Article Per Year (5 Year)
p-Index From 2020 - 2025
7.596
P-Index
This Author published in this journals
All Journal Journal of Nutrition and Health Jurnal Kedokteran Brawijaya JURNAL BERKALA ILMIAH EFISIENSI Jurnal Online Mahasiswa (JOM) Bidang Keguruan dan Ilmu Pendidikan Teknofisika Jurnal Informatika dan Teknik Elektro Terapan Jurnal Pendidikan Usia Dini Jurnal Gizi dan Kesehatan Jurnal Riset Manajemen dan Bisnis (JRMB) Fakultas Ekonomi UNIAT EDU-KATA: Jurnal Bahasa, Sastra, dan Pembelajarannya SENTRALISASI Arthavidya Jurnal Ilmiah Ekonomi EPIC : Journal of Electrical Power, Instrumentation and Control JATI (Jurnal Mahasiswa Teknik Informatika) Media Informatika International Journal of Business Economics (IJBE) Jurnal Somasi (Sosial Humaniora Komunikasi) PREMIERE : Journal of Islamic Elementary Education Jurnal Ilmiah Wahana Pendidikan Thawalib: Jurnal Kependidikan Islam Akuntansi Bisnis & Manajemen (ABM) Proceeding International Seminar of Islamic Studies eMBeJi : Manajemen dan Bisnis Jurnal Jurnal Manajemen dan Bisnis Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) International Journal of Accounting & Finance in Asia Pasific Jurnal Pengabdian Masyarakat Bangsa Jurnal Komputer dan Elektro Sains Coreid Journal JUMBA Jurnal Manajemen, Bisnis, dan Akuntansi JUAN: Jurnal Pengabdian Nusantara Al Iidara Balad : Jurnal Administrasi Negara
Rini Astuti
Jurusan Manajemen, Ekonomi dan Bisnis, Universitas Sam Ratulangi, Manado 95115, Indonesia
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 72 Documents
Search

 1   2   3   4   5 
IMPLEMENTASI AUGMENTED REALITY SEBAGAI MEDIA BELAJAR ALAT-ALAT OTOMOTIF Taukhid, Abdul; Astuti, Rini; Purnamasari, Ade Irma
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6282

Abstract

Berubahnya kehidupan manusia tidak luput dari berkembangnya teknologi dan seiring berjalannya waktu teknologi sangat berkembang pesat misalnya di perangkat lunak, teknologi mempunyai fungsi sangat penting sebagai pendukung aktivitas kehidupan manusia contohnya adalah perkembangan smartphone yang dilengkapi fitur yang sangat canggih. Media pembelajaran merupakan hal yang berpengaruh terhadap hasil belajar siswa, media pembelajaran yang ada di SMK AL-JABBAR Ciledug khususnya jurusan Teknik Kendaran Ringan masih dengan cara lama yang menyebabkan siswa sulit untuk mengerti pelajaran dan cenderung cepat bosan dikarenakan terlalu monoton, kompleks dan sering terjadi alat-alat yang hilang ataupun rusak ditiap komponen yang digunakan untuk materi belajar. Kebutuhan alat dalam bidang otomotif sangat diperlukan namum masih banyak kendala dalam kepemilikan alat karena mahalnya alat tersebut. Hal tersebut membuat gagasan untuk mengembangkan media belajar alat-alat otomotif dengan memanfaatkan teknologi Augmented Reality (AR). Metode Waterfall merupakan pendekatan SDLC paling awal yang digunakan untuk pengembangan perangkat lunak. Urutan dalam Metode Waterfall bersifat serial yang dimulai dari proses perencanaan, analisa, desain, dan implementasi pada sistem. Penelitian ini bertujuan untuk membuat sebuah media pembalajaran baru menerapkan Augmented Reality (AR) pada aplikasi pengenalan alat-alat otomotif, objek dibuat dengan 3 dimensi yang menyerupai kondisi nyata disajikan secara visual dan interaktif. Augmented Reality merupakan teknologi yang berkembang pada saat ini dimana teknologi tersebut memanfaatkan kecanggihan dari fitur yang dimiliki oleh smarphone sehingga dapat menampilkan objek dari dua dimensi menjadi 3 dimensi. Hasil dari penelitian ini adalah sebuah aplikasi pengenalan alat-alat otomotif yang dapat dimanfaatkan untuk membantu siswa untuk memahami materi yang diajarkan, mengatasi permasalahan komponen-komponen yang hilang dan rusak sebagai materi belajar, dan diharapkan siswa lebih kretif dalam media pembelajaran. Hasil ini juga sebagai evaluasi siswa dalam pembelajaran serta mendorong sekolah untuk lebih meningkatkan kualitas belajar siswa dan fasilitas.
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENGESTIMASI COMPUTATIONAL THINKING MAHASISWA DALAM PEMBELAJARAN HYBRID: STUDI KASUS STMIK IKMI CIREBON Hidayat, Rakhmat; Astuti, Rini; Irma Purnamasari, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6504

Abstract

Pembelajaran hybrid merupakan gabungan antara pembelajaran tradisional dan elektronik yang dilakukan melalui internet, seperti melalui web dan streaming video, yang dapat dipadukan dengan pembelajaran tatap muka. Dalam pembelajaran hybrid, computational thinking sangat penting sebagai metode untuk menyelesaikan masalah dengan menggunakan teknik dan algoritma yang sering digunakan dalam membuat program perangkat lunak. Namun, masih terdapat permasalahan dalam pemahaman mahasiswa tentang implementasi computational thinking dalam pembelajaran hybrid serta belum ditemukan cara yang tepat untuk mengukur nilai computational thinking di STMIK IKMI Cirebon. Oleh karena itu, penelitian ini bertujuan untuk mengetahui tingkat akurasi computational thinking mahasiswa dalam pembelajaran hybrid dengan menggunakan metode k-nearest neighbor. Data yang digunakan untuk mengestimasi nilai computational thinking mahasiswa adalah data kartu hasil studi semester 6 mahasiswa angkatan 2019 dan hasil kuesioner. Hasil penelitian menunjukkan bahwa algoritma k-nearest neighbor memiliki tingkat akurasi sebesar 97,86% dengan nilai root mean squared error sebesar 0,128. Penelitian ini memberikan informasi bahwa estimasi computational thinking dalam pembelajaran hybrid menggunakan teknik machine learning dapat memberikan hasil yang relatif rendah dalam nilai error serta tingkat akurasi yang memuaskan. Hasil penelitian ini dapat membantu pihak kampus dalam mengembangkan pembelajaran hybrid dengan menerapkan computational thinking secara lebih efektif dan optimal, serta dapat dijadikan referensi untuk penelitian selanjutnya.
IMPLEMENTASI ALGORITMA REGRESI LINEAR UNTUK MEMPREDIKSI PENDAPATAN PT PLN BERDASARKAN PENGGUNAAN PER KELOMPOK PELANGGAN Maulana, Taufan; Astuti, Rini; Muhammad Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8083

Abstract

Perusahaan Listrik Negara (PLN) merupakan perusahaan milik negara yang bertanggung jawab atas penyediaan listrik di Indonesia. Metode yang digunakan pada penelitian kali ini adalah menggunakan data mining yaitu regresi linear berganda untuk memprediksi pendapatan PT PLN. Penelitian ini data didapatkan dengan melakukan pencarian di website resmi PT PLN yaitu https://web.pln.co.id/stakeholder/laporan-statistik. data yang akan diteliti pada penelitian ini merupakan data penggunaan perkelompok pelanggan yang meliputi data jumlah pelanggan per jenis pelanggan, daya tersambung per kelompok pelanggan (MVA), energi terjual per kelompok pelanggan (GWh), pendapatan per kelompok pelanggan (juta Rp), energi terjual rata-rata per jenis pelanggan (kWh), tarif listrik rata-rata per kelompok pelanggan (Rp/kWh), dan tahun. Data tersebut terkumpul dari tahun 2014 sampai tahun 2022. Kemudian akan dilakukan analisa dan preprosesing sebelum akhirnya siap dilakukan analisa prediksi menggukan algoritma regresi linear berganda. Dari penelitian yang telah dilakukan dan setelah dilakukan pemodelan didapatkan penggunaan per kelompok pelanggan sangat mempengaruhi tingkat pendapatan PT PLN, dengan didapati akurasi dari hasil model menggunakan r_score adalah 0.9924 dari hasil pengujian matric dengan menggunakan Mean Absolute error (MAE) didapatkan 583656.0650, Mean Squared Error (MSE) didapatkan 894668323229.3309, dan Root Mean Squared Error (RMSE) didapatkan 945869.0835. Dengan demikian pemodelan tersebut dikatakan efektif untuk melakukan prediksi menggunakan algoritma regresi linear berganda.
ALGORITMA NAÏVE BAYES UNTUK MELAKUKAN ANALISA SENTIMEN TERHADAP APLIKASI AXISNET DI GOOGLE PLAY Saropah, Siti; Astuti, Rini; M. Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8176

Abstract

Teknologi yang semakin berkembang pesat membuat penyedia layanan internet seperti AXIS menyediakan aplikasi bernama AXISnet yang menjanjikan kemudahan bagi para konsumennya untuk melakukan transaksi pembelian pulsa, kuota internet, dan layanan lainnya. Tentu saja, pelanggan AXIS akan merasakan kemudahan dalam bertransaksi dengan menggunakan aplikasi layanan resmi AXIS tersebut. Ulasan pengguna memiliki peran yang signifikan dalam mengarahkan upaya pengembangan untuk meningkatkan performa aplikasi. Melakukan analisis sentimen terhadap sebuah aplikasi merupakan salah satu teknik untuk menilai keberhasilannya. AXISnet merupakan salah satu aplikasi dengan tingkat penggunaan dan jumlah unduhan yang tinggi di google play. Dengan begitu, terdapat banyak ulasan yang tidak terorganisir di Google Play dan menghasilkan jumlah data sentimen yang sangat besar dan rumit. Namun demikian, memproses data ulasan dalam jumlah yang sangat besar secara manual akan menjadi sebuah tantangan. Dengan menggunakan teknik web scraping untuk mengambil data, penelitian ini bermaksud untuk meneliti sentimen pengguna aplikasi AXISnet di Google Play. Data yang telah terkumpul dari bulan bulan Mei hingga Agustus 2023 akan digunakan sebagai sumber data. Data yang digunakan adalah 1000 ulasan aplikasi AXISnet, dengan 122 sentimen positif dan 878 negatif. Hasil klasifikasi sentimen menggunakan algoritma Naive Bayes dengan menggunakan split data 9:1, didapatkan hasil accuracy 96.24% precision 99.88% dan recall sebesar 92.60%.
PENERAPAN ALGORITMA K-MEDOIDS DALAM MENENTUKAN CLUSTER KABUPATEN DAN KOTA BERDASARKAN POPULASI PETERNAKAN DI PROVINSI JAWA BARAT Khoirunisa, Irma; Astuti, Rini; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8202

Abstract

Peternakan di Indonesia merupakan salah satu sektor yang memberikan kontribusi cukup besar bagi perekonomian Indonesia. Peternakan berperan sebagai sektor utama dalam upaya pemenuhan kebutuhan dan menjaga ketersediaan pangan hewani untuk masyarakat di Indonesia. Upaya yang dapat dilakukan untuk meningkatkan dan mempertahankan produktivitas sektor peternakan antara lain dengan mengelompokkan wilayah berdasarkan karakteristiknya. Tujuan dari pengelompokan ini adalah agar informasi jenis ternak yang tersebar di setiap wilayah Jawa Barat menjadi lebih efisien dan spesifik. Salah satu cara untuk mengelompokkannya dapat ditemukan dengan menggunakan analisis cluster. Analisis cluster adalah teknik analisis statistik multivariat yang mengklasifikasikan objek ke dalam kelompok berdasarkan propertinya. Tujuan penulisan laporan ini adalah untuk mengkaji hasil cluster yang dibentuk dengan menggunakan algoritma K-Medoids. Algoritma ini merupakan metode yang kuat dalam mengelompokan wilayah-wilayah berdasarkan karakteristik peternakan yang berbeda untuk cluster kabupaten/kota di Provinsi Jawa Barat Tahun 2022. Dari hasil analisis cluster menggunakan K-Medoids pada tahun 2022 diperoleh 24 kabupaten/kota pada cluster 1, 2 kabupaten pada cluster 2 dan 1 kabupaten pada cluster 3. Hasil dari analisis cluster ini dapat memberikan wawasan yang berharga bagi pengambil keputusan dalam perencanaan dan pengembangan sektor peternakan. Dengan demikian, upaya-upaya yang dibutuhkan untuk meningkatkan produktivitas peternakan di Provinsi Jawa Barat dapat lebih terarah dan efektif.
ANALISIS SENTIMEN PEMAKAIAN SISTEM ABSENSI BERBASIS WEB UNTUK PEGAWAI ASN DI KABUPATEN CIREBON MENGGUNAKAN METODE ALGORITMA NAÏVE BAYES Arofah, Siti; Astuti, Rini; M Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.8240

Abstract

Di era digital, pentingnya sistem yang tepat waktu, efektif, serta menjaga keamanan data sensitif dan privasi karyawan sangat ditekankan. latar belakang permasalahan penelitian ini terletak pada kebutuhan untuk mengevaluasi efektivitas penggunaan sistem absensi online di lingkungan ASN Kabupaten Cirebon.Penelitian ini memiliki tujuan untuk mengevaluasi penggunaan sistem absensi online bagi pegawai Aparatur Sipil Negara (ASN) di Kabupaten Cirebon dengan menerapkan metode Algoritma Naive Bayes. Data dikumpulkan melalui kuesioner yang menilai ulasan positif dan negatif dari pengguna sistem tersebut. Dari 500 data mentah, 324 data berhasil diolah menggunakan RapidMiner. Analisis sentimen digunakan untuk mengevaluasi kinerja model dan respon dari karyawan terhadap sistem tersebut. Hasil penelitian menunjukkan tingkat akurasi sebesar 92,55% pada data pelatihan, menunjukkan kemampuan model dalam mengklasifikasikan emosi dengan tingkat akurasi yang tinggi. Ulasan positif juga menunjukkan tingkat akurasi yang sama, dengan akurasi kelas positif mencapai 98,13% dan kelas negatif mencapai 81,65%, mengindikasikan keakuratan model dalam memprediksi kedua kelas tersebut. Meskipun demikian, terdapat kesalahan pada 20 data yang seharusnya tergolong negatif namun diprediksi positif. Penelitian ini memberikan pemahaman mengenai pandangan pegawai ASN terhadap sistem absensi online, serta memberikan implikasi untuk pengembangan dan perbaikan sistem di masa depan.
OPTIMALISASI JUMLAH CLUSTER DATA SEKOLAH DASAR (SD) MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Maryam, Siti; Astuti, Rini; M. Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8246

Abstract

Ketersediaan fasilitas belajar dan distribusi tenaga pendidik yang merata di setiap sekolah berperan penting dalam menjamin penyelenggaraan pendidikan yang berkualitas. Penelitian ini bertujuan untuk mengelompokkan Sekolah Dasar (SD) di Kabupaten Ciamis berdasarkan kesamaan karakteristik menggunakan K-Means Clustering. Saat ini data SD belum dikelompokkan sehingga perencanaan peningkatan mutu pendidikan belum maksimal. Oleh karena itu dibutuhkan klasterisasi agar pemahaman mengenai pola dan kesamaan karakteristik antar SD lebih mendalam. Metode yang digunakan adalah klasterisasi dengan Algoritma K-Means Clustering, menggunakan tools RapidMiner. Parameter yang digunakan meliputi Davies Bouldin Index (DBI), Measure Types Numerical Measures jenis Euclidean Distance dan Manhattan Distance, serta melakukan iterasi menggunakan parameter Max Optimization dimulai dari 1 hingga 20 kali. Penentuan cluster dimulai dari K= 2 hingga K= 10 untuk mendapatkan hasil cluster optimal berdasarkan nilai DBI terendah mendekati 0. Dari hasil analisis diketahui bahwa cluster optimal berada pada K= 10 dengan nilai DBI 0.450 menggunakan parameter Measure Types Numerical Measures jenis Manhattan Distance dan proses iterasi berhenti pada iterasi ke 10, karena pada iterasi tersebut nilai centroid dan keanggotaan pada setiap cluster sudah stabil. Hasil dari penelitian ini akan memberikan pemahaman yang lebih mendalam mengenai sekolah-sekolah dengan karakteristik yang serupa.
PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) PADA ULASAN PENGUNJUNG WISATA KABUPATEN KUNINGAN Silviana, Selvi; Astuti, Rini; Muhamad Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8257

Abstract

Seiring berkembangnya industri pariwisata di Kabupaten Kuningan, semakin banyak pula pengguna Google Maps yang membagikan ulasan dan opininya tentang berbagai tempat wisata terutama ulasan negatif dari pengunjung dapat memengaruhi citra destinasi pariwisata dan kunjungan wisatawan di masa depan.Permasalahan ini penting karena ulasan negatif dapat berdampak besar pada industri pariwisata.Tujuan dari penelitian ini adalah melakukan analisis sentimen review pengguna google maps terhadap pariwisata di Kabupaten Kuningan.Data diperoleh dari ulasan tempat wisata yang ada di google maps dan telah mendapat persetujuan dari Dinas Pemuda Olahraga dan Pariwisata (DISPORAPAR) kabupaten Kuningan, Jawa Barat. Jumlah ulasan sebanyak 1042 ulasan teks yang diperoleh melalui teknik web scrapping menggunakan website apify dengan atribut rating, teks ulasan dan nama pengunjung yang kemudian diberi label positif dan negatif. Metode yang digunakan adalah support vector machine (SVM untuk mengklasifikasikan ulasan pengunjung wisata kabupaten kuningan.pemodelan menggunakan algoritma Support Vector Machine (SVM) dengan tools yaitu rapidminer yang kemudian dilakukan perhitungan tingkat akurasi, presisi dan recall dari data ulasan tersebut.Hasil klasifikasi sentimen dengan nilai number of fold=10 di dapatkan akurasi sebesar 90.72% dengan class recall sebesar 90.22% dan class precission sebesar 91.14% menunjukkan pemodelan sudah cukup baik dalam menganalisis sentimen ulasan pengunjung wisata kabupaten Kuningan.
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK DIAGNOSIS PENYAKIT KULIT SCABIES PADA HEWAN Marwah, Siti; Astuti, Rini; M. Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8276

Abstract

Scabies adalah penyakit kulit pada hewan. Seringkali pemilik hewan mengobati hewan peliharaan yang terkena scabies dengan sembarangan, seperti obat semprot dan salep. Namun obat tersebut banyak yang menyebabkan keracunan pada hewan. Penelitian ini bertujuan untuk menerapkan Data Mining menggunakan algoritma Naïve Bayes dalam mendiagnosis penyakit kulit scabies pada hewan dan mengukur kinerja model berdasarkan 1.208 hewan peliharaan kucing dan kelinci yang didapatkan langsung dari Praktik Dokter Hewan drh. Nur Azizah dan drh. Budiono. Naïve Bayes adalah metode klasifikasi yang seringkali digunakan untuk prediksi atau diagnosis penyakit dengan hasil accuracy yang tinggi. Data mencakup 11 atribut, yaitu nama hewan, jenis hewan, jenis kelamin, bulu rontok, telinga keropeng, nafsu makan menurun, gatal-gatal, infeksi sekunder, imunitas menurun, dan hasil. Hasil analisis menunjukkan bahwa model klasifikasi Naïve Bayes mencapai tingkat accuracy sebesar 97,20%, precision sebesar 88,00%, dan recall sebesar 93,62% dalam mendiagnosis penyakit kulit scabies. Keberhasilan ini membuktikan bahwa algoritma Naïve Bayes dapat menjadi alat yang efektif dalam deteksi dini penyakit kulit pada hewan peliharaan kucing dan kelinci, dengan kemampuan untuk mengidentifikasi pola-pola yang berkaitan dengan kasus scabies. Selain itu, variabel yang paling berpengaruh dalam diagnosis meliputi tingkat keparahan gejala telinga keropeng yang bisa menyebabkan kematian pada hewan peliharaan.
PENERAPAN ALGORITMA NAÏVE BAYES UNTUK MENENTUKAN KELAYAKAN PENERIMA BANTUAN SOSIAL DI DESA GOLAT Hadianti, Isan; Astuti, Rini; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8284

Abstract

Program bantuan sosial merupakan inisiatif dari pemerintah yang bertujuan untuk membantu keluarga yang mengalami kesulitan ekonomi terutama dalam aspek pemenuhan kebutuhan pangan. Oleh karena itu, salah satu aspek yang penting dalam upaya mengatasi kemiskinan adalah memiliki data yang akurat dan data yang sesuai sasaran. Tujuan utama dari penelitian ini adalah untuk mendukung wilayah Desa Golat dalam menentukan apakah masyarakat miskin ini telah memenuhi syarat atau tidak untuk menerima bantuan sosial dengan menggunakan teknik Data Mining dan menggunakan algoritma Naïve Bayes. Data dikumpulkan berdasarkan 11 kriteria yang meliputi Jenis Lantai, Jenis Dinding, Fasilitas WC, Sumber Penerangan, Sumber Air Minum, Bahan Bakar, Jumlah Penghasilan, Pendidikan Terakhir, Kondisi Rumah, Status Kepemilikan Rumah dan Jumlah Tanggungan sebagai faktor-faktor penentu kelayakan penerima bantuan sosial. Penelitian ini juga dilakukan dengan menggunakan konsep data mining yaitu algoritma Naïve Bayes dengan tujuan untuk mengenali kelayakan penerima bantuan sosial secara objektif dan secara presisi. Sehingga, dalam alokasi bantuan tersebut dapat dilakukan dengan akurat dan sesuai target yang telah ditentukan. Hasil dari penelitian ini menunjukkan bahwa data yang digunakan terdiri dari 102 data testing dan 408 data training yang berpengaruh pada hasil evaluasi sistem. Hasil evaluasi menunjukkan nilai akurasi 79,41%, presisi 57,43% dan recall 73,44%. Hal ini mengindikasikan hasil yang cukup tinggi dari sistem yang dibangun.
Co-Authors ', Abdullah Absharina, Eriene Dheanda Agusbaciar, Agusbaciar Agustinus Soemantri Al Lutfani, Thariq Kemal Aldiyansah, Ryan Ambariyanto Ambariyanto Ana, Kiki Kristiya Anggaradinar, Lintang Ayu Anugrahini, Fitria Apriliansyah, Rizal Dwi Rizki Arsha, Shaka Abiyyu Awang Noor Indra Wardana Baihaqi, Ahmad Basysyar, Fadhil Muhammad DAIPAH, IIP IMRON Dalimunthe, Ritha F. Ernani Hadiyati Erpian, Soni Fadhil M Basysyar,M,Kom Fadhilah, Siti Umi Fardani, Tika Sindi Farikah, Siti Farisi, Salman Farkhatul Jannah, Siti Fuadi, Rifqi Syamsul Ginting, Dahlia Gunawan, Sepriyan Habibi, Muhammad Ilham Hadianti, Isan Haikal, Harisman Hamonangan, Ryan Hartanto Hasnida Hasrudy Tanjung, Hasrudy Hellmy Heni Hendriyani Henriani, Suswati Hidayatullah, Gusti Muhammad Husen Adlun, Muhammad Inong Satriadi Irma Purnamasari, Ade irwadi Islam, Saiful Iswari Setianingsih Jamal Janah, Buri Dyah Ayu Ma’rifatul Jefri Khaeru, Abdullah Khoirunisa, Irma Khoirunnisa, Hasna Kusuma Arum, Sintia Kutut Suryopratomo Leviandro, Andrew Liza, Nova Loni Manikari, Salsa Lutfiani, Saufa M. Basysyar, Fadhil Maria Erna Kustyawati Martaleni - Marwah, Siti Maulana, Taufan Maulana, Tedy Maystaladika, Maystaladika Moedrik Tamam Muflihah Isnawati Muhamad Basysyar, Fadhil MUHAMMAD ALI Muhammad Arif Muhammad Basysyar, Fadhil Muhammad Fazis Murti, Yeni Dwi Ningsih, Supiah Nur Rismanah, Siti Nurdiana, Nanik Eka Nurfitria, Tita Nurohanisah, Siti Nuryatman, Pamelia Pratama, Nugraha Prihartono, Willy Purnamasari, Ade Irma Putri, Linzzy Pratami Putri, Salma Salsabilla Daega Rakhmat Hidayat, Rakhmat Ramadhan, M. Syahri Ramdhana, Farhan Rizki, Muhammad Fajar Rochim, Sindy Aulia Rohmah, Yushinta Lailatul Rokhmanila, Siti Salman Alfarisi Salsabila, Salsabila Saropah, Siti Sembiring, Rinawati Septiani Gumilar, Tia Setiawan, Dhanny Shara Merry Palupi Silviana, Selvi Sisnawati, Sisnawati Siti Arofah SITI MARYAM Siti Nurhaliza Slamet Pujiono Stedila, Stedila Suarna, Nana Sugiarto S Suharyo Hadisaputro Suiroh, Suiroh Sukma, Asma Asmara Suryono, Abi Sutaryo Sutaryo Sutrisno, Ferry Suyono Suyono Syamsu, Gatot Rizky Al Aufar Tati Suprapti Taufik Hidayat Taukhid, Abdul Tiara Alifa, Talitha Tjahjadi, Djajasukma Tonang Dwi Ardyanto Triono, Dito Mei Triyana, Muji Bagus Wardhani, Alya Hikmah Widia Pebrianti, Sri Widodo, Wildan Wulandari, Sepia Yudhistira Arie Wijaya Yudhistyra, Ekabrata YUDI SISWADI Yusnandar, Willy Zurhidayati, Zurhidayati