Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science)
Agung Riyadi
Politeknik Negeri Batam
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Prediksi Prospek Kerja Alumni Dengan Algoritma Neural Network Swono Sibagariang; Agung Riyadi; Afdhol Dzikri; Fadli Suandi; Kevin Timoteus Sirait; Faishal Setiawan
CESS (Journal of Computer Engineering, System and Science) Vol 6, No 1 (2021): Januari 2021
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (382.134 KB) | DOI: 10.24114/cess.v6i1.22237

Abstract

Penerapan teknologi informasi dalam dunia pendidikan salah satunya mampu menghasilkan data yang berlimpah mengenai siswa dan proses pembelajaran. Pencapaian tertinggi mahasiswa tentu didapatkan ketika dia sudah dinyatakan lulus dan bisa menyandang gelar dibelakang nama. Namun sangat disayangkan hampir sebagian besar mahasiswa yang telah lulus belum mempunyai pandangan tentang peluang kerja sehingga menjadi salah satu faktor meningkatnya jumlah pengangguran. Begitu juga pada lulusan di Politeknik Negeri Batam, tidak jarang pekerjaan yang didapat tidak sesuai dengan bidang yang ditekuninya ataupun rekomendasi tentang informasi pekerjaan kurang. Supaya alumni tidak terjebak dalam memilih karirnya, diperlukan sebuah sistem untuk dapat merekomendasikan alumni pekerjaan sesuai dengan bidang yang diinginkannya. Sehingga alumni tidak akan lagi terjebak pada karirnya yang tidak sesuai dengan bidangnya. Tujuan dari penelitian ini adalah untuk merumuskan prospek kerja mahasiswa berdasarkan pengolahan data alumni yang telah bekerja sehingga menghasilkan sebuah informasi bagi calon lulusan program studi teknik informatika dimana dapat digunakan sebagai rekomendasi pekerjaan. Dalam melakukan prediksi penelitian ini akan menggunakan algoritma Neural Network (NN) yaitu Learning Vector Quantization (LVQ), hasil dari penelitian ini adalah prediksi prospek kerja yang sesuai dengan bidangnya kedepannya. Dengan data latih sebanyak 320 baris data, learning rate 0,8, epoch 100, decrease learning 0.1, data uji 80 baris data didapatkan nilai akurasi yang dihasilkan sebanyak 71.25%. Angka ini bisa berubah menjadi lebih baik tingkat akurasinya dengan melakukan uji coba dan mengubah-ubah nilai learning rate, epoch dan memperbanyak data latih. Semakin banyak data latih yang digunakan maka LVQ akan memiliki pengetahuan yang lebih lengkap
Interest in Purchasing In-Game Content Based on Game Characteristics and Indonesian Player Behaviour Agung Riyadi; Riwinoto Riwinoto
CESS (Journal of Computer Engineering, System and Science) Vol 6, No 1 (2021): Januari 2021
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (239.636 KB) | DOI: 10.24114/cess.v6i1.22199

Abstract

This research aimed to find out what games are currently being played and how many contents purchased in them. Information regarding the interest in purchasing the game contents is crucial for the game developers to determine the game type to be developed. The research used a survey method conducted on 455 respondents aged 18-30 years from Indonesia. The survey results stated that most Indonesian game players were in the Regular Player category who played Action games with a population of 71%. The amount of interest in purchasing the contents from the Frequent Players towards Action and RPG games was 92%. As for games in the Puzzle category, the amount of interest in purchasing the contents was very small. 96% of puzzle game players certainly had no interest in purchasing the contents.
Co-Authors Afdhol Dzikri Fadli Suandi Faishal Setiawan Kevin Timoteus Sirait Riwinoto Riwinoto Swono Sibagariang