Widiastuti Widiastuti
STMIK Nusa Mandiri

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Komparasi Algoritma Klasifikasi untuk Prediksi Minat Sekolah Tinggi Pelajar pada Students Alcohol Consumption M. Rangga Ramadhan Saelan; Deni Anugrah Sahputra; Widiastuti Widiastuti; Windu Gata
Jurnal Sains dan Informatika Vol. 6 No. 2 (2020): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v6i2.236

Abstract

DETERMINATION OF PERMANENT LECTURERS IN IBM ASMI INFORMATION SYSTEM PRODUCT WITH SAW AND CURRENT METHOD Rendi Septian; Istiqal Hadi; Ridwansyah Ridwansyah; Windu Gata; Widiastuti Widiastuti; Muhammad Iqbal
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol 6 No 2 (2021): JITK Issue February 2021
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1295.058 KB) | DOI: 10.33480/jitk.v6i2.1740

Abstract

Abstract— Determining the quality standards of lecturers refers to the criteria of education, research, and community service. The campus can carry out the first process for selecting permanent lecturers effectively by looking at several criteria. By using a Decision Support System (DSS), the four categories can be used as guidelines for decision-makers to choose permanent lecturers. The goal of writing this journal is to support the effectiveness of the time for decision-makers to choose permanent lecturers in the early stages by combining the Additive Ratio Assessment (ARAS) and Simple Additive Weighting (SAW) methods. Where the SAW method has the advantage of accurate assessment because the value of criteria and weights have been determined, while the ARAS method compares each criterion value to each optimal alternative as a whole to get an ideal alternative. The result of combining the two methods can describe the prospective lecturers who are suitable to be used as permanent lecturer criteria. Judging from the ranking results in calculations, the values obtained are 0.146341, 0.134146, and 0.121951. These results prove that ranking with an assessment using the combination of SAW and ARAS methods results in an effective, accurate, and efficient assessment. Keywords: Additive Ratio Assessment, Decision Support Systems, Permanent lecturer, Simple Additive Weighting. Intisari— Menentukan standar kualitas dosen mengacu kepada kriteria pendidikan, penelitian, dan pengabdian kepada masyarakat. Pihak kampus dapat melakukan proses pertama untuk pemilihan dosen tetap secara efektif dengan melihat beberapa kriteria. Dengan menggunakan Sistem Penunjang Keputusan (SPK), keempat kategori tersebut bisa dijadikan pedoman bagi pengambil keputusan untuk memilih dosen tetap. Tujuan penulisan jurnal ini adalah untuk membantu keefektifan waktu bagi pengambil keputusan untuk memilih dosen tetap tahap awal dengan penggabungan metodeAdditive Ratio Assessment (ARAS) dan Simple Additive Weighting (SAW).Dimana metode SAW mempunyai keunggulan penilaian akurat karena untuk nilai kriteria dan bobot telah ditentukan, sementara metode ARASmelakukan perbandingan setiap nilai kriteria terhadap masing alternatif optimal secara keseluruhan untuk mendapatkan alternatif yang ideal. Hasil penggabungan dua metode tersebut dapat menggambarkan calon dosen yang sesuai untuk dijadikan kriteria dosen tetap.Dilihat dari hasil perangkingan dalam perhitungan, nilai yang didapat 0,146341 ,0,134146 dan 0,121951. Hasil ini membuktikan bahwa perangkingan dengan penilaian menggunakan penggabungan metode SAW dan ARAS menghasilkan penilaian yang efektif, akurat dan efisien. Kata Kunci: Additive Ratio Assessment, Sistem Penunjang Keputusan, Dosen Tetap, Simple Additive Weighting.
Komparasi Algoritma Klasifikasi untuk Prediksi Minat Sekolah Tinggi Pelajar pada Students Alcohol Consumption M. Rangga Ramadhan Saelan; Deni Anugrah Sahputra; Widiastuti Widiastuti; Windu Gata
Jurnal Sains dan Informatika Vol. 6 No. 2 (2020): Jurnal Sains dan Informatika
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v6i2.236

Abstract

Terdapat banyak faktor yang menjadi kriteria penentu kinerja pelajar salah satu diantaranya adalah konsumsi alkohol oleh pelajar, hal ini dapat mempengaruhi pengambilan keputusan negatif yang menjadi faktor keberhasilan kinerja pelajar. Pada penelitian ini digunakan teknik klasifikasi untuk memprediksi minat pelajar dalam mengambil Langkah untuk melanjutkan pendidikan ke jenjang yang lebih tinggi yang dipengaruhi oleh berbagai faktor, salah satunya adalah tingkat konsumsi alkohol oleh pelajar. Dengan membuat model menggunakan algoritma klasifikasi Naïve Bayes dan Decision Tree yang diujikan pada data konsumsi alkohol oleh pelajar menggunakan tools Rapid Miner. Kemudian model yang dihasilkan dikomparasi untuk menentukan algoritma terbaik dalam mengidentifikasi kinerja pelajar. Dengan menggunakan Teknik Cross Validation didapatkan statistik yang menunjukan bahwa Algoritma Decision Tree memiliki kinerja lebih baik jika diabandingkan dengan Naïve Bayes. Algoritma Decision Tree memiliki tingkat akurasi sebesar 86.44% sedangkan Naïve Bayes hanya memiliki tingkat akurasi sebesar 82.60%. Dan berdasarkan statistic ROC, bisa dikatakan bahwa Naïve Bayes memiliki kinerja yang cukup buruk dengan tingkat Equal Error Rate (EER) sebesar 65%, sedangkan Decision Tree memiliki tingkat EER lebih rendah yaitu sebesar 55%. Dengan begitu algoritma Decision Tree memiliki kinerja lebih baik dalam mengidentifikasi kinerja pelajar dengan pengaruh berbagai faktor salah satunya alkohol.