Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Ilmiah Edutic : Pendidikan dan Informatika

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAHASISWA BERPRESTASI MENGGUNAKAN METODE MOORA (STUDI KASUS FAKULTAS ILMU PENDIDIKAN UNIVERSITAS TRUNOJOYO MADURA Laili Cahyani; Muchamad Arif; Fitria Ningsih
EDUTIC Vol 5, No 2 (2019): MEI 2019
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/edutic.v5i2.5354

Abstract

Abstrak Pemilihan mahasiswa berprestasi merupakan seleksi yang dilakukan hampir di tiap Universitas, termasuk Universitas Trunojoyo Madura. Fakultas Ilmu Pendidikan Universitas Trunojoyo Madura mengadakan pemilihan mahasiswa berprestasi tingkat Fakultas untuk menjaring mahasiswa berprestasi yang nantinya akan dikirim ke tingkat Universitas. Oleh karena itu, dibuat Sistem pendukung keputusan pemilihan mahasiswa berprestasi menggunakan metode MOORA dengan studi kasus di Fakultas Ilmu Pendidikan Universitas Trunojoyo Madura. Pembuatan sistem ini dilakukan karena sebelumnya proses seleksi masih dilakukan secara manual yang memiliki resiko subjektifitas tinggi. Metode yang digunakan dalam penelitian ini adalah Multi Objective Optimization on the Basis of Ratio Analysis (MOORA). Kriteria yang digunakan dalam penentuan mahasiswa berprestasi adalah IPK, Bahasa Asing, KTI, Prestasi, dan Kepribadian (atribut tambahan). Hasil yang diperoleh dari sistem berbeda dengan hasil yang diperoleh dari seleksi secara manual. 3 data alternatif teratas pada sistem sama dengan hasil seleksi secara manual, namun memiliki urutan yang berbeda.   Kata kunci: Sistem Pendukung Keputusan, Multi Objective Optimization on the Basis of Ratio Analysis (MOORA), Pilmapres. Abstract             The selection of outstanding students is a selection carried out in almost every University, including the University of Trunojoyo Madura. The University of Trunojoyo Madura Faculty of Education held a selection of outstanding students at the Faculty level to attract outstanding students who would later be sent to the University level. Therefore, a decision support system for the selection of high achieving students was made using the MOORA method with a case study at the Faculty of Education, University of Trunojoyo Madura. Making this system is done because previously the selection process was still done manually which has a high risk of subjectivity. The method used in this study is Multi Objective Optimization on the Base of Ratio Analysis (MOORA). The criteria used are GPA, Foreign Language, KTI, Achievement, and Personality (additional attributes). The results obtained from the system are different from the results obtained from the manual selection. The top 3 alternative data on the system are the same as the selection results manually, but have different sequences.  Keywords: Decision Support System, Multi Objective Optimization on the Basis of Ratio Analysis (MOORA), Pilmapres.
POLA POSISI BERBASIS FUZZY DALAM DOMAIN FREKUENSI UNTUK TEMU KEMBALI CITRA BINTANG laili cahyani
EDUTIC Vol 2, No 2 (2016): MEI 2016
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/edutic.v2i2.1578

Abstract

AbstrakPenelusuran bintang dilakukan untuk beberapa aplikasi teknologi satelit dan ruang angkasa. Identifikasi bintang merupakan tugas utama dalam penelusuran bintang. Salah satu cara untuk melakukan identifikasi bintang adalah membandingkan citra kamera satelit terhadap citra database dan melakukan temu kembali bintang yang sama. Tugas tersebut menjadi sulit ketika pengambilan citra dilakukan pada waktu atau kondisi yang berbeda. Penelitian ini melakukan temu kembali citra bintang dengan menggunakan keuntungan pada metode pola posisi berbasis Fuzzy dalam domain frekuensi. Pada tahap awal, dilakukan preprocessing. Kemudian dilakukan proses ekstraksi fitur pola bintang menggunakan pola posisi berbasis Fuzzy dalam domain frekuensi. Selanjutnya, dilakukan perhitungan nilai similaritas antar fitur pola bintang. Pada tahap akhir, dilakukan temu kembali citra masukan sesuai tingkat kemiripan fitur citra tersebut dengan fitur citra database. Beberapa pengujian telah dilakukan dengan menggunakan 172 dataset yang didapatkan dari database aplikasi Stellarium. Pengujian pertama dilakukan untuk melakukan temu kembali citra bintang tanpa dipengaruhi adanya perubahan waktu dan kondisi. Pengujian kedua dilakukan untuk melakukan temu kembali citra bintang dengan adanya pengaruh dari perubahan rotasi. Pengujian ketiga dilakukan untuk melakukan temu kembali citra bintang dengan adanya pengaruh waktu pengambilan data. Hasil ujicoba menunjukkan bahwa penelitian ini mampu melakukan temu kembali citra bintang dengan tingkat akurasi sebesar 80.81%.Kata kunci: citra bintang, identifikasi bintang, pola Fuzzy, temu kembali citra.
PEMANFAATAN HIERARCHICAL CLUSTERING UNTUK PENGELOMPOKKAN DAUN BERDASARKAN FITUR MOMENT INVARIANT Febri Liantoni; laili cahyani
EDUTIC Vol 3, No 2 (2017): MEI 2017
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/edutic.v3i2.2932

Abstract

AbstrakIlmu mengenai tanaman telah mengalami kemajuan yang pesat. Salah satunya cabang ilmu mengenai morfologi tanaman. Ilmu morfologi ini mempelajari susunan tubuh tanaman khususnya mengenai bentuk tepi daun. Pada penelitian ini akan dilakukan pengelompokkan daun berdasarkan bentuk tepi daun. Metode yang digunakan untuk melakukan pengelompokkan adalah metode Centroid Linkage Clustering yang merupakan bagian dari algoritma Hierarchical Clustering. Metode ini dikenal lebih memiliki beban komputasi yang relatif lebih ringan karena hanya cukup menghitung titik tengah antar cluster. Berdasarkan hasil uji coba yang dilakukan, penggunaan metode Centroid Linkage Clustering didapatkan nilai akurasi clustering sebesar 87%, sedangkan dengan menggunakan metode k-means didapatkan nilai akurasi clustering sebesar 81%. Hal ini menunjukkan bahwa kinerja metode Centroid Linkage Clustering lebih baik dibandingkan metode k-means. Kata Kunci: Morfologi, Centroid Linkage Clustering, Hierarchical Clustering, Cluster, K-mean.
Text Mining untuk Pengelompokan Skripsi di Prodi Pendidikan Informatika Universitas Trunojoyo Madura Laili Cahyani; Muchamad Arif
EDUTIC Vol 8, No 2 (2022): MEI 2022
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/edutic.v8i2.13020

Abstract

Skripsi merupakan karya tulis ilmiah mahasiswa sebagai syarat kelulusan atau perolehan gelar sarjana. Meskipun demikian, dosen juga berperan aktif dalam mengarahkan penentuan topik skripsi sebagai pembimbing. Skripsi yang ideal mengacu pada topik – topik yang up to date. Hendaknya skripsi juga mendukung keberhasilan rencana induk penelitian (RIP) Universitas bahkan rencana induk riset nasional (RIRN). Selain itu, topik skripsi harus selaras dengan bidang minat sesuai kurikulum program studi. Untuk itu, perlu adanya penyelarasan antara kondisi universitas, kebutuhan masyarakat, dan tujuan nasional. Sehingga, analisis data skripsi diperlukan untuk tujuan tersebut. Selama ini data dokumen skripsi di Program Studi Pendidikan Informatika Universitas Trunojoyo Madura belum terorganisir dengan baik di lingkup Program Studi. Sedangkan, jumlah data terus meningkat. Hal itu menjadi tantangan dalam pencarian dan penentuan topik skripsi sebagai bahan referensi selanjutnya. Selain itu, hingga saat ini belum dilakukan analisis terkait berkembangan skripsi yang sudah ada. Belum dilakukan juga pemetaan atau pengelompokan skripsi. Sehingga, dapat memberikan peluang adanya kemiripan skripsi. Oleh karena itu, dikembangkan sistem pengelompokan skripsi menggunakan text mining (studi kasus Program Studi Pendidikan Informatika Universitas Trunojoyo Madura). Dengan adanya sistem tersebut, diharapkan dapat membantu manajemen pengelolahan data skripsi bagi bidang skripsi di Program Studi. Sehingga dapat membantu dalam penentuan kebijakan dosen pembimbing dan meminimalisir peluang adanya kemiripan topic skripsi. Hasil penelitian ini menunjukkan bahwa metode clustering menggunakan K-Means dapat melakukan pengelompokan topic skripsi secara optimal dengan nilai akurasi sebesar 0,972972973, nilai presisi sebesar 916666667, nilai recall sebesar 0,9849199722, dan F-Measure sebesar 0,949199722 dalam skala 0 – 1.