Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENERAPAN FINITE STATE AUTOMATA DALAM SISTEM PENDAFTARAN KELAS KURSUS KOMPUTER Moch Ihsan Ramadhani; Muhhamad Ageng Zayem Wahid; Khairil Hakim; Tedy Setiadi
Kohesi: Jurnal Sains dan Teknologi Vol. 6 No. 12 (2025): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v6i12.10866

Abstract

Dalam lembaga pelatihan kursus komputer, salah satu permasalahan utama yang sering dihadapi adalah kesulitan dalam menempatkan peserta pada kelas yang sesuai dengan tingkat kemampuan mereka. Penempatan yang tidak tepat dapat mengurangi motivasi peserta, baik karena materi yang diajarkan terlalu mudah maupun terlalu sulit. Selain itu, proses pendaftaran yang masih dilakukan secara manual sering menyebabkan kesalahan dan menghabiskan waktu yang cukup banyak. Untuk mengatasi masalah ini, penelitian ini mengusulkan penerapan Finite State Automata (FSA) dalam sistem pendaftaran kelas kursus komputer. Sistem ini menggunakan pendekatan Non-Deterministic Finite Automata (NFA) untuk memodelkan dan mengotomatisasi alur pendaftaran, sehingga peserta dapat ditempatkan pada kelas yang sesuai berdasarkan hasil tes kemampuan awal. Selain itu, sistem ini juga diintegrasikan dengan teknologi berbasis web untuk memberikan fleksibilitas dan kemudahan akses bagi pengguna. Dengan solusi ini, proses pendaftaran menjadi lebih efisien, akurat, dan mudah diakses, mengurangi kesalahan manual dan memastikan penempatan peserta yang tepat.
PENGGUNAAN K-MEANS UNTUK IDENTIFIKASI DAERAH RAWAN KECELAKAAN LALU LINTAS DI KOTA YOGYAKARTA Khairil Hakim; Yoga Pramudya; Fajar Hidayat; Tedy Setiadi
Kohesi: Jurnal Sains dan Teknologi Vol. 7 No. 2 (2025): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v7i2.11161

Abstract

Penelitian ini bertujuan untuk mengidentifikasi daerah rawan kecelakaan lalu lintas di kota Yogyakarta dengan menggunakan algoritma K-Means. Algoritma ini merupakan teknik pengelompokan non-hierarki yang mengelompokkan data berdasarkan karakteristik serupa. Data kecelakaan lalu lintas tahun 2023 diperoleh dari situs Open Data Kota Yogyakarta. Proses analisis meliputi identifikasi masalah, pengumpulan data, pengolahan data, klasterisasi, dan analisis hasil. Dengan membagi informasi menjadi tiga kelompok, yakni rendah, sedang, dan tinggi, penelitian ini berhasil mengidentifikasi pola kecelakaan dan daerah rawan kecelakaan. Temuan menunjukkan bahwa metode K-Means berguna dalam meneliti data tentang kecelakaan jalan dan memberikan wawasan yang penting untuk keputusan kebijakan. Penelitian ini diharapkan dapat berkontribusi dalam meningkatkan keselamatan lalu lintas di Kota Yogyakarta.