Article Per Year (5 Year)
p-Index From 2019 - 2024
0.562
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Sistem Informasi dan Informatika Jurnal Teknologi Informasi Mura PEDAMAS (Pengabdian Kepada Masyarakat)
Beni Aktavera
Universitas Pat Petulai
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Health Professions Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASIFIKASI PRODUK MENGGUNAKAN ALGORITMA DECISION TREE Beni Aktavera; Harma Oktafia Lingga Wijaya
Jurnal Teknologi Informasi Mura Vol 15 No 1 (2023): Jurnal Teknologi Informasi Mura Juni
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v15i1.1959

Abstract

Kehadiran teknologi informasi juga berdampak positif bagi perusahaan. Teknologi informasi menjadikan sebuah perusahaan lebih teratur dan lebih mudah dalam pengoperasianya. Perusahaan menggunakan teknologi informasi dalam banyak hal seperti pengolahan data. Pengolahan data disebuah perusahaan adalah hal penting yang harus dilakukan agar pemimpin perusahaan dapat menilai kinerja dari perusahaan itu. Pengolahan data menjadi sangat mudah apabila menggunakan Data Mining, karena data mining berhubungan erat dengan pengolahan data. Masalah dalam penelitian ini adalah pengelolaan data yang masih menggunakan Microsoft Excel sehingga belum dapat mengklasifikasikan produk yang laris dan produk yang kurang laris serta permintaan konsumen yang beragam sehingga pengelolaan data manual menggunakan microsoft excel belum mampu mengetahui pola pembelian konsumen. Metode Decision Tree adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Konsep dari pohon keputusan adalah mengubah data menjadi decision tree dan aturan-aturan keputusan [1]. Keunggulan dari metode Decision Tree yaitu jika daerah pengambilan keputusan yang sebelumnya kompleks dan rumit, dapat diubah menjadi lebih simpel dan spesifik. data pada penelitian ini menggunakan bahasa pemprograman Python dengan akurasi 0,871.
PENINGKATAN KEMAMPUAN SISWA SMK NEGERI 5 REJANG LEBONG MELALUI PELATIHAN JARINGAN FUNDAMENTAL Beni Aktavera; Harma Oktafia Lingga Wijaya; Biankha Ariesty; Armanto
PEDAMAS (PENGABDIAN KEPADA MASYARAKAT) Vol. 1 No. 04 (2023): NOVEMBER 2023
Publisher : MEDIA INOVASI PENDIDIKAN DAN PUBLIKASI

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

Abstract

SMK Negeri 5 Rejang Lebong merupakan salah satu SMK yang ada di kabupaten Rejang Lebong yang berbatasan langsung dengan Kota Lubuklinggau. Kegiatan pengabdian pada masyarakat (PKM) yang dilaksanakan bertujuan memberikan pemahaman tentang Jaringan fundamental yang nantinya akan digunakan siswa-siswi sebagai dasar dari kompetensi siswa-siswi SMK itu sendiri, serta pelatihan ini juga upaya untuk meningkatkan keterampilan dasar jaringan fundamental. Pada era globalisasi ini, siswa-siswi SMK diharapkan dapat mengerti dan paham mengeai jaringan komputer, jaringan komputer merupakan materi ke tiga yang harus dikuasai oleh siswa-siswi SMK Negeri 5 Rejang Lebong. Pelatihan ini dilakukan oleh selama 2(hari) dengan jumlah peserta sebanyak 60 siswa-siswi, materi yang diberikan selama pelatihan diantaranya, Apa itu Jaringan Komputer, IP Address dan MAC Address, Jaringan Berdasarkan Area, Perangkat Jaringan (Network Devices), Media Transmisi. Hasil kegiatan ini adalah peningkatan pemahaman siswa-siswi tentang jaringan komputer fundamental.
Forecasting Tingkat Kepuasan Siswa Terhadap Proses Pembelajaran Menggunakan Metode K-Nearest Neighbor Elmayati Elmayati; Diah Fitria Handayani; Harma Oktafia Lingga Wijaya; Beni Aktavera
Jurnal Pengembangan Sistem Informasi dan Informatika Vol. 4 No. 3 (2023): Jurnal Pengembangan Sistem Informasi dan Informatika
Publisher : Training & Research Institute - Jeramba Ilmu Sukses

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47747/jpsii.v4i3.1659

Abstract

Education is a crucial aspect in the formation of society and individual development. Student satisfaction is an important indicator that reflects the effectiveness of the learning process. In this context, this research proposes applying the K-Nearest Neighbor (KNN) method as a predictive tool to identify factors influencing student satisfaction. Historical data on student satisfaction is collected and analyzed to build a prediction model using KNN. This research aims to increase the effectiveness of the learning process by understanding the factors contributing to student satisfaction. Through personalizing learning experiences, identifying causes of dissatisfaction, and developing innovative strategies, KNN predictions can provide deep insights into educational institutions. It is hoped that the results of these predictions can be used to increase student retention, efficiency in academic management, and transparency in the educational environment. By integrating artificial intelligence into evaluating student satisfaction, this research contributes to developing more adaptive and responsive educational strategies. In conclusion, predicting student satisfaction using KNN is an essential basis for creating a learning environment that has a positive and sustainable impact on student development in the modern educational era. This data was collected by distributing questionnaires to students with a sample size of 160 data. So it is known that there are 112 training data and 48 testing data. Then, from applying the K-Nearest Neighbor method, the value of K=12 is known. So, the test results using the Python programming language with a data division of 70%:30% produce an accuracy value of 80%, a precision value of 79%, a recall of 100%, and an F1-Score of 88%.
Co-Authors Armanto Armanto Biankha Ariesty Diah Fitria Handayani Elmayati Elmayati Lingga Wijaya, Harma Oktafia