Article Per Year (5 Year)
p-Index From 2021 - 2026
1.94
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Sistemasi: Jurnal Sistem Informasi Jurnal Mantik Penusa Martabe : Jurnal Pengabdian Kepada Masyarakat Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Indonesian Journal of Business Intelligence (IJUBI) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) Indonesian Journal of Electrical Engineering and Computer Science Information System Journal (INFOS) Journal of Innovative and Creativity Jurnal Teknoinfo
Irma Rofni Wulandari
Universitas Amikom Yogyakarta
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Naïve Bayes untuk Prediksi Tingkat Pemahaman Kuliah Online Terhadap Mata Kuliah Algoritma Struktur Data Yuli Astuti; Irma Rofni Wulandari; Angga Ramana Putra; Nurdini Kharomadhona
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i1.48848

Abstract

Banyak masalah yang terjadi dalam proses pembelajaran daring, salah satunya adalah kesulitan mahasiswa dalam memahami materi dengan baik. Berbagai upaya telah diklakukan dosen untuk mendukung pembelajaran secara daring, mulai dari penjelasan materi langsung melalui media conference maupun pembuatan video pembelajaran. Untuk mengetahui apakah siswa benar-benar memahami materi yang disampaikan dosen, maka diperlukan penelusuran dengan tujuan jika terdapat banyak mahasiswa yang belum menguasai materi maka perlu ada perubahan pada proses penyampaian materinya. Penelitian ini melakukan prediksi tingkat pemahaman dalam perkuliahan daring. Data yang digunakan pada penelitian ini adalah data nilai mata kuliah Algoritma Struktur Data. Data dengan variable tugas, praktikum, UTS, UAS dan jumlah kehadiran perkuliahan diperoleh dari nilai mahasiswa program studi D3 Manajemen Informatika angkatan 2020 dan 2019. Metode yang digunakan pada penelitian ini adalah Naïve Bayes dengan hasil prediksi pada angkatan 2019 sebesar 46.15% dengan akurasi confusion matrix 69.23% dan hasil prediksi angkatan 2020 sebesar 54.54% dengan akurasi confusion matrix 72.73%, sehingga dapat disimpulkan bahwa perkuliahan online tingkat pemahamanya meningkat dari perkuliahan offline.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT DURIAN UNGGUL MENGGUNAKAN METODE AHP PADA CANDRA DUREN Candra Pangestu; Irma Rofni Wulandari; Sharazita Dyah Anggita; Ninik Tri Hartanti
Jurnal Teknoinfo Vol. 19 No. 2 (2025): July 2025 Period
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/teknoinfo.v19i2.519

Abstract

Salah satu faktor penentu dalam keberhasilan budidaya durian adalah pemilihan bibit durian. Toko Candra Duren merupakan sebuah toko penjualan bibit dan buah durian yang berlokasi di Desa Alasmalang Kabupaten Banyumas. Candra Duren menentukan bibit durian unggul dengan cara mengamati satu demi satu tekstur dari bibit durian tersebut. Desa Alasmalang telah dikenal sebagai daerah yang subur dan cocok untuk pertumbuhan tanaman durian, sehingga banyak petani yang memanfaatkan lahan untuk budidaya bibit buah durian termasuk toko Candra Duren. Pada toko Candra Duren terdapat varietas bibit durian unggulan yang di budidayakan antara lain Bawor, Musangking, Duri hitam, dan Chani. Cara pemilihan bibit durian unggul yang digunakan toko candra duren memiliki kelemahan yaitu seringkali penjual mengalami kesalahan dalam menentukan bibit durian unggul, proses dilakukan secara manual dan tidak adanya data yang tersimpan mengenai bibit durian dalam bentuk tulisan kertas maupun digital. Hal tersebut menyebabkan resiko kesalahan yang besar dalam penentuan bibit durian unggul. Sistem pengambilan keputusan banyak digunakan untuk membantu menyelesaikan suatu permasalahan dengan memilih suatu alternatif yang terbaik. Terdapat banyak metode yang dapat digunakan untuk analisis pendukung keputusan yang dapat menyelesaikan permasalahan pengambilan keputusan salah satunya adalah metode Analytical Hierarchy Process (AHP). Penelitian ini dilakukan untuk merancang sistem pendukung keputusan pemilihan bibit durian menggunakan metode AHP. Perancangan sistem dimulai dari tahap identifikasi masalah, pengumpulan data, analisis perancangan sistem, implementasi sistem dan pengujian sistem yang nantinya akan di implementasaikan ke program sistem pendukung keputusan pemilihan bibit durian berbasis website. Implementasi sistem ini menggunakan framework laravel versi 10 dengan bahasa pemograman PHP dan MySql sebagai basis datanya. Kriteria yang digunakan dalam penelitian ini adalah batang, daun, percabangan dahan, tinggi, dan umur. Bedasarkan penelitian yang di lakukan, AHP berhasil diterapkan pada sistem pendukung keputusan pemilihan bibit durian unggul sehingga dapat menampilkan perankingan. Hasil pengujian blackbox testing menunjukkan valid sesuai hasil yang diharapkan.
Penerapan Teknik Clustering untuk Identifikasi Pola Perilaku Belajar Siswa Menggunakan Dataset Publik Learning Analytics Ninik Tri Hartanti; Dina Maulina; Erni Seniwati; Irma Rofni Wulandari
Journal of Innovative and Creativity Vol. 5 No. 3 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i3.5104

Abstract

Perkembangan teknologi informasi telah mendorong munculnya bidang Educational Data Mining (EDM) yang memanfaatkan data pendidikan untuk memahami perilaku belajar siswa. Memanfaatkan dataset publik Learning Analytic dalam penerapan Educational Data Mining, dikombinasikan dengan metode clustering akan dapat membantu dalam proses penentuan kelompok belajar siswa. Penelitian ini bertujuan untuk mengidentifikasi pola perilaku belajar siswa menggunakan teknik clustering berdasarkan dataset publik learning analytics. Metode yang digunakan adalah K-Means clustering dengan evaluasi Davies-Bouldin Index (DBI) untuk menentukan jumlah cluster optimal. Data yang digunakan berasal dari dataset publik Student Performance yang mencakup kegiatan atau waktu belajar, kehadiran, kegagalan belajar dan nilai siswa. Hasil clustering mengidentifikasi empat pola cluster yaitu kelompok risiko akademik tinggi, kelompok performa menengah, kelompok siswa berprestasi tinggi, dan kelompok absensi tinggi. Hasil evaluasi DBI menunjukkan nilai 0.0072 yang mengindikasikan kualitas cluster yang baik. Hasil penelitian diharapkan dapat menjadi dasar bagi pengembangan strategi pembelajaran yang lebih personalisasi dan efektif
Co-Authors Abdiel Alim W Angga Ramana Putra Anggita, Sharazita Dyah Atik Nurmasani Bibit Aries K Candra Pangestu Dina Maulina Eli Pujastuti Erni Seniwati Fawwaz Hasanu I Wayan Sumartho Alvari Ika Asti Astuti LILIS DWI FARIDA Muhammad Adithya Ricky Ichsan NINIK TRI HARTANTI Nurdini Kharomadhona Rina Puji Utami Siti Wijayanti Tiara Herliyani Tita Meitri Vidjayanti Vikiyana Haris A Wiwi Widayani Yoga Pristiyanto Yuli Astuti Yuli Elfandari