cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Puji Winar Cahyo
Contact Email
teknomatika.unjaya@gmail.com
Phone
+628562636509
Journal Mail Official
teknomatika.unjaya@gmail.com
Editorial Address
Jl. Siliwangi, Ring Road Barat, Banyuraden, Gamping, Yogyakarta
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Teknomatika: Jurnal Informatika dan Komputer
Published by Universitas Jenderal Achmad Yani Yogyakarta
ISSN : 19797656     EISSN : 30310865     DOI : 10.30989
Core Subject : Science,
Computer Science & IT
Teknomatika: Jurnal Informatika dan Komputer ISSN: 3031-0865 (Online), 1979-7656 (Print) is a free and open-access journal published by Fakultas Teknik dan Teknologi Informasi Universitas Jenderal Achmad Yani Yogyakarta, Indonesia. Teknomatika publishes scientific articles from scholars and experts worldwide related to the computer science, informatics, computer systems and information systems. This journal accommodates articles covering: Mathematics and Statistics Algorithms and Programming Intelligent System Artificial Intelligence Software Engineering Computer Architecture Distributed System Cyber Security Electronics and Embedded Systems Data and Information Management Information Systems Enterprise System All published articles will have a Digital Object Identifier (DOI). The Journal publication frequency is twice a year (sixth monthly: Maret and September).
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 2 Documents
 1 
Search results for , issue "Vol 18 No 2 (2025): TEKNOMATIKA" : 2 Documents clear
Implementasi Metode ARAS dalam SPK Berbasis Web pada Pemberian Bantuan Pengembangan Desa Wisata Dwi Cahya Novita; Putri; Fajrianti, Erika M. N.; Repi, Sandika T. P.; Kusumaningtyas, Kartikadyota; Asnawi, Choerun
Jurnal Teknomatika Vol 18 No 2 (2025): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/teknomatika.v8i2.1612

Abstract

Proses seleksi desa wisata untuk menerima bantuan Dukungan Pengembangan Usaha Pariwisata dan Ekonomi Kreatif (DPUP) dalam program Anugerah Desa Wisata Indonesia (ADWI) memiliki kompleksitas tinggi dalam menentukan desa yang tepat sasaran. Dari 6.016 desa wisata yang mendaftar pada tahun 2024, hanya 24 desa yang terpilih untuk menerima bantuan. Proses penilaian tersebut melibatkan pengelolaan data dengan banyak alternatif dan kriteria. Oleh karena itu, penelitian ini mengusulkan penerapan metode Additive Ratio Assessment (ARAS) dalam SPK yang didukung dengan RESTful API guna meminimalkan bias dan meningkatkan efisiensi pengolahan data. Penelitian ini menggunakan 15 alternatif desa wisata di Kabupaten Sleman dengan 5 kriteria penilaian yaitu Kelembagaan & SDM, Amenitas, Digital, Daya Tarik, dan Resiliensi. Hasil penelitian menunjukkan bahwa sistem mampu memberikan peringkat secara konsisten yang telah diverifikasi melalui pengujian black box dan perbandingan perhitungan manual. Berdasarkan evaluasi tersebut, Desa Wisata Tegal Loegood menduduki peringkat pertama dengan nilai 0,913 sebagai desa yang paling layak menerima bantuan. Sistem ini diharapkan membantu pemerintah dalam membuat keputusan efisien terkait pemberian bantuan pengembangan desa wisata.
Prediksi Kinerja Siswa SMP Berdasarkan Data Akademik dan Perilaku Menggunakan Machine Learning Amor, Abriel Florent; Ihsanudin, Muhammad Rizal; Yulistianto, Shandyka Oka; Hidayat, Hidayat
Jurnal Teknomatika Vol 18 No 2 (2025): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/teknomatika.v18i2.1639

Abstract

Kinerja akademik siswa merupakan indikator penting dalam menilai efektivitas proses pembelajaran di tingkat Sekolah Menengah Pertama (SMP). Penelitian ini bertujuan untuk membangun model prediksi kinerja siswa menggunakan pendekatan machine learning berdasarkan kombinasi data akademik dan perilaku. Data yang digunakan mencakup nilai Matematika, nilai Bahasa Indonesia, waktu belajar di luar sekolah, keaktifan dalam kegiatan ekstrakurikuler, tingkat kehadiran, dan jumlah absensi dalam satu semester. Tiga algoritma machine learning digunakan dalam penelitian ini, yaitu Logistic Regression, Decision Tree, dan Neural Network, untuk membandingkan performa model dalam memprediksi kinerja siswa. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa setiap algoritma memiliki tingkat akurasi yang bervariasi tergantung pada proporsi pembagian data latih dan uji. Neural Network mencatat akurasi tertinggi sebesar 59% pada skenario pembagian data 60:40 dan 57% pada skenario 70:30. Decision Tree menunjukkan peningkatan performa signifikan pada skenario 80:20 dengan akurasi mencapai 59%, sedangkan Logistic Regression cenderung stabil dengan akurasi terbaik 52% pada skenario 70:30. Temuan ini menunjukkan bahwa pendekatan machine learning dapat memberikan kontribusi signifikan dalam proses identifikasi dini siswa yang berisiko mengalami penurunan prestasi. Dengan penerapan yang tepat, model ini berpotensi membantu guru dan sekolah dalam merancang strategi pembelajaran yang lebih adaptif. Penelitian ini menjadi dasar pengembangan sistem pendukung keputusan berbasis data di lingkungan pendidikan.

Page 1 of 1 | Total Record : 2

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 18 No 2 (2025): TEKNOMATIKA Vol 18 No 1 (2025): TEKNOMATIKA Vol 17 No 2 (2024): TEKNOMATIKA Vol 17 No 1 (2024): TEKNOMATIKA Vol 16 No 2 (2023): TEKNOMATIKA Vol 16 No 1 (2023): TEKNOMATIKA Vol 15 No 2 (2022): TEKNOMATIKA Vol 15 No 1 (2022): TEKNOMATIKA Vol 14 No 2 (2021): TEKNOMATIKA Vol 14 No 1 (2021): TEKNOMATIKA Vol 13 No 2 (2020): TEKNOMATIKA Vol 13 No 1 (2020): TEKNOMATIKA Vol 12 No 2 (2020): TEKNOMATIKA Vol 12 No 1 (2019): TEKNOMATIKA Vol 11 No 2 (2019): TEKNOMATIKA Vol 11 No 1 (2018): TEKNOMATIKA Vol 10 No 2 (2018): TEKNOMATIKA Vol 10 No 1 (2017): TEKNOMATIKA Vol 9 No 2 (2017): TEKNOMATIKA Vol 9 No 1 (2016): TEKNOMATIKA Vol 8 No 2 (2016): TEKNOMATIKA Vol 8 No 1 (2015): TEKNOMATIKA Vol 7 No 2 (2015): TEKNOMATIKA Vol 7 No 1 (2014): TEKNOMATIKA Vol 6 No 2 (2014): TEKNOMATIKA Vol 6 No 1 (2013): TEKNOMATIKA Vol 5 No 2 (2013): TEKNOMATIKA Vol 5 No 1 (2012): TEKNOMATIKA Vol 4 No 2 (2012): TEKNOMATIKA Vol 4 No 1 (2011): TEKNOMATIKA Vol 3 No 2 (2011): TEKNOMATIKA Vol 3 No 1 (2010): TEKNOMATIKA Vol 2 No 2 (2010): TEKNOMATIKA More Issue