Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Tekno Kompak Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi)
Dwi Ismiyana Putri
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Pemanfaatan Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Kelas XI Mardi Yudhi Putra; Dwi Ismiyana Putri
Jurnal Tekno Kompak Vol 16, No 2 (2022): Agustus
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v16i2.2002

Abstract

Sekolah Menengah Atas atau biasa disebut sebagai SMA dalam proses penjurusan siswa dilakukan setiap awal tahun pelajaran. Ada 2 (dua) jurusan yaitu IPA dan IPS. Dalam melakukan penjurusan IPA maupun IPS siswa kelas XI, saat ini masih dilakukan dengan berdasarkan hasil nilai rerata dari beberapa mata pelajaran tertentu sehingga sering kali menyebabkan ketidaksesuaian minat dan bakat siswa terhadap jurusan. Tujuan penelitian ini adalah untuk membandingkan algoritma Naïve Bayes dan K-Nearest Neighbor yang memiliki akurasi tertinggi dalam melakukan klasifikasi jurusan IPA dan IPS sehingga membantu pihak sekolah dalam proses klasifikasi jurusan siswa kelas XI. Data siswa yang digunakan pada penelitian ini adalah data nilai semester 2 (dua) dengan jumlah 277 record dan menggunakan 4 (empat) atribut dari nilai mata pelajaran antara lain PPKN, Sejarah, Prakarya dan PAI. Salah satu tools yang digunakan untuk membantu proses analisis data pada penelitian ini adalah Rapidminer. Metode penelitian dilakukan mulai tahap preprocessing, training data, klasifikasi menggunakan algortima Naïve Bayes dan K-Nearest Neighbor, model data dan mengukur performance atau evaluasi. Hasil penelitian menunjukkan algoritma Naïve Bayes memiliki akurasi sebesar 81.82% dengan sampel data sebanyak 55 data dari 277 data. Sedangkan Algoritma K-Nearest Neighbor menunjukkan akurasi sebesar 92.73% dengan sample data yang sama. Hasil kedua algortima menunjukkan algoritma terbaik dengan urutan pertama K-Nearest Neighbor dan urutan kedua Naïve Bayes, tidak ada perbedaan signifikan karena nilai alpha dibawah 0.05. Secara keseluruhan dapat disimpulkan bahwa dengan memanfaatkan algoritma K-Nearest Neighbor memiliki tingkat akurasi yang lebih tinggi dari pada Algortima Naïve Bayes pada proses klasifikasi penjurusan IPA maupun IPS pada kelas XI SMA menggunakan algoritma klasifikasi sehingga sesuai dengan minat, bakat dan potensi diri siswa dalam penentuan jurusan sehingga memberikan manfaat dan membantu pihak sekolah menjadi lebih cepat dalam pengklasifikasiannya.
User Acceptance Test dan Penerapan Model ADDIE pada Media Pembelajaran Interaktif Pengenalan Profesi Ari Nurul Alfian; Yoga Rifai; Rita Wahyuni Arifin; Rika Apriani; Indri Ayu Lestari; Dwi Ismiyana Putri
Prosiding SISFOTEK Vol 8 No 1 (2024): SISFOTEK VIII 2024
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Digital technologies such as computers and handheld devices enhance student engagement and motivation and accelerate learning. Vocational introduction subjects are taught using a package book, a minimal tool for explaining the material becomes a reason for introducing interactive learning media for the introduction of various professions in students at Islamic High School Al-Hilal. The learning media development model used is the ADDIE model which includes Analysis, Design, Development, Implementation and Evaluation. The media testing was conducted using Blackbox Testing and User Acceptance Test (UAT). The results of the Blackbox testing were 100% valid and the UAT results were 92% of the applications were highly qualified from the total of 20 respondents. Learning media can help the process of effective learning activities and make it easier for students to understand the introductory material of a variety of professions.
Co-Authors Ari Nurul Alfian Indri Ayu Lestari Rika Apriani Rita Wahyuni Arifin Yoga Rifai