Abstract:Abstract : In Semester 6 students are required to choose mainstream elective courses at the STMIK Royal campus. In this study, researchers chose 2 mainstraim elective courses, namely Logic and Programming, and Database and…
nd Information Management. The purpose of choosing this elective course is for students to focus more on their majors. The process of selecting the data, researchers carry out an analysis process of student learning outcomes. This research data is semester 1 to semester 5 grades. All data on the value of student learning outcomes are divided into 2 parts, namely theory and practice and divided into the number of courses. For many uses, a data mining method using K-means cluster is needed. K-Means Clustering is a data analysis method or Data Mining method that performs an unsupervised learning modeling process and uses methods that group data from various partitions. The results of the k means clutering grouping with 2 clusters, namely cluster 0 of the mainstream group of logic and programming courses with a total of 28 students, and cluster 1 of the mainstream group of informatics database and management courses with a total of 72 students with a total of 100 students.
Keywords: data; K-means; student
Abstrak : Mahasiswa semester 6 diwajibkan memilih mainstream matakuliah pilihan yang ada di kampus STMIK Royal. Pada penelitian ini, peneliti memilih 2 mainstraim matakuliah pilihan yaitu Logika dan Pemprograman, serta Basis Data dan Manajemen Informatika. Tujuan pemilihan matakuliah pilihan ini adalah agar mahasiswa lebih terfokus pada jurusannya. Proses pemilihan datanya, peneliti melakukan proses analisa dari hasil belajar mahasiswa. Data penelitian ini nilai semester 1 sampai semester 5. Seluruh data nilai hasil belajar mahasiswa dibagi menjadi 2 bagian yaitu teori dan praktek serta dibagi jumlah banyaknya matakuliah. untuk penggunaan yang banyak, maka dperlukan metode data mining dengan menggunakan k-means cluster. K-Means Clustering adalah metode analisis data atau metode Data Mining yang melakukan proses pemodelan pembelajaran tanpa pengawasan dan menggunakan metode yang mengelompokkan data dari berbagai partisi. Hasil pengelompokan k means clutering dengan 2 cluster yaitu cluster 0 kelompok mainstream matakuliah logika dan pemprograman dengan jumlah mahasiswa 28 orang, dan cluster 1 kelompok mainstream matakuliah basis data dan manajemen informatika dengan jumlah mahasiswa 72 orang dengan total keseluruhan 100 mahasiswa.
Keyword : data; K-means; mahasiswa;
Abstract: Abstract: Student attendance is one of the activities carried out in the lecture process. Attendance is also an element of a student's final grade for each course offered in accordance with a university's academic guidelines.…
idelines. Attendance at STMIK Amik Riau is done manually, where students are called one by one and then the lecturer changes the attendance data in SIMDOS. This method is of course very inefficient, and takes a long time. Apart from that, this manual process is prone to fraud where students can make absences. Therefore, this research proposes a QR-Code based student attendance mobile application prototype at STMIK Amik Riau using the User Centered Design (UCD) method. The results of the research are in the form of a prototype or user interface design for the student attendance mobile application. It is hoped that this prototype can help programmers to build QR-Code based student attendance mobile applications.
Keywords: Presence, QR-Code, User Interface, User Centered Design
=
Abstrak: Kehadiran atau presensi mahasiswa merupakan salah satu kegiatan yang dilakukan dalam proses perkuliahan. Presensi juga merupakan salah satu elemen nilai akhir mahasiswa setiap mata kuliah yang ditawarkan sesuai dengan panduan akademik suatu perguruan tinggi. Presensi di STMIK Amik Riau dilakukan secara manual, dimana mahasiswa dipanggil satu per satu lalu dosen merubah data presensi yang ada pada SIMDOS. Cara ini tentunya sangat tidak efisien, dan membutuhkan waktu yang lama. Selain itu proses manual ini rentan terjadi kecurangan dimana mahasiswa dapat melakukan titip absen. Oleh karena itu penelitian ini mengusulkan prototype aplikasi mobile presensi mahasiswa berbasis QR-Code di STMIK Amik Riau menggunakan metode User Centered Design (UCD). Hasil dari penelitian berupa prototype atau rancangan user interface aplikasi mobile presensi mahasiswa. Diharapkan prototype ini dapat membantu programmer untuk membangun aplikasi mobile presensi mahasiswa berbasis QR-Code.
Kata kunci: Presensi, QR-Code, User Interface, User Centered Design
Abstract:Automatic text summarization is challenging research in natural language processing, aims to obtain important information quickly and precisely. There are two main approach techniques for text summary: abstractive and extractive…
tractive summary. Abstractive Summarization generates new and more natural words, but the difficulty level is higher and more challenging. In previous studies, RNN and its variants are among the most popular Seq2Seq models in text summarization. However, there are still weaknesses in saving memory; gradients are lost in long sentences so resulting in a decrease in lengthy text summaries. This research proposes a Transformer model with an Attention mechanism that can fetch important information, solve parallelization problems, and summarize long texts. The Transformer model we propose is GPT-2. GPT-2 uses decoders to predict the next word using the pre-trained model from w11wo/indo-gpt2-small, implemented on the Indosum Indonesian dataset. Evaluation assessment of the model performance using ROUGE evaluation. The study's results get an average result recall for R-1, R-2, and R-L were 0.61, 0.51, and 0.57, respectively. The summary results can paraphrase sentences, but some still use the original words from the text. Future work increase the amount of data from the dataset to improve the result of more new sentence paraphrases.
Abstract:Abstract: An application can assist organizations in achieving the goals to be achieved by facilitating ongoing work processes. This happened in the Information Systems Study Program at one of the best private universities,…
es, namely Telkom University, where the SI Study Program has a website called PIPE and has one feature to be able to predict student graduation. However, this feature is currently being developed with an easy flow, so it requires development in the implementation of graduation achievements. Researchers solve these problems by building an assessment model based on academic data on the effect of choosing a specialization. Data mining is needed in this study to form predictive patterns, then one of the data mining groups is based on classification and using machine learning to perform automated assessments so that they can be sustainably performed. In determining the time and delay, using the decision tree method based on the C4.5 algorithm. The accuracy results obtained using the C4.5 algorithm are 94.11%, then the factor that becomes the root node is Jumlah SKS Lulus and the results have an influence on the selection of specialization. So that the results of this graduation model can be applied to the PIPE application.
Keyword: C4.5 algorithm; classification; decision tree; graduation prediction
Abstrak: Sebuah aplikasi dapat membantu organisasi dalam mencapai tujuan yang ingin dicapai dengan memudahkan proses kerja yang sedang berlangsung. Seperti yang terjadi pada Prodi Sistem Informasi yang ada pada salah satu Perguruan Tinggi Swasta terbaik yaitu Universitas Telkom, dimana pada Prodi SI memiliki website bernama PIPE dan memiliki salah satu fitur untuk dapat melakukan prediksi kelulusan mahasiswa. Namun fitur tersebut saat ini dikembangkan dengan alur penentuan sederhana, sehingga memerlukan pengembangan dalam hal implementasi algoritma prediksi kelulusan. Peneliti melakukan penyelesaian masalah tersebut dengan membangun model prediksi kelulusan berdasarkan rekam data akademik terhadap pengaruh pemilihan peminatan. Data mining dibutuhkan dalam penelitian ini untuk membentuk pola penyelesaian prediksi, kemudian salah satu pengelompokan data mining berdasarkan tugasnya adalah klasifikasi dan menggunakan machine learning untuk melakukan prediksi kelulusan secara otomatis terhadap data baru agar dapat dilakukan secara berkelanjutan. Dalam melakukan klasifikasi prediksi kelulusan tepat waktu dan terlambat, menggunakan metode decision tree berdasarkan algoritma C4.5. Hasil akurasi yang didapat dengan menggunakan algoritma C4.5 adalah sebesar 94,11%, kemudian faktor yang menjadi root node adalah Jumlah SKS Lulus dan hasil memiliki pengaruh terhadap pemilihan peminatan. Sehingga hasil model prediksi kelulusan ini dapat diterapkan pada aplikasi PIPE.
Kata kunci: algoritma C4.5; decision tree; klasifikasi; prediksi kelulusan.
Abstract:Abstract: Student graduation is one thing that needs to be considered because it is included in the College's Internal Quality Assurance Standards (SPMI). STMIK Royal is one of the universities experiencing problems with…
student graduation. To achieve the quality of these graduates, a graduation diagnosis with the standards that have been set for students who are still carrying out studies is very necessary so that anticipatory steps can be taken from the beginning to overcome the occurrence of graduation problems in the academic field. This research aims to diagnose fast-track student graduation by using a data mining model with a classification function. The technique used for the classification data mining model is the Naïve Bayes Algorithm. The dataset used as training and testing data is data from the 2021 STMIK Royal fast track students. The criteria used to determine student graduation are Gender, class, credits, GPA, Tuition Fee, Guidance Process, and the KKL Report. The results of the classification modeling with the Naïve Bayes Algorithm produce an accuracy value of 83%.
Keywords: data mining; graduation; naïve Bayes
Abstrak: Kelulusan mahasiswa adalah salah satu hal yang harus diperhatikan karena termasuk ke dalam Standar Penjaminan Mutu Internal (SPMI) perguruan tinggi. STMIK Royal adalah salah satu perguruan tinggi yang mengalami masalah kelulusan mahasiswa. Untuk mencapai kualitas lulusan tersebut, diagnosis kelulusan dengan standar yang telah ditetapkan untuk mahasiswa yang masih menjalankan studi sangat diperlukan sehingga dapat dilakukan langkah antisipasi dari awal untuk menanggulangi terjadinya permasalahan kelulusan dalam bidang akademik. Tujuan diadakannya penelitian ini untuk untuk mendiagnosis kelulusan mahasiswa fast track dengan menggunakan model data mining dengan fungsi klasifikasi. Teknik yang digunakan untuk model data mining klasifikasi adalah Algoritma Naïve Bayes. Dataset yang akan digunakan untuk menjadi data latih dan data uji adalah data mahasiswa fast track STMIK Royal tahun 2021. Kriteria yang digunakan untuk diganosis kelulusan mahasiswa, diantaranya Jenis Kelamin, Kelas, SKS, IPK, Uang Kuliah, Proses Bimbingan, dan Pengumpulan Laporan KKL. Hasil pemodelan klasifikasi dengan Algoritma Naïve Bayes menghasilkan nilai akurasi sebesar 83%.
Kata kunci: data mining; kelulusan; naïve bayes
Abstract:Abstract: The purpose of education and teaching activities in higher education is to produce quality and effective graduates. Among the graduates there are of the best graduates for each study program each year. This study…
dy aims to find the best graduates who are able to compete in the world of work in accordance with stakeholder needs. The data processed in this study were sourced from the 2018 Royal Computer Information Management College graduates. The method used in this study is the Weighted Product method. The results of this study can determine the best graduates quickly and accurately. research can help in terms of decision makers for determining the best graduates in each college.
Keywords: Best Graduate; Student; Weighted Product
Abstrak: Tujuan kegiatan pendidikan dan pengajaran di perguruan tinggi adalah untuk menghasilkan lulusan yang berkualitas dan efektif. Di antara lulusan ada beberapa lulusan terbaik untuk setiap program studi tiap tahun. Penelitian ini bertujuan mencari lulusan terbaik yang mampu bersaing di dunia kerja sesuai dengan kebutuhan stakeholder. Data yang diolah dalam penelitian ini bersumber dari data lulusan Sekolah Tinggi Manajemen Informatika Komputer Royal tahun 2018 sebanyak 100 lulusan. Metode yang dipakai dipenelitian ini, metode Weighted Product. Hasil dari penelitian ini dapat menentukan lulusan terbaik secara cepat dan tepat. Penelitian dapat membantu dalam hal pengambil keputusan untuk penentuan lulusan terbaik disetiap perguruan tinggi.
Kata kunci: Lulusan Terbaik; mahasiswa;Weighted Product
Abstract:Abstract: Labuhanbatu Regency is a district that has many Vocational High Schools (SMK) which are very attractive to the community. Because each Vocational High School has its own vocational fields, for example Health, Automotive,…
utomotive, Offices, and others. The existence of this Geographic Information System makes it easy for users to find Vocational High School routes. Vocational High Schools are schools that make students or prospective students even more skilled. In making this Geographic Information System requires Systems Development Life Cycle to analyze gradually, and Webgis to display maps as well as GPS to ascertain the location of the earth's surface and use UML design such as activity diagrams, sequence diagrams, and usecase. There is also a waterfall method in making this Geographic Information System such as its analysis, implementation, design, maintenance and also the testing phase. The Testing Phase uses the BlackBox to test the system whether it is running well or not and is suitable for use by users.
Keywords: BlackBox Testing; Geographic Information System; Google Maps; GPS; UML; Vocational High School
Abstrak: Kabupaten Labuhanbatu termasuk kabupaten yang memiliki banyak Sekolah Menengah Kejuruan (SMK) yang sangat diminati masyarakat. Karena setiap SMK memiliki kejuruan masing-masing dalam bidangnya misalkan Kesehatan, Otomotif, Perkantoran, dan lain-lain. Adanya Sistem Informasi Geografi ini memudahkan para pengguna untuk mencari rute Sekolah Menengah Kejuruan. Sekolah Menengah Kejuruan adalah sekolah yang menjadikan para siswa atau calon siswa lebih trampil lagi. Dalam pembuatan Sistem Informasi Geografi ini memerlukan Systems Development Life Cycle menganalisis secara bertahap, dan Webgis untuk menampilkan peta juga GPS untuk memastikan letak permukaan bumi dan menggunakan Perancangan UML seperti activity diagram, sequence diagram, dan usecase. Terdapat juga Metode waterfall dalam membuat Sistem Informasi Geografi ini seperti analisanya, implementasi, desain, pemeliharaan dan juga tahap pengujian. Tahap Pengujian menggunakan BlackBox untuk menguji Sistem apakah berjalan baik atau tidak dan sudah layak digunakan bagi pengguna.
Kata kunci: Sekolah Menengah Kejuruan; GPS; Peta Google; Sistem Informasi Geografi; Uji BlackBox; UML
Abstract:Abstract: The increasing number of students who graduated each year causes a lot of student data that need to be processed, causing difficulties in grouping the data. In this research apply Data Mining by using Clustering…
g method to classify the quality of graduate students of Faculty of Computer Science Dehasen University of Bengkulu based on GPA and Study Program. The algorithm used is K-Means Clustering, where the data are grouped based on the same characteristics will be entered into the same group and the data set entered into the group does not overlap. Information displayed in the form of group ?? a group of graduate students who dominate the Study Program, so it is known to the group that has the best graduate quality. The results of this study will assist the University in analyzing the quality of graduated students and the most potential study programs. Software used to help this grouping is Rapid Miner.
Keywords: K-Means Clustering, Study Program, Graduate Quality, Rapid Miner
Abstrak: Semakin meningkatnya jumlah mahasiswa yang diluluskan setiap tahunnya menyebabkan banyaknya data mahasiswa yang perlu diolah sehingga menyebabkan kesulitan dalam pengelompokan data tersebut. Pada penelitian ini menerapkan Data Mining dengan menggunakan metode Clustering untuk mengelompokkan kualitas lulusan mahasiswa Fakultas Ilmu Komputer Universitas Dehasen Bengkulu berdasarkan IPK dan Program Studi. Algoritma yang digunakan yaitu K-Means Clustering, dimana data dikelompokkan berdasarkan karakteristik yang sama akan dimasukkan ke dalam kelompok yang sama dan set data yang dimasukkan ke dalam kelompok tidak tumpang tindih. Informasi yang ditampilkan berupa kelompok – kelompok lulusan mahasiswa yang mendominasi Program Studi, sehingga diketahui kelompok yang memiliki kualitas lulusan terbaik. Hasil penelitian ini akan membantu pihak Universitas dalam menganalisa kualitas mahasiswa yang diluluskan dan program studi yang paling berpotensi diminati. Software yang digunakan untuk membantu pengelompokan ini adalah Rapid Miner.
Keyword: K-Means Clustering, Program Studi, Kualitas Lulusan, Rapid Miner
Abstract:Penelitian ini bertujuan untuk menganalisis konten latihan dan soal yang merepresentasikan kemampuan berpikir tingkat tinggi (HOTS) pada buku teks Matematika kelas VII SMP terbitan Kementerian Pendidikan, Kebudayaan, Riset,…
et, dan Teknologi sebagai bahan ajar Kurikulum Merdeka. Anifarka & Rosnawati (2023) menyatakan bahwa buku teks yang berkualitas seyogianya mampu memfasilitasi perkembangan kognitif peserta didik selaras dengan capaian pembelajaran yang ditetapkan. Metode yang diterapkan dalam kajian ini adalah analisis isi dengan pendekatan deskriptif kualitatif. Instrumen analisis merujuk pada dimensi kognitif C4 (Menganalisis), C5 (Mengevaluasi), dan C6 (Menciptakan) berdasarkan revisi taksonomi Bloom oleh Anderson & Krathwohl (2001). Temuan penelitian mengindikasikan bahwa dari total 485 butir soal dan aktivitas yang tersebar pada enam bab, sebanyak 147 butir (30,31%) tergolong dalam kategori HOTS. Distribusi HOTS tertinggi ditemukan pada Bab 5 tentang Persamaan dan Pertidaksamaan Linear Satu Variabel (38,46%), sedangkan terendah pada Bab 1 tentang Bilangan (22,80%). Level kognitif yang paling dominan adalah C4-Menganalisis (58,50%), diikuti C5-Mengevaluasi (28,57%), dan C6-Mencipta (12,93%). Temuan ini mengindikasikan bahwa buku teks Kurikulum Merdeka telah mengintegrasikan HOTS secara lebih sistematis dibandingkan kurikulum sebelumnya (Fanani, 2018)meskipun proporsinya perlu ditingkatkan untuk memenuhi tuntutan pembelajaran abad ke-21.
This study aims to analyze the content of exercises and questions representing higher-order thinking skills (HOTS) in the Mathematics textbook for grade VII junior high school published by the Ministry of Education, Culture, Research, and Technology as teaching materials for the Independent Curriculum. Anifarka & Rosnawati (2023) stated that a quality textbook should be able to facilitate students' cognitive development in line with the established learning outcomes. The method applied in this study is content analysis with a qualitative descriptive approach. The analysis instrument refers to the cognitive dimensions C4 (Analyzing), C5 (Evaluating), and C6 (Creating) based on the revised Bloom's taxonomy by Anderson & Krathwohl (2001). The research findings indicate that of a total of 485 questions and activities spread across six chapters, 147 items (30.31%) are classified as HOTS. The highest HOTS distribution was found in Chapter 5 on Linear Equations and Inequalities with One Variable (38.46%), while the lowest was in Chapter 1 on Numbers (22.80%). The most dominant cognitive level is C4-Analyzing (58.50%), followed by C5-Evaluating (28.57%), and C6-Creating (12.93%). This finding indicates that the Independent Curriculum textbooks have integrated HOTS more systematically than the previous curriculum (Fanani, 2018), although the proportion needs to be increased to meet the demands of 21st-century learning.
Abstract:Pecahan merupakan salah satu materi matematika yang penerapannya sering dijumpai dalam kegiatan sehari-hari. Penelitian ini bertujuan mengukur sejauh mana siswa kelas IV SD Negeri 010091 Kisaran Baru memahami konsep pecahan.…
han. Metode yang digunakan berbentuk deskriptif kualitatif dengan melibatkan 26 siswa sebagai subjek kajian. Data dihimpun melalui empat cara, yakni tes, pengamatan, wawancara, dan penelusuran dokumen. Hasil kajian memperlihatkan bahwa pemahaman siswa atas konsep pecahan tergolong masih rendah, dibuktikan oleh angka ketuntasan belajar yang hanya menyentuh 23,07%. Kondisi tersebut dipengaruhi oleh sejumlah hal, di antaranya lemahnya penguasaan dasar pecahan, rendahnya keterlibatan siswa saat belajar, serta metode pengajaran yang belum diterapkan secara maksimal. Mengacu pada hasil tersebut, diperlukan strategi pembelajaran yang lebih interaktif untuk mendorong peningkatan pemahaman siswa terhadap pecahan.
Fraction is a fundamental mathematical topic that frequently appears in everyday situations. This study set out to examine how well fourth-grade students at SD Negeri 010091 Kisaran Baru grasp the concept of fractions. A qualitative descriptive design was employed, with 26 students taking part as participants. Four data-gathering techniques were used: testing, observation, interviews, and document review. Findings revealed that students’ grasp of fraction concepts was still limited, shown by a completion rate of only 23,07%. Several factors contributed to this outcome, among them a weak foundation in basic fraction concepts, low student involvement during lessons, and teaching methods that had not been optimally applied. Based on these findings, more interactive learning strategies are needed to help strengthen students’ conceptual grasp of fractions.