Article Per Year (5 Year)
p-Index From 2021 - 2026
2.863
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal Teknologi dan Sistem Komputer JURNAL ENGGANO Jurnal DISPROTEK JURTEKSI Abdimas Universal Jurnal Teknologi Dan Sistem Informasi Bisnis SKANIKA: Sistem Komputer dan Teknik Informatika Bulletin of Computer Science Research Journal of Dinda : Data Science, Information Technology, and Data Analytics As-Sidanah : Jurnal Pengabdian Masyarakat Jurnal Minfo Polgan (JMP) Jurnal Rekognisi Akuntansi (JRA) J-ABDIPAMAS (Jurnal Pengabdian Kepada Masyarakat) Science and Technology (SciTech)
Mulyo, Harminto
Universitas Islam Nahdlatul Ulama Jepara
Religion Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Simetris

 1 
Implementasi Algoritma K-Nearest Neighbor untuk Klasifikasi Jurusan pada Peserta Didik Baru Widiastuti, Nur Aeni; Azhar, Maulana; Mulyo, Harminto
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 14, No 2 (2023): JURNAL SIMETRIS VOLUME 14 NO 2 TAHUN 2023
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v14i2.10092

Abstract

Majoring students is a process of placing students into certain majors in accordance with their interests and academic abilities in an effort to make it easier for students in the learning process. Madrasah Aliyah Darul Hikmah Menganti is a school equivalent to SMA, which has two majors, namely science and social studies. The difficulty of classifying the majors of new students is an obstacle for the school. Because the criteria assessment process is carried out one by one. From these problems, the K-Nearest Neighbor (K-NN) method was applied to classify majors in order to simplify and minimize errors in the process of determining new student majors. The data initially amounted to 638 records and 31 attributes. After preprocessing, the data used amounted to 635 records with 12 attributes, namely name, gender, major interest, school origin, children to, number of siblings, math scores, English grades, science grades, Indonesian language scores, test scores, and major recommendations. After testing using K-Fold Cross Validation and Confusion Matrix for evaluation and validation of results by calculating the Euclidean Distance distance, the best k value (optimal) k=3 which produces accuracy: 97.11%, precision: 96.82%, recall: 98.33%, and AUC: 0.951.
Metode Single Linkage pada Agglomerative Hierarchical Clustering dalam Penentuan Tingkat Kepuasan Mahasiswa terhadap Layanan Akademik Maori, Nadia Annisa; Mulyo, Harminto
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 15, No 2 (2024): JURNAL SIMETRIS VOLUME 15 NO 2 TAHUN 2024
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v15i2.12788

Abstract

Dalam era pendidikan modern, penting bagi institusi akademik untuk memahami dan meningkatkan kepuasan mahasiswa terhadap layanan akademik yang diberikan. Tingkat kepuasan ini berperan penting dalam menilai kualitas pendidikan, pengalaman belajar, serta reputasi dan daya saing institusi. Dengan kemajuan teknologi dan peningkatan pengumpulan data, analisis data menjadi krusial untuk memahami persepsi dan kebutuhan mahasiswa. Penelitian ini menggunakan teknik Agglomerative Hierarchical Clustering (AHC) dengan metode Single Linkage untuk mengelompokkan data survei kepuasan mahasiswa terhadap layanan akademik di Program Studi Teknik Informatika UNISNU Jepara. Metode ini dipilih karena tidak memerlukan penentuan jumlah klaster sebelumnya dan cocok untuk data dengan struktur yang tidak teratur.Hasil penelitian menunjukkan bahwa AHC dengan Single Linkage efektif dalam mengidentifikasi dua kelompok mahasiswa berdasarkan tingkat kepuasan mereka, yaitu puas dan tidak puas. Evaluasi menggunakan Silhouette Coefficient menunjukkan nilai tertinggi 0.80 untuk dua klaster mengindikasikan bahwa pengelompokan ini cukup baik. Visualisasi dendrogram memberikan wawasan tambahan tentang struktur klaster dan hubungan antar data. Penelitian ini memberikan kontribusi penting untuk pemahaman tentang kepuasan mahasiswa dan dasar untuk pengembangan strategi peningkatan kualitas layanan akademik di masa depan. Metode AHC dengan pendekatan Single Linkage terbukti efisien dalam mengelompokkan data berdasarkan jarak terdekat antar objek dalam klaster, meskipun sensitif terhadap outlier dan efek chaining.
Co-Authors Abdilllah, Muh Sajid Akhmad Khanif Zyen Ali Sofwan An-Naas Shahifatun Na’iema Andriansyach, Dimas Jordy Anita Ameliya Anwar, Muhammad Arqom Arif Mustofa Aufa Maulana Hidayat Azhar, Maulana Buang Budi Wahono, Buang Budi Doni Agung Prasetyo Dwi Noviyani Fira Nadliratul Afrida Gunawan Mohammad Hayu Dian Yulistianti Irma Nur Af’idah Kartika Widiastuti Khalimatus Sa'diyah Manzis, Akhmad Hossam Maori, Nadia Annisa Mochamad Handre Fidiyanto Muhammad Misbahul Munir Muhammad Verdy Fahrudin Nadia Annisa Maori Nur Aeni Widiastuti Nur Aeni Widiastuti Nur Taqwimi, Muhammad Ahsani Nusrotus Sa’idah Octavianti Paramitha R Hadapiningradja Kusumodestoni Rahmawan Arniyanto Rivaldo, Muchammad Dwi Rohmatun Nikmah Santi Andriyani Sarwido Sarwido, Sarwido Teguh Tamrin Wibowo, Gentur Wahyu Nyipto Zachary, Vivien Varian Zubaedah Zubaedah