Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Web Informatika Teknologi [J-WIT]
Niken Adityas Lestari
STMIK WIT
Computer Science & IT Economics, Econometrics & Finance Education

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Diagnosa Kerusakan Printer Berbasis Web Menggunakan Metode Backward Chaining (Studi Kasus: CV. Multinet Compindo) Niken Adityas Lestari
Jurnal Web Informatika Teknologi Vol. 5 No. 2 (2020): Jurnal Web Informatika Teknologi (J-WIT)
Publisher : LPPM STMIK WIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (689.347 KB)

Abstract

CV. Multinet Compindo adalah sebuah usaha yang bergerak dibidang penjualan komputer, printer dan service. jenis service yang bisa dilayani disana, untuk itu dibutuhkan suatu sistem suatu proses penerimaan service printer,pengecekan kerusakan printer, mendeteksi masalah kerusakan printer, dan mengatasi masalah kerusakan printer.Tujuan dari penelitian ini adalah untuk membuat sebuah aplikasi data operasional yang mencakup kebutuhan dalam perusahaan. Pelaksanaan penelitian ini menggunakan Web. Hasil dari penelitian ini menghasilkan sebuah aplikasi sistem pakar yang dapat membantu staf admin penjualan dalam melakukan sebuah transaksi dan meningkatkan kualitas pelayanan yang lebih cepat, efesien, akurat, dan lebih terpercaya sehingga meningkatkan kemajuan perusahaan.
enerapan Data Mining menggunakan Metode Decision Tree C4.5 untuk Prediksi Tingkat Kelulusan Mahasiswa (Studi Kasus : STMIK WIT) Niken Adityas Lestari
Jurnal Web Informatika Teknologi Vol. 5 No. 2 (2020): Jurnal Web Informatika Teknologi (J-WIT)
Publisher : LPPM STMIK WIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (437.507 KB)

Abstract

Salah satu aspek penilaian akreditasi adalah mahasiswa dan lulusan. Tingkat kelulusan dan jumlah mahasiswa akan berpengaruh dalamproses akreditasi yang dilakukan oleh pemerintah. Database perguruan tinggi menyimpan berbagai data, dari data tersebut apabila digalidengan tepat maka dapat diketahui pola atau pengetahuan baru yang dapat dikembangkan untuk diterapkan pada perguruan tinggidiantaranya mengenai potensi mahasiswa lulus tepat waktu, lulus terlambat, dan drop out. Penelitian ini menggunakan metode KnowledgeDiscovery in Database (KDD) untuk menganalisis data dalam penerapan data mining, mengekstrak pengetahuan apa yang dianggap sesuaidengan spesifikasi ukuran dan batas, menggunakan database bersama dengan preprocessing yang diperlukan, pengambilan sampel dantransformasi dari database. Teknik data mining dapat melakukan prediksi kelulusan tepat waktu, terlambat dan drop out, yaitu menggunakandecision tree atau pohon keputusan dengan algoritma C4.5 berdasarkan atribut IPK4, status pekerjaan, program studi, asal sekolah, jeniskelamin, gaji orangtua dan asal daerah. Algoritma C4.5 dapat mengkonstruksi pohon keputusan yang mampu mengatasi atribut bert ipekontinu, mengatasi nilai yang hilang dan dapat melakukan pemangkasan pohon yang kompleks. Data yang digunakan dalam proses prediksiadalah data mahasiswa tahun 2006 sampai dengan 2010, dan data yang digunakan untuk menguji pola prediksi adalah data mahasiswa tahun2012.
Co-Authors