OPTIMASI HUMAN SIGMA PADA PENGUKURAN LAYANAN PERGURUAN TINGGI

Maxsi Ary

doi:10.51977/jti.v4i2.766

Authors

Maxsi Ary a:1:{s:5:"en_US";s:38:"Universitas Adhirajasa Reswara Sanjaya";}

DOI:

https://doi.org/10.51977/jti.v4i2.766

Keywords:

kualitas layanan, human sigma, optimasi

Abstract

Diperlukan pendekatan yang dapat digunakan untuk menilai keeratan hubungan mahasiswa baru, staf publikasi dan marketing dengan perguruan tinggi. Pendekatan ini diperlukan agar perguruan tinggi dapat menentukan strategi baru dalam hal peningkatkan jumlah mahasiswa baru. Optimasi human sigma digunakan untuk mengukur prosentase tingkat keeratan hubungan calon mahasiswa baru, staf publikasi dan marketing dengan universitas adhirajasa reswara sanjaya. Nilai human sigma diperoleh pada prosentase 30,14%, sehingga kualitas layanan perguruan tinggi harus lebih fokus, khususnya layanan penerimaan mahasiswa baru. Namun demikian masih ada peluang untuk memperbaiki hubungan antara staf publikasi dan marketing dengan mahasiswa baru. Nilai hubungan keeratan mahasiswa baru dengan staf sebesar 46,25% masih mendekati nilai rata-rata.

Downloads

Download data is not yet available.

References

Arifin, M. H. R. (2021). Deep Learninng. In Institut teknologi nasional.

Fadilla, I., Adikara, P. P., & Perdana, R. S. (2018). Klasifikasi Penyakit Chronic Kidney Disease ( CKD ) Dengan Metode Extreme learning machine ( ELM ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3397–3405. https://www.researchgate.net/profile/Rizal_Perdana/publication/323365845_Klasifikasi_Penyakit_Chronic_Kidney_Disease_CKD_Dengan_Menggunakan_Metode_Extreme_Learning_Machine_ELM/links/5a9023c5aca2721405618881/Klasifikasi-Penyakit-Chronic-Kidney-Disease-CKD-

Najar, A. M., Magister, P., Matematika, D., Matematika, F., Dan, K., & Data, S. (2018). Penerapan Metode Extreme learning machine Untuk Prediksi Tingkat Berdasarkan Keadaan Cuaca ( Studi Kasus : Wilayah Dki Jakarta ).

Pangestuti, G. W., Usman, K., & Purnama, B. (2016). Klasifikasi Kendaraan Roda Empat Dengan Ekstraksi Ciri Hybrid Berbasis Jaringan Syaraf Tiruan. EProceedings of Engineering, 3(Fakultas Teknik Elektro, Universitas Telkom), 1619–1627.

Pratomo, A. H., Kaswidjanti, W., & Mu’arifah, S. (2020). Implementasi Algoritma Region of Interest ( ROI ) Untuk Meningkatkan Performa Algoritma Deteksi Dan Klasifikasi Kendaraan. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 7(1), 155–162. https://doi.org/10.25126/jtiik.202071718

Priyambodo, P. (2018). Analisis Korelasi Jumlah Kendaraan dan Pengaruhnya Terhadap PDRB di Provinsi Jawa Timur. Warta Penelitian Perhubungan, 30(1), 59. https://doi.org/10.25104/warlit.v30i1.634

Purwaningsih, E. (2016). Seleksi Mobil Berdasarkan Fitur Dengan Komparasi Metode Klasifikasi Neural Network, Support Vector Machine, Dan Algoritma C4.5. Jurnal Pilar Nusa Mandiri, XII(2), 153–160. https://ejournal.nusamandiri.ac.id/index.php/pilar/article/view/269

Roihan, A., Sunarya, P. A., & Rafika, A. S. (2020). Pemanfaatan Machine learning dalam Berbagai Bidang: Review paper. IJCIT (Indonesian Journal on Computer and Information Technology), 5(1), 75–82. https://doi.org/10.31294/ijcit.v5i1.7951

Santoso, A., & Ariyanto, G. (2018). Implementasi Deep Learning Berbasis Keras Untuk Pengenalan Wajah. Emitor: Jurnal Teknik Elektro, 18(01), 15–21. https://doi.org/10.23917/emitor.v18i01.6235

Sidharta, H. A. (2017). INTRODUCTION TO OPEN CV. Binus University. https://binus.ac.id/malang/2017/10/introduction-to-open-cv/