Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JROCK (Journal Research on Computing Knowledge)

Sistem Informasi Pengelolaan Aset (SIPEOT) Kelurahan Laloeha Berbasis Web Habibie, Muh. Aprizaldi; Mardiawati, Mardiawati; Noorhasanah.Z; Jimsan
Journal Research on Computing Knowledge Vol. 1 No. 1 (2024): November 2024
Publisher : Fakultas Teknologi Informasi

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

Abstract

Efficient asset management constitutes a principal challenge in administrative governance, particularly in Laloeha Village. The web-based Asset Management Information System (SIPEOT) was created to resolve problems associated with manual recording, which frequently results in data discrepancies and delays in decision-making. This study utilized the Waterfall methodology, which includes phases of analysis, design, implementation, testing, and maintenance. The system was developed utilizing UML diagrams and executed with PHP alongside a MySQL database. Principal features encompass asset data management, item reports, and loan reports. The testing results indicate that the system satisfactorily meets user needs. SIPEOT's integrated features are anticipated to improve efficiency, accuracy, and speed in asset management for Laloeha Village. This system can be enhanced in the future with supplementary security measures and more sophisticated asset management capabilities
Optimasi Prediksi Hasil Belajar Algoritma dengan Metode kNN Syahraeni Rahmadi; Jimsan; Muh. Hajar Akbar
Journal Research on Computing Knowledge Vol. 1 No. 2 (2025): Maret 2025
Publisher : Fakultas Teknologi Informasi

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

Abstract

Penentuan performa akademik mahasiswa merupakan aspek penting dalam evaluasi pendidikan, terutama dalam mata kuliah Algoritma yang membutuhkan pemahaman logis dan analitis yang kuat. Penelitian ini menerapkan metode k-Nearest Neighbors (kNN) untuk mengklasifikasikan hasil belajar mahasiswa berdasarkan parameter akademik, seperti nilai tugas, nilai UTS, nilai UAS, jumlah latihan koding, dan tingkat kehadiran. Dataset yang digunakan terdiri dari 53 mahasiswa, dengan proses klasifikasi dilakukan melalui perhitungan Euclidean Distance untuk menentukan jarak antara data uji dan data latih. Hasil penelitian menunjukkan bahwa metode kNN dapat mengklasifikasikan mahasiswa dengan akurasi yang baik, di mana mahasiswa dengan tingkat latihan koding yang tinggi dan kehadiran yang konsisten cenderung memiliki performa akademik lebih baik. Dengan penerapan yang tepat, metode ini dapat digunakan sebagai alat bantu dalam analisis akademik serta membantu pendidik dalam mengidentifikasi mahasiswa yang membutuhkan bimbingan lebih lanjut.