Garuda - Garba Rujukan Digital

Analisis Tingkat Keberhasilan Pelaksanaan Program 3R di Tingkat Satuan Pendidikan Menggunakan Data Mining dengan Algoritma C4.5 Siti Nurjannah; Adam Abdillah; Cynthia Maulida Sari; Nadya Nurchayanti; Sakti Rangga Ramadan; Annida Purnamawati
Jurnal Ilmiah Teknik Informatika dan Komunikasi Vol. 6 No. 1 (2026): Maret : Jurnal Ilmiah Teknik Informatika dan Komunikasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juitik.v6i1.2014

The implementation of the Reduce, Reuse, and Recycle (3R) program in educational institutions plays a strategic role in fostering environmental awareness from an early age; however, its evaluation has often relied on descriptive approaches rather than objective data-driven analysis. This study aims to analyze the level of success of the 3R program implementation in schools and to identify the key factors influencing its success using a data mining approach with the C4.5 algorithm. A quantitative descriptive-analytic method was employed, utilizing primary data collected through observation and documentation of 3R program activities in schools. The data analysis followed the knowledge discovery in databases (KDD) process, including data selection, preprocessing, transformation, modeling, and evaluation. The results indicate that the C4.5 algorithm achieved a classification accuracy of 98.94%, demonstrating excellent model performance. The generated decision tree reveals that student participation is the most influential factor in determining the success of the 3R program, followed by parental involvement and teacher support. These findings suggest that the success of the 3R program is not solely determined by school policies, but largely depends on the active participation of key educational stakeholders. This study provides practical implications for schools and policymakers by offering a data-driven evaluation model that supports more objective decision-making and promotes the integration of environmental programs into the learning process within educational institutions.

Penerapan Algoritma C4.5 untuk Prediksi Risiko Turnover (Pergantian Karyawan) Menggunakan Data Kinerja dan Kepuasan Kerja Khairunisa, Ginta; Farah Fauziyyah Hasyim; Andi Aprilia Sidiuzdah; Heri Purnomo; Adia Nanda; Annida Purnamawati
(JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer Vol. 1 No. 4 (2025): Volume 1 Nomor 4 Tahun 2025
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.180997/jrsikom.v1i4.109

Tingkat pergantian karyawan yang tinggi menyebabkan kerugian yang besar dari segi finansial dan operasional bagi perusahaan. Penelitian ini bertujuan untuk menciptakan model prediktif yang efisien dalam mengidentifikasi pegawai yang berisiko tinggi mengalami Turnover dengan memanfaatkan algoritma klasifikasi C4.5 yang berbasis pada pohon keputusan. Data yang digunakan berasal dari dataset publik HR-Employee-Attrition yang diambil dari platform Kaggle, yang berisi 1.470 entri serta 35 atribut, mencakup faktor demografis, kinerja, dan tingkat kepuasan. Proses pemodelan dilaksanakan dengan menggunakan perangkat lunak RapidMiner, yang mencakup langkah-langkah persiapan data dan validasi silang. Hasil dari pengujian model menunjukkan rata-rata akurasi sebesar 83,67%. Analisis kinerja kelas mengindikasikan adanya masalah ketidakseimbangan kelas; model memiliki Recall yang sangat baik untuk kelas “Tidak Resign” dengan persentase 95,78%. Namun sangat rendah untuk kelas “Resign” yaitu 20,68%. Model berbasis keputusan menunjukkan bahwa variabel umur merupakan atribut penyaring utama, diikuti oleh Pendapatan Bulanan dan Lama Sejak Promosi Terakhir. Kesimpulan dari studi ini adalah meskipun C4.5 memberikan akurasi yang tinggi secara keseluruhan, masih diperlukan penanganan atas ketidakseimbangan kelas untuk meningkatkan kemampuan dalam mengidentifikasi kejadian Turnover yang sebenarnya. Kata kunci: C4.5, Prediksi Turnover, Penambangan Data, Pohon Keputusan, Manajemen SDM, RapidMiner

Klasifikasi Jenis Penyakit Daun Teh Menggunakan Arsitekture VGG16 Monikka Nur Winnarto; Mely Mailasari; Annida Purnamawati
Jurnal Sistem Informasi dan Teknologi Vol 6 No 1 (2026): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v6i1.250

Perkembangan produksi teh di Indonesia semakin menurun setiap tahunnya. Penurunan produksi teh salah satunya disebabkan adanya serangan hama dan penyakit pada daun teh yang mempengaruhi hasil panen dan kualitas teh. Klasifikasi penyakit dauh teh sangat penting untuk mengetahui perawatan yang diperlukan dalam keberlanjutan sistem budidaya. Klasifikasi penyakit daun teh masih mengandalkan tenaga professional dan pengalaman kerja petani, hal ini akan memakan waktu, melelahkan dan tidak efisien. Beberapa tahun terakhir kemunculan algoritma pembelajaran mesin menyediakan sistem dukungan untuk klasifikasi penyakit daun teh. Penelitian ini bertujuan untuk melakukan klasifikasi jenis penyakit daun teh menggunakan arsitektur CNN VGG16. VGG16 memiliki score akurasi cukup tinggi, dan memiliki performa yang baik. Tahapan penelitian berupa pengumpulan data, data prepocessing, klasifikasi, evaluasi. Arsitektur VGG16 menghasilkan akurasi sebesar 94% dan nilai loss 0,2266% yang menujukkan bahwa arsitektur ini mampu melakukan klasifikasi penyakit dauh teh dengan baik yang ditunjukkan dengan hasil pengujian dari 36 data yang mana 35 data citra daun teh terdeteksi benar dan 1 citra terdeteksi dengan klasifikasi jenis penyakit yang salah.

Klasifikasi Jenis Penyakit Daun Teh Menggunakan Arsitekture VGG16 Monikka Nur Winnarto; Mely Mailasari; Annida Purnamawati
Jurnal Sistem Informasi dan Teknologi Vol 6 No 1 (2026): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v6i1.250

Perkembangan produksi teh di Indonesia semakin menurun setiap tahunnya. Penurunan produksi teh salah satunya disebabkan adanya serangan hama dan penyakit pada daun teh yang mempengaruhi hasil panen dan kualitas teh. Klasifikasi penyakit dauh teh sangat penting untuk mengetahui perawatan yang diperlukan dalam keberlanjutan sistem budidaya. Klasifikasi penyakit daun teh masih mengandalkan tenaga professional dan pengalaman kerja petani, hal ini akan memakan waktu, melelahkan dan tidak efisien. Beberapa tahun terakhir kemunculan algoritma pembelajaran mesin menyediakan sistem dukungan untuk klasifikasi penyakit daun teh. Penelitian ini bertujuan untuk melakukan klasifikasi jenis penyakit daun teh menggunakan arsitektur CNN VGG16. VGG16 memiliki score akurasi cukup tinggi, dan memiliki performa yang baik. Tahapan penelitian berupa pengumpulan data, data prepocessing, klasifikasi, evaluasi. Arsitektur VGG16 menghasilkan akurasi sebesar 94% dan nilai loss 0,2266% yang menujukkan bahwa arsitektur ini mampu melakukan klasifikasi penyakit dauh teh dengan baik yang ditunjukkan dengan hasil pengujian dari 36 data yang mana 35 data citra daun teh terdeteksi benar dan 1 citra terdeteksi dengan klasifikasi jenis penyakit yang salah.

Title

Found 4 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search