Claim Missing Document
Check
Articles

Found 3 Documents
Search

Implementasi Decision Support System Rekomendasi Beasiswa Pendidikan Menggunakan Metode Simple Additive Weighting Abdurrozzaq, ismail; Litanianda, Yovi; Fajaryanto C, Adi
Jurnal Sains Komputer dan Sistem Informasi Vol. 2 No. 1 (2024): Jurnal Sains Komputer dan Sistem Informasi
Publisher : PT. Gelora Cipta Nusantara

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

Abstract

Upaya meningkatkan kualitas pendidikan di Indonesia dilakukan dengan cara menyediakan beasiswa yang bisa berasal dari pemerintah atau pihak lainnya. Setidaknya ada 10 jenis beasiswa dari pemerintah, yang dikelola oleh kementrian pendidikan kebudayaan riset dan teknologi, kementrian agama, kementrian keuangan, kementrian komunikasi dan informasi hingga dari internal Lembaga Pendidikan seperti sekolah kedinasan. Ragam beasiswa dari pemerintah yang banyak itu menjadi daya tarik yang diperebutkan oleh banyak peserta didik. Setiap beasiswa mengharuskan penerimanya memenuhi kriteria tertentu yang spesifik dan bisa jadi berbeda untuk setiap beasiswa. Banyaknya ragam beasiswa dan kriteria peneriamanya yang berlaian ini pada prakteknya bisa menimbulkan masalah berupa terjadinya pemberian beasiawa yang salah sasaran. Seseorang peserta didik yang memenuhi persyaratan lebih dari 1 macam beasiswa sering keliru didaftarkan pada kriteria yang tepat, kondisi ini bisa jadi menutup peluang peserta didik lain yang hanya bisa didaftarkan di satu beasiswa tapi kuotanya telah habis karena diisi oleh peserta didik yang bisa memilih beasiswa tadi. Belum lagi sering juga terjadi permainan yang mengakibatkan beasiswa salah sasaran dengan kata lain beasiswa diterima oleh peserta dengan kondisi ekonomi yang baik. Kondisi ini semakin mungkin terjadi seiring jumlah siswa yang berminat bertamabah banyak. Untuk mengurangi terjadinya kesalahan penyaluran beasiswa itu maka pihak sekolah bisa dibantu dengan menggunakan sebuah sistam pendukung keputusan atau Decission Support System dalam merekomendasikan peserta dalam penerimaan beasiswa dibidang pendidikan yang ada di SMP MBS Prof Hamka Kota Madiun.
Integration Of Open CV LBF Model To Detect Masks In Health Protocol Surveillance Systems Litanianda, Yovi; Setyawan, Moh Bhanu; Fajaryanto C, Adi; Abdurrozzaq Z, Ismail; Aditya, Charisma Wahyu
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 1 (2024): Article Research Volume 6 Issue 1, January 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i1.3460

Abstract

The Corona Viruses Diseases pandemic that was rife in early 2020 and hit many countries caused discipline to be applied to health protocols. The prevention of physical contact between humans gave rise to new traditions in aspects of human life. Almost all public facilities in Indonesia require visitors to wear masks as a means of preventing exposure to viruses in the air. However, this advice is often ignored by some people. In addition to endangering many people, this condition also makes public facility managers need extra resources in the form of time, energy and costs to ensure this health protocol is implemented. The existence of these problems triggers the emergence of innovations to present a system that provides assurance and convenience in ensuring compliance with health protocols for the use of masks through creative and effective methods. This method is done by utilizing CCTV cameras or webcams at the entrance equipped with an Artificial Intelligence program designed to be able to detect the use of masks on visitors to public facilities, and without the need for other sensors. The detection system is built on the concept of facial biometrics and utilizes the OpenCV LBF model to detector landmarks on a person's face. Based on tests conducted through several scenario, it can be said that the open CV LBF model successfully identified the use of masks within 35 seconds, increasing the reading distance to 2 meters making the process longer. In addition, in indoor lighting conditions, the system experienced 1 detection error with a process time of 18 seconds, while for well-light outdoor conditions the system managed to detect all objects within 10 seconds.
Penerapan Algoritma Naive Bayes Pada Pemilihan Jenis Pelatihan Kerja (Studi Kasus: Upt Blk Ponorogo): Naive Bayes, Pelatihan Kerja, Sistem Rekomendasi, UPT BLK, Ketenagakerjaan Arya Giri Pangestu; Fajaryanto C, Adi; Prasetyo, Angga
SinarFe7 Vol. 7 No. 1 (2025): SinarFe7-7 2025
Publisher : FORTEI Regional VII Jawa Timur

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

Abstract

Ketenagakerjaan merupakan elemen penting dalam pembangunan suatu wilayah. Tingkat produktivitas dan daya serap tenaga kerja menjadi indikator kesejahteraan penduduk dan kemajuan suatu daerah. Pemerintah Kabupaten Ponorogo melalui UPT Balai Latihan Kerja (BLK) menyelenggarakan pelatihan berbasis kompetensi untuk meningkatkan kualitas tenaga kerja dan mengurangi angka pengangguran. Namun, proses pemilihan jenis pelatihan kerja sering kali belum berbasis data dan cenderung subjektif. Penelitian ini bertujuan untuk merancang sistem rekomendasi pelatihan kerja berbasis web dengan menerapkan teknik data mining menggunakan Algoritma Naive Bayes. Data yang digunakan diperoleh dari 1300 peserta pelatihan tahun 2021 dan 2022 di UPT BLK Ponorogo. Atribut yang digunakan mencakup jenis kelamin, pendidikan, jurusan, dan status pekerjaan. Sistem ini dibangun menggunakan framework Laravel dengan database MySQL. Hasil pengujian menunjukkan bahwa sistem mampu merekomendasikan jenis pelatihan secara tepat, seperti pelatihan Bahasa Jepang, Otomotif Roda Dua, dan lain-lain, sesuai dengan karakteristik peserta. Dengan demikian, sistem ini dapat dijadikan alat bantu pengambilan keputusan dalam menentukan jenis pelatihan kerja yang lebih efektif dan tepat sasaran.