Claim Missing Document
Check
Articles

Found 2 Documents
Search

Peran Strategis Sistem Informasi Manajemen dalam Membantu Sumber Daya Manusia Riski, Anggoro; Febrianto, Adjie; Nasution, Doni; Asrizal, Muhamad; Wijoyo, Agung
Jurnal Riset Informatika dan Inovasi Vol 3 No 7 (2025): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Sistem Informasi Manajemen (SIM) menjadi peran penting dalam proses Transformasi untuk pengelolaan sumber daya manusia (SDM). Penelitian ini bertujuan menganalisis peran strategis SIM dalam meningkatkan efisiensi operasional, kualitas pengambilan keputusan, dan pengembangan keterampilan SDM di berbagai bidang organisasi. Metode yang digunakan adalah tinjauan pustaka sistematis terhadap studi empiris dan kajian teori. Hasil menunjukkan bahwa SIM (termasuk HRIS dan HR analytics) meningkatkan efisiensi proses administrasi, memperbaiki akurasi pengambilan keputusan, serta memungkinkan praktik SDM berbasis data. Tantangan utama meliputi integrasi data, literasi data SDM, dan kendala sumber daya atau teknologi. Pengaruh dari penelitian ini menganjurkan penggunaan bertahap SIM yang disertai pengembangan kompetensi digital SDM dan pemanfaatan HR analytics untuk pengambilan keputusan strategis.
Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Decision Tree dengan Metode CART Sukma, Asri; Riski, Anggoro; Reza Nur Ihsan, Muhamad; Rosyani, Perani
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 3 No. 2 (2025): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

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

Abstract

Kelulusan tepat waktu merupakan indikator penting kinerja perguruan tinggi dan keberhasilan proses akademik mahasiswa. Tingkat keterlambatan kelulusan yang masih tinggi menunjukkan perlunya pendekatan prediktif berbasis data untuk mengidentifikasi mahasiswa berisiko sejak dini. Penelitian ini bertujuan membangun model prediksi kelulusan mahasiswa menggunakan algoritma Decision Tree dengan pendekatan CART. Dataset yang digunakan berasal dari Kaggle dan terdiri dari 379 data mahasiswa dengan variabel akademik dan non-akademik. Tahapan penelitian meliputi preprocessing data, pemodelan, evaluasi kinerja, serta analisis feature importance dan reduksi fitur. Evaluasi dilakukan menggunakan confusion matrix, akurasi, precision, recall, F1-score, serta cross-validation. Hasil penelitian menunjukkan bahwa variabel status mahasiswa dan beberapa nilai IPS memiliki pengaruh paling signifikan terhadap prediksi kelulusan. Setelah dilakukan tuning hiperparameter dan stratified cross-validation, model mencapai akurasi hingga 92,1% dan menunjukkan stabilitas yang lebih baik. Model dengan fitur terpilih dinilai lebih efisien dan interpretatif sehingga berpotensi diimplementasikan sebagai sistem peringatan dini bagi institusi pendidikan.