded on the LMS can be in the form of lecture materials in the form of files, videos, or questions. The effectiveness of LMS can be evaluated by looking at activities in using LMS. The effectiveness of using LMS can be seen from the log. Log results from LMS can be evaluated in various ways and one way is to use data mining clustering models. The clustering model can be used to create student groupings and the clustering results can be labeled in the form of categories, such as very good, good, and bad categories. This labeling depends on the clustering results that will be processed in the modeling. The research method uses CRISP DM which consists of business understanding, data understanding, data preparation, modeling, evaluation, and deployment. The beginning of the research process is carried out by taking log data in the Moodle LMS. The clustering model in this research will use the K-Means algorithm and the evaluation of clustering results will be evaluated for performance using the Davies-Bouldin method. Implementation of data mining processing using Rapid Miner application. The datasheet used is a datasheet taken from the LMS log of the Computer Programming course in the Mechanical Engineering study program - AKPRIND Institute of Science & Technology Yogyakarta odd semester of the 2021/2022 and 2022/2023 academic years. The results of the study resulted in the best clustering based on the Davies Bouldin method of 2. The clustering results, cluster 0 consists of 28 data named the category of frequent access to LMS and cluster 1 consists of 54 with the category of not frequent access to LMS.

Title

Found 44 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 44 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 44 Documents
Search