Claim Missing Document
Check
Articles

Found 25 Documents
Search

PENERAPAN METODE PROFILE MATCHING UNTUK MENENTUKAN SOAL PENENTUAN KONSENTRASI MATA KULIAH DAN PENGACAKAN SOAL MENGGUNAKAN LINEAR CONGRUENT METHOD Saprudin, Usep; Islami, M Reza Redo; AR, M khoirul Hakim
International Research on Big-Data and Computer Technology: I-Robot Vol 4 (2020): September 2020
Publisher : STMIK DHARMA WACANA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/ir.v4i1.148

Abstract

Sekolah Tinggi Ilmu Manajemen Informatika dan Komputer (STMIK) merupakan perguruan tinggi swasta di Kota Metro, yang berfokus pada pendidikan guna pengembangan sumber daya manusia di bidang komputer. Pada proses pengambilan mata kuliah konsentrasi, mahasiswa menghadap ke dosen pembimbing akademik, pada proses tersebut dosen akan melihat nilai mahasiswa sehingga dengan nilai tersebut dosen akan melakukan tanya jawab dan memberikan soal seputaran konsentrasi mata kuliah, soal yang diberikan sering mengalami kesamaan antara mahasiswa satu dengan mahasiswa lainnya. Secara prosedur yang benar, proses pengambilan mata kuliah konsentrasi dilakukan dengan cara penawaran dan dilakukannya tes dengan soal-soal yang mengarah ke konsentrasi bidang mata kuliah, namun faktanya mahasiswa masih mengikuti saran yang diberikan oleh dosen pembimbing akademik. Hal ini membuat mahasiswa tidak dapat memilih mata kuliah konsentrasi yang susuai dengan keinginan dan kemampuan yang dimiliki. Untuk mengetahui kemampuan mahasiswa sebaiknya dengan cara memberi soal-soal yang sesuai dengan profile mahasiswa yang dilihat dari DNS. dengan menggunakan metode Profie Matching mampu menghasilkan nilai yang sesuai dengan profile tiap-tiap mahasiswa yang digunakan untuk menentukan kategori soal dengan nilai terdekat sesuai dengan kemampuan seseorang , lalu dengan adanya hasil kategori soal dari pencocokan profile mahasiswa akan dilakukannya proses pengacakan soal-soal menggunakan metode Linear congruent method (LCM) yang bertujuan agar setiap orang akan mendapatkan soal yang berbeda. dari hasil pengacakan soal-soal yang dilakukan masih terjadi munculnya angka yang sama dan munculnya angka nol (0) tergantung dengan banyaknya soal yang diacak, semakin banyak soal maka semakin jarang pula terjadinya pengulangan. 
Aplikasi E-Marketplace Perdagangan Skala Usaha Mikro Kota Metro Pangestu, Galang; Islami, Muhammad Reza Redo; Sulistiyanto, Sulistiyanto
Journal Computer Science and Information Systems : J-Cosys Vol 3, No 1 (2023): J-Cosys - Maret
Publisher : STMIK Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/jco.v3i1.308

Abstract

Kota Metro memiliki banyak usaha mikro kecil dan menengah (UMKM) khususnya di sektor Perdagangan. Usaha mikro kecil dan menengah (UMKM) di kota Metro yang sudah terdata tahun 2020 dari Dinas Koperasi , UMK, Usaha Menengah dan Perindustrian Kota Metro sektor Perdagangan untuk kecamatan Metro Barat sebanyak 1.660 usaha, Kecamatan Metro Pusat sebanyak 3.568 usaha, Kecamatan Metro Selatan sebanyak 849 usaha, Kecamatan Metro Utara berjumlah 1.833 usaha, dan Kecamatan Metro Timur berjumlah 1.779 usaha, jumlah keseluruhan Usaha mikro kecil dan menengah (UMKM) di Kota Metro sektor perdagangan berjumlah 9.689 usaha. Data Usaha Mikro, Kecil dan Menengah (UMKM) Tahun 2020 dikirim melalui email oleh bapak Herijon Ketua Bidang UMK Dinas Koperasi , UMK, Usaha Menengah dan Perindustrian Kota Metro dilakukan pada tanggal 15 Juni 2021.Berdasarkan penjelasan sebelumnya oleh bapak Presiden Republik Indonesia Joko Widodo pada Peluncuran Literasi Digital, bahwasannya perbanyak UMKM On Boarding ke Platform E-Commerce, mengingat di Kota Metro terdapat banyak UMKM khususnya di skala mikro. Untuk merealisasikannya, saat ini belum adanya aplikasi yang dapat mengintegrasikan para pedagang usaha skala mikro dapat dilihat pada di Dinas Koperasi , UMK, Usaha Menengah dan Perindustrian Kota Metro.
DATA MINNING UNTUK ANALISA TINGKAT KESEMBUHAN PASIEN TUBERKULOSIS (TB) Wiseso, Podo; Redo, Muhammad Reza
International Research on Big-Data and Computer Technology: I-Robot Vol 8, No 2 (2024): September
Publisher : UNIVERSITAS DHARMA WACANA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/ir.v8i2.590

Abstract

Penelitian ini memanfaatkan teknik data mining untuk menganalisis tingkat kesembuhan pasien tuberkulosis (TB) di Provinsi Lampung, Indonesia, dengan menggunakan data dari Sistem Informasi Tuberkulosis Komunitas (SITK) dan Row Data Individu (RDI). Tujuan utama adalah mengidentifikasi faktor risiko yang mempengaruhi penularan TB, termasuk karakteristik individu dan faktor lingkungan. Metode K-means clustering digunakan untuk mengelompokkan data berdasarkan gejala dan durasi pengobatan, menghasilkan 19 klaster dengan pola spesifik. Gejala seperti demam meriang, sesak napas, dan batuk ditemukan penting dalam menentukan tingkat kesembuhan pasien. Analisis menunjukkan variasi signifikan dalam distribusi gejala di antara klaster, dengan beberapa klaster menunjukkan respons pengobatan yang lebih baik. Penelitian ini diharapkan dapat berkontribusi dalam upaya pengendalian TB dan mencapai Tujuan Pembangunan Berkelanjutan (SDGs) terkait kesehatan
PENGARUH TEKNOLOGI INFORMASI TERHADAP ASURANSI KESEHATAN DI INDONESIA TAHUN 2017 Junaidi, Edi; Islami, Muhammad Reza Redo; Hanifah, Windia; Widyaningrum, Sri Rahayu
International Research on Big-Data and Computer Technology: I-Robot Vol 9, No 1 (2025): April
Publisher : UNIVERSITAS DHARMA WACANA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/ir.v9i1.635

Abstract

Asuransi kesehatan adalah penjanjian antara dua belah pihak yang memiliki ikatan dan pertanggung jawaban antara penyelenggara atau pengelola dana premi dari peserta dan penerima dalam pelayanan kesehatan. Berdasarkan laporan Survei Sosial Ekonomi Nasional tahun 2017 terdapat 40,59% tidak memiliki jaminan kesehatan. Dimana terdapat ada 6 provinsi yang masih dibawah 40% kepesertaan jaminan kesehatan. Penelitioan ini bertujuan  mengetahui pengaruh teknologi informasi terhadap kepemilikan asuransi kesehatan di Indonesia dengan desain cross sectional, dimana data yang digunakan merupakan Data SUSENAS 20217 dari Badan Pusat Statistik Indonesia. Hasil analisis bivariat menunjukkan 4 variabel independen (pekerjaan, penggunaan handphone, kepemilikan handphone, dan penggunaan internet) yang berhubungan terhadap Kepemilikan Asuransi Kesehatan. Variabel pekerjaan kategori bekerja dengan nilai OR terendah sebesar 0,98. Hasil analisis multivariat yang paling berhubungan adalah variabel penggunaan internet. Hal tersebut dapat dilihat dari nilai p-value 0,000, variabel penggunaan internet dengan kategori tidak menggunakan internet memiliki OR tertinggi sebesar 1,27. Variabel paling berhubungan dengan kepemilikan asuransi kesehatan adalah variabel penggunaan internet dengan nilai OR tertinggi (1,27). Hasil penelitian ini dapat memberikan rekomendasi kebijakan kepada pemerintah untuk terus berupaya meningkatkan kajian peran teknologi informasi terhadap asuransi kesehatan.  
ANALISIS SENTIMEN DATA TWITTER MENGGUNAKAN METODE K-MEANS CLUSTERING PADA STUDI KASUS PEMINDAHAN IBU KOTA NUSANTARA (IKN) Melati, Ritma; Islami, M. Reza Redo
Jurnal TAM (Technology Acceptance Model) Vol 15, No 1 (2024): Jurnal TAM (Technology Acceptance Model)
Publisher : LPPM STMIK Pringsewu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56327/jurnaltam.v15i1.1670

Abstract

Penelitian ini bertujuan untuk mengetahui tanggapan masyarakat mengenai pemindahan ibu kota nusantara atau IKN dan untuk mengetahui emosi yang terkandung di dalam tweet. Latar belakang di dalam penelitian ini yaitu banyaknya pengguna media sosial tertentu yang terkhusus yaitu pada media sosial twitter guna untuk mengungkapkan opini tentang pemindahan ibu kota nusantara atau IKN. Penelitian ini menggunakan metode k- means clustering dengan masukan berbentuk teks. Penelitian ini mencakup pengumpulan data, preprocessing, clustering. preprocessing meliputi tahapan Cleanning,case floding, normalisasi, Data Transformation, stemming Data Reduction,D ata Discretization, clustering menggunakan metode k-means dengan menentukan beberapa cluster. Percobaan di lakukan dengan 2000 data twitt yang di kelompokan menjadi 3 cluster yaitu meliputi C1,C2,C3,hasil tertinggi dari analisis sentimen yaitu mencapai 79,31%. dengan tanggapan negatif dan hasil akurasi tertinggi di dapat dengan metode k- means clustering.