Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Swastyani, Resa
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Sistem Pendukung Keputusan Kelompok Pemilihan Pegawai Terbaik dengan Metode AHP, Oreste dan Borda Santoso, Herdiesel; Widodo, Wahyu; Swastyani, Resa
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.8095

Abstract

Pengelolaan Sumber Daya Manusia (SDM) berperan penting dalam mendukung kinerja organisasi, terutama dalam pelayanan publik. Salah satu upaya untuk meningkatkan motivasi dan kinerja pegawai adalah melalui pemberian penghargaan sebagai pegawai terbaik. Proses pemilihan pegawai terbaik yang di lakukan oleh Dinas Penanaman Modal dan Pelayanan Terpadu (DPMPT) Kabupaten Bantul cenderung masih dilakukan secara subjektivitas karena data tidak terukur dan terstruktur. Selain itu, proses pengolahan data membutuhkan waktu yang cukup lama. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan Kelompok (SPKK) berbasis metode hybrid yang mengombinasikan Analytical Hierarchy Process (AHP), Oreste, dan Borda. Metode AHP dapat dipakai untuk menghitung bobot prioritas kriteria penilaian, Oreste untuk menentukan perangkingan tiap penilai dan penentuan pegawai terpilih dan Borda untuk menentukan penggabungan nilai dari tim penilai. Setiap Tim Penilai akan memberikan penilaian sesuai kriteria yang telah ditetapkan yaitu : integritas, disiplin, komitmen, kerapian dan keramahan.Implementasi dalam bentuk perangkat lunak mempermudah pengambil keputusan dalam memilih pegawai terbaik. Hasil penelitian menunjukkan bahwa perangkat lunak SPKK yang dikembangkan mampu meningkatkan efisiensi, akurasi, dan objektivitas dalam proses seleksi pegawai terbaik. Kriteria integritas menjadi faktor penilaian dengan bobot tertinggi, diikuti oleh disiplin, komitmen, kerapian, dan keramahan. Kombinasi metode hybrid AHP, Oreste, dan Borda terbukti efektif dalam menghasilkan keputusan yang optimal, sesuai dengan kebutuhan DPMPT Kabupaten Bantul.
PERBANDINGAN ALGORITMA KLASIFIKASI K-NN DENGAN VARIASI JARAK, NAIVE BAYES, LOGISTIC REGRESSION, DAN DECISION TREE UNTUK PREDIKSI KELULUSAN MAHASISWA Swastyani, Resa; Santoso, Herdiesel
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14255

Abstract

Pendidikan tinggi berfungsi sebagai pilar utama dalam pengembangan kualitas sumber daya manusia, dan tingkat kelulusan mahasiswa menjadi indikator keberhasilan institusi. Beberapa institusi menghadapi permasalahan dalam mempertahankan tingkat kelulusan yang tinggi, rendahnya kelulusan mencerminkan hambatan dalam pembelajaran atau kualitas pengajaran. Oleh karena itu, prediksi kelulusan mahasiswa penting agar institusi dapat mengantisipasi permasalahan akademik lebih awal dan mengambil langkah-langkah strategis. Penelitian ini bertujuan untuk mengevaluasi performa algoritma klasifikasi, yaitu k-Nearest Neighbors (k-NN) dengan berbagai metrik jarak (Manhattan, Euclidean, Minkowski), Naïve Bayes, Logistic Regression, dan Decision Tree, untuk memprediksi kelulusan mahasiswa. Evaluasi dilakukan berdasarkan akurasi, presisi, recall, F1-score, dan AUC. Hasil penelitian menunjukkan bahwa Naïve Bayes adalah metode terbaik dengan akurasi 87,5%, presisi 86%, recall 80%, F1-score 83%, dan AUC 93,1%. Model ini optimal karena fitur Indeks Prestasi Semester (IPS) memiliki distribusi yang sesuai dengan asumsi Gaussian. Sebaliknya, Decision Tree memiliki performa terendah dengan akurasi 77,5% dan rentan terhadap overfitting. Faktor utama yang mempengaruhi kelulusan mahasiswa adalah status pekerjaan (30,8%) dan IPS Semester 4 (25,7%). Penelitian ini diharapkan dapat mendukung institusi pendidikan dalam memilih metode klasifikasi yang tepat serta merancang strategi akademik berdasarkan faktor utama yang mempengaruhi kelulusan.
Co-Authors Herdiesel Santoso Wahyu Widodo