Sistem penyeleksian penerima beasiswa masih memungkinkan terjadinya kesalahan yang disengaja ataupun tidak disengaja sehingga output menjadi kurang optimal dan dapat berakibat seleksi penerima beasiswa menjadi tidak objektif. Dari masalah ini sehingga dibutuhkan sebuah sistem yang dapat membantu manusia dalam memberikan pertimbangan keputusan yang akan kita ambil atau dikenal dengan Sistem Pendukung Keputusan (SPK). Beasiswa Peningkatan Prestasi Akademik (PPA) merupakan beasiswa yang acuan penilaiannya adalah dilihat dari nilai IPK (Indeks Prestasi Komulatif), Satuan Kredit Semester (SKS), Prestasi, dan Kemampuan Ekonomi. Sistem Pendukung Keputusan (SPK) merupakan solusi yang efektif , dikarenakan dapat memberikan penilaian terhadap setiap alternatif untuk mencapai pilihan yang terbaik. Sistem Pendukung Keputusan (SPK) mempunyai metode untuk memberikan dukungan dalam proses pengambilan keputusan, yaitu Fuzzy Multiple Attribute Decision Making (FMADM) digunakan untuk menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternatif yang sudah diberikan dengan algoritma Weighted Product (WP).
Pemerintah memberikan dan memperluas bantuan sosial kepada masyarakat untuk mengatasi jumlah kemiskinan yang semakin meningkat. Namun karena keterbatasan dana, sehingga pemilihan keluarga layak mendapat bantuan harus benar benar di seleksi agar penyaluran bantuan dapat terealisasi dengan baik, adil dan tepat sasaran. Dalam pemilihan keluarga layak bantuan, pemerintah masih mengalami kesulitan hal ini dikarenakan banyaknya kriteriteria yang menjadi patokan dalam pemilihan tersebut, sehingga pemberian bantuan sosial masih kurang efektif dan efisien. Seleksi keluarga miskin ini mengunakan sistem pendukung keputusan Fuzzy Multy Criteria Decision Making (FMCDM) adalah pendukung keputusan dengan menerapkan beberapa alternative.Sistem ini dapat membantu pemerintah desa dalam menentukan keluarga miskin dengan 10 kriteria yaitu, luas lantai rumah, penghasilan, pekerjaan, jumlah tanggugan, jenis atap, jenis dinding, jenis lantai, fasilitas tempat buang, sumber penerangan dan bahan bakar memasak, sehingga pemberian bantuan dapat tepat sasaran. Berdasarkan hasil pengujian akurasi 4 dusun, pertama adalah, Dusun Totolisi termasuk 5 kategori tidak layak dan 15 layak dengan nilai akurasi 90%. Dusun Totolisi Tengah kedua termasuk 5 kategori tidak layak dan 15 layak dengan nilai akurasi 75%. Ketiga adalah Totolisi Utara termasuk 2 kategori tidak layak dan 18 layak dengan nilai akurasi 90% dan yang terakhir adalah Dusun Totolisi Selatan termasuk 3 kategori tidak layak dan 37 layak dengan nilai akurasi 90%. Sistem ini dapat direkomendasikan untuk penentuan keluarga miskin di desa Totolisi.
Abstract. This study aims to determine the perceptions of students and teachers on the elimination of English subjects at the elementary schools level. This research was conducted because there was still a pros and cons of the placement of English subjects in the 2013 curriculum should be taught at which level. The approach used in this study is descriptive qualitative. The research subjects with purposive sampling were eighth grade students and English teachers. The research on the study was collected through interviews. Research data were analysed using data reduction, data display, and conclusion /verification. The results of this research indicate that students find it difficult to learn English material at the next level. While from the teacher also did not agree that the English language subjects at the elementary school level were abolished because students did not have the basis and complicate students in understanding the material at the next level
Perbankan adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan meyalurkannya kepada masyarakat dalam bentuk kredit atau bentuk lainnya dalam rangka meningkatkan taraf hidup masyarakat. terdapat beberapa bank yang masih mengalami kesulitan dalam memberikan pinjaman kepada nasabah, karena beberapa nasabah tidak mampu membayar cicilan hutang sesuai waktu yang ditentukan. Jika hal tersebut sering dialami maka akan merugikan bank. Selain itu berdampak negatif pula pada nasabah seperti sulitnya mendapatkan pinjaman lagi dan denda bunga yang lebih tinggi. Tujuan penelitian ini adalah untuk membangun sistem yang dapat mengatasi terjadinya kredit macet dengan cara mengklasifikasi calon nasabah yang layak dapat pinjaman dan jumlah kredit yang dapat dipinjamkan. Kriteria yang digunakan adalah waktu berjalannya usaha, penghasilan perbulan, menerima kredit lain, dan sisa durasi pinjaman dengan menggunakan metode klasifikasi Naive Bayes. Lokasi penelitian di Bank BRI Majene Sulawesi barat dengan total data 110 nasabah. Data Training yang digunakan adalah 100 data dan data testing sebanyak 10 data. Berdasarkan hasil pengujian yang telah dilakukan maka sistem pengkasifikasian calon nasabah menunjukkan bahwa kinerja naive bayes berjalan dengan baik dan layak untuk di implementasikan untuk membantu pihak Bank dalam memilih Nasabah layak kredit.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.