Claim Missing Document
Check
Articles

Found 4 Documents
Search

METODE JARINGAN SARAF TIRUAN DALAM MEMPREDIKSI JUMLAH POPULASI ITIK MANILA BERDASARKAN PROVINSI DI INDONESA Della Puspita; Agus Perdana Windarto; Hendry Qurniawan
Jurnal ilmiah Sistem Informasi dan Ilmu Komputer Vol. 2 No. 3 (2022): November : Jurnal ilmiah Sistem Informasi dan Ilmu Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juisik.v2i3.328

Abstract

Peternakan merupakan salah satu subsektor pertanian yang sangat diperlukan untuk dapat memenuhi kebutuhan pangan masyarakat, terutama kebutuhan gizi protein hewani. Komoditas terbesar di peternakan saat ini berasal pada sektor per-unggas-an, hampir 70% di Sektor peternakan dan didominasi per-unggas-an. Berdasarkan data populasi itik manila di Indonesia dari beberapa provinsi menampilkan jumlah populasi pertahun nya yang memiliki nilai yang tidak stabil. Pada sampel data yang digunakan dalam penelitian ini diambil berdasarkan lima tahun terakhir yaitu 2017 – 2021, dilihat bahwa pada tahun 2017 – 2020 jumlah populasi mengalami penurunan namun pada tahun 2020 – 2021 jumlah populasi mengalami kenaikan. Pada penelitian ini menggunakan metode back-propagation. Penelitian ini memberikan kontribusi dalam pemahaman peramalan atau prediksi pada jumlah populasi itik manila di masa yang akan datang dan juga penelitian ini memperkenalkan implementasi algoritma back-propagation untuk memprediksi jumlah populasi itik manila. Hasil penelitian dengan percobaan yang dilakukan arsitektur terbaik yaitu 3 – 15 – 1 untuk memprediksi jumlah populasi itik manila pada tahun 2022 dengan menunjukan hasil akurasi sebesar 85,3%. Mse Testing sebesar 0,0010. Dari model ini maka dapat dihasilkan prediksi jumlah populasi itik manila berdasarkan provinsi dari masing – masing provinsi yang ada di Indonesia.
Peningkatan Motivasi Karyawan Melalui Strategi Manejemen Kepemimpinan Efektif di Rumah Sakit Pematangsiantar Hendry Qurniawan; Sumarno, Sumarno; Indra Gunawan; Heru Satria Tambunan
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 3 No. 1 (2025): Volume 3 No 1 Tahun 2025
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/5wgexc56

Abstract

Motivasi karyawan merupakan faktor penting dalam meningkatkan kualitas pelayanan rumah sakit. Penelitian ini bertujuan untuk mengidentifikasi dan merumuskan strategi peningkatan motivasi karyawan di Rumah Sakit Pematang Siantar. Metode penelitian menggunakan pendekatan kualitatif dengan pengumpulan data melalui wawancara, observasi, dan studi dokumentasi. Hasil penelitian menunjukkan beberapa strategi utama yang efektif meningkatkan motivasi antara lain pelatihan berkelanjutan, lingkungan kerja kondusif, sistem penghargaan yang adil, serta komunikasi yang terbuka dan transparan. Implementasi strategi-strategi ini memberikan kontribusi positif terhadap kinerja dan kepuasan kerja karyawan rumah sakit.
Penerapan Data Mining Klasifikasi C4.5 dalam Menentukan Tingkat Stres Mahasiswa Akhir Anggi Trifani; Agus Perdana Windarto; Hendry Qurniawan
JURNAL RISET RUMPUN ILMU TEKNIK Vol. 1 No. 2 (2022): Oktober : Jurnal Riset Rumpun Ilmu Teknik
Publisher : Pusat riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1074.729 KB) | DOI: 10.55606/jurritek.v1i2.414

Abstract

Penelitian ini bertujuan untuk melakukan Klasifikasi dalam menentukan tingkat Stres yang dialami oleh Mahasiswa Akhir di STIKOM Tunas Bangsa dengan menggunakan teknik data mining C4.5. Dengan mengetahui stres mahasiswa, pihak kampus dapat memberikan treatment dan perlakuan yang tepat terhadap mahasiswa akhir. Sumber data penelitian diperoleh dari beberapa kelas semester 6 dan 8 sebanyak 110 mahasiswa, melalui wawancara dan pembagian kuesioner. Atribut yang digunakan sebagai parameter penilaian untuk mengetahui tingkat stres yang dialami oleh mahasiswa akhir di STIKOM Tunas Bangsa, Pematang siantar antara lain: Interpersonal (C1), Intrapersonal (C2), Akademik (C3) dan Lingkungan (C4). Proses pengujian penelitian ini menggunakan bantuan software RapidMiner untuk membuat pohon keputusan. Dari hasil pengolahan C4.5 dengan menggunakan bantuan software RapidMiner atribut Interpersonal (C1) menjadi atribut yang paling berpengaruh terhadap tingkat stres Mahasiswa Akhir dan data performance yang ditunjukkan terhadap kesesuaian metode C4.5 akurasinya adalah 87,88%.
Dosen Dalam Mempengaruhi Persepsi Mahasiswa Untuk Peduli Pemilihan Presiden Dalam Pemilu 2024 Damanik, Bahrudi; Hendry Qurniawan; Irawan
Jurnal Manajemen, Pendidikan Dan Ilmu Komputer Vol. 2 No. 1 (2025): Volume 2 No 1 Januari 2025
Publisher : Yayasan Darus Soleh Parung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65309/42ekz317

Abstract

Penelitian ini dilakukan bertujuan untuk mengetahui pengaruh dosen dalam mempengaruhi mahasiswa sebagai pemilih pemula dalam pemilihan presiden 2024 agar mahasiswa peduli pilpres dan mempunyai kandidat yang dinginkan menjadi pemimpin di masa dating. Metode yang digunakan adalah metode survey dengan pendekatan kuantitatif yaitu pendekatan yang menggunakan angka-angka yang diolah melalui analisis statistik non parametrik dalam menganalisis hasil penelitian korelasional. Penelitian ini termasuk dalam jenis asosiatif yakni berisi gambaran lengkap tentang hubungan antar satu variable dengan variable lainnya, memiliki jenis hubungan linier, karena pada dasarnya ingin melihat hubungan antar variable bebas yaitu dosen dalam mempengaruhi persepsi mahasiswa dengan jumlah sample 60 orang. Kesimpulan penelitian secara simultan variabel dosen dalam mempengaruhi persepsi mahasiswa berpengaruh positif dan signifikan terhadap peduli pemilihan presiden dapat dilihat di mana nilai F-hitung > F-tabel (27,672 > 2,790), secara partial variabel dosen dalam mempengaruhi persepsi mahasiswa berpengaruh positif dan signifikan terhadap peduli pemilihan presiden di mana nilai t-hitung > t-tabel (3,295 > 2,000)