Claim Missing Document
Check
Articles

Found 3 Documents
Search

Algoritma Naive Bayes untuk Mengklasifikasikan Kepribadian Siswa SMP Berdasarkan Tipologi Hippocrates-Galenus Meilana Meilana; Yuli Astuti; Irma Rofni Wulandari; Istri Sulistyowati; Brigida Arie Mimartiningtyas
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (912.343 KB) | DOI: 10.32520/stmsi.v10i2.1339

Abstract

AbstrakPerkembangan teknologi informasi berbasis komputer rentan memberikan dampak yang negatif terhadap siswa di usia remaja, secara khusus pada jenjang SMP yaitu usia 12 hingga 15 tahun. Usia tersebut merupakan masa peralihan usia anak-anak menuju remaja. Guru bimbingan konseling (BK)  menjadi wadah untuk membenahi serta mendidik para siswa yang mempunyai permasalahan dari segi psikologi, karakteristik, ataupun hal pendukung lainnya. Namun pada prakteknya saat kegiatan konseling siswa akan merasa malu mengungkapakan permasalahan yang dihadapi dan cenderung menutupinya sehingga BK butuh banyak waktu untuk mengetahui permasalahan dan karakter siswa.   Oleh karena itu diperlukan sistem untuk mengetahui karakteristik yang dimiliki oleh siswa, dengan tujuan agar BK dapat berkomunikasi dengan baik terhadap siswa yang memiliki permasalahan dan bisa mengetahui karakternya sehingga akan mempermudah dalam penanganannya. Penerapan algoritma Naïve Bayes Classifier pada penelitian ini ditujukan untuk mengklasifikasikan data berdasarkan  karakteristik yang sudah di tentukan sebelumnya, yakni sanguin, koleris, melankolis, plegmatis. Metode ini digunakan untuk mentukan kelas tertinggi yang akan ditujukan pada karakteristik kepribadian tersebut. Atribut yang diperlukan pada penelitian ini adalah nama siswa, usia, jenis kelamin, asal sekolah serta jawaban soal test A, B, C, dan D. Pengujian terhadap sistem dilakukan sebanyak 6 kali pengujian, dimana pengujian pertama mendapatkan nilai akurasi sebesar 68,57%, pengujian kedua sebesar 74%, pengujian ketiga sebesar 77,78%, pengujian keempat sebesar 81,18%, pengujian kelima sebesar 85,88% serta pengujian keenam sebesar 83,53%. Nilai akurasi tertinggi dihasilkan dari pengujian kelima sebesar 85,88% pengujian tersebut menggunakan Confusion Matrix, dalam hal ini Algoritma Naïve Bayes Classifier mampu mengklasifikasikan dengan baik dan memperoleh hasil akurasi yang cukup tinggi. Kata kunci :  Data Mining, Klasifikasi, Naïve Bayes Classifier, Karakteristik Kepribadian  AbstractThe development of computer-based information technology is prone to hurt teenage students, especially at the junior high school level, namely 12 to 15 years of age. This age is a period of transition from the ages of children to adolescents. The counseling guidance teacher (BK) becomes a place to fix and educate students who have psychological problems or other supporting matters. However, in practice, during counseling activities, students will reveal problems that arise and tend to cover them up so that counseling takes a lot of time to find out the problems and character of students. Therefore we need a system to see the contents of the students, with the aim that BK can communicate well with students who have problems and can see their character so that it will make it easier to handle. The application of the Naïve Bayes Classifier algorithm in this study is to classify data based on what has been predetermined, namely sanguine, choleric, melancholy, phlegmatic. This method is used to determine the highest class that will be aimed at that personality. The attributes required in this study are the name of the student, age, gender, school origin, and answers to test questions A, B, C, and D. Testing of the system was carried out 6 times, where the first test got an accuracy value of 68.57%. , the second test was 74%, the third test was 77.78%, the fourth test was 81.18%, the fifth test was 85.88% and the sixth test was 83.53%. The highest value generated from this test is 85.88%. The test uses the Confusion Matrix, in this case, the Naïve Bayes Classifier Algorithm can classify well and get high enough results. Keywords : Data Mining, Classification, Naïve Bayes Classifier, Characteristics Personality.
Pembuatan Dan Pelatihan Aplikasi Manajemen Proyek Berbasis Android Pada CV. Global Mitra Perkasa Nuraini Nuraini; Ninik Tri Hartanti; Angga Arindra Shonta; Irma Rofni Wulandari; Banu Santoso; Rosyidah Jayanti Vijaya
Jurnal Pelayanan dan Pengabdian Masyarakat Indonesia Vol. 2 No. 1 (2023): Maret : Jurnal Pelayanan dan Pengabdian Masyarakat Indonesia
Publisher : Sekolah Tinggi Ilmu Administrasi Yappi Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jppmi.v2i1.416

Abstract

Pemanfaatan teknologi bagi CV. Global Mitra Perkasa dengan menggunakan WhatsApp sebagai media koordinasi proyek, tidak sesuai untuk manajemen proyek yang terstruktur. Untuk mengatasi masalah yang ada pada mitra, maka pada pengabdian ini akan dibangun sebuah aplikasi manajemen proyek dengan mengimplementasikan Application Programming Interface (API) yang terintegrasi dengan aplikasi mobile berbasis Android untuk memudahkan manajemen dan dokumentasi proyek secara terstruktur dalam satu sistem internal perusahaan. Metode pengabdian ini dimulai dari analisa masalah kemudian dicari penentuan solusinya, dilanjutkan dengan pembuatan aplikasi dan testing aplikasi, jika sudah tidak ditemukan bug kemudian dilanjutkan testing menggunakan data pekerjaan proyek sekaligus evaluasi dan tahap terakhir adalah implementasi. Hasil kegiatan menunjukkan administrasi dan koordinasi lebih terstruktur, dan efisien dalam pelaksanaan proyek. Hal ini berdampak pada meningkatnya efektivitas dan efisiensi dalam manajemen proyek, mengurangi risiko kehilangan data, serta mempercepat proses dokumentasi progres proyek. Saran penelitian selanjutnya adalah menambah fitur edit untuk memungkinkan admin melakukan perubahan pada data proyek, serta menambah fitur pemantauan progres proyek secara real-time dan integrasi dengan alat manajemen proyek lainnya.
Jumlah Cluster Optimal dalam Pengelompokan Siswa SMK dengan Metode Elbow K-Means Clustering Hartanti, Ninik Tri; Erni Seniwati; Rina Pramitasari; Irma Rofni Wulandari
JAIS - Journal of Accounting Information System Vol. 4 No. 2 (2024): Desember
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jais.v4i2.7531

Abstract

Jenjang pendidikan di Indonesia setelah sekolah lanjutan pertama adalah Sekolah Menengah Tingkat Atas (SMA) atau yang sederajat yatu sekolah kejuruan SMK. Perkembangan teknologi telah memberikan berbagai kemudahan, termasuk dalam bidang pendidikan. Salah satu bentuk inovasi teknologi dalam pendidikan adalah penerapan data mining, khususnya educational data mining. Penerapan educational data mining dengan metode K-Means untuk mengelompokkan data siswa SMK di kabupaten Magelang, merupakan inti dari penelitian ini. Adapun data yang diterapkan merujuk pada data publik https://dapo.kemendikbud.go.id Berdasarkan data tersebut, Metode Elbow diterapkan untuk mengidentifikasi jumlah cluster yang paling sesuai. Jumlah cluster ini kemudian menjadi dasar penghitungan menggunakan algoritma K-Means. Hasil analisis menunjukkan tiga kelompok: Cluster 1, yang meliputi siswa dengan minat rendah untuk melanjutkan ke SMK, terdapat di Kecamatan Muntilan dan Mertoyudan; Cluster 2, terdiri dari siswa dengan kecenderungan minat cukup dalam memilih lanjut studi ke SMK, tersebar di 10 kecamatan, yaitu Salaman, Tegalrejo, Secang, Salam, Borobudur, Tempuran, Windusari, Kaliangkrik, Kajoran dan Ngablak, serta Cluster 3 mencakup siswa dengan kecenderungan minat tertinggi untuk lanjut studi ke SMK, terdiri dari 9 kecamatan, yaitu Mungkid, Grabak, Bandongan, Sawangan, Pakis, Candimulyo, Dukun, Srumbung, dan Ngluwar. Penelitian ini sangat penting dalam mendukung kinerja pemerintah daerah Kabupaten Magelang dalam sistem pemantauan distribusi jumlah siswa Sekolah Menengah Kejuruan di setiap kecamatan. Dengan demikian, akan lebih mudah untuk mendeteksi kecamatan mana yang memiliki jumlah siswa yang kurang atau bahkan terlalu banyak. Aspek ini penting untuk diperhatikan karena berkaitan langsung dengan ketersediaan sarana prasarana dan tenaga pengajar di sekolah-sekolah menengah tersebut.