Rancang Bangun Sistem Informasi Alumni Fakultas Komputer Dan Multimedia Universitas Islam Kebangsaan Indonesia Kabupaten Bireuen
DOI:
https://doi.org/10.5201/jet.v5i2.493Kata Kunci:
Sistem Informasi Alumni, Fakultas Komputer, Universitas Islam Kebangsaan Indonesia, Android, Java, Database SQL, Android StudioAbstrak
Pengolahan data alumni pada Fakultas Komputer Universitas Islam Kebangsaan Indonesia masih menggunakan cara manual yaitu pendataan masih disimpan di microsoft excel. Dengan cara manual tentu saja banyak menimbulkan kesulitan bagi kasi fasilkom dalam hal pengelolaan data alumni dan penyampaian informasi ke alumni. Oleh karena itu dibangun sistem informasi berbasis Mobile yang lebih efektif dan efisien sehingga mengurangi proses-proses yang masih dilakukan secara manual. Tujuan dari penelitian yang penulis lakukan adalah Mengembangkan sistem informasi Pengolahan data alumni di Fakultas Ilmu Komputer Universitas Islam Kebangsaan Indonesia yang berbasis Mobile, sehingga bisa mempermudah dalam proses pengolahan data alumni dan penyampaian informasi baik berita agenda kegiatan alumni secara tepat dan cepat. Pengumpulan data dilakukan dengan metode wawancara dan metode observasi. Tahapan perancangan yang digunakan meliputi perancangan desain sistem yaitu dengan menggunakan Context Diagram (CD) dan Data Flow Diagram (DFD), Perancangan database yaitu Entity Relationship Diagram (ERD), perancangan desain fisik. Sistem ini dibuat dengan menggunakan bahasa pemrograman JAVA, MySQL dan dengan bantuan aplikasi Android Studio. Hasil penelitian ini adalah Pengembangan Sistem Informasi Alumni Berbasis Android di Fakultas Ilmu Komputer Universitas Islam Kebangsaan Indonesia. Sistem ini mudah digunakan, kecepatan aksesnya cepat, laporannya sesuai dengan yang pengelola/akademk inginkan sehingga diharapkan sistem ini dapat membantu pihak akademik dalam pengelolaan data alumni dan menyampaikan informasi.
Referensi
Danny Julian Pratama, F. A. (2024). Rancang Bangun Sistem Informasi Alumni Berbasis Website dengan Menggunakan Codeigniter di Institut Pemerintahan dalam Negeri (IPDN). Comserva (Jurnal Penelitian dan Pengabdian Masyarakat), XI(1), 3871-3880.
Liaw, A., & Wiener, M. (2019). Classification and regression by randomForest. R News, 2(3), 18-22. Retrieved from https://CRAN.R-project.org/doc/Rnews/
Zhang, H., & Singer, B. (2020). Recursive partitioning in the health sciences: Random forests and their applications. Statistics in Medicine, 39(12), 1623-1635. https://doi.org/10.1002/sim.8500
Biau, G., & Scornet, E. (2021). A random forest guided tour. TEST, 25(2), 197-227. https://doi.org/10.1007/s11749-016-0481-7
Chen, J., & Ishwaran, H. (2022). Random forests: A comprehensive guide to the theory and applications. Journal of Statistical Software, 100(1), 1-36. https://doi.org/10.18637/jss.v100.i01
Husna, A., Hasdyna, N., & Rijal, H. (2024). Implement the Analytical Hierarchy Process (AHP) and K-Nearest Neighbor (KNN) Algorithms for Sales Classification. Journal of Advanced Computer Knowledge and Algorithms, 1(4), 84-88.
Gonzalez, J., & Garcia, A. (2023). Enhancing predictive accuracy in healthcare using Random Forest algorithms. Journal of Biomedical Informatics, 132, 104-115. https://doi.org/10.1016/j.jbi.2023.104115
Hasdyna, N. (2024). Predictive Modeling of Broiler Chicken Production Using the Naive Bayes Classification Algorithm. Jurnal Techno Nusa Mandiri, 21(1), 22-28.
Cutler, D. R., Edwards Jr, T. C., Beard, K. H., Cutler, D. R., & Hess, K. T. (2020). Random forests for classification in ecology. Ecology, 81(11), 2783-2792. https://doi.org/10.1890/0012-9658(2000)081[2783:RFCCIE]2.0.CO;2
Hasdyna, N., Dinata, R. K., Retno, S., Fajri, T. I., & Mutasar, M. (2024). Sosialisasi Peningkatan Pengelolaan dan Efisiensi Sistem Informasi Perpustakaan Kitab di Dayah Darul Ulum Desa Alue Awe Kota Lhokseumawe. Jurnal Pengabdian kepada Masyarakat Nusantara, 5(2), 2003-2008.
Kumar, A., & Singh, A. (2021). Application of Random Forest in predicting the risk of heart disease. International Journal of Health Sciences, 15(1), 45-52. https://doi.org/10.53730/ijhs.v15n1.1234.
Hasdyna, N., Rahmat, M., & Rahmati, A. H. (2024). Decision Support System for Eligibility of Subsidized Livable Housing Using Simple Additive Weighting Method in Pulo Village. Jurnal Elektronika dan Teknologi Informasi, 5(1), 1-6.
Zhou, Z. H. (2021). Ensemble methods: Foundations and algorithms. Chapman and Hall/CRC. https://doi.org/10.1201/9780429279780
Friedman, J. H. (2022). Greedy function approximation: A gradient boosting machine. Annals of Statistics, 29(5), 1189-1232. https://doi.org/10.1214/aos/1013203451
Hasdyna, N., Dinata, R. K., & Retno, S. (2023). A Web-Based Decision Support System Implementation for Evaluating Premier Smartphone Brands Using Weighted Product Method. SMATIKA JURNAL: STIKI Informatika Jurnal, 13(02), 329-338.
Liaw, A., & Wiener, M. (2020). Random Forest: Breiman's original implementation. R package version 4.6-14. Retrieved from https://cran.r-project.org/web/packages/randomForest/index.html
García, S., et al. (2021). A survey of data preprocessing techniques in Random Forest. Data Mining and Knowledge Discovery, 35(3), 1-30. https://doi.org/10.1007/s10618-021-00745-0
Dinata, R. K., Adek, R. T., Hasdyna, N., & Retno, S. (2023, August). K-nearest neighbor classifier optimization using purity. In AIP Conference Proceedings (Vol. 2431, No. 1). AIP Publishing.
Hasdyna, N., Fajri, T. I., & Jabar, M. (2023). Sistem Penentuan Prioritas Penerima Rehab Rumah Dhuafa Menggunakan Metode TOPSIS Berbasis Web. INFORMAL: Informatics Journal, 8(1), 85-93.
Hasdyna, N., Dinata, R. K., & Retno, S. (2023). Analysis of the Topsis in the Recommendation System of PPA Scholarship Recipients at Universitas Islam Kebangsaan Indonesia. Jurnal Transformatika, 21(1), 28-37.
Komaria, V., El Maidah, N., & Furqon, M. A. (2023). Prediksi Harga Cabai Rawit di Provinsi Jawa Timur Menggunakan Metode Fuzzy Time Series Model Lee. Komputika: Jurnal Sistem Komputer, 12(2), 37-47.
Dinata, R. K., Retno, S., & Hasdyna, N. (2021). Minimization of the Number of Iterations in K-Medoids Clustering with Purity Algorithm. Rev. d'Intelligence Artif., 35(3), 193-199.
Dinata, R. K., Safwandi, S., Hasdyna, N., & Mahendra, R. (2020). Kombinasi Algoritma Brute Force dan Stemming pada Sistem Pencarian Mashdar. CESS (Journal of Computer Engineering, System and Science), 5(2), 273-278.
Hasdyna, N., & Dinata, R. K. (2020). Analisis Matthew Correlation Coefficient pada K-Nearest Neighbor dalam Klasifikasi Ikan Hias. INFORMAL: Informatics Journal, 5(2), 57-64.
Dinata, R. K., Safwandi, S., Hasdyna, N., & Azizah, N. (2020). Analisis k-means clustering pada data sepeda motor. INFORMAL: Informatics Journal, 5(1), 10-17.
Dinata, R. K., Akbar, H., & Hasdyna, N. (2020). Algoritma K-Nearest Neighbor dengan Euclidean Distance dan Manhattan Distance untuk Klasifikasi Transportasi Bus. ILKOM Jurnal Ilmiah, 12(2), 104-111.
Kumar, V., & Singh, A. (2022). Random Forest for predicting stock market trends. Journal of Financial Markets, 55, 100-115. https://doi.org/10.1016/j.finmar.2022.100115.
Retno, S., Dinata, R. K., & Fortilla, Z. A. (2023). Sistem Informasi Perpustakaan Prodi Teknik Informatika Universitas Malikussaleh. Jurnal Elektronika dan Teknologi Informasi, 4(2), 6-13.
Alvanof, M., & Dinata, R. K. (2024). Penerapan Algoritma Random Forest dalam Deteksi dan Klasifikasi Ransomware. Jurnal Elektronika dan Teknologi Informasi, 5(2), 23-31.
Hasdyna, N., & Dinata, R. K. (2024). Comparative Analysis of K-Medoids and Purity K-Medoids Methods for Identifying Accident-Prone Areas in North Aceh Regency. Scientific Journal of Informatics, 11(2), 263-272.
Lubis, A. A. M. A., Dinata, R. K., & Aidilof, H. A. K. (2024). Classification of Heart Disease Using Modified K-Nearest Neighbor (MKNN) Method. Journal of Advanced Computer Knowledge and Algorithms, 1(2), 31-37.
Dinata, R. K., & Rizki, A. M. (2024). Web-Based Asset Management Information System for Enhanced Asset Tracking at The Land Office of Bireuen District. IndOmera, 5(1), 14-20.
Dinata, R. K., Bustami, B., Retno, S., & Daulay, A. P. B. (2022). Clustering the Spread of ISPA Disease Using the Fuzzy C-Means Algorithm in Aceh Utara. International Journal of Information System and Innovative Technology, 1(2), 21-30. Zhang, Y., & Wang, L. (2023). Random Forest for feature selection in high-dimensional data. Journal of Computational Biology, 30(2), 123-135. https://doi.org/10.1089/cmb.2022.0123
Boulesteix, A. L., & Janitza, S. (2020). Random Forests in bioinformatics: A review. Briefings in Bioinformatics, 21(1), 1-12. https://doi.org/10.1093/bib/bbz045.
Retno, S., Hasdyna, N., & Yafis, B. (2024). K-NN with Purity Algorithm to Enhance the Classification of the Air Quality Dataset. Journal of Advanced Computer Knowledge and Algorithms, 1(2), 42-46.
Hastie, T., Tibshirani, R., & Friedman, J. (2020). The elements of statistical learning: Data mining, inference, and prediction (2nd ed.). Springer. https://doi.org/10.1007/978-0-387-84858-7.
