Integrasi Machine Learning dalam Homebase Sistem Informasi untuk Analisis Produktivitas Akademik


https://doi.org/10.36309/goi.v31i2.424
Nur Rokhman(1*) Mail, Sumaryanto Sumaryanto(2) , Fitro Nur Hakim(3) , Puteri Anindya Maulan(4)

Affiliation


(1) Sistem Informasi Universitas Sain dan Teknologi Komputer Semarang
(2) Sistem Komputer Universitas Sain dan Teknologi Komputer Semarang
(3) Desain Komunikasi Visual Universitas Sain dan Teknologi Komputer Semarang
(4) Teknologi Komputer Universitas Sain dan Teknologi Komputer Semarang
(*) Corresponding Author

How to Cite

Cite this Item


Abstract


Penelitian ini bertujuan untuk mengintegrasikan teknik Machine Learning (ML) dalam sistem informasi berbasis homebase guna menganalisis produktivitas akademik. Sistem informasi akademik konvensional sering mengalami keterbatasan dalam memberikan analisis mendalam terkait data akademik mahasiswa, dosen, dan staf administrasi (Turban et al., 2021). Oleh karena itu, penelitian ini mengembangkan sistem yang memanfaatkan algoritma ML untuk menganalisis, memprediksi, dan memberikan wawasan terkait kinerja akademik (Yusuf et al., 2022). Implementasi ML diharapkan dapat meningkatkan akurasi dan efektivitas pengolahan data akademik, seperti nilai mahasiswa, tingkat kehadiran, dan interaksi dalam proses pembelajaran (Zhou et al., 2023). Sistem ini diuji menggunakan data historis untuk menghasilkan rekomendasi bagi pihak universitas dalam pengambilan keputusan yang lebih baik. Hasil penelitian menunjukkan bahwa integrasi ML dalam sistem informasi homebase meningkatkan akurasi analisis dan efisiensi dalam pemantauan serta evaluasi produktivitas akademik (Mendoza & Bastias, 2020).


Keywords


Machine Learning; Sistem Informasi Homebase; Produktivitas Akademik; Analisis Data; Pengambilan Keputusan

Full Text:

PDF  HAL. 319-327

References


Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.

Choi, H., et al. (2020). "Big Data and Machine Learning in Higher Education: A Systematic Review." IEEE Transactions on Learning Technologies.

Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques. Elsevier.

James, G., et al. (2021). An Introduction to Statistical Learning. Springer.

Mendoza, D. & Bastias, R. (2020). "The Use of Clustering in Analyzing Learning Styles in Higher Education." Education and Information Technologies.

Molnar, C. (2021). Interpretable Machine Learning: A Guide for Making Black Box Models Explainable.

Ramaswami, M., & Bhaskaran, R. (2020). "Predicting Student Performance Using Decision Tree Algorithm." Journal of Computer Science.

Turban, E., et al. (2021). Information Technology for Management: Advancing Sustainable, Profitable Business Growth. Wiley.

Yusuf, A., et al. (2022). "Enhancing Academic Analytics with Machine Learning: A Data-Driven Approach." Journal of Educational Data Mining.

Zhou, L., et al. (2023). "Machine Learning Approaches in Higher Education for Student Success Prediction." Springer Journal of Learning Analytics.




DOI: https://doi.org/10.36309/goi.v31i2.424

Article Metrics

Abstract views: 0 | PDF views: 0

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-Berbagi Serupa 4.0 Internasional
DOI: 10.36309 Visitor Number:  View Go Infotech stats