Article Per Year (5 Year)
p-Index From 2020 - 2025
2.495
P-Index
This Author published in this journals
All Journal JURNAL SISTEM INFORMASI BISNIS Jurnal Simetris E-Dimas: Jurnal Pengabdian kepada Masyarakat Jurnal DISPROTEK Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ bit-Tech Jurnal Teknologi Informasi dan Komunikasi Walisongo Journal of Information Technology STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Biner : Jurnal Ilmiah Informatika dan Komputer SmartComp Journal of Information System and Computer Scientific Journal of Informatics Indonesian Journal of Humanities and Social Sciences
Danang Mahendra, Danang
Unknown Affiliation
Religion Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Social Sciences Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : SmartComp

 1 
Penerapan Algoritma Naïve Bayes dalam Memprediksi Kecanduan Gadget pada Anak di Masa Golden Age Putri, Natasya; Mahendra, Danang; Minardi, Joko
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 3 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i3.8178

Abstract

Meningkatnya penggunaan gadget pada anak usia dini (golden age) menimbulkan kekhawatiran terkait dampaknya terhadap perkembangan kognitif, fisik, dan emosional mereka. Penelitian ini bertujuan untuk memprediksi tingkat kecanduan gadget pada anak usia dini menggunakan algoritma Naive Bayes dengan dataset yang terdiri dari 104 responden yang dikumpulkan melalui kuesioner yang divalidasi oleh pakar. Model ini dievaluasi menggunakan metode validasi silang 10 kali lipat untuk memastikan keakuratan prediksi. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mencapai akurasi 94,36% dengan presisi dan recall yang tinggi pada kategori “normal” dan “kecanduan berat”. Namun, kesalahan prediksi masih ditemukan pada kategori “kecanduan sedang” dan “kecanduan ringan”. Penelitian ini memberikan kontribusi yang signifikan dalam mengidentifikasi hubungan antara kebiasaan penggunaan gadget dan tingkat kecanduan pada anak usia dini, serta memberikan acuan praktis bagi orang tua untuk mengatur pola penggunaan gadget pada anak. Sistem prediksi yang dikembangkan juga dapat menjadi dasar untuk aplikasi berbasis teknologi dalam manajemen perilaku anak. Studi ini merekomendasikan pengumpulan dataset yang lebih besar dan seimbang pada penelitian selanjutnya untuk meningkatkan akurasi prediksi dan memperluas model generalisasi.
Optimalisasi Proses Alokasi dalam Penerimaan Siswa Baru Berbasis Algoritma Greedy Zulfa, Arina; Mahendra, Danang; Azizah, Noor
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 3 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i3.8398

Abstract

Penerimaan siswa baru merupakan proses penting dalam menejemen pendidikan. SMP Salafiyah Pekalongan masih menggunakan metode manual yang sering sekali menyebabkan ketidakefisienan, kesalahan pengelolaan kuota, dan rendahnya transparansi. Penelitian ini bertujuan untuk mengembangkan sistem penerimaan siswa baru berdasarkan algoritma Greedy guna mengoptimalkan alokasi siswa berdasarkan kriteria seleksi, kuota gelombang, dan jalur pendaftar. Hasil implementasi menunjukkan bahwa dari 226 siswa yang mendaftar di gelombang 1 dan 63 siswa di gelombang 2, sebanyak 160 siswa diterima pada gelombang 1 dan 60 siswa pada gelombang 2. Proses alokasi mematuhi aturan kuota jalur pendaftaran, masih menyisakan kuota pada gelombang 2, karena terdapat 3 siswa yang kelengkapan kriterianya tidak terpenuhi dan jumlah pendaftaran lebih sedikit dibandingkan kuota gelombang. Hasil pengujian menunjukkan bahwa algoritma Greedy mampu mengalokasikan siswa dengan tingkat akurasi sebesar 86%, dengan mematuhi semua aturan kuota dan memberikan prioritas kepada siswa dengan nilai tertinggi. Sistem ini terbukti lebih efisien dan mampu mengurangi risiko kesalahan input data dalam pengelolaan penerimaan siswa baru yang lebih modern dan efektif.
Co-Authors Adrian Dico Pratama Afida Citra Dewinta Afifatun Nahar Afrizal, Nova Agus Subhan Akbar Ahmad Saefudin alzena sabilla Budi Lofian Darnoto, Darnoto Dhonni, Muhammad Khusnud Ella Mawarda Hamidaturrohmah Heru Saputro Heru Saputro Hidayat, Muslim Husni Mubarok Husni Mubarok Joko Minardi, Joko Muhaimin Muhaimin Muhammad Khoirur Rozikin Nina Sofiana Noor Azizah Noor Azizah Nur Hasanah putri, natasya Sabila, Alzena Dona Sofiana, Nina Suwondo, Adi Syaifudin Rosyad Zulfa, Arina