Article Per Year (5 Year)
p-Index From 2020 - 2025
1.881
P-Index
This Author published in this journals
All Journal Jurnal Simetris JOURNAL OF CIVIL ENGINEERING, BUILDING AND TRANSPORTATION SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL SIMTIKA (Sistem Informasi dan Informatika) Jurnal Teknik Informatika dan Elektro (JURTIE) Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Technologica EJCBLT International Journal Multidisciplinary Journal of Contemporary Business Law & Technology: Cyber Law, Blockchain, and Legal Innovations
Budiarni, Rini
Sekolah Tinggi Teknologi Payakumbuh
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Implementasi Algoritma C4.5 Dalam Menentukan Prediksi Pendaftaran Ulang Mahasiswa Baru Di STT Payakumbuh Budiarni, Rini; Irsa, Ranti; Eka Putri, Lusiana
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1154

Abstract

Proses pendaftaran ulang merupakan tahapan pelaporan diri yang wajib dilaksanakan oleh calon mahasiswa baru yang telah dinyatakan lolos seleksi, guna memperolah status resmi sebagai mahasiswa di perguruan tinggi. Proses ini merupakan tahapan penting karena berpengaruh langsung terhadap keberlangsungan institusi. Namun, tidak semua calon mahasiswa yang dinyatakan lolos seleksi melanjutkan proses ini, sehingga diperlukan strategi prediktif untuk memperkirakan jumlah mahasiswa yang akan melakukan pendaftaran ulang. Tujuan dari penelitian ini adalah untuk memprediksi pendaftaran ulang calon mahasiswa baru di STT Payakumbuh dengan menerapkan teknik data mining menggunakan algoritma C4.5. Variabel yang digunakan dalam proses pengolahan data mencakup jenis kelamin, umur, nilai rata-rata, jenis sekolah dan letak sekolah. Hasil penerapan algoritma C4.5 dalam pengolahan data menghasilkan model pohon keputusan dengan struktur 19 cabang dan 33 daun, di mana variabel ”Letak Sekolah” menjadi akar dari pohon keputusan. Evaluasi model pohon keputusan dilakukan dengan menggunakan confusion matrix dengan yang menghasilkan tingkat akurasi sebesar 81,26 %, nilai precision sebesar 82,82% dan nilai recall sebesar 97,75%. Hasil ini menunjukan bahwa model yang dibangun efektif digunakan sebagai alat bantu prediktif dalam mendukung proses pendaftaran ulang mahasiswa baru.
Implementasi Extreme Gradient Boosting (XGBoost) untuk Klasifikasi Penggunaan Ulang Asisten AI Permata Sari, Fitri; Budiarni, Rini
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i2.1402

Abstract

Penelitian ini menerapkan algoritma Extreme Gradient Boosting (XGBoost) untuk mengkategorikan variabel UsedAgain, yang mencerminkan kecenderungan mahasiswa untuk kembali menggunakan asisten AI dalam proses pembelajaran. Dataset sintetis yang diambil dari Kaggle yang berisi 10. 000 data dan 11 atribut diproses melalui beberapa langkah, termasuk preprocessing, konversi variabel kategori ke numerik, penyeimbangan kelas dengan metode SMOTE, serta pengaturan hyperparameter untuk mencapai konfigurasi model yang terbaik. Hasil dari pengujian menunjukkan bahwa model XGBoost dengan parameter terbaik (learning_rate = 0,1; max_depth = 5; n_estimators = 200; subsample = 0,8) memperoleh akurasi sebesar 93,25%, precision 87,09%, recall 91,25%, dan F1-score 89,12%. Temuan ini mengindikasikan bahwa XGBoost efektif dalam mengidentifikasi pola interaksi mahasiswa dengan asisten AI. Kontribusi utama penelitian ini adalah memberikan dasar analitik yang kuat untuk memahami faktor-faktor perilaku mahasiswa dalam memanfaatkan asisten AI, sehingga hasil model dapat mendukung institusi pendidikan dalam merancang strategi pembelajaran berbasis teknologi yang lebih adaptif dan tepat sasaran.
ANALYSIS OF PRODUCT ASSESSMENT RELATIONSHIP TO E-COMMERCE PRODUCT PURCHASE INTEREST SANJAI 3 SAUDARA Putra, Andi; Budiarni, Rini; Putri, Nofelia
Journal of Contemporary Business Law & Technology: Cyber Law, Blockchain, and Legal Innovations Vol. 1 No. 7 (2024): Journal of Contemporary Business Law & Technology: Cyber Law, Blockchain, and L
Publisher : Antis Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61796/ejcblt.v1i7.849

Abstract

E-commerce has become a major platform for online transactions, where product ratings by customers serve as an indicator of quality and trust. This research aims to develop a web-based e-commerce application for Sanjai 3 Saudara and explore the impact of product ratings on online purchase interest. The application was developed using the Waterfall method, PHP, and the CodeIgniter Framework. The relationship between product ratings and purchase interest for the two best-selling products was analyzed using the Product Moment Correlation technique. To analyze the relationship between product assessment and e-commerce product purchase interest, you can break down the study into several key areas. The results showed a positive correlation between product ratings and online purchase interest, with a correlation coefficient of 0.703 for Sanjai Balado Bulat and 0.603 for Rendang Telur, indicating a strong correlation category. This approach will help provide a comprehensive analysis of how product assessments affect e-commerce purchase interest and offer actionable insights for improvement
Co-Authors Amna, Amna Andi Putra Andi Putra Arif Budiman Arif Rizki Marsa Delfianis, Neni Eka Putri, Lusiana Fatma Ira Wahyuni Fitri Permata Sari, Fitri Permata Irsa, Ranti Kesuma, Ocha Raganata Masdar, Astuti Mubara, Ilham Noviarti Noviarti Noviarti Noviarti Noviarti, Noviarti Putri, Nofelia Rahmat Ramadhan Ramacos Fardela Ranti Irsa Ranti Irsa Ranti Irsa Sri Tria Siska Syamsuir, Elvi Titin Dwi Hartina