Astriana Mulyani
Unknown Affiliation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Rancang Bangun Aplikasi Pembelajaran Tabel Periodik Unsur Kimia Berbasis Android Maisyaroh - AMIK BSI Tasikmalaya; Astriana Mulyani; Aan Juanda - STMIK Nusa Mandiri Jakarta
Bianglala Informatika Vol 5, No 2 (2017): Bianglala Informatika 2017
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (507.097 KB) | DOI: 10.31294/bi.v5i2.2978

Abstract

ABSTRACT - Media development applications today is a medium that can be one of the other options in giving a lesson, that were once only wear ordinary book. As in the process of searching for terms in the periodic table that did the students or the general public who only use the book to make students feel more difficult to find the desired information. therefore media-based learning applications andorid periodic table can be one of the options in the search for the term chemical elements. With so students and the general public will feel more motivated to learn by using this instructional media. The purpose of making this learning media is to help learning the subject of the introduction of the periodic table of chemical elements developed by the Eclipse bundle and Android smartphones. This application is offline and so can be used anytime and anywhere. The metode of this research is Rapid Application Technology (RAD). Keywords: Periodic Table of Chemical Elements Based Android, RAD Abstakrsi - Pengembangan media aplikasi saat ini merupakan suatu media yang dapat menjadi salah satu pilihan lain dalam memberikan suatu pembelajaran, yang dulunya hanya memakai buku biasa. Seperti dalam proses mencari istilah-istilah Tabel periodik yang di lakukan siswa atau pun masyarakat umum yang hanya menggunakan buku membuat siswa merasa lebih sulit mencari informasi yang di inginkan. oleh karena itu media pembelajaran aplikasi tabel periodik berbasis andorid dapat menjadi salah satu pilihan  dalam mencari istilah unsur kimia. Dengan begitu siswa dan masyarakat umum akan merasa  lebih terpacu dalam belajar dengan menggunakan media pembelajaran ini. Tujuan dari pembuatan media pembelajaran ini adalah untuk membantu pembelajaran dengan pokok bahasan pengenalan tabel periodik unsur kimia yang dikembangkan dengan Eclipse bundle dan Smartphone Android. Aplikasi ini bersifat offline sehingga bisa digunakan kapan pun dan dimanapun. Metode penelitian yang digunakan dalam penelitian adalah metode Rapid Application Development (RAD).Kata Kunci: Aplikasi Tabel Periodik Unsur Kimia Berbasis Android, RAD
Analisa Komparasi Kinerja Model Logistic Regression dan Random Forest dalam Memprediksi Risiko Turnover Karyawan Pahlevi, Omar; Yuni Fitriani; Dewi Ayu Nur Wulandari; Handini Widyastuti; Sri Utami; Astriana Mulyani
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.11111

Abstract

Turnover karyawan merupakan salah satu nilai tolak ukur bagi keberhasilan suatu perusahaan dalam menjalankan kegiatan bisnisnya. Memprediksi turnover karyawan merupakan kegiatan signifikan yang penting bagi setiap perusahaan yang berkelanjutan, dimana informasi dini tentang status turnover karyawan memungkinkan organisasi untuk mengambil langkah-langkah pencegahan. Pada penelitian ini peneliti akan mengaplikasikan dan membandingkan dua buah model algoritma supervised learning, diantaranya model algoritma Logistic Regression dan Random Forest untuk memprediksi risiko turnover karyawan, kemudian membandingkan mana dari dua model algoritma tersebut yang paling akurat. Berdasarkan hasil pengukuran kinerja kedua model dengan menggunakan metode Confusion Matrix. Berdasarkan hasil penelitian, diketahui bahwa model Logistic Regression memiliki tingkat akurasi sebesar 84,64% serta F1-Score yang baik dengan nilai sebesar 0,89, nilai presisi sebesar 0,82, dan nilai recall sebesar 0,96. Performa model Random Forest memiliki tingkat akurasi sebesar 80,12%, F1-Score sebesar 0,85 menunjukkan keseimbangan antara presisi sebesar 0,80 dan recall dengan nilai 0,92. Hal ini membuktikan bahwa model algoritma Logistic Regression adalah yang paling baik untuk untuk prediksi risiko turnover karyawan.