Dinnar Rizky
Universitas Pamulang

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

Found 2 Documents
Search

Analisis dan Perancangan Sistem Informasi Absensi Karyawan Berbasis Website Menggunakan Standar ISO/IEC 25010 (Studi Kasus: PT Snapdev Digital Indonesia) Dinnar Rizky; Rezqita Dwimarsya Fathania; Chairul Anwar
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

This research focuses on pinpointing challenges and create a web based system for employee attendance management to enhance both efficiency and clarity in handling attendance. The motivation for this research arises from the persistent reliance on conventional attendance techniques, which have several drawbacks, including delays in recording, mistakes in data entry, and a deficiency in data integration. A mixed-methods strategy was employed in this research, integrating qualitative techniques like observations, interviews, and document analysis to explore system needs, along with quantitative methods to evaluate the quality of the system. The development of the system followed a prototyping technique, allowing for an iterative approach through stages such as requirement gathering, initial design, prototype development, user assessment, and system improvement. System modeling utilized UML, specifically use case, activity, and entity-relationship diagrams, while the implementation phase was executed via the web using PHP and MySQL technologies. To ensure high standards, the system underwent rigorous testing based on the ISO/IEC 25010 standard by analyzing elements of functional suitability, usability, reliability, and performance effectiveness. The findings of this study indicate that the designed system successfully improves data accuracy, accelerates the tabulation process, and facilitates real-time attendance monitoring. Ultimately, this system serves as a strategic tool to support faster decision-making and improve overall organizational productivity.   Penelitian ini bertujuan untuk mengidentifikasi isu serta merancang sistem informasi absensi karyawan berbasis situs web demi meningkatkan efektivitas dan keterbukaan dalam pengelolaan kehadiran. Dasar dari penelitian ini terletak pada masih digunakannya metode absensi tradisional yang membawa banyak masalah, seperti pencatatan yang terlambat, kesalahan dalam input, dan kurangnya integrasi data. Dalam penelitian ini pendekatan yang digunakan yaitu metode campuran, dengan menggabungkan cara kualitatif melalui observasi, wawancara, serta dokumentasi untuk meneliti kebutuhan sistem, serta cara kuantitatif untuk menilai kualitas sistem. Proses pengembangan sistem diselenggarakan dengan memakai metode prototyping yang memungkinkan adanya proses iteratif lewat fase komunikasi kebutuhan, desain awal, penciptaan prototipe, penilaian pengguna, dan penyempurnaan sistem. Pemodelan sistem dilakukan menggunakan UML, yang mencakup use case diagram, aktivitas diagram, dan ERD, sedangkan penerapan dilakukan melalui web dengan memanfaatkan teknologi PHP dan MySQL. Pengujian sistem mengacu pada standar ISO/IEC 25010 dengan menilai aspek kecocokan fungsional, kemudahan menggunakan, keandalan, dan efisiensi kinerja. Temuan hasil studi menampilkan bahwa sistem yang dirancang berhasil meningkatkan ketepatan data, mempercepat proses rekapitulasi, serta mempermudah pemantauan kehadiran secara langsung. Dengan demikian sistem ini diharapkan mampu mendukung proses pengambilan keputusan yang lebih efektif, dan meningkatkan performa operasional organisasi.  
Analisis Data Mining Menggunakan Metode Regresi Linier untuk Estimasi Nilai Hunian pada Dataset California Housing Dinnar Rizky; Muhamad Andri Rian riyadi
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

The property sector has highly fluctuating price dynamics, influenced by various factors ranging from geographical conditions to building facilities. Accurate housing price estimation is essential for developers and prospective buyers to make informed decisions. This study aims to apply Data Mining techniques using the Linear Regression algorithm to estimate the median value of housing in the California Housing dataset. This research methodology follows the stages of knowledge discovery in databases, which include data cleaning, data integration, transformation, and modeling. The dataset is processed by conducting correlation analysis to determine the main predictor variables, such as median income, geographic location, and population density. A Linear Regression model is built to map the relationship between these independent variables and the value of housing as the dependent variable. Model performance is evaluated using the statistical metrics Mean Absolute Error (MAE) and Coefficient of Determination ($R^2$). The results of the study are expected to show that Linear Regression is able to provide significant estimates with a reliable level of accuracy, where the median income variable is predicted to be the most dominant factor in determining house prices. This research contributes to the use of machine learning for more objective and efficient real estate market analysis.   Sektor properti memiliki dinamika harga yang sangat fluktuatif, dipengaruhi oleh berbagai faktor mulai dari kondisi geografis hingga fasilitas bangunan. Estimasi harga hunian yang akurat sangat diperlukan oleh pengembang dan calon pembeli untuk pengambilan keputusan yang tepat. Penelitian ini bertujuan untuk menerapkan teknik Data Mining menggunakan algoritma Regresi Linier untuk melakukan estimasi nilai tengah hunian pada dataset California Housing.Metodologi penelitian ini mengikuti tahapan penemuan pengetahuan dalam basis data (Knowledge Discovery in Databases), yang meliputi data cleaning, integrasi data, transformasi, hingga pemodelan. Dataset diproses dengan melakukan analisis korelasi untuk menentukan variabel prediktor utama, seperti pendapatan median (Median Income), lokasi geografis, dan kepadatan penduduk. Model Regresi Linier dibangun untuk memetakan hubungan antara variabel-variabel independen tersebut dengan nilai hunian sebagai variabel dependen.Kinerja model dievaluasi menggunakan metrik statistik Mean Absolute Error (MAE) dan Coefficient of Determination ($R^2$). Hasil penelitian diharapkan menunjukkan bahwa regresi linier mampu memberikan estimasi yang signifikan dengan tingkat akurasi yang dapat diandalkan, di mana variabel pendapatan median diprediksi menjadi faktor paling dominan dalam menentukan harga rumah. Penelitian ini memberikan kontribusi dalam pemanfaatan machine learning untuk analisis pasar real estat yang lebih objektif dan efisien.