Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal TEMATIKA: Jurnal Penelitian Teknik Informatika dan Sistem Informasi Journal of Innovative and Creativity
Dominikus Boli Watomakin
Unknown Affiliation
Computer Science & IT Education Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Klasifikasi Kategori Dan Pelabelan Berita Bahasa Indonesia Menggunakan Mutual Information Dan K-Nearest Neighbors Alfredo Gormantara; Dominikus Boli Watomakin
TEMATIKA: Jurnal Penelitian Teknik Informatika dan Sistem Informasi TEMATIKA Volume 8 Nomor 2 (September 2020)
Publisher : Fakultas Teknologi Informasi, Universitas Atma Jaya Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35129/tematika.v8i2.109

Abstract

Along with the increasing development of the internet, the growth of textual information on the internet continues to increase. Increased dissemination of information causes the news released every day to increase. The large number of news, especially those in online media, raises problems in categorizing existing news topics. So we need a system that can categorize every news topic that is in online media and also labeling sentiment on a news. This aims to be able to monitor a situation such as political, social or economic from online news by utilizing classifications and also sentiment labeling so that it can predict steps that can be taken in the future. The method used in this research is feature selection and the KNN classification algorithm with Manhattan distance. In this study, there are two main functions of the system, namely news categorization and also news sentiment labeling. The research stages began with data collection, preprocessing, mutual information feature selection and classification. The results of this study show positive results because it can recognize news categorization and news sentiment labeling.
A Analisis Penerapan Algoritma K-NN dan Decion Tree untuk Prediksi Kelulusan Mahasiswa Tepat Waktu (Studi Kasus di STP Reinha Larantuka) Maria Uto Tukan; Dominikus Boli Watomakin; Alvian Naraweking
Journal of Innovative and Creativity Vol. 5 No. 2 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i2.1903

Abstract

Penelitian ini bertujuan untuk menerapkan metode ensemble learning pada algoritma K-Nearest Neighbor (KNN) dan Decision Tree guna memprediksi kelulusan mahasiswa tepat waktu di STP Reinha Larantuka. Prediksi dilakukan berdasarkan data akademik dan demografis mahasiswa. Selain itu, penelitian ini juga bertujuan untuk mengetahui tingkat akurasi, presisi, recall, F1-score, dan ROC-AUC dari model prediksi yang dibangun. Metode penelitian yang digunakan bersifat sistematis dengan pendekatan kuantitatif, melalui pengumpulan data primer dan sekunder. Sampel data yang digunakan berjumlah 52 mahasiswa yang terbagi ke dalam data latih (training) dan data uji (testing). Analisis dilakukan menggunakan aplikasi RapidMiner. Hasil klasifikasi dengan algoritma KNN menunjukkan bahwa 5 mahasiswa diprediksi tidak lulus tepat waktu, sementara 47 mahasiswa lainnya diprediksi lulus. Faktor kehadiran dan keaktifan menjadi indikator utama dalam hasil tersebut. Pada penerapan algoritma Decision Tree, struktur pohon keputusan dianalisis mulai dari simpul akar hingga daun dengan penekanan pada nilai confidence. Nilai confidence pada level 2 menunjukkan prediksi tidak lulus sebesar >0,153 dan lulus sebesar >32,500; sementara pada level 1, kriteria kelulusan berada di antara >0,154 dan <154. Evaluasi model dilakukan menggunakan confusion matrix, dengan hasil sebagai berikut: True Positive (TP) = 5, False Positive (FP) = 47, False Negative (FN) = 0, dan True Negative (TN) = 0. Dari hasil tersebut diperoleh nilai akurasi sebesar 50%, presisi 9,61%, recall 9,61%, dan F1-score sebesar 16,7%. Visualisasi kurva ROC-AUC menunjukkan bahwa area 0-47 mewakili prediksi mahasiswa lulus, sementara area 0-5 mencerminkan mahasiswa yang tidak lulus (false negative). Penelitian ini menunjukkan bahwa metode ensemble learning pada algoritma KNN dan Decision Tree dapat digunakan sebagai pendekatan awal dalam memetakan potensi kelulusan mahasiswa, meskipun masih perlu perbaikan pada aspek akurasi dan presisi model.
P Penerapan Kombinasi Metode Simple Additive Weighting (SAW) dan Analytical Hierarchy Process (AHP) Untuk Sistem Pendukung Keputusan Seleksi Penerimaan Beasiswa PIP Ferdinandus Soda; Dominikus Boli Watomakin; Alvian Nara Weking; Fitalis Tukan Hajon
Journal of Innovative and Creativity Vol. 5 No. 2 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i2.2279

Abstract

Program Indonesia Pintar (PIP) merupakan bantuan pendidikan bagi siswa yang berasal dari keluarga kurang mampu. Di SMPS Katolik Ratu Damai, penentuan calon penerima beasiswa masih dilakukan secara manual dan cenderung subjektif. Oleh karena itu, diperlukan pendekatan yang lebih sistematis dan objektif dalam mendukung proses seleksi penerima beasiswa. Penelitian ini bertujuan untuk menerapkan kombinasi metode Analytic Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) dalam sistem pendukung keputusan (SPK) berbasis data Dapodik, tanpa membangun aplikasi sistem secara nyata. Jenis penelitian ini adalah kuantitatif terapan. Data dikumpulkan melalui dokumentasi dari Dapodik, kemudian dianalisis menggunakan AHP untuk menentukan bobot kriteria, dan SAW untuk mengevaluasi alternatif siswa berdasarkan bobot tersebut. Hasil penelitian menunjukkan bahwa kriteria pendapatan orang tua memiliki bobot tertinggi (0,6196), diikuti oleh prestasi akademik dan keaktifan ekstrakurikuler. Dari 19 siswa kelas IX yang diajukan, 12 siswa terpilih sebagai penerima beasiswa dengan tingkat akurasi sebesar 63,16% dibandingkan data penerima aktual. Kesimpulannya, kombinasi metode AHP dan SAW dapat digunakan secara efektif untuk mendukung proses seleksi penerima beasiswa PIP dengan pendekatan yang lebih objektif dan transparan.
P Penerapan Metode Customer Segmentation untuk Penjualan dan Pemesanan Sarung Tenun Berbasis Web Apolonia Bulu Nama; Dominikus Boli Watomakin; Martinus Irwanto Ishak; Bernadete Deta
Journal of Innovative and Creativity Vol. 5 No. 2 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i2.2280

Abstract

Penelitian ini bertujuan untuk mengembangkan web penjualan sarung tenun Adonara berbasis customer segmentation untuk meningkatkan efisiensi dan efektivitas penjualan. Berdasarkan wawancara dengan Ibu Maria Atasoge, penenun di Desa Nobo, sarung tenun Tukan Dulang dan Tenapi menjadi produk paling laris dengan pembeli didominasi perempuan usia 18+ (terutama reseller Adonara). Web ini dirancang untuk memfasilitasi penjual dalam mengelola katalog produk, menargetkan promosi berdasarkan segmentasi pelanggan, dan menyediakan informasi yang lebih transparan mengenai stok dan harga. Hasil analisis data menunjukkan bahwa terdapat tiga klaster utama pelanggan: Klaster Premium (Reseller), Klaster Retail Sensitif Harga, dan Klaster Netral. Pengujian validitas menunjukkan seluruh 20 item pernyataan valid, dan pengujian reliabilitas menunjukkan 3 dari 4 indikator reliabel. Pengujian kepuasan pengguna menghasilkan nilai rata-rata 70,99% yang masuk kategori Memuaskan. Dengan demikian, web penjualan sarung tenun Adonara berbasis customer segmentation dapat membantu meningkatkan penjualan dan pemasaran produk.
Co-Authors Alvian Nara Weking Alvian Naraweking Apolonia Bulu Nama Bernadete Deta Ferdinandus Soda Fitalis Tukan Hajon Gormantara, Alfredo Maria Uto Tukan Martinus Irwanto Ishak