Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal Jurnal IPTEK-KOM (Jurnal Ilmu Pengetahuan dan Teknologi Komunikasi) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Ilmiah FIFO JSiI (Jurnal Sistem Informasi) IJISCS (International Journal Of Information System and Computer Science) Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Manajemen Bisnis IJISCS (International Journal of Information System and Computer Science)
Tazkiyah Herdi
Universitas Mercu Buana
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Social Sciences

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Ilmiah FIFO

 1 
Analisa Sistem Informasi Tugas Akhir Dengan Pendekatan Soft Systems Methodology Bayu Waseso; Suhaeri Suhaeri; Tazkiyah Herdi
Jurnal Ilmiah FIFO Vol 13, No 2 (2021)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2021.v13i2.004

Abstract

Persyaratan untuk menyelesaikan pendidikan di perguruan tinggi oleh seorang mahasiswa adalah menyelesaikan tugas akhir. Dimana pada tugas akhir tersebut mahasiswa melakukan kegiatan penelitian. Laporan tugas akhir pada Sekolah Tinggi ABC memiliki beberapa tahapan yang wajib diikuti, mulai dari pengajunan Idea Concept Paper (ICP), proses bimbingan, pengajuam propoal, dan penyelesain tugas akhir. Meningkatnya jumlah mahasiswa pada setiap tahunnya mengakibatkan naiknya beban kerja admin dalam mengelola administrator dalam pengelolaan tugas akhir. Unit Jurusan aalah unit yang bertugas untuk mengelola administrasi tugas akhir. Kondisi inilah yang menginspirasi untuk memberikan suatu solusi dengan membuat suatu sistem informasi tugas akhir (SITA). Di dalam SITA ini semua pihak yang terkait dengan pengelolaan tugas akhir akan terlibat mulai dari mahasiswanya itu sendiri, dosen, petugas administrator serta eksekutif. Tahapan analisa pada penelitian ini akan menggunakan soft systems methodology (SSM). SSM merupakan proses penyelidikan yang berbasis pada aksi ke dalam situasi bermasalah di dunia nyata, dimana pengguna akan belajar cara mencari tahu tentant situasi untuk mendefinisikan atau mengambil tindakan untuk memperbaikinya. Hasil analisa yang di dapat akan diterjemahkan menjadi desain yang nyata dengan menggunakan use case UMLTRANSLATE with x EnglishArabicHebrewPolishBulgarianHindiPortugueseCatalanHmong DawRomanianChinese SimplifiedHungarianRussianChinese TraditionalIndonesianSlovakCzechItalianSlovenianDanishJapaneseSpanishDutchKlingonSwedishEnglishKoreanThaiEstonianLatvianTurkishFinnishLithuanianUkrainianFrenchMalayUrduGermanMalteseVietnameseGreekNorwegianWelshHaitian CreolePersian //  TRANSLATE with COPY THE URL BELOW Back EMBED THE SNIPPET BELOW IN YOUR SITE Enable collaborative features and customize widget: Bing Webmaster PortalBack//
Penerapan Algoritma Decision Tree Untuk Klasifikasi KIPI Vaksin Covid-19 Fajar Athallah Yusuf; Maulana Alfaridzi; Tazkiyah Herdi
Jurnal Ilmiah FIFO Vol 14, No 2 (2022)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2022.v14i2.005

Abstract

Pandemi COVID-19 merupakan wabah yang terjadi di seluruh dunia, terutama Indonesia. Pandemi COVID-19 telah melumpuhkan berbagai bidang di sektor publik dan banyak penduduk terkena Sars-Cov-2 yang menyebabkan kematian bagi masyarakat dan tenaga kesehatan. dalam melaksanakan Program Vaksinasi Coronavirus di Indonesia. Banyak masyarakat yang khawatir terhadap Vaksinasi Coronavirus dikarenakan hoax terhadap Vaksinasi Coronavirus dan ketakutan dengan dampak KIPI. Penulis melakukan penelitian dengan menggunakan metode Decision Tree untuk melakukan klasifikasi KIPI Vaksin COVID-19 menggunakan data Vaksin COVID-19 siswa/siswi salah satu SMP Kota Bekasi. Berdasarkan hasil penelitian yang didapatkan, penelitian menghasilkan model Decision Tree dari 4 atribut yang didapatkan lalu dikategorikan dengan 2 variabel yang berbeda yakni variabel target dan variabel prediksi. Penelitian menghasilkan model Decision Tree lalu melakukan perbandingan dengan algoritma naive bayes dengan masing-masing keakuratan sebesar 89,5349% dan 88.3721 %. Hasil ini menunjukan algoritma Decision Tree memiliki keakuratan lebih tinggi dibandingkan dengan algoritma Naïve Bayes sehingga algoritma Decision Tree  merupakan teknik yang tepat dalam hal pengklasifikasian.  
Co-Authors Aditya Pratama Ardiansyah Dores Bayu Waseso Chusnul Khairu Awaluddin Fajar Athallah Yusuf Fajar Masya Maulana Alfaridzi Reynaldi Putra Widia Hardi Sabto Kironowati Suhaeri Suhaeri Yesua Yudha Praditya Gani