Article Per Year (5 Year)
p-Index From 2021 - 2026
1.399
P-Index
This Author published in this journals
All Journal ALGORITMA : JURNAL ILMU KOMPUTER DAN INFORMATIKA Jurnal Minfo Polgan (JMP) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Indonesian Journal of Multidisciplinary Scientific Studies Hanif Journal of Information Systems Portal Riset dan Inovasi Sistem Perangkat Lunak Tsabit Inventa: Journal of Science, Technology, and Innovation
Yohanni Syahra
Universitas Muhammadiyah Sumatera Utara
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Klasterisasi Masyarakat Kurang Mampu di Kelurahan Durian Kota Medan untuk Optimalisasi Penyaluran Bantuan Sosial Menggunakan Algoritma OPTICS Siti Nurisma Siregar; Yohanni Syahra
Algoritma: Jurnal Ilmu Komputer dan Informatika Vol 10, No 1 (2026): April 2026
Publisher : Universitas Islam Negeri Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30829/algoritma.v10i1.29496

Abstract

This study aims to classify underprivileged communities in Kelurahan Durian, Medan, to optimize social assistance distribution using the OPTICS algorithm. The socio-economic data used includes income, expenditure, occupation, education level, and number of dependents, comprising 800 records, which after preprocessing became 789 data points. The research stages include preprocessing, parameter determination through K-Distance Plot and Grid Search, the clustering process, and evaluation using the Silhouette Index. Optimal parameters were obtained at min_samples = 15, max_eps = 0.3, and xi = 0.030, yielding a Silhouette Index value of 0.2409. The clustering produced 4 clusters: unable, underprivileged, capable, and highly capable, along with a number of noise points. The OPTICS algorithm proved effective in identifying data structures with varying densities and automatically detecting outliers. Results were visualized through a reachability plot. This study is expected to improve the accuracy of targeted social assistance distribution through a data-driven approach. Keywords: Clustering, OPTICS, Data Mining, Social Assistance, Poverty
Analisis K-Means Clustering pada Data Penempatan Karyawan di PT. Guna Cipta Prima Berbasis Web Sella Sella; Yohanni Syahra
Journal of Science, Technology, and Innovation Vol 1 No 3 (2026): : April: Inventa: Journal of Science, Technology, and Innovation
Publisher : CV SCRIPTA INTELEKTUAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65310/59fhza60

Abstract

The advancement of information technology has made a significant contribution to decision-making processes, particularly in human resource management. One of the common challenges faced by organizations is the difficulty in determining employee placement objectively based on their competencies and performance. This study aims to implement the K-Means Clustering algorithm to classify employee data at PT Guna Cipta Prima, develop a web-based system using PHP and MySQL, and analyze the resulting clusters. The data used are real-world data consisting of job attributes such as security and cleaning service. The clustering process is conducted using three categories: high, medium, and low performance. The results indicate that the developed system is capable of effectively implementing the K-Means algorithm and producing clusters that align with the characteristics of the data. A Silhouette Coefficient value of 0.67 demonstrates a reasonably good level of clustering validity. Therefore, this system can assist the Human Resources Department (HRD) in conducting employee placement analysis in a more efficient, objective, and data-driven manner, thereby supporting more accurate decision-making.
Implementasi Sistem Pendukung Keputusan Berbasis IOT dengan Metode Topsis untuk Peringatan Dini Potensi Bencana Banjir Miranda Dewi; Yohanni Syahra
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.564

Abstract

Banjir merupakan salah satu bencana alam yang dapat menyebabkan kerugian besar, baik secara material maupun terhadap keselamatan jiwa manusia. Oleh karena itu, dibutuhkan sistem yang mampu memberikan peringatan dini secara otomatis, akurat, dan real-time. Penelitian ini bertujuan untuk mengembangkan sistem monitoring potensi banjir berbasis Internet of Things (IoT) yang didukung oleh metode pengambilan keputusan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution). Sistem ini dibangun menggunakan mikrokontroler ESP32 yang terhubung dengan beberapa sensor, yaitu sensor ultrasonik untuk mengukur tinggi muka air, DHT11 untuk mendeteksi suhu dan kelembapan udara, flow sensor untuk mengukur kecepatan aliran air, serta float sensor untuk mendeteksi level air. Data dari sensor dibaca secara berkala, kemudian dianalisis menggunakan metode TOPSIS untuk menentukan tingkat risiko yang diklasifikasikan ke dalam tiga kategori, yaitu Hujan Berhenti, Perlu Dipantau, dan Potensi Banjir. Sistem memberikan respon lokal melalui LED indikator dan buzzer, serta mengirimkan notifikasi ke pengguna melalui Telegram Bot jika terjadi perubahan status risiko. Hasil pengujian menunjukkan bahwa sistem dapat bekerja secara responsif dan real-time, dengan akurasi yang baik dalam mendeteksi perubahan kondisi lingkungan. Sistem mampu memberikan peringatan dini yang efektif dan dapat diakses dari jarak jauh. Dengan demikian, solusi ini berpotensi digunakan sebagai sistem mitigasi bencana banjir berbasis teknologi untuk mendukung keselamatan masyarakat dan pengambilan keputusan lebih cepat.
Pengelompokan Produk Pestisida Berdasarkan Pola Konsumsi Retailer Menggunakan Algoritma HAC dan K-Medoids Dinda Anantya; Yohanni Syahra
Jurnal Minfo Polgan Vol. 15 No. 2 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i2.16127

Abstract

Sektor pertanian sangat bergantung pada efektivitas input produksi pestisida, namun CV. Aneka Jaya Tunas Agro saat ini menghadapi tantangan operasional karena pengambilan keputusan distribusi yang cenderung subjektif. Penelitian ini bertujuan untuk mengelompokkan pola konsumsi retailer guna menghasilkan insight strategis dalam manajemen stok dan optimalisasi distribusi. Dataset yang digunakan merupakan transaksi penjualan tahun 2023–2024 yang dibersihkan menjadi 1.488 data valid dan diagregasi menjadi 134 profil retailer. Menggunakan metodologi Knowledge Discovery in Databases (KDD), dilakukan perbandingan performa antara algoritma Hierarchical Agglomerative Clustering (HAC) dengan metode Ward dan K-Medoids (PAM) menggunakan metrik Silhouette Score dan Davies-Bouldin Index (DBI). Hasil pengujian menunjukkan bahwa algoritma HAC memiliki performa lebih unggul dengan nilai Silhouette Score sebesar 0,5195 dan DBI sebesar 0,7207, dibandingkan K-Medoids yang menghasilkan Silhouette Score 0,2914 dan DBI 1,2987. Berdasarkan hasil klasterisasi, retailer dibagi menjadi tiga kategori utama, yaitu retailer besar (10 unit), retailer menengah (51 unit), dan retailer kecil (73 unit), yang masing-masing diberikan rekomendasi strategi bisnis spesifik. Penelitian ini menyimpulkan bahwa algoritma HAC lebih efektif dalam memetakan pola konsumsi retailer untuk mendukung pengambilan keputusan berbasis data (data-driven).
Analisis Persediaan Obat Dengan Menggunakan Metode Fifo Dan Average Di Klinik Asrama Arhanud Binjai Audri Aisyah Fitri; Yohanni Syahra
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 3 No. 4 (2025): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v3i4.187

Abstract

Manajemen persediaan obat merupakan aspek penting dalam menjamin ketersediaan obat yang tepat waktu, kuantitas, dan kualitas di fasilitas pelayanan kesehatan. Penelitian ini bertujuan untuk menganalisis pengelolaan persediaan obat di Klinik Asrama Arhanud Binjai dengan menggunakan dua metode penilaian persediaan, yaitu metode First In First Out (FIFO) dan metode Average (rata-rata). Metode penelitian yang digunakan adalah pendekatan kuantitatif deskriptif dengan pengumpulan data melalui observasi, wawancara, dan dokumentasi data persediaan obat selama tahun berjalan. Hasil analisis menunjukkan perbedaan nilai akhir persediaan dan harga pokok penjualan (HPP) antara metode FIFO dan Average. Metode FIFO cenderung memberikan nilai persediaan akhir yang lebih tinggi pada kondisi harga obat yang mengalami kenaikan, sementara metode Average menghasilkan nilai yang lebih stabil. Temuan ini memberikan gambaran bagi pengelola klinik mengenai dampak pemilihan metode penilaian persediaan terhadap laporan keuangan dan efisiensi pengelolaan obat. Dengan menerapkan metode yang sesuai, klinik dapat meningkatkan akurasi pelaporan dan pengendalian persediaan obat secara lebih efektif.
Emotion Recognition System for Game Addiction Users Using FACS and Image Feature Extraction on Android Roslinda Tanjung; Yohanni Syahra
Tsabit Journal of Computer Science Vol. 3 No. 1 (2026): June Edition
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/tsabit76

Abstract

Purpose: Online game addiction negatively impacts users’ mental health and social behavior. This study aims to develop an Android-based emotion recognition system using Facial Action Coding System (FACS) with image feature extraction to detect users’ emotions in real-time. Design/Methods/Approach: The system integrates OpenCV for face detection, dlib for facial landmark identification, and TensorFlow Lite for emotion classification. Testing was conducted through black box testing, confusion matrix evaluation, and performance analysis. Findings/Results: The system successfully recognized basic negative emotions (anger, frustration, sadness, displeasure) with adequate accuracy (87%) and operated effectively on Android devices. Conclusions: Integrating FACS with image feature extraction provides a non-intrusive solution to help users recognize and manage emotions, contributing to digital mental health research and practice.
Application of Data Mining to Analyze BPJS Patient Satisfaction Levels Regarding the Service Attitude of PTPN II Tanjung Selamat General Hospital Using the K-Means Clustering Algorithm Yohanni Syahra; Natasya Nabaceva
Hanif Journal of Information Systems Vol. 3 No. 2 (2026): February Edition
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The importance of the BPJS Kesehatan's role in providing affordable healthcare access to the community is undeniable. Rumah Sakit Umum PTPN II Tanjung Selamat collaborates with BPJS Kesehatan to deliver services to BPJS participants. However, patient satisfaction levels have been declining, with primary complaints including long registration processes, data recording errors, extended waiting times for doctor consultations, and inadequate hospital facilities. Understanding the factors affecting patient satisfaction is crucial for improving healthcare quality at this hospital. To address these issues, this study applies Data Mining methods, specifically the K-Means Clustering algorithm, to analyze BPJS patient satisfaction levels at Rumah Sakit Umum PTPN II Tanjung Selamat. K-Means Clustering is chosen for its ability to group data based on similar characteristics, allowing the identification of patterns influencing patient satisfaction. Utilizing a desktop application designed with Visual Basic 2010, this research provides flexibility in determining the number of clusters, aiding in more effective analysis and grouping of patient satisfaction data. The findings are expected to offer valuable insights for the management of Rumah Sakit Umum PTPN II Tanjung Selamat to enhance healthcare services for BPJS participants. By identifying patient groups based on their satisfaction levels, the hospital can take more targeted actions to improve unsatisfactory aspects. This study demonstrates that the application of Data Mining with the K-Means method can be an effective tool in evaluating and improving healthcare service quality.
Sistem Pakar dalam Diagnosis Gangguan Skizofrenia Menggunakan Metode Dempster-Shafer Imelia B Sembiring; Yohanni Syahra
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 4 (2026): Edisi Juni-Juli 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i4.918

Abstract

Skizofrenia merupakan gangguan jiwa kronis yang mempengaruhi cara berpikir, merasakan, dan berperilaku penderitanya. Identifikasi dini gangguan ini sangat penting untuk penanganan yang efektif, namun keterbatasan waktu dan ketersediaan dokter spesialis jiwa menjadi kendala yang sering ditemui. Penelitian ini bertujuan merancang dan mengimplementasikan sistem pakar berbasis web untuk mendiagnosis gangguan Skizofrenia menggunakan metode Dempster-Shafer. Sistem dibangun menggunakan bahasa pemrograman PHP dengan basis data MySQL dan mencakup empat subtipe gangguan Skizofrenia, yakni Skizofrenia Paranoid, Skizofrenia Hebefrenik, Skizofrenia Katatonik, dan Skizofrenia Tidak Terinci, dengan 20 gejala klinis yang ditetapkan oleh pakar. Metode Dempster-Shafer digunakan untuk mengukur ketidakpastian dalam proses pengambilan keputusan diagnosis berdasarkan nilai Basic Probability Assignment (BPA) dari setiap gejala. Pengujian dilakukan menggunakan studi kasus pasien dengan lima gejala, menghasilkan diagnosis Skizofrenia Paranoid dengan nilai kepercayaan 69,99%. Hasil penelitian menunjukkan bahwa metode Dempster-Shafer efektif digunakan dalam sistem pakar diagnosis gangguan Skizofrenia dan mampu memberikan keputusan yang akurat sebagai alat bantu tenaga medis.
SISTEM MONITORING KUALITAS UDARA BERBASIS IOT DAN MACHINE LEARNING UNTUK PREDIKSI POLUSI MENGGUNAKAN RANDOM FOREST Raja Syahlul Idhamsyah Ruzfi; Yohanni Syahra
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 4 No. 3 (2026): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v4i3.240

Abstract

Kualitas udara merupakan faktor penting yang memengaruhi kesehatan manusia dan lingkungan. Peningkatan aktivitas industri dan transportasi menyebabkan meningkatnya konsentrasi polutan udara sehingga diperlukan sistem monitoring yang mampu memberikan informasi secara real-time dan akurat. Penelitian ini bertujuan untuk mengembangkan sistem monitoring kualitas udara berbasis Internet of Things (IoT) yang terintegrasi dengan algoritma machine learning Random Forest untuk melakukan prediksi kualitas udara. Sistem menggunakan mikrokontroler ESP32 dengan sensor DHT22, MQ-135, dan MQ-7 untuk memperoleh data suhu, kelembaban, serta konsentrasi gas pencemar. Data dikirim ke server dan ditampilkan dalam dashboard berbasis web. Dataset historis digunakan untuk membangun model prediksi menggunakan Random Forest. Hasil penelitian menunjukkan sistem mampu melakukan monitoring real-time dan menghasilkan prediksi dengan akurasi sebesar 95,91%. Sistem ini dapat menjadi solusi efektif dalam pemantauan dan prediksi kualitas udara.
Co-Authors Audri Aisyah Fitri Dinda Anantya Imelia B Sembiring Miranda Dewi Natasya Nabaceva Raja Syahlul Idhamsyah Ruzfi Roslinda Tanjung Sella Sella Siti Nurisma Siregar