Gustiani, Sindy
Unknown Affiliation

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

Found 2 Documents
Search

KNOWLEDGE DISCOVERY DALAM PREDIKSI NILAI SISWA BERDASARKAN BULAN KELAHIRAN SISWA DI SMP NEGERI 2 TUNGKAL JAYA MENGGUNAKAN NAIVE BAYES Haidar Afif Mufid, Muhammad; Attika Putri, Shopi; Gustiani, Sindy; Wirnanti, Rintan; Sabar Manahan, Nico; Ditha Tania, Ken; Rifai, Ahmad
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.v9i4.13864

Abstract

Pendidikan memiliki peran yang sangat penting dalam membentuk kualitas akademik siswa, di mana prestasi belajar dipengaruhi oleh berbagai faktor, baik yang bersifat internal maupun eksternal. Penelitian ini fokus pada hubungan antara bulan kelahiran dengan pencapaian nilai siswa di SMP Negeri 2 Tungkal Jaya, yang selama ini masih menggunakan metode tradisional tanpa mempertimbangkan faktor non-tradisional seperti bulan kelahiran. Tujuan dari penelitian ini adalah untuk membangun model prediksi nilai siswa menggunakan metode Naive Bayes, yang dapat membantu sekolah dalam mengidentifikasi siswa yang berisiko mengalami kesulitan akademik berdasarkan bulan kelahirannya, sekaligus memberikan rekomendasi untuk strategi pembelajaran yang inklusif. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery in Databases (KDD), yang melalui beberapa tahapan, dimulai dari pengumpulan data dari 123 siswa, kemudian melakukan preprocessing dengan mengklasifikasikan nilai ke dalam kategori A, B, dan C, dilanjutkan dengan transformasi, dan terakhir melakukan data mining menggunakan Naive Bayes di RapidMiner. Hasil evaluasi menunjukkan bahwa akurasi tertinggi dicapai pada nilai IPS, yaitu sebesar 72,75%, sementara akurasi terendah terdapat pada Matematika dengan 40,30%. Rata-rata akurasi prediksi untuk Bahasa Indonesia, Bahasa Inggris, dan rapor berada di atas 70%.
IDENTIFIKASI WAKTU OPTIMAL POSTING TERHADAP POLA ENGAGEMENT SOSIAL MEDIA MENGGUNAKAN METODE K-MEANS CLUSTERING Fathoni, Fathoni; Basulina, Nur Annisa; Gustiani, Sindy; Amalia, Suci; Sabila, Amalia; Ibrahim, Ali
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.v9i4.14027

Abstract

Media sosial telah menjadi platform utama dalam membangun engagement, khususnya bagi seorang influencer dan pemasar digital. Engagement ini dipengaruhi oleh berbagai faktor, termasuk waktu optimal untuk memposting konten. Akan tetapi, banyak pengguna masih mengandalkan intuisi dalam menentukan waktu posting tanpa analisis berbasis data. Penelitian ini bertujuan untuk mengidentifikasi pola engagement berdasarkan waktu posting menggunakan metode K-Means Clustering. Data dikumpulkan melalui sumber sekunder yang mencakup berbagai platform media sosial dan dianalisis dengan Bootstrap Sampling untuk meningkatkan validitas sampel. Penentuan jumlah klaster optimal ditentukan menggunakan metode Elbow, yang menghasilkan dua klaster utama berdasarkan engagement rate. Hasil penelitian menunjukkan bahwa platform Instagram memiliki tingkat engagement tertinggi, dengan Facebook yang menunjukkan potensi interaksi yang signifikan. Terkait waktu optimal, engagement lebih tinggi pada waktu pagi dan malam dibandingkan siang dan sore. Visualisasi data juga mengungkap bahwa jumlah likes memiliki korelasi positif kuat terhadap engagement rate dibandingkan comments dan shares. Temuan ini memberikan wawasan bagi influencer dan pengelola media sosial untuk mengoptimalkan strategi konten dengan mempertimbangkan faktor waktu posting dan platform yang digunakan