Article Per Year (5 Year)
p-Index From 2021 - 2026
1.503
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Informasi Bulletin of Electrical Engineering and Informatics Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Jurnal Informasi dan Komputer JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Tedc Jurnal Sistem Informasi The Indonesian Journal of Computer Science
Indra Budi
Fakultas Ilmu Komputer Universitas Indonesia
Religion Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Veterinary Other

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

Found 2 Documents
Search
Journal : Tedc

 1 
ANALISIS KINERJA ALGORITMA SUPPORT VECTOR MACHINE (SVM) PADA DATA SELEKSI PENERIMA BEASISWA MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS: POLITEKNIK TEDC BANDUNG) Ari Sudrajat; Indra Budi
Jurnal TEDC Vol 13 No 1 (2019): Jurnal TEDC
Publisher : UPPM Politeknik TEDC Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (349.909 KB)

Abstract

Undang-undang No. 20 Tahun 2003 tentang Sistem Pendidikan Nasional, menyebutkan bahwa setiap peserta didik pada setiap satuan pendidikan berhak mendapatkan Beasiswa bagi yang berprestasi yang orang tuanya kurang mampu membiayai pendidikannya. Politeknik TEDC Bandung berusaha memberikan beasiswa pendidikan kepada calon mahasiswa baru dan mahasiswa lama yang telah dialokasikan oleh Kementerian Ristekdikti melalui Lembaga Layanan Pendidikan Tinggi (LLDIKTI) atau sebelumnya disebut Kopertis ataupun beasiswa pendidikan yang diselenggarakan oleh Pemerintah Pemprov dan Pemerintah Daerah. Namun jumlah calon mahasiswa penerima beasiswa yang mendaftar lebih banyak dibandingkan dengan jumlah alokasi yang disediakan untuk penerima beasiswa. Kenyataan di lapangan yang terjadi di Politeknik TEDC Bandung, calon mahasiswa yang tidak diterima sebagai penerima beasiswa mengeluh dengan sistem seleksi penerimaan beasiswa yang bersifat tertutup sehingga menimbulkan pertanyaan dan komentar baik dari orangtua / wali mahasiswa. Ketidaktepatan penentuan penerima beasiswa menjadi masalah utama yang tidak dapat terhindarkan karena setelah dilakukan analisis terhadap data calon penerima beasiswa dan penerima beasiswa di Politeknik TEDC Bandung pada tahun 2017 terdapat sebagian data penerima beasiswa yang seharusnya tidak mendapatkan beasiswa begitu juga sebaliknya. Permasalahan ini timbul dikarenakan Politeknik TEDC Bandung belum memiliki sistem pengambilan keputusan yang tepat ataupun model prediksi untuk menentukan penerima beasiswa. Sementara untuk memudahkan dan mengetahui dalam menentukan calon mahasiswa penerima beasiswa, peneliti tertarik untuk meneliti atribut-atribut yang mempengaruhinya dengan cara teknik klasifikasi yang terdapat pada data mining. Sehingga informasi hasil dari klasifikasi dapat digunakan sebagai solusi / model dalam mendukung pengambilan keputusan dalam penentuan mahasiswa penerima beasiswa di Politeknik TEDC Bandung. Adapun beberapa faktor yang menjadi persyaratan bagi calon mahasiswa penerima beasiswa di Politeknik TEDC Bandung, yaitu sebagai penerima bantuan pemerintah, pendidikan orang tua, pekerjaan orang tua, pendapatan orang tua, pengeluaran orang tua, kepemilikan rumah tinggal, jumlah tanggungan, transportasi yang digunakan, nilai rata-rata ujian, dan prestasi non akademik. Support Vector Machine (SVM) merupakan salah satu metode dari data mining yang digunakan untuk proses klasifikasi dan regresi berdasarkan pada beberapa prediksi. Algoritma Support Vector Machine (SVM) termasuk ke dalam 10 besar algoritma klasifikasi terbaik. Penelitian ini bertujuan untuk mengetahui model terbaik, memprediksi tingkat akurasi seleksi penerima beasiswa dan atribut yang paling berpengaruh yang dihasilkan oleh algoritma Support Vector Machine (SVM) berbasis Particle Swarm Optimization (PSO). Hasil yang diperoleh menyatakan bahwa algoritma Support Vector Machine berbasis Particle Swarm Optimization memiliki tingkat akurasi lebih besar dibandingkan dengan algoritma Support Vector Machine tanpa dioptimasi sebesar 78,35 % atau memiliki selisih 2,41 % dengan waktu eksekusi lebih lama 59 detik. Namun algoritma Support Vector Machine berbasis Particle Swarm Optimization tidak dapat dipastikan secara nyata hasil akurasinya lebih baik dibandingkan algoritma yang tidak dioptimasi karena melebihi nilai ambang batas yang telah ditentukan sebesar 0,168. Atribut paling berpengaruh dalam menentukan seleksi penerima beasiswa adalah atribut pengeluaran per bulan, pendidikan terakhir ayah, pendidikan terakhir ibu dan jumlah tanggungan dari total 10 atribut yang digunakan dalam proses pengujian. Dengan adanya penelitian ini diharapkan dapat membantu Politeknik TEDC Bandung dalam menentukan seleksi penerima beasiswa.
TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS UNTUK MENANGANI STRATEGI PROMOSI DI POLITEKNIK TEDC BANDUNG Novita Lestari Anggreini; Indra Budi
Jurnal TEDC Vol 13 No 1 (2019): Jurnal TEDC
Publisher : UPPM Politeknik TEDC Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (208.231 KB)

Abstract

Berdasarkan data promosi yang telah dilakukan di tahun-tahun yang lalu, dapat dilihat suatu fakta bahwa penyebaran informasi mengenai Politeknik TEDC Bandung terjadi secara tidak merata dalam kegiatan Penerimaan Mahasiswa Baru. Jangkauan pengenalan kampus ini melalui koran Tribun Jabar hanya menjaring mahasiswa baru sebesar 10%, sedangkan dari wawancara peneliti dengan Ketua Penerimaan Mahasiswa Baru 2017 dapat memperoleh mahasiswa baru sebesar 40% melalui presentasi ke sekolah-sekolah yang ada di Cimahi, Bandung dan sekitarnya, promosi melalui para alumni dapat menjaring sebanyak 45% mahasiswa baru, sedangkan promosi dengan media baliho dan website dapat menjaring mahasiswa baru sebesar 5%. Kegiatan promosi-promosi ini mengakibatkan penyebaran jumlah mahasiswa baru di tiap-tiap program studi menjadi tidak merata. Untuk dapat melakukan promosi-promosi yang lebih efektif dan efisien, pada penelitian ini akan mengolah semua data yang telah didapatkan dari calon mahasiswa baru yang telah mendaftar, sehingga dapat mengetahui pola dari data-data tersebut dan akhirnya dapat diambil informasi-informasi yang tersembunyi dari data-data tersebut. Pengolahan data yang dilakukan adalah melalui klasterisasi dengan algoritma K-Means terhadap data para pendaftar yaitu tentang Nama Pendaftar, Tempat dan Tanggal lahir, Alamat, Agama, Nomor Telepon, Asal Sekolah, Program Studi Pilihan, dan Pembawa Informasi, yang mana data ini diperoleh dari kegiatan promosi tahun 2015 sampai tahun 2017. Setelah dilakukan pembersihan dan perbaikan data, kemudian dapat diperoleh suatu dataset yang harus dibuat lebih detail dan dapat memberikan informasi yang lebih spesifik dalam pengelompokkan data. Bilamana diperlukan maka ada juga beberapa data yang dibuang agar lebih efektif dalam melakukan pengujian dalam proses klasterisasi. Hasil akhir dari klasterisasi ini diperoleh adalah informasi dalam bentuk chart bars yang menunjukkan bahwa cara promosi yang paling vital adalah dengan kerjasama Politeknik TEDC Bandung dengan sekolah-sekolah lanjutan atas, juga dapat diketahui bahwa para pendaftar terbanyak adalah berasal dari Jawa Barat dan Sumatera Selatan, selain itu dapat diperoleh informasi bahwa program studi Sistem Informasi paling banyak yang diminati para lulusan SMA, dan para lulusan SMK lebih memilih program studi Teknik Informatika.
Co-Authors Achmad Nizar Hidayanto Adimas Fiqri Ramdhansya Agus Widodo Agus Widodo Andina Septiani Ari Sudrajat Ario Santoso Ario Santoso Ario Santoso Aris Budi Santoso Aris Budi Santoso Astria Kurniawan Sumantri Cahyanti, Rhoma Chandra Lesmana, Chandra Chandra Sukma Christina Deni Rumiarti Dea Annisayanti Putri Desiana Nurul Maftuhah Dhenda Rizky Pradiptyo Dian Adiputro Dwi Retnoningrum Hafid Mukhlasin Handayani, Putu Wuri Heri Kurniawan Imbenay, Joash Lorenzo Irfanda Husni Sahid J.W. Saputro J.W. Saputro J.W. Saputro Muhammad Okky Ibrohim Mukhlasin, Hafid Novita Lestari Anggreini Prabu Kresna Putra Prabu Kresna Putra Rizal Fathoni Aji Rizal Fathoni Aji Rizal Mulyadi Rumiarti, Christina Deni Ryan Randy Suryono Shella Maria Vernanda Sri Widiastuti