Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
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) 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 Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 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).
Co-Authors Dinda Anantya Miranda Dewi Sella Sella Siti Nurisma Siregar