Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Bulletin of Information Technology (BIT) Jurnal Nasional Teknologi Komputer
Sri Novida Sari
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penerapan Metode Multi-Attribute Utility Theory (MAUT) dalam Penilaian Kinerja Keaktifan Guru Rizka, Ade; Virdyra Tasril; Indri Sulistianingsih; Sharfina Faza; Sri Novida Sari
Jurnal Nasional Teknologi Komputer Vol 5 No 2 (2025): April 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i2.176

Abstract

Pelaksanaan kegiatan belajar disekolah hampir seluruhnya dikendalikan oleh guru, sehingga guru memiliki tanggung jawab untuk dapat menghasilkan generasi emas dimasa depan. Hal tersebut harus diimbangi dengan kualitas guru. Jika kualitas guru tidak maksimal dan baik maka, akan sulit untuk menghasilkan generasi emas. Kualitas seorang guru dapat dilihat dari kemampuan dan kinerja. Penilaian kinerja menjadi tolak ukur kualitas guru dan bahan evaluasi dalam peningkatan kualitas guru. Namun, terkadang penilaian kinerja yang dilakukan secara manual tanpa menggunakan metode dan parameter yang sesuai, akan menghasilkan penilaian yang kurang tepat dan efisien. Hasil kinerja seorang guru patut diapresiasi, sehingga dapat meningkatkan semangat dan kualitas kinerja guru. Perhitungan nilai kinerja guru menggunakan bantuan sistem dan metode MAUT. Perhitungan metode terdiri dari alternatif guru yang memiliki kriteria yaitu, jam mengajar, penugasan guru dikelas, kehadiran, proses kegiatan belajar mengajar, penyerahan nilai dan kehadiran rapat atau upacara. Hasil akhir dari data representatif untuk 10 alternatif dan 6 kriteria yaitu alternatif G2 dengan nilai utilitas tertinggi yaitu 0,5702 yang dapat direkomendasikan sebagai guru yang memiliki kualitas kinerja terbaik dan layak mendapatkan apresiasi. Sistem mampu melakukan proses penilaian kinerja secara efisien, cepat dan tepat, dibandingkan perhitungan manual. Sistem dapat digunakan untuk menghitung nilai kinerja guru setiap bulan. Dengan demikian, guru yang berkualitas dapat diapresiasi dan berkontribusi dalam menghasilkan generasi emas.
Analisis Metode TOPSIS Terhadap Kinerja Dosen Berdasarkan Preferensi Penilaian Mahasiswa Rizka, Ade; Arif Hamied Nababan; Cut Try Utari; Sri Novida Sari
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.303

Abstract

Salah satu tugas utama seorang dosen adalah sebagai pendidik profesional yang berkualitas. Hal tersebut dapat terlaksanakan jika dosen memiliki kinerja yang optimal agar memenuhi standar kompetensi untuk meningkatkan kualitas pendidikan perguruan tinggi dalam menghasilkan lulusan yang kompeten. Maka, evaluasi kinerja perlu dilaksanakan guna mengetahui tingkat kompetensi dosen sebagai pendidik, terutama dimata mahasiswa. Penelitian terdahulu telah menggunakan berbagai metode keputusan untuk mengevaluasi hasil kerja. Namun, metode TOPSIS menjadi metode yang lebih mudah untuk diterapkan pada penelitian ini. Sebelumnya, evaluasi kinerja dosen bersifat subjektif dan tidak terstruktur sehingga memberikan hasil yang kurang akurat dan tidak objektif. Penelitian ini menerapkan metode TOPSIS sebagai metode yang memperhitungkan kriteria kompetensi agar menghasilkan informasi yang objektif dan terstruktur sesuai dengan standar. Kriteria kompetensi yaitu, pendagogik, profesional, kepribadian dan sosial. Hasil analisis metode TOPSIS dapat memberikan pendekatan secara objektif yaitu dosen TRPL 1 memiliki nilai terbesar yaitu 1 dan dosen TRPL 2 memiliki nilai terkecil yaitu 0. Hal ini dapat menjadi dasar pengembangan dan peningkatan kualitas dosen, serta langkah evaluasi kinerja yang terukur, tersruktur dan transparan. Selanjutnya capaian kinerja setiap dosen dapat dievaluasi untuk pengembangan dan perbaikan kualitas berdasarkan kendala atau masalah, sehingga hasil evaluasi menjadi dasar dalam pengambilan keputusan dalam memberikan penghargaan atau pembinaan.
Teknik Data Mining Dengan Menggunakan Algoritma Decision Tree Untuk Mengetahui Pola Pemahaman Mahasiswa Pada Matakuliah Pemrograman Sri Novida Sari; Putri Annisa; An Nisa Dian Rahma; Rama Prameswara Ritonga; Dito Putro Utomo
Bulletin of Information Technology (BIT) Vol 6 No 4 (2025): Desember 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v6i4.2339

Abstract

Medan State Polytechnic, as one of the leading vocational universities in Medan City, plays a crucial role in producing graduates who are ready to work and possess applied competencies according to industry needs. One of the strategic departments is the Computer Engineering and Informatics Department, which focuses on developing students' abilities in technology and programming. Programming courses are an important foundation in developing students' analytical and logical skills. However, many students still experience difficulties in understanding basic programming concepts, which results in low academic achievement and learning motivation. This study aims to identify patterns of student understanding in programming courses using the Decision Tree algorithm as a classification method. Through a data mining approach, this study attempts to extract hidden patterns from students' academic data to identify factors that influence their level of understanding. The Decision Tree algorithm was chosen because it is able to produce classification models that are easy to understand and interpret, and is effective in handling both categorical and numerical data. The research data was processed using Google Collaboratory with the help of the scikit-learn library. The testing process was carried out through the formation of a classification model, decision tree visualization, and confusion matrix analysis to measure model performance. Based on the test results, an accuracy value of 50% and an F1-score of 51.68% were obtained, indicating that the Decision Tree model has a good ability to predict and classify students' level of understanding of programming courses. Overall, this research provides an important contribution to the development of data-based learning strategies in vocational education environments. Through the results obtained, lecturers are expected to be able to adjust teaching methods according to student characteristics and abilities, so that the learning process becomes more adaptive, effective, and has a positive impact on improving student understanding of programming courses.
Co-Authors An Nisa Dian Rahma Arif Hamied Nababan Cut Try Utari Faza, Sharfina Putri Annisa Rama Prameswara Ritonga Rizka, Ade Sulistianingsih, Indri Virdyra Tasril