Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Journal of Information System

Aplikasi Genetika Untuk Penjadwalan Mata Pelajaran di SMAN 3 Semarang Restu Agung Pamuji; Junta Zeniarja; Abu Salam
JOINS (Journal of Information System) Vol 4, No 1 (2019): Edisi Mei 2019
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (769.453 KB) | DOI: 10.33633/joins.v4i1.2550

Abstract

Merencanakan kegiatan belajar mengajar di sekolah sangat penting dan rumit. Ini bukan masalah serius ketika sekolah memiliki sejumlah kecil kelas dengan minimal pertemuan belajar mengajar. Tetapi itu akan menjadi masalah dalam hal jumlah kelas, ruang dan jumlah guru yang terbatas. Contoh masalah yang sering muncul adalah sulitnya menempatkan slot waktu untuk menghindari bentrokan. Untuk alasan ini, diperlukan suatu aplikasi untuk membangun sistem perencanaan dengan meminimalkan kesalahan perencanaan sehingga kegiatan pembelajaran dapat dilakukan secara optimal. Metode penjadwalan pelajaran ini menggunakan pendekatan algoritma genetika. Algoritma genetika merupakan pendekatan komputer yang diinspirasi oleh teori genetika untuk menyelesaikan masalah yang memerlukan optimasi. Hasil penerapan algoritma genetika sebagai pendekatan untuk mengoptimalkan perencanaan mata pelajaran sekolah telah menghasilkan nilai fitness yang optimal. Kemudian diuji dari faktor correctness, menghasilkan sejumlah error hingga 0 baris. Diuji secara fungsional tidak menghasilkan fungsi primer dan sekunder yang tidak berfungsi dengan benar. Diuji dengan faktor portabilitas dalam mencoba berbagai aplikasi, dapat bekerja dengan baik di semua lingkungan.Kata kunci : Penjadwalan , Algoritma Genetika
Implementasi Algoritma K-Means Dalam Pengklasteran untuk Rekomendasi Penerima Beasiswa PPA di UDINUS Abu Salam; Diyan Adiatma; Junta Zeniarja
JOINS (Journal of Information System) Vol 5, No 1 (2020): Edisi Mei 2020
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1772.802 KB) | DOI: 10.33633/joins.v5i1.3350

Abstract

Rekomendasi penerima beasiswa Peningkatan Prestasi Akademik (PPA) dikelompokkan menjadi 2 cluster yaitu diterima dan tidak diterima untuk mendapatkan beasiswa. Algoritma K-Means merupakan teknik unsupervised learning yang dapat digunakan dalam mengelompokkan data pengajuan beasiswa. Tujuan dari penelitian ini adalah untuk merekomendasikan penerima beasiswa dengan menggunakan algoritma k-means, hasil rekomendasi berupa penempatan data pendaftar beasiswa ke masing-masing kelompok cluster yang dihasilkan. Eksperimen proses clustering dilakukan menggunakan data pendaftar beasiswa PPA dari biro kemahasiswaan udinus tahun 2016 sebanyak 441 pendaftar beasiswa PPA. Melalui seleksi atribut, k-means ini melakukan perhitungan untuk menempatkan setiap data ke cluster yang sudah ditentukan. Sebanyak 154 mahasiswa direkomendasikan mendapatkan beasiswa PPA sedangkan 287 mahasiswa tidak mendapatkan. 
Implementasi Algoritma K-Nearest Neighbor Berbasis Forward Selection Untuk Prediksi Mahasiswa Non Aktif Universitas Dian Nuswantoro Semarang Abu Salam; Ferry Bintang Nugroho; Junta Zeniarja
JOINS (Journal of Information System) Vol 5, No 1 (2020): Edisi Mei 2020
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1774.334 KB) | DOI: 10.33633/joins.v5i1.3351

Abstract

Masalah yang muncul berkaitan dengan status mahasiswa salah satunya adalah status mahasiswa yang non aktif. Beberapa faktor penyebab status non aktif tersebut diantaranya adalah faktor ekonomi, kemampuan akademik, dan lain – lain. Manajemen perguruan tinggi perlu mengidentifikasi serta melakukan tindakan terhadap mahasiswa yang mempunyai status “tidak diharapkan” untuk mengetahui faktor munculnya masalah tersebut perlu dilakukan evaluasi saat pertengahan masa studi mahasiswa guna mencegah sedini mungkin munculnya mahasiswa yang diindikasi terdapat status tidak aktif untuk mengurangi dampak yang ditimbulkan akibat status non aktif tersebut. Pada penelitian ini akan dilakukan prediksi mahasiswa non aktif menggunakan algoritma klasifikasi K-Nearest Neighbor yang dikombinasikan dengan metode forward selection untuk seleksi atribut yang diharapkan mampu meningkatkan nilai akurasi pada proses klasifikasi. Nilai akurasi yang didapatkan pada algoritma K-Nearest Neighbor sebesar 96.43% sedangkan pada algoritma K-Nearest Neighbor berbasis Forward Selection sebesar 97.27%. Kata Kunci: Mahasiswa Non Aktif, Forward Selection, K-Nearest Neighbor
Sistem Pakar Diagnosa Penyakit Skizofrenia dengan Forward Chaining dan Bayesian Network Abu Salam; Junta Zeniarja; Riyan Ardiansyah
JOINS (Journal of Information System) Vol 6, No 1 (2021): Edisi Mei 2021
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2056.985 KB) | DOI: 10.33633/joins.v6i1.4371

Abstract

Skizofrenia merupakan gangguan kesehatan jiwa yang menjadi permasalahan masyarakat yang sangat penting serta harus memperoleh perhatian dari pemerintah. Berdasarkan hasil dari Riset Kesehatan Dasar (RisKesDas) pada tahun 2013 di negara Indonesia terdapat 1,7 dari 1000 warga atau kurang lebih 400.000 orang yang menderita penyakit Skizofrenia. Kurang meratanya tenaga kesehatan di bidang kejiwaan memperburuk penanganan yang seharusnya dapat segera dilakukan. Sistem pakar merupakan jawaban yang tepat untuk permasalahan tersebut karena sistem pakar adalah suatu sistem yang dirancang untuk dapat menirukan keahlian seorang pakar atau ahli dalam menjawab pertanyaan  dan memecahkan suatu masalah berdasarkan gejala yang diidap oleh pasien. Sistem pakar ini menggunakan metode forward chaining untuk mendapatkan sebuah kesimpulan dari gejala-gejala skizofrenia yang dimiliki oleh pasien dan bayesian network untuk menghitung seberapa akurat suatu sistem pakar tersebut mengidentifikasi suatu masalah. Sistem ini dibangun menggunkan web dengan  bahasa pemrogaman PHP serta databsae MySQL untuk menyimpan data skizofrenia. Proses pengujian fungsionalitas sistem pakar ini berjalan dengan baik serta tingkat akurasi tiap-tiap gejala mendapatkan hasil diatas 80%.