Publication Search

Perkembangan teknologi informasi telah meningkatkan kebutuhan akan sumber daya manusia yang kompeten di bidang analitik data dan pemrograman, khususnya bagi mahasiswa Program Studi Sistem Informasi. Penelitian ini bertujuan untuk membangun model klasifikasi guna mengidentifikasi kecenderungan mahasiswa sebagai Data Analyst atau Programmer menggunakan algoritma Naive Bayes. Sebanyak 220 data dikumpulkan melalui kuesioner daring, dengan indikator penilaian yang dikelompokkan dalam dua dimensi: kemampuan analis data dan kemampuan pemrograman. Data kemudian dilabeli berdasarkan skor per dimensi dan diolah menggunakan model Complement Naive Bayes pada platform Google Colab. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan dua kelas mayoritas (Data Analyst dan Programmer) dengan baik, ditandai dengan akurasi keseluruhan sebesar 80,30% dan nilai precision, recall, serta f1-score yang tinggi. Namun, performa model terhadap kelas minoritas (Netral) masih rendah akibat ketidakseimbangan distribusi data. Penelitian ini menyarankan penggunaan teknik lanjutan seperti resampling, class weight, atau model ensemble untuk mengatasi bias terhadap kelas mayoritas. Temuan ini dapat digunakan sebagai dasar dalam pembimbingan akademik dan pengembangan kurikulum berbasis potensi mahasiswa.

Kemiskinan merupakan salah satu tantangan terbesar yang dihadapi oleh berbagai negara, termasuk Indonesia. Tingginya jumlah penduduk miskin di beberapa wilayah, seperti di Provinsi Jawa Tengah, mencerminkan kompleksitas permasalahan yang dipengaruhi oleh kualitas sumber daya manusia, tingkat kemiskinan, dan pembangunan ekonomi. Provinsi Jawa Tengah, dengan populasi besar, memiliki tingkat kemiskinan yang signifikan, sehingga memerlukan intervensi strategi untuk mengoptimalkan penyaluran program pembangunan. Untuk mendukung pemerintah dalam menentukan prioritas penanganan kemiskinan secara efektif dan efisien, diperlukan sistem pendukung keputusan. Penelitian ini memiliki tujuan untuk merancang sistem pendukung keputusan berbasis TOPSIS yang efisien dan mampu memberikan rekomendasi terbaik berdasarkan beberapa kriteria utama: jumlah penduduk, Tingkat pengangguran, upah minimum, PDRB, dan jumlah penduduk miskin. Hasil analisis menunjukkan bahwa Kota Semarang memiliki tingkat kemiskinan terendah dengan nilai preferensi tertinggi (0,686725), sedangkan Kabupaten Brebes memiliki tingkat kemiskinan tertinggi dengan nilai preferensi terendah (0,154773). Validasi metode TOPSIS yang diterapkan dalam sistem ini mencapai tingkat akurasi sebesar 77,17% yang menunjukkan bahwa hasil pemeringkatan konsisten dengan keselarasan signifikan antara hasil sistem dan kondisi riil. Dengan demikian, sistem pendukung keputusan ini memberikan kontribusi nyata dalam mengklasifikasi wilayah berdasarkan tingkat kemiskinan, sehingga dapat menjadi alat bantu strategi dalam perencanaan program Pembangunan yang lebih tepat sasaran.

Penanganan bencana merupakan isu krusial dalam mengurangi dampak negatif bencana alam dan non-alam di Kota Semarang, yang memiliki potensi bencana seperti banjir, gempa bumi, dan kebakaran. Penelitian ini bertujuan untuk menganalisis penanganan bencana di Kota Semarang pada tahun 2024 dengan menggunakan metode Analytical Hierarchy Process (AHP) dan VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR), untuk menentukan prioritas tindakan yang paling efektif dalam mitigasi dan respons bencana. Metode AHP digunakan untuk memberikan bobot pada kriteria-kriteria yang mempengaruhi penanganan bencana, seperti kesiapsiagaan, infrastruktur, dan sumber daya manusia. Selanjutnya, metode VIKOR diterapkan untuk memilih solusi terbaik berdasarkan alternatif penanganan bencana. Hasil penelitian menunjukkan bahwa prioritas penanganan bencana di Kota Semarang sebaiknya difokuskan pada penguatan sistem peringatan dini dan pengembangan infrastruktur evakuasi, dengan memperhatikan kesiapsiagaan masyarakat sebagai faktor pendukung utama. Berdasarkan perhitungan AHP, kriteria "kesiapsiagaan masyarakat" memperoleh bobot tertinggi, sementara perhitungan VIKOR menunjukkan bahwa tindakan penguatan infrastruktur evakuasi adalah solusi terbaik untuk mengurangi dampak bencana. Penelitian ini merekomendasikan Pemerintah Kota Semarang untuk meningkatkan investasi pada infrastruktur penanganan bencana dan memperkuat pelatihan serta keterlibatan masyarakat dalam program kesiapsiagaan bencana.