Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal DISPROTEK Journal of Dinda : Data Science, Information Technology, and Data Analytics
Akhmad Khanif Zyen
Universitas Islam Nahdlatul Ulama Jepara
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Industrial & Manufacturing Engineering Other

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

Found 2 Documents
Search

 1 
PREDIKSI SISWA-SISWI SMK AZ-ZAHRA MLONGGO MASUK PASAR KERJA MENGGUNAKAN ALGORITMA NAIVE BAYES Akhmad Khanif Zyen; Nur Aeni Widiastuti
Jurnal Disprotek Vol 11, No 2 (2020)
Publisher : Universitas Islam Nahdlatul Ulama Jepara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34001/jdpt.v11i2.4642

Abstract

Siswa-siswi SMK Azzahra setiap tahunnya sebagian besar diharapkan langsung bekerja sesuai bidangnya, tapi dalam pengolahan tingkat nilai prestasi siswa yang menetukan kriteria masuk pasar kerja masih menggunakan cara manual yang terdapat banyak kelemahan dan berpotensi mengakibatkan kesalahan. Perlu adanya Algoritma Klasifikasi untuk memecahkan permasalahan ini, ada salah satu Algoritma Klasifikasi yang sudah terbukti akurasi dan kecepatan yang baik untuk memecahkan permasalahan tersebut yaitu Algoritma Naive Bayes. Oleh karena itu penulis menganalisis prediksi siswa-siswi masuk pasar kerja dengan metode Naïve Bayes untuk menentukan lulus tidaknya masuk kriteria pasar kerja. Penulis membuat perhitungan metode Naïve Bayes secara manual menggunakan Excel dan menggunakan aplikasi pendukung Rapidminer 5.3, dimana dalam penelitian ini data yang digunakan tahun 2018-2020 denga total 247, dataset tersebut dibagi menadi 2 bagian, yakni 152 data training dan 75 data testing, dimana memprediksi siswa yang lulus kriteria masuk pasar kerja sebanyak 57 orang dan yang tidak lulus kriteria masuk pasar kerja sebanyak 18 orang. Hal ini bereda dengan data testing siswa dimana yang lulus kriteria masuk pasar kerja sebanyak 46 orang dan yang tidak lulus kriteria masuk pasar kerja sebanyak 29 orang dan akurasi yang diperoleh mendapatkan nilai sebesar 77,33%.  Jadi, dapat disimpulkan bahwa pengujian menggunakan metode Naïve Bayes dapat mendukung untuk memprediksi lulus tidaknya siswa-siswi dalam masuk pasar kerja.
Analysis of Student Academic Performance to Identify New Patterns Using Linear Regression Algorithm Adelia Putri Septiani; Akhmad Khanif Zyen; Buang Budi Wahono
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 5 No 1 (2025): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/dinda.v5i1.1723

Abstract

Abstract This research aims to analyze and identify new patterns in student academic performance using linear regression algorithms. Using data from 1001 respondents, this study analyzes the relationship between various variables such as study hours, previous scores, extracurricular activities, sleep hours, and learning practices on academic performance index. The research methodology employs a quantitative approach with linear regression analysis to identify relationships between variables. The results show significant correlations with an R-squared value of 0.783, indicating that 78.3% of the variation in performance index can be explained by the studied variables. Key findings reveal a synergistic effect between study hours and active learning practices, with performance improvements of up to 23%. The research also identifies a threshold effect on study hours above 6 hours which no longer provides significant impact. Optimal sleep patterns of 7-8 hours show positive correlation with highest academic performance. This study provides important contributions to understanding the factors influencing academic performance and can be used as a basis for developing more effective learning strategies. Keywords: academic performance, linear regression, learning patterns, educational data analysis, performance index.
Co-Authors Adelia Putri Septiani Buang Budi Wahono Nur Aeni Widiastuti