Claim Missing Document
Check
Articles

Found 3 Documents
Search

Penerapan K-Means Untuk Pengelompokkan Beasiswa Santri di Pondok Pesantren Miftahul Huda Bogor Derman Janner Lubis; M Badru Tamam
Teknois : Jurnal Ilmiah Teknologi Informasi dan Sains Vol 12, No 1 (2022): January
Publisher : Sekolah Tinggi Ilmu Komputer Binaniaga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jbs.v12i1.125

Abstract

Pada saat ini cerminan kualitas pendidikan terlihat dari tingginya tingkat keberhasilan dan rendahnya tingkat kegagalan santri di dunia pendidikan. Kriteria uuntuk menyeleksi santri calon penerima beasiswa salah satunya dilihat dari nilai akademik yang tinngi. Namun, yang selama ini ini terjadi tingginya nilai akademik yang tinggi, melainkan berasal dari luar nilai akademik yaitu nilai kepribadian. Hal ini dilakukan agar santri – santri dapat mendapatkan beasiswa sesuai dengan kemampuannya. Oleh karena itu, peneliti mencoba memberikan alternatif dalam proses pengelompokkan beasiswa dengan memilah variabel data nilai akademik dan data nilai kepribadian. Salah satu cara untuk menyeleksi santri untuk mendapatkan beasiswa adalah dengan melakukan segmentasi dengan mengelompokkan data berdasarkan kriteria tertentu. Algoritma K-Means Clustering adalah salah satu metode pengelompokkan yang dapat mengelompokkan objek – objek berdarkan kepmiripan sifat yang dimilikinya. Tujuan dari penelitian ini adalah untuk mengetahui penerapan metode Algoritma K-Means Clustering dalam menyeleksi santri untuk mendapatkan beasiswa di Pondok Pesantren Mifathul Huda Bogor. Penelitian ini sudah melakukan uji kelayakan pada aplikasi yang dibangun dengan nilai kelayakan sebesar 87,59%, bermakna aplikasi yang dibangun sangat layak dan juga sudah dilakukan pengukuran melalui MATLAB dengan Silhouette Index dengan nilai 0,7030 (Strong Structure). 
Penerapan Metode SAW (Simple Additive Weighting) untuk Menentukan Siswa Bermasalah di SMK Taruna Terpadu 2 Bogor Derman Janner Lubis; Nur Mohammad Fadil
Teknois : Jurnal Ilmiah Teknologi Informasi dan Sains Vol 10, No 1 (2020): Mei
Publisher : Sekolah Tinggi Ilmu Komputer Binaniaga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jbs.v10i1.76

Abstract

Di dalam penelitian pengembangan ini untuk menentukan siswa bermasalah menggunakan sistem pendukung keputusan berbasis web dengan menggunakan metode SAW (Simple Additive Weighting) dengan 5 kriteria yang sudah ditentukan berdasarkan kuesioner yang sudah disebarkan pada sekolah SMK Taruna Terpadu 2 Bogor, kriteria tersebut yaitu nilai, kehadiran, jiwa sosial, kepatuhan dan kedisiplinan. Sistem pendukung keputusan tersebut akan digunakan oleh 2 pengguna yaitu, kepala sekolah, wali kelas dan guru bimbingan konseling sebagai user dan staff IT sebagai admin. Dimana hasil output sistem pendukung keputusan tersebut berupa nilai hasil akhir dari perhitungan SAW beserta keterangannya apakah siswa tersebut bermasalah atau tidak, yang sebelumnya dinilai oleh guru bimbingan konseling berdasarkan nilai dan kehadiran siswa. Sistem pendukung keputusan ini di uji dengan data siswa kelas X APH-4 di SMK Taruna Terpadu 2 Bogor.
Penerapan Metode Topsis Untuk Pemilihan Vendor Terbaik Derman Janner Lubis; Nur Amalina Anindita
Teknois : Jurnal Ilmiah Teknologi Informasi dan Sains Vol 11, No 2 (2021): November
Publisher : Sekolah Tinggi Ilmu Komputer Binaniaga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jbs.v11i2.109

Abstract

The selection of vendors to work on a project is an activity that must be carried out effectively and precisely so that the project is carried out in accordance with business needs and does not suffer losses. To get the best vendor ranking, you can use the TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) calculation method. TOPSIS method is a method that generates rankings by calculating the distance between the best solution and the worst solution. The steps to calculate using TOPSIS are identification of alternatives and their values, create a decision matrix, normalize the matrix, calculate the normalization matrix, look for positive and negative solutions, calculate the distance between positive and negative solutions, and calculate relative closeness and sort preferences. In this study using 8 criteria and 5 alternative vendors. Research method using research and development. This method will produce a prototype. The results of the calculation of TOPSIS obtained vendor c who gets the highest score and vendor b with the lowest rank