Bullying merupakan tindakan negatif yang dilakukan oleh orang lain secara terus menerus atau berulang. Tindakan ini kerap kali menyebabkan korban tidak berdaya, terluka secara fisik maupun mental. Tindakan bullying kini telah memasuki dunia sosial media. Instagram menjadi salah satu media sosial yang menjadi tempat terjadinya bullying melalui komentar pada foto/video yang diunggah oleh artis/selebgram. Salah satu cara mewaspadai tindakan bullying adalah dengan cara mengklasifikasi komentar yang bersangkutan di media sosial (dalam hal ini Instagram) menggunakan metode klasifikasi K-Nearest Neighbor (KNN). Jumlah data yang digunakan sebanyak 1000 data, dimana 500 merupakan bullying dan 500 tidak bully. Dengan adanya penelitian ini diharapkan dapat membantu seseorang untuk mengetahui perbedaan komentar bullying dan yang bukan bullying. Metode KNN telah diuji menggunakan 5 nilai k yang berbeda (7, 9, 11, 13, 15) dengan pembagian data 70:30, 80:20 dan 90:10 menggunakan confusion matrix, dengan masing-masing fold yang dibentuk 4, 5 dan 10 sehingga menghasilkan total 95 fold pengujian, pengujian ini menghasilkan akurasi rata-rata sebesar 58,83%. Akurasi tertinggi terdapat pada k 13 dengan perbandingan 90:10 data pada fold ke 6 yaitu sebesar 77%.
Penentuan sekolah sangat penting bagi orangtua untuk memperoleh pendidikan yang layak. Pemilihan sekolah merupakan masalah utama bagi orangtua disimpulkan dari hasil beberapa pertanyaan kepada orangtua, karena banyaknya kriteria penentu yang dipertimbangkan maka dari penulis berinisiatif untuk mengembangkan sistem tentang pemilihan sekolah. Banyaknya pilihan sekolah yang masing-masing memiliki kelebihan dan kekurangan serta kurang objektifnya data hasil analisa sehingga perlu dievaluasi berulang-ulang. Untuk itu perlu sistem yang mampu mengatasi hal tersebut. Sistem yang dirancang yaitu sistem pendukung keputusan untuk pemilihan sekolah menggunakan metode Analytical Hierarchy Process (AHP) dan metode Perbandingan Eksponensial (MPE). Sistem ini telah berhasil memberikan solusi dan informasi untuk pemilihan sekolah. Pengujian di lakukan menggunakan user acceptance, di peroleh tingkat akurasi sistem 80% kurang akurasi 20% dapat disimpulkan bahwa sistem ini lebih objektif dan menghemat waktu dalam pemilihan sekolah yang terkomputerisasi.
Gangguan Anxietas atau gangguan kecemasan merupakan salah satu penyakit yang sering dijumpai didalam ilmu kejiwaan. Gangguan anxietas ini dimiliki oleh semua orang, baik dari bayi hingga orang yang sudah tua sekalipun. Beberapa orang masih banyak yang mengabaikan gangguan anxietas ini dikarenakan kurangnya informasi mengenai gangguan anxietas yang apabila dibiarkan secara terus-menerus akan berdampak negatif pada kehidupan mereka, seperti rutinitas hidup jadi terganggu, menurunkan prestasi akademik dan juga berdampak pada kualitas hidup serta kondisi psikologi orang tersebut. Sistem pakar ini akan mendiagnosa gangguan anxietas dengan cara menghitung jumlah nilai-nilai dari gejala yang dialami. Sistem pakar ini menggunakan Teorema Bayes untuk melakukan Implementasi dan pembuatan sistem menggunakan bahasa pemrograman PHP dan database MySQL. Pada pengujian Black Box tidak ditemukannya error didalam sistem dan telah sesuai dengan output. Sedangkan pada pengujian User Acceptence Test (UAT) terhadap 10 responden sistem berhasil menambah wawasan serta informasi kepada user. Perhitungan manual Teorema Bayes dan beberapa pertanyaan yang diberikan kepada pakar menunjukkan hasil yang sama terhadap sistem. Oleh karena itu, dapat disimpulkan bahwa sistem pakar untuk mendiagnosa gangguan anxietas ini layak untuk digunakan.
The Indonesian government is trying to implement a learning process based on information and communication technology. However, there are still weaknesses in the use of the internet in the learning process among students. Therefore, this article aims to describe the activities of students during the implementation of hybrid learning in mathematics learning and find out the results of student learning in mathematics through the application of Hybrid Learning. The research method used in this article is a true experimental design with a research sample of SMA Negeri 1 Pekanbaru students, whose schools have easy internet access. To obtain primary data from the field, tests are used to measure student mathematics learning outcomes. After each data is collected and tabulated, the data will be analyzed using statistical parametric analysis with the t test using the help of SPSS Version 18.00. The results showed that there were differences in student learning outcomes between those studying with the Hybrid Cooperative Learning method and students learning with conventional methods in SMA Negeri 1 Pekanbaru. The difference is confirmed again by the mean value of the experimental class 34.55 while the mean control class is 31.35. The results of this calculation indicate that the ability of the experimental class students is better than the control class students. This means that the value of the experimental class is better.
Abstrak - Tracer study adalah sebuah pendekatan yang diterapkan universitas untuk memperoleh informasi tentang kemungkinan kelemahan dalam proses pendidikan dan proses pembelajaran yang menjadi dasar perencanaan aktivitas untuk penyempurnaan di masa mendatang. Pada Universitas Islam Negeri Sultan Syarif Kasim Riau belum pernah ada tracer study yang komprehensif dan terstruktur dalam ruang lingkup universitas. Tracer study yang dilakukan hanya dalam lingkup program studi dan hanya dilaksanakan menjelang proses akreditasi prodi. Tidak ada tracer study yang rutin dilakukan di tingkat program studi dan universitas setiap tahunnya. Pada penelitian ini akan berfokus kepada penerapan data mining untuk mencari pola asosiasi pada data tracer study menggunakan Equivalence Class Transformation (ECLAT). Dari hasil penelitian terdapat 4 pola yang memenuhi support 13% dan confidence 80% dengan pengujian lift rasio 1. Pola tersebut diantaranya Jika ipk antara 3 – 3,5 dan gaji pertama dibawah 3 juta dan laki-laki maka status kelulusan tidak tepat waktu dan “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dengan support 17% dan confidence 84%. Jika ipk antara 3 – 3,5 dan perempuan maka “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dan hubungan pekerjaan dengan jurusan sesuai dengan support 14 % dan confidence 100%.Kata kunci: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat Abstract - Tracer study is an approach applied by universities to obtain important information in the education and learning process which is the basis for planning activities for future improvement. At UIN SUSKA University there has never been a comprehensive and structured tracer study within the scope of the university. There is no routine tracer study conducted at the study program and university level every year. This research will focus on the application of data mining to find association rules in tracer study data using ECLAT. From the research results, there are 4 patterns that meet the support of 13% and 80% confidence with a lift ratio test 1. The patterns include If the ipk is between 3 - 3.5 and the first salary is below 3 million and male then the graduation status is not on time and the waiting period to get the first job is less than 6 months with 17% support and 84% confidence. If the ipk is between 3 - 3.5 and female, then the waiting period to get the first job is less than 6 months and the job relationship with the major is in accordance with the support of 14% and confidence 100%.Keywords: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat
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.