Destanto, Tri
Unknown Affiliation

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

Found 4 Documents
Search

Comparison of Data Mining for Classifying Student Graduation Levels Using Naive Bayes, Decision Tree, and Random Forest Methods (Case Study of The Undergraduate Program at Mitra Indonesia University) Destanto, Tri; Nugroho, Handoyo Widi
CCIT (Creative Communication and Innovative Technology) Journal Vol 18 No 1 (2025): CCIT JOURNAL
Publisher : Universitas Raharja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/ccit.v18i1.3409

Abstract

This study aims to apply data mining techniques to classify student graduation rates in the Undergraduate Program at Mitra Indonesia University. The methods used in this study include Naive Bayes, Decision Tree, and Random Forest. The data used includes student academic data, such as grades, attendance, and other demographic information. The research steps include data collection, data cleaning, data analysis, and the application of data mining algorithms. The results of the study show that the Random Forest method provides the highest accuracy compared to Naive Bayes and Decision Tree in predicting student graduation rates. The Random Forest method achieved an accuracy of 85%, while the Decision Tree achieved 80%, and Naive Bayes achieved 75%. These findings are expected to help Mitra Indonesia University identify students at risk of not graduating on time, so appropriate interventions can be provided to improve graduation rates
Implementation of Data Mining for Classifying Student Graduation Levels Using Naive Bayes, Decision Tree, Random Forest, Support Vector Machines and Neural Networks Methods (Case Study of The Undergraduate Program at Mitra Indonesia University) Hartanto, M. Budi; Destanto, Tri; Yuniarthe, Yodhi; Winarko, Triyugo
CCIT (Creative Communication and Innovative Technology) Journal Vol 18 No 1 (2025): CCIT JOURNAL
Publisher : Universitas Raharja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/ccit.v18i1.3441

Abstract

This study aims to classify student graduation levels using five data mining methods: Naive Bayes, Decision Tree, Random Forest, Support Vector Machines, and Neural Networks. Conducted as a case study at Mitra Indonesia University, the research utilizes academic data, including GPA, course completion rates, and attendance records, to predict graduation success. The results reveal that Random Forest and Neural Networks exhibit the highest accuracy, making them the most suitable methods for predicting student outcomes. These findings contribute to the development of early intervention programs for students at risk of delayed graduation, providing valuable insights for higher education institutions.
Rancang Bangun Aplikasi Pembayaran SPP Berbasis Web Dengan Dashboard Monitoring Untuk Pihak Pondok Pesantren Dicky, Mr.; Anna, Eva Itma; Destanto, Tri
Jurnal Teknologi dan Informatika (JEDA) Vol 6, No 2 (2025): OKTOBER 2025
Publisher : Universitas Mitra Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57084/jeda.v6i2.2186

Abstract

Di Pondok Pesantren Jabal An Nur Al Islami, proses pembayaran SPP masih dilakukan secara manual menggunakan media konvensional, yang rentan terhadap kesalahan pencatatan, keterlambatan verifikasi, dan minimnya transparansi informasi bagi wali santri maupun pimpinan pondok. Penelitian ini bertujuan untuk merancang dan membangun aplikasi pembayaran SPP berbasis web yang dilengkapi dengan dashboard monitoring, guna meningkatkan efisiensi, akurasi, dan transparansi dalam pengelolaan administrasi keuangan pesantren. Metode pengembangan yang digunakan dalam penelitian ini adalah pendekatan rekayasa perangkat lunak, dengan tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Pengujian dilakukan menggunakan metode black box testing untuk memastikan bahwa sistem berjalan sesuai dengan fungsionalitas yang diharapkan dan logika program bebas dari kesalahan. Hasil penelitian menunjukkan bahwa aplikasi dapat membantu pihak administrasi dan pimpinan pondok dalam mengelola pembayaran secara digital, menyajikan laporan keuangan dengan cepat dan akurat, serta memberikan akses informasi yang lebih transparan kepada wali santri. Dengan demikian, aplikasi ini diharapkan dapat menjadi solusi digitalisasi administrasi keuangan di lingkungan pesantren serta mendukung transformasi digital di sektor pendidikan berbasis agama.
Perancangan Sistem Monitoring Aset pada PT Mardec Siger Pramono, Doni Eko Hendro; Destanto, Tri
Jurnal Teknologi dan Informatika (JEDA) Vol 6, No 2 (2025): OKTOBER 2025
Publisher : Universitas Mitra Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57084/jeda.v6i2.2230

Abstract

Perkembangan teknologi informasi yang pesat mendorong perusahaan untuk meningkatkan efisiensi dalam pengelolaan aset dan inventaris. PT Mardec Siger yang bergerak di bidang pengolahan karet remah masih menerapkan sistem pencatatan aset secara manual menggunakan buku besar dan spreadsheet. Kondisi tersebut menimbulkan berbagai permasalahan, seperti kesalahan pencatatan, kesulitan dalam penelusuran data aset, keterlambatan penyusunan laporan, serta kurangnya transparansi dalam pemantauan kondisi aset. Penelitian ini bertujuan untuk merancang sistem monitoring aset berbasis web guna meningkatkan efektivitas dan akurasi pengelolaan aset perusahaan. Metode pengembangan sistem yang digunakan adalah Prototype, yang meliputi tahapan analisis kebutuhan, desain cepat, pembangunan prototipe, evaluasi pengguna, penyempurnaan, pengujian sistem, dan implementasi. Teknik pengumpulan data dilakukan melalui wawancara, observasi, dan studi pustaka. Hasil penelitian berupa aplikasi berbasis web yang menyediakan fitur pengelolaan data aset, pencatatan barang masuk dan keluar, monitoring stok, serta pembuatan laporan secara real-time. Berdasarkan pengujian Black Box, sistem berjalan sesuai dengan kebutuhan pengguna. Implementasi sistem ini terbukti mampu meningkatkan akurasi data, mempercepat pencarian informasi, dan mendukung efisiensi operasional perusahaan.