Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP) Jurnal Dinamika Informatika (JDI) JOMLAI: Journal of Machine Learning and Artificial Intelligence
Sardo Pardingotan Sipayung
Universitas Katolik Santo Thomas Medan
Computer Science & IT Engineering Library & Information Science Mathematics Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Student Grouping Based on Grades and Attendance Using K-Means Theresya Simanjuntak; Jelita Astrid Gulo; Sardo Pardingotan Sipayung
JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol. 5 No. 1 (2026): Maret 2026
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/jomlai.v5i1.7283

Abstract

Student grouping based on academic performance is needed to support decision-making in more targeted academic guidance programs. This research implemented K-Means Clustering algorithm to group students based on academic scores and attendance rates. The dataset consisted of 50 student samples with score and attendance percentage attributes ranging from 0-100. Optimal cluster determination used Elbow Method and Silhouette Score with K values varying from 2 to 6. Experimental results showed K=3 produced optimal separation with highest Silhouette Score of 0.72 and WCSS 8,230. Three clusters formed represented high-achieving students (30%), average-performing students (40%), and students requiring special attention (30%). The algorithm converged in average of 8-12 iterations with 90% consistency on multiple runs. Correlation analysis showed very strong relationship between scores and attendance (r=0.89). Interactive visualization system was developed using React.js and Recharts to facilitate result interpretation. This research provided practical contribution in form of clustering framework for early warning identification of at-risk students and academic intervention program recommendations.
Implementasi Algoritma Dijkstra Untuk Menentukan Rute Terpendek dari SMA 17 Medan Ke Unika St.Thomas Jhonatan Purba; Saut Manurung; Jahanra Girsang; Jelita Astrid Gulo; Sardo Pardingotan Sipayung
Jurnal Minfo Polgan Vol. 14 No. 1 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i1.14963

Abstract

Mobilitas pelajar di kawasan perkotaan sering kali menuntut efisiensi waktu dan rute perjalanan, khususnya bagi siswa SMA yang berencana melanjutkan studi ke perguruan tinggi. Penelitian ini bertujuan untuk menentukan rute tercepat dari SMA Negeri 17 Medan ke Universitas Katolik Santo Thomas menggunakan algoritma Dijkstra. Algoritma ini digunakan karena kemampuannya dalam menemukan jalur terpendek secara sistematis melalui perhitungan bobot jarak antar titik dalam bentuk graf. Data lokasi dan jarak diperoleh melalui Google Maps dan observasi lapangan, lalu dimodelkan menjadi graf berbobot di mana simpul mewakili titik pertemuan jalan dan sisi menunjukkan jarak antar simpul. Proses penentuan rute dilakukan melalui langkah-langkah Dijkstra, dimulai dari simpul asal (SMA 17 Medan) hingga simpul tujuan (Unika St. Thomas), dengan mempertimbangkan seluruh kemungkinan lintasan. Hasil pengujian menunjukkan bahwa algoritma Dijkstra mampu secara efisien menemukan rute tercepat berdasarkan data jarak aktual dan memberikan hasil yang mendekati data dari Google Maps. Visualisasi jalur juga mempermudah pemahaman arah perjalanan. Dengan demikian, pendekatan ini tidak hanya berguna bagi siswa, tetapi juga dapat diimplementasikan dalam aplikasi penunjuk arah berbasis lokasi untuk masyarakat umum.
Analisis Sentimen Opini Warga X terhadap Banjir di Sumatera Menggunakan Naive Bayes Paulina Gorat Frans; Frans Steven Pakpahan; Sardo Pardingotan Sipayung
Jurnal Dinamika Informatika Vol. 15 No. 1 (2026): Vol. 15 No. 1 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i1.461

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen opini masyarakat terhadap peristiwa banjir di wilayah Sumatera berdasarkan data dari media sosial X. Banjir merupakan bencana alam yang sering terjadi di Sumatera dan menimbulkan berbagai respons masyarakat yang banyak disampaikan melalui media sosial. Media sosial X dipilih sebagai sumber data karena bersifat terbuka dan real-time sehingga dapat merepresentasikan opini publik secara luas. Data penelitian terdiri dari 1.030 tweet berbahasa Indonesia yang dikumpulkan melalui proses crawling menggunakan API resmi X dengan kata kunci terkait banjir di Sumatera. Setelah dilakukan pembersihan data, diperoleh 873 tweet yang kemudian diproses melalui tahapan text mining, meliputi preprocessing teks, pelabelan sentimen secara manual, serta pembagian data menjadi data latih dan data uji. Data latih berjumlah 650 tweet, sedangkan data uji sebanyak 223 tweet. Klasifikasi sentimen dilakukan menggunakan algoritma Naive Bayes dengan bantuan perangkat lunak RapidMiner. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu memberikan kinerja yang cukup baik dalam mengklasifikasikan sentimen. Selain itu, hasil analisis menunjukkan bahwa opini masyarakat terhadap peristiwa banjir di wilayah Sumatera didominasi oleh sentimen negatif. Penelitian ini diharapkan dapat memberikan gambaran mengenai persepsi masyarakat dan menjadi bahan pertimbangan dalam pengambilan kebijakan penanggulangan bencana.
Co-Authors Frans Steven Pakpahan Jahanra Girsang Jelita Astrid Gulo Jhonatan Purba Paulina Gorat Frans Saut Manurung Theresya Simanjuntak