Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Asri Maspupah
Informatika, Fakultas Sains dan Informatika, Universitas Jenderal Achmad Yani Cimahi
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 2 Documents
Search

 1 
Identifikasi Kemampuan Akademik Mahasiswa Menggunakan K-Means Clustering Eka Rahmawati; Yulison Herry Chrisnanto; Asri Maspupah
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 3 No. 1 (2019): PROSIDING SEMNAS INOTEK Ke-III Tahun 2019
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v3i1.518

Abstract

Peningkatan peran dosen dalam penjaminan mutu di perguruan tinggi akan tercapainya kinerja akademik yang sesuai dengan kemampuan yang dimiliki oleh mahasiswa. Untuk menganalisa kinerja akademik sendiri berarti mengidentifikasi keunikan-keunikan yang ada pada mahasiswa sehingga dalam mengidentifikasi keunikan- keunikan tersebut akan terdapat variabel-variabel yang berpengaruh terhadap kemampuan akademik mahasiswa. Dalam mengidentifikasi kemampuan akademik mahasiswa tidak semua variabel yang digunakan akan berpengaruh terhadap kemampuan akademik mahasiswa. Salah satu cara untuk mengetahui variabel yang berpengaruh terhadap kemampuan akademik mahasiswa yaitu dengan algoritma K-Means Clustering. Penelitian ini menghasilkan sistem yang dapat mencari kombinasi variabel untuk dapat mencerminkan suatu kemampuan akademik dari mahasiswa sehingga terdapat variabel yang tidak berpengaruh terhadap kemampuan akademik mahasiswa dengan menggunakan K-Means Clustering. Hasil pengujian menunjukkan bahwa terdapat variabel yang tidak berpengaruh terhadap kemampuan akademik sehingga terdapat 23 data kemampuan akademik mahasiswa yang tidak sesuai dengan kategori cluster sebelumnya. Hasil penelitian ini juga menunjukkan bahwa terdapat 73 data kemampuan akademik mahasiswa yang sesuai dengan kategori cluster sebelumnya sehingga memiliki nilai akurasi 73% dan dari semua jumlah cluster yang dimasukkan, untuk cluster yang berjumlah 3 memiliki nilai silhouette coefficient yang paling mendekati nilai Si=1 dengan nilai 0.835409226.
SISTEM ESTIMASI BIAYA DAN SUMBER DAYA PROYEK PERANGKAT LUNAK BERBASIS COCOMO II MENGGUNAKAN NEURAL NETWORK Joko Irawan; Yulison Herry Chrisnanto; Asri Maspupah
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 3 No. 1 (2019): PROSIDING SEMNAS INOTEK Ke-III Tahun 2019
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v3i1.519

Abstract

Estimasi biaya dan sumber daya perangkat lunak merupakan bagian tak terpisahkan dari proyek perangkat lunak. Saat melakukan estimasi sering menghadapi dua permasalahan yaitu estimasi berlebihan dan estimasi yang kurang. Estimasi berlebihan akan menimbulkan penambahan alokasi biaya dan sumber daya, sedangkan estimasi yang kurang akan mengurangi kualitas produk. Untuk mengantisipasi terjadinya kesalahan estimasi maka dikembangkan suatu metode untuk mengestimasi biaya dan sumber daya proyek perangkat lunak berbasis Constructive Cost Model 1997 (COCOMO II) dengan menggunakan Algoritma Backpropagation Neural Network. COCOMO II menghasilkan nilai estimasi dari data latih, sedangkan Algoritma Backpropagation digunakan untuk menghasilkan nilai estimasi data uji. Hasil dari perhitungan Backpropagation dilakukan penggabungan dengan model COCOMO II sehingga menghasilkan estimasi biaya dan sumber daya proyek perangkat lunak. Jumlah data yang digunakan dalam penelitian ini sebanyak 60 data. Model yang dikembangkan ini dievaluasi menggunakan PRED. Berdasarkan hasil dari penelitian diperoleh bahwa penggunaan model COCOMO II, dan algoritma Backpropagation memiliki kedekatan dalam melakukan estimasi biaya, dan sumber daya proyek perangkat lunak dengan nilai PRED sebesar 75%. Kesimpulan dari penelitian ini model COCOMO II, dan algoritma Backpropagation dapat mengurangi tingkat kegagalan dalam proyek perangkat lunak, berdasarkan estimasi biaya, dan sumber daya.
Co-Authors Eka Rahmawati Joko Irawan Yulison Herry Chrisnanto