Abstract:Pemilihan Ketua Badan Eksekutif Mahasiswa (BEM) merupakan proses penting dalam menentukan mahasiswa yang memiliki kompetensi terbaik untuk memimpin organisasi kemahasiswaan. Namun, proses seleksi yang masih bergantung pada…
da popularitas dan penilaian subjektif berpotensi menghasilkan keputusan yang kurang optimal. Penelitian ini bertujuan membangun Sistem Pendukung Keputusan (SPK) menggunakan metode Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) untuk membantu proses pemilihan Ketua BEM secara objektif. Data penelitian diperoleh melalui wawancara dengan pembina BEM untuk menentukan kriteria dan bobot penilaian. Lima kriteria yang digunakan meliputi kepemimpinan, kemampuan komunikasi, pengalaman organisasi, integritas, dan indeks prestasi kumulatif (IPK). Tahapan metode MOORA terdiri atas penyusunan matriks keputusan, normalisasi, perhitungan nilai optimasi, dan proses perangkingan. Hasil penelitian menunjukkan bahwa alternatif K1 memperoleh nilai optimasi tertinggi sebesar 0,473 sehingga direkomendasikan sebagai Ketua BEM terpilih. Penerapan metode MOORA mampu menghasilkan proses pengambilan keputusan yang lebih objektif, sistematis, transparan, dan akurat sehingga dapat dijadikan sebagai alat bantu dalam menentukan Ketua BEM berdasarkan kriteria yang telah ditetapkan.
The selection of the Student Executive Board (BEM) President is an important process in determining the most qualified student to lead the student organization. However, conventional selection processes often rely on popularity and subjective judgments, which may lead to less optimal decisions. This study aims to develop a Decision Support System (DSS) using the Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) method to support a more objective selection process. Research data were collected through interviews with BEM advisors to determine the assessment criteria and their corresponding weights. Five criteria were used, namely leadership, communication skills, organizational experience, integrity, and grade point average (GPA). The MOORA method consists of decision matrix construction, normalization, optimization value calculation, and ranking. The results indicate that candidate K1 achieved the highest optimization value of 0.473 and was therefore recommended as the selected BEM President. The implementation of the MOORA method provides a more objective, systematic, transparent, and accurate decision-making process, making it an effective tool for supporting the selection of the most suitable BEM President based on predetermined criteria.
Abstract:Di era digital seperti sekarang ini, media sosial sudah menjadi bagian kehidupan manusia yang paling penting terutama bagi kalangan mahasiswa yang aktif menggunakan platform seperti whatsApp yang dikenal sebagai media komunikasi,…
munikasi, Tik-Tok, Instagram, Twitter dan lain sebagainya. Dengan adanya media sosial dapat memudahkan kita dalam berkomunikasi tampa ada batasan waktu dan tempat, akan tetapi disisi lain juga menimbulkan berbagai masalah yaitu etika seseorang dalam berkomunikasi. Sehinggah penelitian ini bertujuan untuk mengkaji dampak media sosial terhadap etika komunikasi mahasiswa dengan menggunakan metode studi literatur yang menggumpulkan dan menganalisis berbagai hasil penelitian terdahulu. dengan demikian hasil pembahasan menunjukan bahwah media sosial memberikan pengaruh ganda terhadap etika komunikasi mahasiswa: di satu sisi mempermudah akses informasi dan meningkatkan ketrampilan komunikasi, namun disisi lain memberikan dampak negatif Berupa penggunaan bahasa yang kasar, penyebaran berita palsu atau biasa di sebut hoaks, perilaku yang tidak sopan yang dimana menyebar luas dimedia sosial dan di abaikan maupun dinormalisasikan perilaku buruk tersebut dan pengabaian norma kesopanan yang sering terjadi. Dan kelebihan media sosial adalah kemampuannya memperluas jaringan komunikasi dan mempercepat pertukaran informasi, sementara kekurangannya terletak pada potensi penyala gunaan yang menimbulkan konflik dan ketidak nyamanan antar pengguna. sehinggan kita dapat memberikan solusi berupa edukasi dan peningkatan kesadaan etika bemedia sosial bagi mahasiswa agar mereka dapat bekomunikasi lebih bertanggung jawab dan menghormati orang lain. Dengan demikian penelitian ini bisa memberikan kontribusi penting dengan cara memberikan wawasan bagi pendidik dan pembuat kebijakan agar dapat merancang program komunikasi digital yang lebih efektif dan merancang program edukasi , sehinggah program tersebut dapat menaikan etika berkomunikasi di kalangan mahasiswa dengan begitu dapat di tingkatkan dimasa depan.
Abstract:Abstract: This study aims to classify the nutritional status of toddlers based on anthropometric data using the K-Nearest Neighbor (KNN) algorithm. Data were obtained from 20 Integrated Health Posts (Posyandu) in Rumbai…
Timur District, including Lembah Sari Village and Limbungan Village with a total of 1,000 toddler data. After cleaning and preprocessing, 782 data were obtained ready for use. The preprocessing stages include data cleaning and transformation, outlier removal, minority class handling, and data normalization. Next, data balancing was carried out using the Synthetic Minority Oversampling Technique (SMOTE) to address class imbalance. The data was divided into 80% training data and 20% test data, then the K parameter was tested from 1 to 15 using 5-fold cross-validation. The results showed that the value of K = 1 provided the best performance with a macro recall of 0.8827 and an accuracy of 86.26%. These results indicate that the combination of the KNN algorithm with the SMOTE method and Min-Max normalization is effective in improving classification performance on imbalanced data and producing accurate and balanced predictions of toddler nutritional status between classes.
Keywords: k-nearest neighbor; toddler nutritional status; SMOTE; min-max scaling; classification; anthropometric data
Abstrak: Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita berdasarkan data antropometri menggunakan algoritma K-Nearest Neighbor (KNN). Data diperoleh dari 20 Posyandu di Kecamatan Rumbai Timur, meliputi Kelurahan Lembah Sari dan Kelurahan Limbungan dengan total 1.000 data balita. Setelah melalui proses cleaning dan preprocessing, diperoleh 782 data yang siap digunakan. Tahapan pra-pemrosesan meliputi pembersihan dan transformasi data, penghapusan outlier, penanganan kelas minoritas, serta normalisasi data. Selanjutnya dilakukan penyeimbangan data menggunakan Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Data dibagi menjadi 80% data latih dan 20% data uji, kemudian dilakukan pengujian parameter K dari 1 hingga 15 menggunakan 5-fold cross-validation. Hasil penelitian menunjukkan bahwa nilai K = 1 memberikan performa terbaik dengan recall macro sebesar 0,8827 dan akurasi 86,26%. Hasil ini menunjukkan bahwa kombinasi algoritma KNN dengan metode SMOTE dan normalisasi Min-Max efektif dalam meningkatkan kinerja klasifikasi pada data tidak seimbang serta menghasilkan prediksi status gizi balita yang akurat dan seimbang antar kelas.
Kata kunci: k-nearest neighbor; status gizi balita; SMOTE; min-max scaling; klasifikasi; data antropometri
Abstract:Abstract: In this study, an analysis of the use of the Naive Bayes algorithm for sentiment analysis of reviews from Shopee app users on the Google Play Store was conducted, with classification divided into three categories:…
es: positive, negative, and neutral. To improve data quality, a preprocessing process was carried out with stages of cleaning, case folding, normalization, stop word removal, stemming, and tokenizing. Next, the text is formatted using the TF-IDF method to facilitate classification. For this data, the Naive Bayes model is used, which has an accuracy rate of 87% in detecting sentiment. Positive and negative categories can be easily identified compared to neutral sentiments due to the smaller amount of neutral data. Overall, the Naive Bayes algorithm successfully analyzed user sentiments well. The research can be developed with other algorithm methods, such as SVM, K-NN, or Decision Tree, in order to compare the performance of various algorithms.
Keywords: sentiment analysis; naive bayes; user reviews; e-commerce; shopee
Abstrak: Dalam penelitian ini dilakukan analisis penggunaan algoritma Naive Bayes untuk analisis sentimen review dari pengguna aplikasi Shopee di Google Play Store, klasifikasi dibagai menjadi 3 kategori yaitu positif, negatif, dan netral. Untuk meningkatkan kualitas data, dilakukam proses preprocessing dengan tahap cleanimg, case folding, normalisasi, stopword removal, stemming, dan tekonezing. Selanjutnya, teks diformat menggunakan metode TF-IDF untuk memudahkan klasifikasi. Untuk data ini, model Naive Bayes digunakan, yang memiliki tingkat akurasi 87% dalam mendeteksi sentimen. Kategori positif dan negatif dapat dengan mudah diidentifikasi dibadingkan sentiemen netral karena jumlah data netral yang lebih sedikit. Secara keseluruhan, algoritma Naive Bayes berhasil menganalisis perasaan pengguna dengan baik. Penelitian dapat dikembangkan dengan algoritma metode lain, seperti SVM, K-NN, atau Decision Tree, guna membandingkan kinerja berbagai algoritma.
Kata kunci: analisis sentiment; naive bayes; ulasan pengguna; e-commerce; shopee
Abstract:Abstract: SMK Negeri 3 Perhotelan dan Tata Boga in Tanjung Balai, North Sumatra, under the Ministry of Education and Culture, aims to provide quality education through Industrial Work Practice (PRAKERIN). However, the school…
hool faces challenges in selecting PRAKERIN locations related to costs, distance, and the imbalance between the number of available placements and students. To address this, the study uses the Simple Additive Weighting (SAW) method to design a decision support system. This method assigns weights based on specific criteria for each alternative, through steps such as determining criteria, assigning weights, rating suitability, normalization, and final normalization. The goal of the study is to assist SMK Negeri 3 Tanjungbalai in selecting PRAKERIN locations that meet the established criteria and ranking the alternatives based on those criteria. This way, the school can choose the most suitable PRAKERIN placements for its students. The results of system testing using the SAW method show the top 10 alternatives out of 16 available options, with the highest values as recommendations: A15 (1,000), A14 (0,896), A16 (0,813), A10 (0.718), A13 (0.729), A3 (0.708), A11 (0.698), A4 (0.25), A2 (0.604) dan A10 (0,594).The alternatives with the highest values are considered the most suitable and are prioritized as recommended PRAKERIN locations.
Keywords: industrial practice; saw; spk; smk
Abstrak: SMK Negeri 3 Perhotelan dan Tata Boga di Tanjung Balai, Sumatera Utara, yang berada di bawah Kementerian Pendidikan dan Kebudayaan, bertujuan memberikan pendidikan berkualitas melalui Praktek Kerja Industri (PRAKERIN). Namun, sekolah menghadapi tantangan dalam pemilihan tempat PRAKERIN terkait biaya, jarak, dan ketidakseimbangan antara jumlah tempat dan siswa. Untuk mengatasi hal ini, penelitian menggunakan metode Simple Additive Weighting (SAW) untuk merancang sistem pendukung keputusan. Metode ini memberikan bobot berdasarkan kriteria tertentu pada setiap alternatif, melalui langkah-langkah penentuan kriteria, pemberian bobot, penilaian kecocokan, normalisasi, dan normalisasi akhir. Tujuan penelitian adalah untuk membantu SMK Negeri 3 Tanjungbalai dalam memilih tempat PRAKERIN yang sesuai dengan kriteria yang ditetapkan dan meranking alternatif berdasarkan kriteria tersebut. Dengan demikian, sekolah dapat memilih tempat PRAKERIN yang paling sesuai dengan kebutuhan siswa. Hasil uji sistem menggunakan metode SAW menunjukkan 10 alternatif teratas dari 16 yang tersedia, dengan nilai tertinggi sebagai rekomendasi: A15 (1,000), A14 (0,896), A16 (0,813), A10 (0.718), A13 (0.729), A3 (0.708), A11 (0.698), A4 (0.25), A2 (0.604) dan A10 (0,594). Alternatif dengan nilai tertinggi dianggap paling sesuai dan diprioritaskan sebagai rekomendasi tempat PRAKERIN.
Kata kunci: prakerin; saw; spk; smk
Abstract:Abstract: The training on database design and implementation for vocational high school students at LKP Pelita Media aims to enhance students’ understanding of fundamental database concepts as well as their ability to design…
design and implement databases through a library application case study. The main problem addressed is the limited competence of students in structured database design, including data requirement analysis, Entity Relationship Diagram (ERD) development, normalization, and the lack of practical experience in using MySQL and applying it to real-world cases. The method employed consists of integrated theory- and practice-based training through interactive lectures, demonstrations, hands-on practice, and mentoring. The activities were conducted in four stages: introduction to database concepts, ERD design and normalization, SQL implementation (CRUD and JOIN), and integration with a simple web application. The results indicate that participants gained improved understanding and skills in designing and implementing databases, aligned with current developments in information technology, particularly in the context of a library application case study.
Keywords: database; ERD; MySQL; normalization; training
Abstrak: Pelatihan perancangan dan implementasi database bagi siswa SMK di LKP Pelita Media bertujuan meningkatkan pemahaman konsep dasar basis data serta kemampuan merancang dan mengimplementasikan database pada studi kasus aplikasi perpustakaan. Permasalahan utama adalah terbatasnya kompetensi siswa dalam perancangan database secara terstruktur, meliputi analisis kebutuhan data, pembuatan Entity Relationship Diagram (ERD), normalisasi, serta kurangnya pengalaman praktik menggunakan MySQL hingga implementasi pada kasus nyata. Metode yang digunakan berupa pelatihan berbasis teori dan praktik terintegrasi melalui ceramah interaktif, demonstrasi, praktik langsung, dan pendampingan. Kegiatan dilaksanakan dalam empat tahap, yaitu pengenalan konsep basis data, perancangan ERD dan normalisasi, implementasi SQL (CRUD dan JOIN), serta integrasi dengan aplikasi web sederhana. Hasil menunjukkan peserta memiliki pemahaman dan keterampilan perancangan serta implementasi database yang relevan dengan perkembangan teknologi informasi khususnya pada studi kasus aplikasi perpustakaan.
Kata kunci: database; ERD; MySQL; normalisasi; pelatihan
Abstract:Abstract: The assessment of PKH employees in Batu Bara Regency still requires an objective and measurable evaluation process to support performance decisions. Manual assessment can cause subjectivity and take more time,…
especially when several criteria must be considered. This study aims to apply the Simple Additive Weighting (SAW) method to the PKH employee assessment system in Batu Bara Regency. The criteria used in this assessment are attendance, teamwork, responsibility, communication, and length of service. The SAW method is applied by determining criteria weights, converting employee values, normalizing the decision matrix, and calculating preference values to obtain the final ranking. The results show that alternative A1, Rahmi Rizkya, obtained the highest score of 0.9504 and ranked first, while alternative A5, Toni Syahpradanadaely, obtained the lowest score of 0.4831. Based on these results, the SAW method can help the employee assessment process become more objective, structured, and useful as a reference for evaluating PKH employee performance.
Keywords: decision support system; PKH employee; simple additive weighting
Abstrak: Penilaian pegawai PKH Kabupaten Batu Bara membutuhkan proses evaluasi yang objektif dan terukur untuk mendukung pengambilan keputusan terhadap kinerja pegawai. Penilaian yang masih dilakukan secara manual dapat menimbulkan subjektivitas dan membutuhkan waktu lebih lama, terutama jika penilaian melibatkan beberapa kriteria. Penelitian ini bertujuan untuk menerapkan metode Simple Additive Weighting (SAW) pada sistem penilaian pegawai PKH Kabupaten Batu Bara. Kriteria yang digunakan dalam penilaian meliputi kehadiran, kerja sama tim, tanggung jawab, komunikasi, dan masa kerja. Metode SAW diterapkan melalui penentuan bobot kriteria, konversi nilai pegawai, normalisasi matriks keputusan, serta perhitungan nilai preferensi untuk memperoleh hasil perankingan. Hasil penelitian menunjukkan bahwa alternatif A1 atas nama Rahmi Rizkya memperoleh nilai tertinggi sebesar 0,9504 dan menempati peringkat pertama, sedangkan alternatif A5 atas nama Toni Syahpradanadaely memperoleh nilai terendah sebesar 0,4831. Berdasarkan hasil tersebut, metode SAW dapat membantu proses penilaian pegawai menjadi lebih objektif, terstruktur, dan dapat dijadikan acuan dalam evaluasi kinerja pegawai PKH.
Kata kunci: pegawai PKH; simple additive weighting; sistem pendukung keputusan
Abstract:Abstract: Job training is one of the government’s efforts to improve the quality of human resources so that they possess competencies that meet labor market demands. The process of selecting training participants at the…
e Department of Manpower of Asahan Regency is still carried out manually, which can lead to subjectivity and inefficiency in determining the most eligible candidates. This study aims to develop a decision support system using the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) method to assist the selection process objectively and systematically. The study applies four evaluation criteria, namely education level, age, work experience, and interview, with a dataset consisting of 31 training candidates. The system is developed as a web-based application using PHP programming language and MySQL database. The TOPSIS method is applied through decision matrix normalization, weighting, determination of positive and negative ideal solutions, and preference value calculation to produce a ranking of candidates. The results show that the proposed system can provide objective recommendations for selecting training participants, improve the efficiency of the selection process, and support decision makers in producing more accurate and reliable decisions.
Keywords: decision support system; selection; training; TOPSIS.
Abstrak: Pelatihan tenaga kerja merupakan salah satu upaya pemerintah dalam meningkatkan kualitas sumber daya manusia agar memiliki kompetensi yang sesuai dengan kebutuhan dunia kerja. Proses pemilihan calon peserta pelatihan di Dinas Tenaga Kerja Kabupaten Asahan selama ini masih dilakukan secara manual sehingga berpotensi menimbulkan subjektivitas dan kurang efektif dalam menentukan peserta yang paling layak. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan menggunakan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk membantu proses seleksi peserta pelatihan secara objektif dan sistematis. Penelitian ini menggunakan empat kriteria penilaian yaitu pendidikan, usia, pengalaman kerja, dan wawancara dengan jumlah data sebanyak 31 calon peserta pelatihan. Sistem dikembangkan berbasis web menggunakan bahasa pemrograman PHP dan database MySQL. Metode TOPSIS digunakan untuk melakukan normalisasi matriks keputusan, pembobotan, penentuan solusi ideal positif dan negatif, serta perhitungan nilai preferensi untuk menghasilkan perankingan peserta pelatihan. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu memberikan rekomendasi peserta pelatihan secara objektif, meningkatkan efisiensi proses seleksi, serta membantu pihak dinas dalam pengambilan keputusan yang lebih akurat.
Kata kunci: pelatihan; seleksi; sistem pendukung keputusan; TOPSIS.
Abstract:Abstract: The rapid growth of e-commerce mobile applications has generated large volumes of user reviews, making manual sentiment analysis increasingly impractical. This study aims to compare the effectiveness of three machine…
achine learning algorithms Support Vector Machine (SVM), Random Forest, and Naive Bayes for automated sentiment classification of Indonesian-language mobile application reviews. A dataset of 3,000 user reviews from the RupaRupa application on the Google Play Store was collected and preprocessed through normalization, tokenization, stopword removal, and stemming. TF-IDF vectorization was applied for feature extraction, while the Synthetic Minority Over-sampling Technique (SMOTE) was used to address class imbalance across three sentiment categories: positive, negative, and neutral. The results show that SVM achieved the highest accuracy of 90.02%, while Random Forest obtained the best F1-score of 88.08% when sufficient training data were available. Naive Bayes demonstrated relatively stable performance across varying training data sizes. Furthermore, TF-IDF keyword analysis revealed that negative reviews were primarily associated with delivery issues, technical problems, and pricing concerns. These findings demonstrate the effectiveness of machine learning approaches for sentiment classification and provide practical insights for improving mobile application services.
Keywords: sentiment analysis; machine learning; SMOTE; TF-IDF; text classification
Abstrak: Pertumbuhan pesat aplikasi mobile e-commerce telah menghasilkan volume ulasan pengguna yang sangat besar, sehingga analisis sentimen secara manual menjadi semakin tidak praktis. Penelitian ini bertujuan untuk membandingkan efektivitas tiga algoritma machine learning Support Vector Machine (SVM), Random Forest, dan Naive Bayes dalam melakukan klasifikasi sentimen otomatis terhadap ulasan aplikasi mobile berbahasa Indonesia. Dataset yang digunakan terdiri dari 3.000 ulasan pengguna aplikasi RupaRupa yang dikumpulkan dari Google Play Store. Data kemudian diproses melalui tahapan preprocessing yang meliputi normalisasi, tokenisasi, penghapusan stopword, dan stemming. Ekstraksi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan ketidakseimbangan kelas ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE) pada tiga kategori sentimen, yaitu positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa SVM mencapai tingkat akurasi tertinggi sebesar 90,02%, sementara Random Forest memperoleh nilai F1-score terbaik sebesar 88,08% ketika tersedia data pelatihan yang memadai. Naive Bayes menunjukkan performa yang relatif stabil pada berbagai ukuran data pelatihan. Selain itu, analisis kata kunci berbasis TF-IDF mengungkapkan bahwa ulasan negatif terutama berkaitan dengan masalah pengiriman, kendala teknis aplikasi, dan isu harga. Temuan ini menunjukkan bahwa pendekatan machine learning efektif untuk klasifikasi sentimen serta memberikan wawasan yang bermanfaat dalam meningkatkan kualitas layanan aplikasi mobile.
Kata Kunci: analisis sentimen; pembelajaran mesin; SMOTE; TF-IDF; klasifikasi teks.
Abstract:Abstract: The election of the Student Council President is an important process in building a democratic, responsible, and integrity-based leadership culture in the school environment. In addition, through the main discussion…
ssion in this study aims to optimize the selection process for candidates for Student Council President at SMP Negeri 11 Tanjung Balai through the implementation of a Decision Support System (DSS) based on the MOORA (Multi-Objective Optimization on the Basis of Ratio Analysis) method. The MOORA method is used to normalize values, weight criteria, and calculate optimization values to produce the best alternative ranking. Data were obtained through observation, interviews with school officials, and literature studies. The results of the study indicate that the MOORA method is able to provide objective and transparent ranking results, where M. Asril Sitorus Pane obtained the highest score of 0.347 (Rank 1), followed by M. Rian with a score of 0.333 (Rank 2). The implementation of this system is expected to be able to provide recommendations for the best candidates regularly and accurately, so that it can support fairer and more accountable decision-making in the next Student Council President election.
Keywords: decision support system; osis chairman election; MOORA; SMP negeri 11 tanjung balai.
Abstrak: Pemilihan Ketua OSIS merupakan proses penting dalam membangun budaya kepemimpinan yang demokratis, bertanggung jawab dan berintegritas di lingkungan sekolah. Selain itu, melalui pokok pembahasan pada penelitian ini bertujuan untuk dapat mengoptimalkan proses seleksi calon Ketua OSIS di SMP Negeri 11 Tanjung Balai melalui penerapan Sistem Pendukung Keputusan berbasis metode MOORA (Multi-Objective Optimization on the Basis of Ratio Analysis). Metode MOORA digunakan agar dapat melakukan normalisasi nilai, pembobotan kriteria serta perhitungan nilai optimasi guna menghasilkan peringkat alternatif terbaik. Data diperoleh melalui observasi, wawancara dengan pihak sekolah serta dan studi kepustakaan. Hasil penelitian menunjukkan bahwa metode MOORA mampu memberikan hasil peringkat yang objektif dan transparan, yang dimana M. Asril Sitorus Pane memperoleh nilai tertinggi sebesar 0,347 (Peringkat 1), diikuti oleh M. Rian dengan nilai 0,333 (Peringkat 2). Penerapan sistem ini diharapkan mampu memberikan rekomendasi kandidat terbaik secara sistematis dan akurat, sehingga dapat mendukung pengambilan keputusan yang lebih adil dan akuntabel dalam pemilihan Ketua OSIS selanjutnya.
Kata kunci: MOORA; pemilihan ketua osis; sistem pendukung keputusan; SMP negeri 11 tanjung balai.