Article Per Year (5 Year)
p-Index From 2021 - 2026
1.642
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Pilar Nusa Mandiri Informatics for Educators and Professional : Journal of Informatics Information Management For Educators And Professionals (IMBI) Jurnal Teknik Informatika STMIK Antar Bangsa JITK (Jurnal Ilmu Pengetahuan dan Komputer) INTI Nusa Mandiri Systematics JATI (Jurnal Mahasiswa Teknik Informatika) Reputasi: Jurnal Rekayasa Perangkat Lunak JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Esty Purwaningsih
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Library & Information Science Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Syntax Jurnal Informatika

 1 
Penerapan K-Nearest Neighbor Untuk Klasifikasi Tingkat Kelulusan Pada Siswa Esty Purwaningsih; Ela Nurelasari
SYNTAX Jurnal Informatika Vol 10 No 01 (2021): Mei 2021
Publisher : Universitas Singaperbangsa Karawang

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

Abstract

Tingkat ‘kelulusan pada siswa salah satunya terbentuk dari hasil pencapaian kinerja siswa dalam suatu pembelajaran. Prediksi dari tingkat kelulusan berdasarkan kinerja siswa bermanfaat untuk menganalisa siswa yang kurang berprestasi dalam kegiatan akademik dan juga dapat memberikan dukungan pada siswa yang mengalami kesulitan saat pembelajaran. Terdapat faktor yang menjadi pertimbangan dalam memprediksi tingkat kelulusan siswa diantaranya nilai akademik, sikap dan juga faktor sosial. namun itu saja tidak cukup untuk dijadikan faktor dalam memprediksi kinerja siswa. Para pengajar pun belum efektif untuk memilah faktor mana yang mempengaruhi kinerja siswa.Predikat prestasi terhadap kinerja siswa diperoleh dari hasil sebuah prediksi. Prediksi ‘dilakukan dengan ‘menggunakan metode K-Nearest Neighbor (KNN). K-Nearest Neighbor sering digunakan pada klasifikasi ‘kinerja siswa karena kesederhanaannya juga dapat memberikan hasil yang signifikan dan kompetitif.Hasil dari prediksi tingkat kelulusan siswa dengan metode KNN didapat rata-rata akurasi dengan nilai sebesar 96,49%. Pengolahan data ‘dilakukan dengan ‘menggunakan tools rapid miner. Output dari implementasi pada ‘prediksi ‘tingkat ‘kelulusan dapat ‘dijadikan sebagai ‘acuan bagi siswa untuk ‘meningkatkan ‘prestasi dan predikat studi ‘lanjut dimasa yang akan datang.
Sistem Pendukung Keputusan Pemilihan Perumahan KPR Terbaik dengan Metode SAW Ela Nurela Sari; Esty Purwaningsih
SYNTAX Jurnal Informatika Vol 10 No 02 (2021): Oktober 2021
Publisher : Universitas Singaperbangsa Karawang

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

Abstract

Semakin berkembangnya perusahaan developer property menjadikan calon pembeli akan kesulitan dalam memilih perumahan yang sesuai dengan kriteria yang diinginkan. Pemilihan tempat tinggal huni bisa dilihat dari beberapa kriteria diantaranya rumah harus sehat, nyaman dan aman. Dalam penelitian ini penulis mengambil data perumahan sebanyak tiga sampel perumahan di daerah Depok Jawa Barat. Dimana, tujuan dari penelitian ini membuat sistem pendukung keputusan(SPK) yang dapat membantu calon pembeli dalam pemilihan perumahan. Sistem pendukung keputusan berfungsi untuk membantu dalam pengambilan keputusan untuk memecahkan suatu masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur. Dalam penelitian ini penulis menggunakan metode Simple Additive Weighting (SAW) dikenal dengan istilah metode penjumlahan berbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif di semua atribut. Metode ini membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala ke semua rating dari alternatif yang tersedia. Kriteria yang digunakan dalam pemilihan perumahan diantaranya Harga(H), Lokasi(L), Fasilitas Umum(FU), Perijinan(P), dan Desain Rumah(DR). Setelah dilakukan pengujian diketahui bahwa dari 3 sampel perumahan dihasilkan nilai perangkingan yang lebih tinggi dengan nilai 22,33 , sehingga hasil keputusan pemilihan perumahan yang terbaik adalah Perumahan C. Dengan demikian, metode SAW mampu memberikan rekomendasi pemilihan perumahan terbaik dengan hasil perhitungan lebih cepat dan akurat sehingga informasi yang dihasilkan dapat digunakan sebagai pendukung keputusan.
Co-Authors Aditia Darmawan Algani, Ahmad Diah Ayu Maulida Wati Diah Puspitasari Ela Nurela Sari Ela Nurela Sari Ela Nurelasari Junian Tamba, Hiskia Magdalena Gire Namang Ridwansyah Ridwansyah Santoso Setiawan