Article Per Year (5 Year)
p-Index From 2019 - 2024
2.203
P-Index
This Author published in this journals
All Journal Proceedings of KNASTIK Teknik dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) Journal of Information Systems Engineering and Business Intelligence Journal of Animation & Games Studies Jurnal Teknologi dan Sistem Komputer Jurnal Pendidikan (Teori dan Praktik) JUTEI (Jurnal Terapan Teknologi Informasi) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal ULTIMATICS International Journal of Community Service Learning Jurnal Informatika JP (Jurnal Pendidikan) : Teori dan Praktik SERVIRISMA: Jurnal Pengabdian kepada Masyarakat
Raden Gunawan Santosa
Program Studi Informatika, Universitas Kristen Duta Wacana
Arts Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
Perbandingan Akurasi Model Regresi Logistik umtuk Prediksi Kategori IP Mahasiswa Jalur Prestasi dengan Non Jalur Prestasi Santosa, R Gunawan; Crismanto, Antonius Rachmat
Teknik dan Ilmu Komputer VOL. 7 NO. 25 Januari-Maret 2018
Publisher : Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakPenelitian ini membandingkan akurasi prediksi menggunakan regresi logistik terhadap kategori Indeks Prestasi (IP) semester pertama (IPS1) mahasiswa jalur prestasi dengan mahasiswa non jalur prestasi di Fakultas Teknologi Informasi (FTI) Universitas Kristen Duta Wacana (UKDW). Variabel dependen pada jalur prestasi adalah kategori IP semester pertama sedangkan variabel independen yang digunakan adalah lokasi, kategori, status SMA, dan level tes kemampuan bahasa Inggris. Variabel untuk model regresi logistik untuk non jalur prestasi adalah sama seperti jalur prestasi namun ditambah empat variabel lain, yaitu hasil tes nilai numerik, verbal, spasial, dan analogi. Sebagai dataset untuk membuat model regresi logistik digunakan data mahasiswa FTI angkatan 2008-2015, sedangkan data ujinya menggunakan data angkatan 2016. Ketepatan atau akurasi kedua model dalam memprediksi tersebut diukur dengan menggunakan tabel Crosstab. Penelitian ini menghasilkan delapan model regresi logistik, yaitu model A-H. Nilai akurasi tertinggi untuk jalur prestasi adalah model F (dataset 2008-2013) dengan akurasi prediksi 73,73%. Hasil akurasi tertinggi untuk jalur non prestasi adalah dengan model D (dataset 2008-2011) dan E (dataset 2008-2012) dengan akurasi prediksi 56,76%. Dilihat dari segi akurasinya, model yang dihasilkan lebih baik digunakan untuk memprediksi jalur prestasi daripada jalur non prestasi.Kata Kunci: regresi logistik, prediksi, jalur prestasi, jalur non prestasi.AbstractThis research compares accuracy of prediction of Grade Point Average (GPA) of the first semester students who were admitted through Achievement Admission (AA) and Regular Admission (RA) using logistic regression in Faculty of Information Technology, Universitas Kristen Duta Wacana (UKDW), Yogyakarta. The dependent variables of logistic regression on AA was the category of first semester GPA, meanwhile the independent variables were location, category, high school status, and level of English proficiency. The variables of logistic regression on RA were the same as on AA along with four additional variables: the results of numeric, verbal, spatial and analogy test. The dataset used to create logistic regression model were FTI students, 2008 – 2015 batch, while the testing data were FTI students 2016 batch. This research produced 8 logistics regression model for AA and RA, model A – H. The accuracy of prediction was measured by using Crosstab table. The Crosstab table showed that the highest accuracy of AA was model F (dataset 2008-2013 with accuracy 73.73%), while the highest accuracy of RA was model D (dataset 2008-2011) and E (dataset 2008-2012) with accuracy 56.76%. From these accuracy results, our model was better to predict AA rather than RA
Crosstab Analysis to Determine External Factors Dependencies on The GPA of First Semester Students at FTI UKDW Santosa, R. Gunawan; Setiadi, Hendro
Teknik dan Ilmu Komputer Vol. 06 No. 21 Januari - Maret 2017
Publisher : Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Ada banyak faktor  yang  mempengaruhi Indeks Prestasi mahasiswa Fakultas Teknologi Informasi UKDW. Faktor-faktor yang akan menjadi perhatian dalam penelitian ini adalah lokasi SMA, kategori SMA, status SMA dan level kemampuan Bahasa Inggris. Penelitian ini menganalisis dependensi faktor tersebut terhadap IP semester 1 mahasiswa FTI UKDW di awal kuliah. Dengan menggunakan tabel Crosstab dan uji Chi-square ternyata nilai p-value faktor lokasi SMA, kategori SMA dan level Bahasa Inggris mendekati nol, sedangkan untuk status SMA mempunyai p-value sebesar 0,316 sehingga disimpulkan bahwa IP semester 1 dependen dengan kategori SMA, lokasi SMA dan level Bahasa Inggris. IP semester 1 mahasiswa FTI tidak tergantung pada asal status SMA, dalam hal ini status negeri dan swasta akan mempunyai hasil yang cenderung sama. Kata kunci: Crosstab, Chi-Square test, p-value  Abstract There are many factors affecting the Grade Point Average (GPA) in Information Technology Faculty student. This research analyzes some factors that influenced student’s academic performance (GPA) in the first semester, such as the location of  high school, high school category, high school status, and level of English Language. Using the Crosstab tables and Chi-square test, it is found that the p-value of the high school location, high school category and level of English is close to zero, while high school status has a p-value of 0.316. It can be concluded that the first semester GPA has a dependency on the high school category, high school location, and level of English Language, while the first semester GPA of Information Technology Faculty students does not depend on high school status, as both public and private provide nearly the same result. Keywords: Crosstab, Chi-Square test, p-value  
Perbandingan Akurasi Regresi Logistik dengan Regresi Multinomial untuk Prediksi Kategori IP Mahasiswa Jalur Prestasi Santosa, Raden Gunawan; Chrismanto, Antonius Rachmat
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 4, No 2 (2018): Volume 4 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (638.205 KB) | DOI: 10.26418/jp.v4i2.27302

Abstract

Penelitian ini membandingkan akurasi prediksi antara model regresi logistik dengan model regresi multinomial terhadap kategori Indeks Prestasi semester pertama (IPS1) mahasiswa jalur prestasi di Fakultas Teknologi Informasi (FTI) UKDW untuk mengetahui akurasi yang terbaik. Pada kedua model tersebut yang digunakan sebagai  variabel dependen adalah indeks prestasi semester pertama (IPS1) dan sebagai variabel independen yang digunakan  adalah lokasi, kategori, dan status SMA  serta  level  kemampuan bahasa Inggris. Dataset untuk membuat model regresi logistik maupun regresi multinomial  digunakan data mahasiswa FTI angkatan 2008 sampai dengan angkatan 2015 secara kumulatif, sedangkan data ujinya menggunakan data IPS1 mahasiswa angkatan 2016.  Akurasi kedua model diukur  dengan  menggunakan tabel Crosstab. Tabel Crosstab menunjukkan nilai akurasi antara kategori data hasil prediksi dengan kategori data IPS1 mahasiswa FTI angkatan 2016 yang sebenarnya. Rata-rata akurasi prediksi kategori IPS1 Mahasiswa Angkatan  2016 melalui Jalur Prestasi dengan  dengan model regresi logistik adalah 67,80125%, sedangkan rata-rata akurasi hasil prediksi dengan model regresi Multinomial adalah 67,175 %.  Selisih akurasi dari kedua metode tersebut ternyata tidak jauh berbeda.
IMPLEMENTASI ALGORITMA BOYER-MOORE PADA PERMAINAN WORD SEARCH PUZZLE Kristanto G, Steven; Rachmat C, Antonius; Santosa, R. Gunawan
Proceedings of KNASTIK 2013
Publisher : Duta Wacana Christian University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This research is discuss about implementation of Boyer-Moore algorithm on word search puzzle game. The problem faced is whether Boyer-Moore algorithm can be applied to find the hidden words in the game and measurement of algorithm’s efficiency. The purpose of this research is to understand how algorithm works and to apply the Boyer-Moore algorithm in word search puzzle game. The results of this research are the Boyer-Moore algorithm can be implemented 100% in word search puzzle game. On
PENJADWALAN MATAKULIAH DENGAN PENDEKATAN PEWARNAAN GRAF DI UNIVERSITAS KRISTEN DUTA WACANA YOGYAKARTA Sendra, Leo; Santosa, R. Gunawan; Restyandito, Restyandito
Proceedings of KNASTIK 2009
Publisher : Duta Wacana Christian University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penjadwalan matakuliah merupakan suatu kegiatan untuk mengalokasikan matakuliah-matakuliah pada slot-slotwaktu tertentu dan pada ruang-ruang yang tersedia dengan memperhatikan batasan-batasan yang ada. Penjadwalanmatakuliah sulit dilakukan secara manual jika matakuliah yang ditawarkan jumlahnya banyak dan batasan-batasan yangharus diperhatikan banyak.Dalam membentuk suatu jadwal matakuliah yang dapat memenuhi batasan-batasan yang ada, penulis memodelkanmatakuliah ke dalam bentuk graf dan membagi proses pembentukan jadwal ke dalam 3 tahap yaitu tahap pembentukan paketmatakuliah, tahap alokasi paket matakuliah ke slot waktu dan tahap alokasi matakuliah ke ruang kelas.Hasil dari penelitian yang penulis lakukan adalah dengan pemodelan yang dibuat dan penerapan pewarnaan grafdapat membentuk paket matakuliah yang bebas dari tabrakan, kombinasi pewarnaan verteks dapat digunakan sebagaialternatif-alternatif solusi yang berguna untuk membuat seluruh matakuliah mendapatkan ruang kelas, paket-paketmatakuliah hasil pewarnaan graf dengan algoritma welch-powell tidak dapat secara langsung memenuhi batasan yang ada.Sehingga harus dilakukan beberapa modifikasi. Selain itu juga, ternyata sistem paket matakuliah yang dihasilkanmenyebabkan ketergantungan dalam hal alokasi ke slot waktu.
Analisis Cluster Terhadap Karakteristik Mahasiswa Jalur Prestasi FTI UKDW Santosa, Raden Gunawan; Chrismanto, Antonius Rachmat; Kurniawan, Erick
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 1 (2020): Volume 6 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v6i1.37216

Abstract

Analisis Clustering merupakan analisis yang sangat bermanfaat untuk proses deskripsi dan eksplorasi sekumpulan data.  Dengan tidak tahunya informasi terhadap karakteristik data mahasiswa jalur prestasi Universitas Kristen Duta Wacana (UKDW), maka akan sangat merugikan dalam pengambilan keputusan. Tujuan dari penelitian ini melihat karakteristik cluster masing-masing angkatan dari angkatan 2008 sampai dengan 2018. Dengan menggunakan analisis cluster, juga ingin diketahui kemiripan 10 angkatan mahasiswa jalur prestasi di FTI UKDW.  Untuk melihat cluster tiap angkatan mahasiswa FTI UKDW digunakan metode K-Means Clustering. Sedangkan untuk menemukan kemiripan dari 10 angkatan mahasiswa FTI UKDW digunakan Hierarchial Clustering. Dari hasil penelitian didapat fakta bahwa sebagai berikut: dengan menggunakan K-Means Clustering untuk pengelompokkan menjadi dua cluster, maka diperoleh bahwa cluster yang mempunyai kecenderungan IP Semester 1 (IPS1) tinggi mempunyai karakteristik: status SMA swasta, lokasi SMA di Jawa, kategori SMA umum, level bahasa Inggris level 3,  sedangkan cluster yang mempunyai kecenderungan IPS1 rendah mempunyai karakteristik: status SMA swasta, lokasi SMA luar Jawa, kategori SMA  umum,  level bahasa Inggris level 2. Apabila dilihat hasil pengelompokan tiap angkatan berdasarkan cluster yang terbentuk pada Dendrogram Hierarchical Clustering, maka Angkatan 2015 mempunyai kemiripan cluster yang paling berbeda dibandingkan dengan angkatan yang lainnya.
Pelatihan Cara Berpikir Simbolik-Matematik di SMA BOPKRI 2 Yogyakarta Santosa, Raden Gunawan; Tampubolon, Junius Karel
International Journal of Community Service Learning Vol 4, No 1 (2020): February 2020
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (644.099 KB) | DOI: 10.23887/ijcsl.v4i1.23099

Abstract

Symbolic-Mathematical Thinking is a technique of thinking to solve mathematical problems. This technique is the result of a combination of Symbolic Logic and Mathematics. In general there are three symbolic logic activities that are applied to Mathematics, namely reading symbols, logical equivalents and logical implications.                 This Pengabdian kepada Masyarakat (PkM)  has activities to train Symbolic-Mathematical  thinking using 15 strategies for BOPKRI 2 high school students.                 The results of this training are three important things. The first result is the type of problem that is most difficult for students to face is the type of problem that requires drawing conclusions that refer to standard mathematical definitions. The second thing is for the type of use of model settlement strategies in a system and the type of seeing patterns, students tend to be able to solve problems after being given instructions on how the model fits the problem and the pattern the problem has. Whereas the third is from two groups of students the class turns out that the continuous class attending the training gets more symbolic-mathematical thinking skills improvement than the other classes.
Inovasi Pembelajaran Logika-Simbolik melalui Aplikasi DUTAlogic bagi Siswa Tunarungu Chrismanto, Antonius Rachmat; Nendya, Matahari Bhakti; Tampubolon, Junius Karel; Santosa, R Gunawan; Sudarma, Wayan Edi; Hermawan, Handi
Jurnal Pendidikan (Teori dan Praktik) Vol 5, No 1 (2020): Volume 5, Nomor 1, April 2020
Publisher : Fakultas Ilmu Pendidikan Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jp.v5n1.p%p

Abstract

Logic is an analysis of methods of thinking. Logic emphasizes the form more than the content of  arguments. mathematical logic is often also called the symbolic-logic is a part of mathematics that explores the application of formal logic to mathematics. This has a close relationship with the basic fundamental thinking of mathematics and theoretical computer science.In this research we do three important things, the first is conventional symbolic-logic training for SLB Negeri 1 Bantul. The second step is making of symbolic-logic learning application for deaf students called DUTAlogic and the third is seeing the comparison between conventional learning and learning using the DUTAlogic.Based on data analysis that was done. Thar result show that increase in symbolic logic ability (T) is 50%, increase in the ability of symbolic natural accuracy (N) is 50%. The used of DUTAlogic application is more attractive to deaf students because they feel happier, easier, more-understanding, more concentrated and more creative when doing symbolic-logic learning.
Implementasi Metode TwoStep Clustering untuk Klasterisasi Karakteristik Akademik Mahasiswa Santosa, Raden Gunawan; Lukito, Yuan; Chrismanto, Antonius Rachmat
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 2 (2021): Volume 7 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v7i2.47735

Abstract

Salah satu algoritma clustering yang paling banyak dipakai adalah K-Means dimana algoritma ini membutuhkan masukan jumlah klaster yang ingin dibentuk.  Pada kenyataannya jumlah klaster yang tepat tidak bisa diketahui sehingga pemilihan nilai k bergantung pada subyektifitas peneliti. Kemudian algoritma K-Means hanya bisa menangani atribut dalam bentuk numerik kontinyu padahal ada atribut dalam bentuk kategorikal atau campuran keduanya.  Pada penelitian ini dilakukan pengelompokkan data akademik mahasiswa dengan menggunakan algoritma twostep clustering yang dapat menentukan jumlah klaster secara otomatis dan dapat menangani atribut dalam bentuk kategorikal, numerik kontinyu atau campuran keduanya. Metode twostep clustering diterapkan pada data mahasiswa angkatan 2008-2019 dengan analisis diterapkan pada setiap angkatannya. Penelitian ini menghasilkan klaster-klaster yang mencerminkan tingkat heterogenitas setiap angkatan mahasiswa.  Klaster-klaster yang didapat merupakan klaster yang optimal setelah diukur menggunakan Bayesian Information Criterion dan Ratio Distance Measure.
Classification and Prediction of Students’ GPA Using K-Means Clustering Algorithm to Assist Student Admission Process Raden Gunawan Santosa; Yuan Lukito; Antonius Rachmat Chrismanto
Journal of Information Systems Engineering and Business Intelligence Vol. 7 No. 1 (2021): April
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/jisebi.7.1.1-10

Abstract

Background: Student admission at universities aims to select the best candidates who will excel and finish their studies on time. There are many factors to be considered in student admission. To assist the process, an intelligent model is needed to spot the potentially high achieving students, as well as to identify potentially struggling students as early as possible.Objective: This research uses K-means clustering to predict students’ grade point average (GPA) based on students’ profile, such as high school status and location, university entrance test score and English language competence.Methods: Students’ data from class of 2008 to 2017 are used to create two clusters using K-means clustering algorithm. Two centroids from the clusters are used to classify all the data into two groups:  high GPA and low GPA. We use the data from class of 2018 as test data.  The performance of the prediction is measured using accuracy, precision and recall.Results: Based on the analysis, the K-means clustering method is 78.59% accurate among the merit-based-admission students and 94.627% among the regular-admission students.Conclusion: The prediction involving merit-based-admission students has lower predictive accuracy values than that of involving regular-admission students because the clustering model for the merit-based-admission data is K = 3, but for the prediction, the assumption is K = 2. 
Co-Authors Amanda A. Diadema Andree Anthony Antonius Rachmat Chrismanto Apul Prima S Bhernardin Erryco Gagah Pattriskak Budi Susanto Christian Puji Nugraha Dea Alverina Devian Ricko Hutama Devri Riza Setyawan Elisabeth Adelia Widjojo Erdoria Kristina Erick Kurniawan Florentinus Alvin Sebastian Gabriella Amelia Prasetyo Gani Indriyanta Handi Hermawan Harianto Kristanto Harianto Kristanto Hermawan, Handi Joko Purwadi Jong Jek Siang Junius Karel Junius Karel Tampubolon Junius Karel Tampubolon Junius Karel Tampubolon Junius Karel Tampubolon Kevin Valiant Kezia Satyawati Kristanto G, Steven Kristian Adi Nugraha Leo Sendra Lidya Andriani Sunjoyo Lukas Chrisantyo A.A. Matahari Bhakti Nendya Matahari Bhakti Nendya, Matahari Bhakti Nita Christina Saputro Nugroho Agus Haryono Rendy Setiawan Restyandito Robby Triadi Susanto Rohani Utomo Ruby Vidian Hartanto Samuel Gandang Gunanto Santosa Raharjanto Selvy Welianto Setiadi, Hendro Sri Suwarno Sri Suwarno Sudarma, Wayan Edi Theresia Herlina R. Wayan Edi Sudarma Willy Sudiarto Rahardjo Yetli Oslan Yetli Oslan Yuan Lukito Yuan Lukito