Article Per Year (5 Year)
p-Index From 2021 - 2026
2.727
P-Index
This Author published in this journals
All Journal Jurnal Edukasi Universitas Jember E-Dimas: Jurnal Pengabdian kepada Masyarakat JIKO (Jurnal Informatika dan Komputer) Jurnal Dimensi Pendidikan dan Pembelajaran Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Prosiding Seminar Nasional Teknoka Jurnal Informatika Universitas Pamulang JURNAL SILOGISME : Kajian Ilmu Matematika dan Pembelajarannya Adimas : Jurnal Pengabdian Kepada Masyarakat KOMPUTEK International Journal of Community Service EXPLORER International Journal Artificial Intelligent and Informatics SinarFe7 Jurnal Borneo Informatika dan Teknik Komputer (JBIT) Sains Data Jurnal Studi Matematika dan Teknologi KREATIF: Jurnal Pengabdian Masyarakat Nusantara
Dyah Mustikasari
Universitas Muhammadiyah Ponorogo
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Physics Public Health Social Sciences Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : SinarFe7

 1 
Sistem Prediksi Jalur Karier Siswa SMK Menggunakan Metode Naïve Bayes Berbasis Web Permatasari, Dian Wahyu; Asrofi Buntoro, Ghulam; Mustikasari, Dyah
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

Penelitian ini mengembangkan sistem prediksi berbasis web untuk mengklasifikasikan kecenderungan minat siswa kelas XII SMK Negeri 2 Ponorogo dalam memilih melanjutkan pendidikan ke perguruan tinggi atau langsung bekerja. Metode Naïve Bayes digunakan sebagai algoritma utama karena kemampuannya mengolah data secara probabilistik dengan tingkat akurasi yang baik dan implementasi yang sederhana. Atribut data yang digunakan meliputi jenis kelamin, jurusan, nilai rapor, minat siswa, dan pekerjaan orang tua. Perancangan sistem bertujuan untuk menyediakan alat bantu objektif berbasis data bagi guru Bimbingan Konseling dan wali kelas dalam memberikan bimbingan karier. Sistem dibangun dengan antarmuka web yang mudah diakses, memiliki dua peran pengguna (admin dan pengguna biasa), dan tidak memerlukan registrasi berbasis email. Hasil implementasi menunjukkan bahwa sistem mampu menghasilkan prediksi yang akurat dan mudah dipahami oleh pengguna non-teknis. Sistem ini memberikan manfaat signifikan bagi sekolah dalam mengoptimalkan pembimbingan karier, membantu siswa memahami kecenderungan pilihan pasca kelulusan, serta menjadi referensi bagi penelitian lanjutan di bidang sistem prediksi pendidikan.
Penggunaan Algoritma K-means untuk Menentukan Calon Penerima Beasiswa Intan Putri Permatasari; Fajaryanto Cobantoro, Adi; Mustikasari, Dyah
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

pemberian beasiswa merupakan salah satu bentuk dukungan finansial yang diberikan kepada mahasiswa yang membutuhkan agar dapat mengakses pendidikan tinggi secara berkualitas. Namun, dalam proses seleksi penerima beasiswa, seringkali terjadi kendala seperti subjektivitas penilaian, lamanya proses seleksi, dan kurang tepatnya sasaran penerima beasiswa. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Means Clustering dalam menentukan calon penerima beasiswa secara lebih objektif, efisien, dan akurat. Metode K-Means digunakan untuk mengelompokkan mahasiswa berdasarkan kriteria seperti IPK, penghasilan orang tua, dan jumlah tanggungan keluarga. Data mahasiswa digunakan sebagai input dalam proses clustering, yang kemudian dikelompokkan ke dalam tiga kategori, yaitu layak, dipertimbangkan, dan tidak layak menerima beasiswa. Metode K-Means digunakan untuk mengelompokkan data mahasiswa berdasarkan kedekatan nilai-nilai tersebut terhadap centroid awal. Hasil penelitian menunjukkan bahwa sistem dapat mengelompokkan 461 mahasiswa ke dalam tiga cluster dengan akurasi sebesar 86.8%. Data yang digunakan adalah data mahasiswa dari Program Studi Teknik Informatika Universitas Muhammadiyah Ponorogo. Selain itu, sistem ini diharapkan juga mampu memberikan kemudahan dalam proses pengelolaan data dan pengambilan keputusan untuk pemberian beasiswa secara lebih objektif dan efisien. Dengan adanya sistem ini, diharapkan proses seleksi calon penerima beasiswa dapat dilakukan secara lebih sistematis dan transparan. Dari penelitian ini diharapkan menunjukkan bahwa algoritma K-Means mampu memberikan pengelompokan yang lebih sistematis dan membantu panitia dalam pengambilan keputusan pemberian beasiswa secara lebih cepat dan transparan. Dengan demikian, implementasi algoritma K-Means dapat menjadi solusi efektif dalam meningkatkan akurasi dan efisiensi proses seleksi penerima beasiswa
Sistem Pendukung Keputusan Untuk Deteksi Dini Pada Balita Stunting Menggunakan Metode Fuzzy Tsukamoto ARDILO IQBAL BRILYAN; Mustikasari, Dyah; Sugianti, Sugianti
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

Abstrak - Stunting merupakan masalah kesehatan serius yang mempengaruhi pertumbuhan dan perkembangan balita di Indonesia, sehingga diperlukan deteksi dini untuk mencegah dampak jangka panjangnya. Penelitian ini bertujuan untuk mengimplementasikan sistem deteksi dini stunting pada balita menggunakan metode Fuzzy Inference System (FIS) dengan pendekatan Tsukamoto. Permasalahan yang diangkat adalah bagaimana merancang sistem pendukung keputusan yang dapat menganalisis usia, berat badan, dan tinggi badan balita secara efisien untuk menghasilkan tingkat risiko stunting. Penelitian dilakukan dengan metode waterfall mulai dari identifikasi masalah, pengumpulan data melalui studi literatur dan wawancara, desain sistem, hingga implementasi dan pengujian menggunakan black box. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan output diagnosis yang akurat dan sesuai dengan perhitungan manual, serta seluruh fitur sistem berjalan baik, sehingga sistem ini dapat menjadi alat bantu yang efektif dalam mendeteksi risiko stunting secara dini dan berbasis data.
Co-Authors Akzha Nabella Putra Arganata Ali Selamat ARDILO IQBAL BRILYAN Arifin, Rizal Arifin, Rizal Aslan Alwi Asrofi Buntoro, Ghulam Astuti, Arin Yuli Bambang Widiyahseno, Bambang Bellani Patnandi Budiono, Tri Sakti Desriyanti . Ellisia Kumalasari Erika Diyah Cahyani Erika, E Fajar Kurniawan Fajaryanto Cobantoro, Adi Gita Lely Endika Putri Ida Widaningrum, Ida Ida Yeni Rahmawati Ika Nurjanah Indah Puji Astuti Intan Putri Permatasari Jamilah Karaman Karaman, Jamilah Kurniawan, Andyra Nurfitri, Khoiru Permatasari, Dian Wahyu Prasetyo, Angga Pratiwi, Nadia Intan Puji Astuti, Indah Rafiq, Fuad Ainur Raharjo, Andy Triyanto Pujo Rahmatika Az-Zahra, Rifqi Reyhan Putra Primanda Risky Khoirul Muklis Riza Dessy Nila Ayutika Siti Asiyah Sucipto Sucipto Sugianti, Sugianti