Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jutech: Jurnal Teknologi Informasi Journal of Innovative and Creativity
Munadi Fauzan
Universitas Alifah Padang
Computer Science & IT Education Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

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

Found 2 Documents
Search

 1 
Identifikasi Siswa yang Beresiko Terlibat Tawuran Menggunakan Metode Algoritma Decision Tree pada Siswa SMP N 18 Padang Dinda Permata Sukma; Munadi Fauzan; Eriwandi Eriwandi; Diana Kemala Odang; Irvandori Aplana
Journal of Innovative and Creativity Vol. 5 No. 2 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i2.2771

Abstract

Permasalahan sosial yang kerap terjadi di lingkungan pendidikan adalah tawuran. maraknya tawuran yang terjadi di kota padang salah satunya pada SMPN 18 Kota Padang. Guru kerap menemukan senjata tajam di dalam tas siswa ketika melalukan razia di kelas. Pada penelitian ini menerapkan metode decision tree untuk mengidentifikasi resiko penyebab siswa melakukan tawuran khususnya pada siswa kelas IX. Dengan metode ini, sekolah diharapkan dapat mengambil tindakan pencegahan lebih awal. Pengambilan data dilakukan dengan cara wawancara dengan guru BK dan mengumpulkan data sebanyak 100 data siswa. Data yang sudah di dapat selanjutnya di olah. Variabel yang dibutuhkan untuk mengidientifikasi resiko siswa yang terlibat tawuran diantaranya pelanggaran siswa, bermasalah dengan teman, hasil nilai rapor dan siswa tinggal dengan siapa. Hasil dari pengujian menggunakan metode Decision Tree ini apakah siswa beresiko terlibat tawuran atau tidak. Tujuan dari penelitian ini adalah membantu para guru dalam mengantisipasi siswa yang terlibat tawuran sebelum terjadi tawuran antar pelajar. Faktor - faktor yang menyebabkan resiko terjadinya tawuran antara lain pelanggaran yang dilakukan , permasalahan dengan teman, hasil nilai rapor siswa dan siswa tinggal dengan siapa. dari hasil penelitian ini variabel pelanggaran mendapatkan nilai Gain tertinggi yaitu 0.740344.
Prediksi Tingkat Pemahaman Siswa SMP Pada Pembelajaran Digital Menggunakan Algoritma Machine Learning Munadi Fauzan; Dinda Permata Sukma; Eriwandi Eriwandi; Diana Kemala Odang
Jurnal Teknologi Informasi (JUTECH) Vol. 7 No. 1 (2026): JUTECH: Jurnal Teknologi Informasi
Publisher : ITB Ahmad Dahlan Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32546/jutech.v7i1.3543

Abstract

With the proliferation of digital learning platforms—including Learning Management Systems (LMS)—data on student learning activities has been generated that is useful for supporting the evaluation of student learning. A total of 200 data points were analyzed, with key variables including login frequency, study duration, quiz scores, assignment scores, timeliness in submitting assignments, attendance, and engagement during learning. These variables can be analyzed using machine learning to predict students’ comprehension levels early on, enabling teachers to identify which students require additional support. This study focuses on the application of machine learning to predict students’ comprehension levels at SMP Negeri 18 Padang as an effort to support more accurate decision-making in the learning process. This study utilized three algorithms: Random Forest, Decision Tree, and Naïve Bayes. The results of the testing revealed that the Decision Tree algorithm achieved the highest accuracy rate at 88.52%, followed by the Random Forest algorithm at 83.61%, and the Naïve Bayes algorithm at 62.30%. Of the three algorithms, the Decision Tree algorithm achieved the highest accuracy. This algorithm can be utilized as an early warning system for teachers to identify which students have high, moderate, or low levels of understanding, allowing teachers to provide appropriate support.
Co-Authors Diana Kemala Odang Dinda Permata Sukma Eriwandi Eriwandi Irvandori Aplana