Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Decode: Jurnal Pendidikan Teknologi Informasi Journal of Big Data Analytic and Artificial Intelligence
Sinawati
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Languange, Linguistic, Communication & Media Other

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

Found 3 Documents
Search

 1 
Klasifikasi Siswa berdasarkan Nilai pada Bidang Ekstrakurikuler Menggunakan Metode K-Nearest Neighbor Ernie Kustanti; Umi Ba’diah; Sinawati; Muhammad Fadlan
Journal of Big Data Analytic and Artificial Intelligence Vol 4 No 1 (2018): JBIDAI Juni 2018
Publisher : STMIK PPKIA Tarakanita Rahmawati

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

Abstract

Pentingnya kegiatan ekstrakurikuler sebagai sarana pengembangan diri siswa, membuat pemilihan ekstrakurikuler tidak dapat dilakukan sembarangan. Tidak sedikit siswa yang mengalami kesulitan dalam menentukan ekstrakurikuler yang akan diikuti. Salah satu cara untuk mengatasi permasalahan ini adalah dengan menerapkan metode K-Nearest Neighbor. Prinsip kerja K-Nearest Neighbor (KNN) ini adalah mencari jarak terdekat antara data yang akan dievaluasi dengan K-Nearest (neighbor) terdekatnya dalam data pelatihan. Menurut hasil analisa program yang telah dikembangkan menyimpulkan bahwa penerapan metode Knn (K-Nearest Neighbor) berhasil diterapkan aplikasi penentuan nilai siswa, dari pembuatan aplikasi tersebut ada beberapa kelebihan dan kekurangan yang dialami, adapun kelebihan aplikasi ini yaitu lebih memudahkan siswa dalam memilih kriteria ekstrakurikuler sesuai nilai siswa. Oleh karena itu penulis mengklasifikasikan nilai siswa yang paling banyak diminati dan yang memuaskan. Sedangkan kekurangan dari Metode KNN adalah jarak tidak jelas mengenai jenis jarak apa yang harus digunakan dan atribut yang harus digunakan untuk mendapatkan hasil yang terbaik.
Implementasi Clustering dengan Metode Minimum Spanning Tree untuk Pengelompokan Siswa berdasarkan Nilai Hasil Studi Siti Hardianti; Sinawati; Dikky Praseptian M.
Journal of Big Data Analytic and Artificial Intelligence Vol 4 No 1 (2018): JBIDAI Juni 2018
Publisher : STMIK PPKIA Tarakanita Rahmawati

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

Abstract

Pendidikan memegang peranan penting dalam kemajuan suatu bangsa pendidikan merupakan sebuah proses yang berkesinambungan yang dilakukan secara terencana dan terukur dengan tujuan agar manusia dapat mencapai kehidupan yang lebih baik dari waktu ke waktu. Masalah yang dihadapi dalam SMA Muhammadiyah Tarakan adalah guru yang sulit untuk mengetahui kemampuan siswa karena tidak ada sistem siswa kategorisasi untuk menghitung nilai hasil studi Metode yang digunakan dalam penelitian ini adalah minimum spanning tree dengan menghitung jarak antara baris dan kolom, kemudian baris dan kolom di hitung dan dibagi sehingga hasil yang di dapatkan berupa nilai terkecil. Manfaat untuk SMA Muhammadiyah Tarakan adalah guru mampu mengidentifikasi siswa memiliki kesempatan yang sangat memuaskan, memuaskan , kurang memuaskan dan tidak memuaskan. Penelitian ini dirancang menggunakan euclidean distance yang merupakan jarak antara baris dan kolom dalam pengelompokkan nilai hasil studi. Aplikasi ini dirancang untuk membantu guru dalam melakukan proses pengelompokkan nilai siswa.
Perbandingan Penanganan Missing Value pada Data Numerik Survei Kepuasan Pengguna Lulusan Praseptian M, Dikky; Sinawati; Harianto, Kandi
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1262

Abstract

Data survei kepuasan pengguna lulusan merupakan salah satu cara yang dilakukan perguruan tinggi untuk menilai kualitas institusi ditinjau dari aspek kepuasan pengguna lulusan. Data tersebut sering mengandung nilai atribut yang hilang (missing value), yang dapat terjadi karena beberapa alasan, terutama ketika aspek yang dinilai tidak relevan dengan bidang pekerjaan lulusan. Penelitian ini menggunakan data survei kepuasan pengguna lulusan dengan jumlah 100 record dan proporsi missing value sebesar 20 persen pada atribut numerik. Evaluasi kinerja dilakukan menggunakan metode Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE) untuk membandingkan empat teknik imputasi missing value pada RapidMiner, yaitu penggantian dengan nilai rata-rata, nilai minimum, nilai maksimum, dan nilai nol. Hasil pengukuran menunjukkan bahwa model nilai rata-rata memperoleh kinerja terbaik dengan nilai RMSE sebesar 0,742 dan MAPE sebesar 13,67 persen. Sementara itu, tiga model lainnya berada pada nilai error lebih dari 1 pada RMSE dan lebih dari 20 persen pada MAPE. Pada model penggantian nilai nol, nilai error MAPE bahkan mencapai 100 persen, sehingga metode ini sangat tidak disarankan.
Co-Authors Dikky Praseptian M Ernie Kustanti Harianto, Kandi Muhammad Fadlan Praseptian M, Dikky Siti Hardianti Umi Ba’diah