Claim Missing Document
Check
Articles

Found 3 Documents
Search

Prediksi Hasil Belajar Peserta Didik Menggunakan Model Multiple Linier Regression Agus Yulianto; Firmansyah
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 6 No. 4 (2022): Volume 6 No 4 Oktober 2022
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v6i4.11763

Abstract

Hasil belajar merupakan prestasi yang dicapai oleh peserta didik dengan mengikuti proses akademik seperti pengajaran, diskusi hingga ujian. Permasalahan institusi pendidikan saat ini adalah tidak dapat mengantisipasi dan memprediksi hasil belajar di masa depan. Dengan memprediksi hasil belajar, institusi dapat melakukan langkah preventif terhadap proses belajar pada periode berikutnya. Untuk dapat menentukan kebijakan dalam proses belajar mengajar, maka dibuat prediksi hasil belajar menggunakan metode multiple linier regression dengan menggunakan variabel kehadiran dan peringkat sebagai variabel dependen dan hasil belajar sebagai variabel independen. Mulitple linier regression terbukti dapat memprediksi hasil belajar peserta didik berdasarkan variabel kehadiran dan peringkat. Dari nilai koefisien regresi dapat disimpulkan bahwa jika kehadiran turun sebanyak 1 maka persentase kehadiran juga akan turun sebesar 0.03%, sedangkan jika peringkat turun sebanyak 1 maka peringkat siswa akan berkurang sebanyak 0.53.
Prediksi Penyakit Jantung Menggunakan Algoritma Random Forest Agus Yulianto Agusyul; Firmansyah
Jurnal Minfo Polgan Vol. 12 No. 2 (2023): Artikel Penelitian 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v12i2.13214

Abstract

Pembelajaran mesin di bidang kesehatan terus berkembang dan banyak digunakan untuk membantu dokter seperti visualisasi, klasifikasi kesehatan, prediksi penyakit dan banyak lagi. Random forest merupakan salah satu algoritma yang digunakan dalam bidang kesehatan yang dapat memprediksi penyakit jantung. Dengan menggunakan random forest, data yang diprediksi lebih akurat dibanding decision tree. Dengan menggunakan metode CRISP-DM, terbukti random forest mampu memprediksi penyakit jantung berdasarkan kebiasaan pasien. Tingkat akurasi yang dimiliki oleh random forest adalah 91% akurat dalam memprediksi penyakit jantung.
Manfaat Serta Pengaruh Kompensasi Tunjangan Hari Raya Terhadap Kinerja Karyawan Muhammad Addin Hidayatulloh; Firmansyah; Adam Ivanda Raditya; Ibnu Dwi Fajar; Feri Husein Hibadullah; Saridawati
MISTER: Journal of Multidisciplinary Inquiry in Science, Technology and Educational Research Vol. 1 No. 3b (2024): JULI (Tambahan)
Publisher : UNIVERSITAS SERAMBI MEKKAH

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/mister.v1i3b.1805

Abstract

Tunjangan Hari Raya (THR) adalah salah satu jenis kompensasi yang ditawarkan bisnis kepada karyawan. sebagai bagian dari hak mereka, terutama menjelang hari raya keagamaan. Penelitian ini bertujuan untuk mengeksplorasi berbagai aspek pemberian THR, termasuk dampaknya terhadap motivasi dan kinerja karyawan, serta kepatuhan perusahaan terhadap regulasi pemerintah mengenai THR. Melalui pendekatan kuantitatif dan kualitatif, penelitian ini melibatkan survei dan wawancara dengan karyawan dari berbagai sektor industri di Indonesia. Hasil penelitian menunjukkan bahwa pemberian THR secara tepat waktu dan sesuai dengan ketentuan dapat meningkatkan motivasi dan loyalitas karyawan. Selain itu, kepatuhan perusahaan terhadap regulasi THR menunjukkan adanya hubungan positif dengan citra perusahaan di mata karyawan dan publik. Selain itu, penelitian ini mengidentifikasi beberapa tantangan yang dihadapi perusahaan dalam operasionalnya. pemberian THR, termasuk kendala keuangan dan administrasi. Rekomendasi diberikan untuk meningkatkan efektivitas pelaksanaan THR, seperti peningkatan transparansi dalam perhitungan THR dan penguatan regulasi untuk memastikan kepatuhan yang lebih baik. Dengan demikian, Temuan penelitian ini diharapkan dapat membantu memajukan kebijakan kompensasi yang lebih efektif dan efisien di Indonesia.