Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Jurnal Riset dan Inovasi Pembelajaran Scientica: Jurnal Ilmiah Sains dan Teknologi JAR'S (Journal of Advanced Research in Informatics)
Iddrus, Iddrus
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
IMPLEMENTASI APLIKASI SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) UNTUK MEMILIH KARYAWAN TERBAIK PADA CV. BINA LESTARI DI KABUPATEN SUMENEP Ardiansyah, Fiqih; Iddrus, Iddrus; Widiastutik, Rully
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 2 No. 11 (2024): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

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

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan berbasis web dengan menggunakan metode Analytical Hierarchy Process (AHP) untuk mendukung proses pengambilan keputusan. Sistem ini dirancang untuk memudahkan evaluasi dan pemilihan karyawan terbaik di CV Bina Lestrai, Kabupaten Sumenep, berdasarkan kriteria yang telah ditetapkan oleh perusahaan. Metode AHP dipilih karena kemampuannya menyelesaikan masalah multi-kriteria dan memberikan solusi yang objektif dengan membandingkan setiap kriteria secara berpasangan. Pengembangan sistem ini dilakukan menggunakan beberapa teknologi web seperti PHP, HTML, CSS, dan JavaScript, serta framework PHP Native untuk mempermudah pengelolaan kode dan pengembangan fitur. Basis data yang digunakan adalah MySQL untuk menyimpan data kriteria, alternatif, dan hasil perhitungan AHP. Sistem ini diimplementasikan pada server web yang dikelola menggunakan XAMPP. Hasil penelitian menunjukkan bahwa sistem pendukung keputusan berbasis web dengan metode AHP dapat memberikan rekomendasi yang akurat dan andal dalam proses pengambilan keputusan. Sistem ini telah diuji dan menunjukkan kinerja yang baik dalam hal kecepatan dan akurasi perhitungan. Nilai pembobotan kriteria adalah sebagai berikut: Kehadiran (25%), Disiplin (16%), Tanggung Jawab (23%), Kerjasama (23%), dan Kejujuran (13%). Nilai eigen maksimalnya adalah 5,352 dengan indeks konsistensi 0,088 dan rasio konsistensi 0,078 yang menunjukkan bahwa preferensi pembobotan adalah konsisten. Data karyawan yang digunakan dalam penelitian ini mencakup 73 karyawan yang diidentifikasi dengan berbagai atribut seperti NIP, nama lengkap, jenis kelamin, dan jabatan. Dengan adanya sistem ini, diharapkan dapat membantu pengambil keputusan dalam memilih alternatif terbaik dengan lebih efisien dan efektif.
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA DECISION TREE C4.5 UNTUK MEMPREDIKSI MAHASISWA DROP OUT DI UNIVERSITAS WIRARAJA Iddrus, Iddrus; Sari, Dewi Wulan
Journal of Advanced Research in Informatics Vol 1 No 2 (2023): JARS : Journal of Advanced Research in Informatics
Publisher : Fakultas Teknik, Universitas Wiraraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24929/jars.v1i02.2684

Abstract

Education providers are required to be able to provide good educational services and quality education to each student. Service and quality of education are provided to ensure students succeed in their academics. However, academic failures still occur in some students at various existing universities. One example of academic failure that often occurs is Drop Out (DO). DO is a condition where students are unable to complete their studies during the study period that has been given. DO is a big loss for students and education providers. By utilizing data mining, students should be able to predict from the start who are likely to experience dropouts. Based on these problems, a study was conducted to predict the probability of students dropping out using the Decision Tree algorithm C4.5 model. The test results obtained in this study are accuracy.
Prediksi Kelulusan Mahasiswa Tepat Waktu atau Tidak Menggunakan Metode Naive Bayes Classifier (Studi kasus : Mahasiswa Fakultas Teknik) Ayyub, Ayyub; Iddrus, Iddrus
Journal of Advanced Research in Informatics Vol 3 No 1 (2024): Journal of Advanced Research in Informatics
Publisher : Fakultas Teknik, Universitas Wiraraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24929/jars.v3i1.3787

Abstract

ABSTRAK - Perguruan tinggi memiliki kewajiban untuk menghasilkan lulusan yang kompeten. Hal tersebut dapat dinilai dari tingkat kelulusan mahasiswanya. Kelulusan mahasiswa tepat waktu merupakan salah satu point penilaian dalam proses akreditasi perguruan tinggi. Namun kelulusan mahasiswa tidak selalu dapat dideteksi secara cepat, Banyak faktor yang menjadi pengaruh kelulusan mahasiswa terlambat, seperti tingkat pemahaman mahasiswa terhadap materi kuliah yang dapat dilihat dari IPK mahasiswa. Dari permasalahan yang ada, perlu adanya sistem untuk memprediksi tingkat kelulusan mahasiswa berdasarkan variabel-variabel yang ada. Dengan sistem yang dibuat diharapkan perguruan tinggi bisa membuat kebijakan sehingga mahasiswa dapat lulus tepat waktu. Penelitian ini menggunakan 358 data mahasiswa fakultas teknik lulusan angkatan 2017 - 2022, dengan metode Naive bayes, dengan rincian data training 286 data dan data testing 72 data. Atribut yang digunakan nama, sekolah (Negeri/Swasta), jenis sekolah (SMA/SMK /MA), dan IPS-1 – IPS4. Dengan tahapan identifikasi masalah, pengumpulan data, data cleaning, data integration data transformation (dibagi menjadi data training dan data tesing), klasifikasi dengan Naive bayesClassifier, validasi, evaluasi dan hasil. Hasil penelitian yang diperoleh yaitu akurasi = 91,7%, termasuk dalam kategori good classification.
Peningkatan Kosakata (Vocabulary) Bahasa Inggris Pada Siswa SMP: Media Pembelajaran Berbasis Teknologi Duolingo Rizqi, Hanifatur; Iddrus, Iddrus; Sumitro, Eko Adi
Jurnal Riset dan Inovasi Pembelajaran Vol. 4 No. 3 (2024): September-December 2024
Publisher : Education and Talent Development Center Indonesia (ETDC Indonesia)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51574/jrip.v4i3.2610

Abstract

Penguasaan kosakata akan sangat memengaruhi beberapa aspek keterampilan bahasa, termasuk mendengarkan, berbicara, membaca, dan menulis. Media pembelajaran berfungsi sebagai sumber daya yang digunakan oleh guru dalam proses pedagogis, dan pemilihan media yang tepat secara signifikan meningkatkan pemahaman dan pemahaman siswa terhadap konten instruksional. Penelitian ini berupaya untuk menilai kemanjuran platform pembelajaran berbasis teknologi, Duolingo, dalam meningkatkan kosakata bahasa Inggris kepada siswa kelas III di SMPN 2 Sumenep. Penelitian ini menggunakan desain eksperimen dua kelompok, khususnya membandingkan kelompok eksperimen dengan kelompok kontrol. Penelitian ini menggunakan teknik total sampling. Kelompok eksperimen adalah Kelas III A, yang terdiri dari 21 siswa, sedangkan kelompok kontrol adalah Kelas III B, yang juga terdiri dari 21 anak. Kedua kelompok akan menjalani tes awal dan tes akhir, meskipun menerima perlakuan yang berbeda. Kelompok eksperimen menerima pembelajaran melalui Duolingo, sedangkan kelompok kontrol menggunakan metode pengajaran tradisional. Peneliti menggunakan SPSS 25 untuk analisis data guna menilai kemanjuran aplikasi media pembelajaran. Hasil studi ini mengungkap perbandingan nilai rata-rata (mean) dari Pre-test dan Post-test di kelas eksperimen dan kelas kontrol, yang menunjukkan 33,09524 > 16,90476. Kelas eksperimen menunjukkan peningkatan yang lebih tinggi daripada kelas kontrol, yang menunjukkan bahwa perlakuan yang diberikan di kelas eksperimen lebih efektif dalam meningkatkan hasil belajar siswa daripada di kelas kontrol. Temuan uji signifikansi (Sig. 2-tailed) menghasilkan nilai 0,000, yang kurang dari 0,05, yang menunjukkan perbedaan yang signifikan antara nilai Pre-test dan Post-test di kelas eksperimen dan kontrol.
Co-Authors Ardiansyah, Fiqih Ayyub, Ayyub Eko Adi Sumitro Hanifatur Rizqi Sari, Dewi Wulan Widiastutik, Rully