Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data) Jurnal Computer Science and Information Technology (CoSciTech)
Yusril Haza Mahendra
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Sistem Pendukung Keputusan Guru Terbaik Di MA Al-mannan Bagik Nyaka Dengan Menggunakan Metode Simple Additive Weighting (Saw) Zainuddin Nazri; Achmad Baijuri; Sunardi Sunardi; Yusril Haza Mahendra
Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data) Vol 6, No 2 (2023): Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data)
Publisher : Institut Informatika dan Bisnis Darmajaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30873/simada.v6i2.3856

Abstract

Abstract Dalam konteks ini, sistem pendukung keputusan muncul sebagai solusi penting dalam menghadapi lonjakan informasi dan teknologi. Madrasah Aliyah (MA) Al-mannan Bagik Nyaka, sebuah lembaga pendidikan di Lombok Timur, mempertimbangkan penerapan teknologi untuk memilih guru terbaik. Metode konvensional yang digunakan saat ini kerap menimbulkan kesalahpahaman di antara guru-guru. Oleh karena itu, adopsi teknologi pendukung keputusan dengan pendekatan Simple Additive Weighting (SAW) menjadi alternatif yang menjanjikan.Metode SAW digunakan untuk menilai dan memilih alternatif dalam kasus-kasus terbatas. Metode ini memberikan keunggulan dalam akurasi, dengan merangkul nilai kriteria dan bobot yang telah ditentukan sebelumnya. Kelebihan utama SAW terletak pada kemampuannya memilih alternatif terbaik berdasarkan perangkingan nilai tertinggi, setelah atribut dan bobotnya ditetapkan. Pendekatan ini juga meminimalkan waktu perhitungan.Implementasi teknologi pendukung keputusan dengan metode SAW akan memberikan solusi yang lebih efisien dan akurat dalam pemilihan guru terbaik di MA Al-mannan Bagik Nyaka. Ini akan membantu kepala sekolah dalam membuat keputusan yang lebih tepat, memberikan penghargaan kepada guru-guru yang berprestasi, dan mendorong peningkatan kualitas pengajaran. Dengan demikian, adopsi teknologi ini akan memainkan peran penting dalam mendukung kemajuan pendidikan di era modern ini.
Analisis Data Mining Untuk Deteksi Diabetes Mellitus Menggunakan Naïve Bayes Yusril Haza Mahendra; Ririen Kusumawati; Imamudin
Computer Science and Information Technology Vol 6 No 1 (2025): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v6i1.7954

Abstract

Diabetes mellitus is a chronic disease with a continuously increasing global prevalence. it is characterized by high blood glucose levels due to the body's inability to produce or effectively use insulin. the widespread impact on individuals and communities underscores the importance of early detection and proper management. In the digital era, data mining analysis has become a crucial tool in healthcare, enabling the exploration and analysis of health data on a large scale to identify patterns and trends that are difficult to detect manually. in the context of detecting diabetes mellitus, data mining holds great potential for predictive model development. one of the algorithms used is naïve bayes. This study analyzes naïve bayes classification for early symptoms of diabetes mellitus, with the aim of enhancing understanding of risk factors and developing early detection tools. The research findings indicate that naïve bayes has the highest accuracy of 78% with the application of missing value imputation mean. It is hoped that this research will enhance efforts in preventing and managing diabetes mellitus, as well as reducing the burden on individuals and communities as a whole.
Co-Authors Achmad Baijuri imamudin Ririen Kusumawati sunardi sunardi Zainuddin Nazri