Article Per Year (5 Year)
p-Index From 2021 - 2026
0.778
P-Index
This Author published in this journals
All Journal ENGINEERING MULTIPLE: Journal of Global and Multidisciplinary Jurnal Intelek Insan Cendikia Engineering Jurnal bidang Teknik
Ria indah fitria
Unknown Affiliation
Religion Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
KOMPARASI ALGORITMA LOGISTIC REGRESSION DAN NAIVE BAYES UNTUK MENYELEKSI MELAMAR PEKERJAAN PERUSAHAAN BESAR BAGI ALUMNI SMK Ria indah fitria; Nur Tulus Ujianto
Engineering : Jurnal Bidang Teknik Vol 12 No 2 (2021): Oktober
Publisher : Universitas Pancasakti Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24905/eng.v12i2.1933

Abstract

Vocational High School is one of the levels of secondary education with specialization preparing graduates to be ready to work. Vocational education has varied meanings but can be seen as a red thread. There are a lot of alumni from Vocational Schools who after they graduate want jobs in large companies so they can get a fairly large salary. Large companies have several criteria in finding employees. Not all large companies can accept alumni fromSMK so easily. Large companies have several requirements in selecting or selecting employees, eg 1) have good grades in subjects, 2) skills in engineering, 3) skills in communication, and 4) in attitude must have good atitude. Therefore the Vocational School students are trained to be ready to work with good skills and good atitude. In this study, the proposed method used is the Naive Bayes Aggression and logistic regression.
Komparasi Algoritma Logistic Regression Dan Naive Bayes Untuk Menyeleksi Melamar Pekerjaan Perusahaan Besar Bagi Alumni Smk Ria Indah Fitria
JURNAL ENGINEERING Vol. 12 No. 2 (2021): Oktober 2021
Publisher : Universitas Pancasakti Tegal

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

Abstract

Sekolah Menengah Kejuruan adalah salah satu jenjang pendidikan menengah dengankekhususanmempersiapkan lulusannya untuk siap bekerja. Pendidikan kejuruanmempunyai arti yang bervariasi namun dapat dilihat suatu benang merahnya. Banyak sekalialumni dari SMK yang setelah mereka lulus menginginkan pekerjaan di perusahaan besaragar dapat memperoleh gaji yang lumayan besar. Perusahaan besar memiliki beberapakriteria dalam mencari karyawannya. Tidak semua perusahaan besar dapat menerimaalumni dari SMK dengan begitu mudah. Perusahaan besar memiliki beberapa Persyaratandalam memilih atau menyeleksi karyawannya, misaya 1) memiliki nilai yang bagus dalammata pelajaran, 2) keterampilan dalam teknik, 3) keterampilan dalam berkomunikasi, dann4) dalam bersikap harus memiliki atitude yang baik. Maka dari itu siswa – siswi SMK dilatihuntuk siap kerja dengan dibekali skill yang bagus dan atitude yang baik. Dalam penelitianini diusulkan metode yang digunakan adalah Agoritma Naive Bayes dan regresi logistic .
Analisis Sistem Entry Data Blt Pada Website E-Filling Cbp (Cadangan Beras Pemerintah) Di Kantor Pos Tegal Moch Fachrul Rozy; Ria Indah Fitria
urn:multiple://2988-7828multiple.v3i64
Publisher : Institute of Educational, Research, and Community Service

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

Abstract

Sistem entri data berbasis web kini menjadi kebutuhan dasar dalam mendukung operasional yang efisien dan jangkauan layanan yang luas. PT Pos Indonesia merupakan salah satu perusahaan yang telah menerapkan sistem ini untuk meningkatkan kualitas layanan pengiriman surat, paket, serta layanan keuangan. Di era digital, sistem entry data berbasis web memungkinkan pengelolaan data secara terpusat dan real-time, baik dari lokasi lokal maupun jarak jauh. Salah satu implementasi spesifiknya adalah platform E-Filling CBP (Cadangan Beras Pemerintah), yang dirancang untuk memudahkan proses entri, penyimpanan, dan pengelolaan data terkait cadangan beras pemerintah secara digital. Sistem ini memperkuat peran kantor pos dalam mendukung layanan publik berbasis teknologi informasi.
Implementasi K-Means untuk Mengelompokkan Mahasiswa Berdasarkan Risiko Dropout dan Prestasi Akademik Erza Rifa Nihayah; Hasbi Firmansyah; Wahyu Asriyani; Ria Indah Fitria
Jurnal Intelek Insan Cendikia Vol. 2 No. 12 (2025): Desember 2025
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Penelitian ini bertujuan untuk mengidentifikasi profil risiko akademik mahasiswa guna mencegah tingkat dropout melalui pendekatan Educational Data Mining (EDM). Masalah utama yang dihadapi institusi pendidikan adalah sulitnya memetakan mahasiswa yang membutuhkan intervensi segera di tengah besarnya volume data akademik. Metode yang digunakan dalam penelitian ini adalah algoritma K-Means Clustering dengan kerangka kerja Knowledge Discovery in Databases (KDD). Dataset terdiri dari 4.424 observasi mahasiswa dengan atribut utama meliputi Rata-rata Nilai, Unit Gagal, dan Status Debitur. Optimasi jumlah klaster dilakukan menggunakan metode Elbow dan metrik Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa K=3 merupakan jumlah klaster paling optimal secara semantik untuk kebijakan institusi dengan nilai DBI -0,962. Klaster 1 (40,0%) dikategorikan sebagai Risiko Rendah (mahasiswa berprestasi), Klaster 2 (35,0%) sebagai Risiko Sedang (kelompok borderline), dan Klaster 3 (25,0%) sebagai Risiko Tinggi (potensi dropout). Temuan signifikan menunjukkan adanya korelasi kuat antara kendala finansial (status debitur tinggi) dengan kegagalan akademik pada Klaster 3. Hasil ini berimplikasi pada perlunya kebijakan Sistem Peringatan Dini (Early Warning System) yang mengintegrasikan bantuan finansial dan remedi akademik secara simultan
Analisis Kinerja Algoritma K-Nearest Neighbor dengan Variasi Validasi Untuk Prediksi Diabetes Mellitus Amelia Laura Ardianti; Hasbi Firmansyah; Wahyu Asriyani; Ria Indah Fitria
Jurnal Intelek Insan Cendikia Vol. 2 No. 12 (2025): Desember 2025
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Diabetes Mellitus ialah penyakit tidak menular dengan tingkat prevalensi yang terus meningkat, sehingga diperlukan metode prediksi yang akurat untuk mendukung upaya deteksi dini. Studi ini bertujuan menganalisis kinerja algoritma K-Nearest Neighbor (KNN) dalam mengklasifikasikan status diabetes menggunakan dataset PIMA Indian Diabetes. Evaluasi model dilaksanakan dengan variasi nilai k, yaitu k = 3, 5, 7, 9, dan 11, serta dua teknik validasi, yaitu split data dengan proporsi 70% data latih serta 30% data uji serta 10-fold cross validation. Seluruh proses pemodelan dilakukan menggunakan RapidMiner Studio dengan penerapan normalisasi Min–Max. Kinerja model dievaluasi berlandaskan metrik akurasi, precision, recall, serta confusion matrix. Temuan studi mengindikasikan bahwasanya teknik 10-fold cross validation menghasilkan performa yang lebih stabil dan representatif dibandingkan teknik split data, dengan nilai akurasi tertinggi sebesar 73,84% pada k = 9 serta simpangan baku yang relatif kecil. Variasi nilai k terbukti memengaruhi kinerja algoritma KNN, di mana nilai k pada rentang menengah memberikan keseimbangan terbaik antara akurasi dan kemampuan deteksi kelas diabetes. Meskipun demikian, nilai recall pada kelas positif masih menunjukkan adanya potensi kesalahan false negative, sehingga model KNN dalam penelitian ini lebih tepat digunakan sebagai sistem pendukung keputusan untuk skrining awal Diabetes Mellitus.
Co-Authors Amelia Laura Ardianti Asriyani, Wahyu Erza Rifa Nihayah Hasbi Firmansyah Moch Fachrul Rozy Nur Tulus Ujianto