Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer)
Ari Pradana
Universitas Budi Darma, Medan
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Sistem Pendukung Keputusan Dalam Menilai Kinerja Tenaga Pendidikan Terbaik Menggunakan Metode WASPAS Ari Pradana; Efori Bu’ulolo
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Vol 5, No 1 (2021): Peran Generasi Milenial Bertalenta Digital Pada Era Society 5.0
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/komik.v5i1.3666

Abstract

Tenaga pendidikan merupakan orang yang ahli dalam bidang pendidikan yang mengabdi pada negeri dan di tunjuk sebagai pendukung dalam terselenggarakannya pendidikan yang efektif. Tenaga pendidikan adalah orang yang sangat berperan penting dalam mencerdaskan kehidupan Bangsa Indonesia. Pada penelitian ini, dilakukan proses penilaian kinerja tenaga pendidikan pada Dinas Pendidikan Kota Medan dan diharapkan agar para tenaga pendidikan dapat termotivasi dan lebih bersemangat dalam bertugas serta dapat meningkatkan kinerja para tenaga pendidik agar menjadi lebih baik untuk hari yang akan datang. Kepada para tenaga pendidikan yang terpilih akan mendapatkan penghargaan seperti pemberian reward finansial maupun non-finansial. Tujuan dalam pembuatan penelitian ini adalah untuk membantu dalam proses penyeleksian tenaga pendidikan yang semula dilakukan secara manual dan memakan banyak waktu dalam pengerjaannya yang kemudian beralih menggunakan sistem komputer agar lebih mudah dalam penyelenggaraan penilaian kinerja tenaga pendidikan terbaik pada lingkungan Dinas Pendidikan Kota Medan. Dalam penelitian ini metode yang digunakan dalam menentukan tenaga pendidikan terbaik adalah WASPAS yang merupakan salah satu dari metode pada sistem pendukung keputusan (SPK). Hasil dari penelitian kepada 10 orang yang diseleksi, terdapat tenaga pendidikan dengan alternatif A7 atas nama Dra. Sri Fajar Ningsih, M.Si yang memperoleh predikat terbaik dengan nilai tertinggi yaitu 0,3713
Analisa Perbandingan Algoritma Elias Gamma Code Dan Algoritma Goldbach Code Pada Kompresi File Dokumen Ari Pradana
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Vol 6, No 1 (2022): Challenge and Opportunity For Z Generation in Metaverse Era
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/komik.v6i1.5741

Abstract

In the current Covid-19 era, especially all schools and universities, implementing an online learning system that makes a lot of data needed, one type of data is packaged in a document file with the RTF extension to send information because this file type is quite detailed and flexible in the process. the editing. But sometimes the RTF file has a large data capacity size, so it takes a long time in the data transmission process and results in wasting storage space. Therefore, a data compression technique is needed so that the data size becomes smaller and does not consume a lot of storage space. The compression process can be done with many existing algorithms, in this study the compression process will be carried out with the Elias Gamma Code algorithm and the Goldbach Code algorithm. Which results from the Elias Gamma Code algorithm getting a compression result of 42.5% while the Goldbach Code algorithm gets a compression result of 47.5%. Of the two algorithms there are many advantages and disadvantages of each algorithm, so a comparison process will be carried out between the two algorithms by determining several parameters, namely Ratio of Compression (RC), Compression Ratio (CR), Redundancy (RD), and Space. Savings (SS). From the comparison results, the Goldbach Code algorithm becomes the most effective algorithm for compressing document files with a value of 7,355.
Co-Authors Efori Bu’ulolo