Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Computers and Digital Business Jurnal Ilmu Komputer dan Sistem Informasi
Meini Syakinah Ritonga
Universitas Islam Negeri Sumatera Utara
Computer Science & IT Decision Sciences, Operations Research & Management Library & Information Science

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

Found 2 Documents
Search

 1 
Implementasi Algoritma Genetika Pada Sistem Penjadwalan Mata Pelajaran Otomatis Di MAN Tapanuli Selatan Lokasi Sipagimbar Meini Syakinah Ritonga; M. Fakhriza
Journal of Computers and Digital Business Vol. 5 No. 2 (2026)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i2.989

Abstract

Penyusunan jadwal mata pelajaran merupakan kegiatan administratif yang kompleks dan diklasifikasikan sebagai permasalahan Non-deterministic Polynomial-time Hard (NP-Hard). Di MAN Tapanuli Selatan lokasi Sipagimbar, proses penjadwalan masih dilakukan secara semi-manual menggunakan spreadsheet yang memicu terjadinya jadwal ganda (double booking) dan memakan waktu penyusunan hingga berhari-hari. Penelitian ini bertujuan mengimplementasikan Algoritma Genetika untuk mengotomatisasi sistem penjadwalan berbasis web. Kontribusi utama penelitian ini terletak pada pemodelan fungsi evaluasi (fitness) yang secara spesifik mengakomodasi karakteristik kurikulum madrasah melalui pendekatan penalti gravitasi pagi guna memprioritaskan distribusi mata pelajaran berbeban kognitif tinggi ke jam awal pembelajaran. Metode komputasi menggunakan teknik pengkodean tidak langsung (indirect encoding) berbasis bobot prioritas desimal. Hasil evaluasi melalui Multiple Run Experiment membuktikan bahwa algoritma secara konsisten menekan tingkat pelanggaran hard constraints hingga 0 (nol), sedangkan angka konvergensi akhir sebesar 1.089,3 merupakan representasi mutlak dari soft penalty yang wajar secara komputasional. Secara komparatif, algoritma usulan mencatatkan rata-rata waktu penelusuran matriks jadwal sebesar 232,52 detik, memberikan parameter efisiensi yang terukur dan jauh lebih unggul dibandingkan dengan metode semi-manual. Pengujian Black-Box mengonfirmasi bahwa fungsionalitas sistem berjalan stabil sesuai spesifikasi, menyimpulkan bahwa implementasi ini secara teknis sangat layak digunakan untuk mendigitalisasi birokrasi akademik di sekolah.
Klasifikasi Lonjakan Ekstrem Nilai Tukar USD/IDR Menggunakan Gaussian Naïve Bayes Meini Syakinah Ritonga; Rita Novita Sari
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 5 No. 2 (2025): Mei 2026
Publisher : LKP Unity Academy

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70340/jirsi.v5i2.457

Abstract

The fluctuation of the Rupiah exchange rate against the US Dollar (USD/IDR) potentially triggers macroeconomic instability. This study aims to classify potential extreme surges in the USD/IDR exchange rate using data mining techniques with the Gaussian Naïve Bayes algorithm. A total of 502 daily historical observation data were extracted into four continuous predictor features: volatility, closing difference, upper bound difference, and lower bound difference. The evaluation was conducted using an 80% training and 20% testing data split. The results show that the model can identify "Normal" and "Extreme" classes with an accuracy of 96.04%, a precision of 62.50%, and a recall of 83.33%. The 5-Fold Cross Validation test yielded an average cumulative accuracy of 95.43%, confirming that the model's performance is stable and does not experience overfitting. In conclusion, the Gaussian Naïve Bayes algorithm is proven to be effective and reliable as an early warning system against the risk of extreme foreign exchange rate surges.
Co-Authors M. Fakhriza Rita Novita Sari