Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal DIGITAL BUSINESS INSIGHTS JOURNAL Jurnal Perangkat Lunak
Rahmathidayatullah
Universitas Islam Indragiri
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance

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

Found 2 Documents
Search

 1 
PEMANFAATAN GOOGLE CLOUD SPREADSHEETS PADA SISTEM MANAJEMEN DATA TOKO KACA DUA PUTRA Mohd Fawwaz Ramadhan; Muhammad Rizkan; Rahmathidayatullah; Sri Astuti
Digital Business Insights Journal Vol 1 No 2 (2025): DIGITAL BUSINESS INSIGHTS JOURNAL
Publisher : Fakultas Ekonomi dan Bisnis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/bidi.v1i2.4463

Abstract

This study discusses the design of a web-based data management system integrated with Google Cloud Spreadsheets to support the digitalization of MSME operations, especially at Toko Kaca Dua Putra. This system was developed using the Waterfall method and includes features for recording products, transactions, customers, and reports that are synchronized in real-time. The implementation results show increased efficiency, accuracy, and ease of data access. Integration with Google Sheets makes this system a practical and lightweight solution for MSMEs who want to transform digitally.
PERBANDINGAN METODE ALGORITMA KLASIFIKASI (DECISION TREE DAN NAIVE BAYES) UNTUK MEMPREDIKSI AKURASI TINGKAT KELULUSAN SISWA DI SEKOLAH SDN 008 SUNGAI DUSUN Rahmathidayatullah
JURNAL PERANGKAT LUNAK Vol 8 No 1 (2026): Jurnal Perangkat Lunak
Publisher : Indragiri Islamic University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/jupel.v8i1.5054

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja algoritma klasifikasi Decision Tree dan Naive Bayes dalam memprediksi tingkat kelulusan siswa di SDN 008 Sungai Dusun. Permasalahan yang dihadapi sekolah adalah belum adanya sistem prediksi kelulusan berbasis data sehingga proses evaluasi masih bersifat subjektif. Metode penelitian yang digunakan adalah penelitian kuantitatif dengan pendekatan komparatif. Data yang digunakan berjumlah 212 data siswa dengan 13 atribut, meliputi nilai mata pelajaran dan status kelulusan. Tahapan penelitian meliputi pengumpulan data, preprocessing, penerapan algoritma, serta evaluasi model menggunakan confusion matrix dengan parameter akurasi, presisi, dan recall. Pengujian dilakukan menggunakan aplikasi Altair AI Studio dengan teknik cross validation. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memiliki performa lebih baik dibandingkan Decision Tree dengan nilai akurasi sebesar 97,64%, presisi 98,09%, dan recall 96,89%, sedangkan Decision Tree memperoleh akurasi 94,78%, presisi 95,84%, dan recall 92,56%. Berdasarkan hasil tersebut, algoritma Naive Bayes direkomendasikan sebagai metode yang lebih efektif untuk memprediksi kelulusan siswa.
Co-Authors Mohd Fawwaz Ramadhan Muhammad Rizkan Sri Astuti