Article Per Year (5 Year)
p-Index From 2021 - 2026
1.006
P-Index
This Author published in this journals
All Journal Jatilima : Jurnal Multimedia Dan Teknologi Informasi Jurnal Masyarakat Indonesia Jurnal Sinergi Digital dan Pemberdayaan Masyarakat
Pandi Barita Nauli Simangunsong
Universitas Katolik Santo Thomas
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Engineering Environmental Science

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Pemanfaatan Media Sosial untuk Pemasaran Produk Lokal Pada Desa Kuta Mbelin Pandi Barita Nauli Simangunsong; Pristiwanto; Syahrial Sitorus; Apriwati Barus; Muhammad Amin; furqan
Jurnal Masyarakat Indonesia (Jumas) Vol. 3 No. 02 (2024): Jurnal Masyarakat Indonesia (Jumas)
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jumas.v3i02.138

Abstract

Desa Kuta Mbelin memiliki potensi sumber daya lokal yang melimpah, terutama dalam bidang pertanian dan kerajinan tangan. Namun, keterbatasan akses pasar sering menjadi hambatan dalam mengoptimalkan potensi tersebut. Seiring dengan perkembangan teknologi, media sosial telah menjadi platform yang efektif dalam memasarkan produk secara luas dengan biaya yang relatif rendah. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan kemampuan masyarakat Desa Kuta Mbelin dalam memanfaatkan media sosial sebagai alat pemasaran produk lokal. Program ini meliputi pelatihan intensif mengenai strategi pemasaran digital, pengelolaan akun media sosial, pembuatan konten yang menarik, serta teknik optimasi penggunaan platform seperti Instagram, Facebook, dan WhatsApp. Diharapkan dengan adanya pelatihan ini, masyarakat desa dapat meningkatkan penjualan produk lokal, memperluas jaringan pasar, dan pada akhirnya meningkatkan kesejahteraan ekonomi desa. Evaluasi keberhasilan program akan dilakukan melalui pemantauan perkembangan penjualan dan interaksi di media sosial sebelum dan sesudah pelatihan.
Digitalisasi Manajemen Lyora Laundry melalui Sistem Informasi Berbasis Website untuk Meningkatkan Efisiensi Operasional Novriadi Antonius Siagian; Alex Rikki; Pandi Barita Nauli Simangunsong; Sardo Pardingotan Sipayung
Journal of Public Health Vol 2 No 1 (2026): Jurnal Sinergi Digital untuk Pemberdayaan Masyarakat
Publisher : CV. Data Sinergi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65853/sidena.v2i1.134

Abstract

Usaha laundry merupakan sektor jasa yang membutuhkan pengelolaan transaksi, data pelanggan, status cucian, dan laporan keuangan secara cepat dan akurat. Lyora Laundry sebagai mitra kegiatan masih menghadapi kendala dalam proses operasional, seperti pencatatan transaksi manual, risiko kesalahan data, keterlambatan informasi status cucian, serta lambatnya penyusunan laporan. Kegiatan ini bertujuan untuk melakukan digitalisasi manajemen Lyora Laundry melalui pengembangan sistem informasi berbasis website guna meningkatkan efisiensi operasional dan kualitas layanan. Metode pelaksanaan menggunakan model Waterfall yang meliputi analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan evaluasi. Sistem dikembangkan menggunakan framework Laravel dan basis data MySQL, dengan fitur utama meliputi manajemen pelanggan, pencatatan transaksi, tracking status cucian, pelaporan keuangan, dan notifikasi layanan. Pengujian dilakukan menggunakan Black Box Testing dan evaluasi usability menggunakan System Usability Scale (SUS). Hasil kegiatan menunjukkan bahwa sistem mampu mempercepat proses pencatatan transaksi sebesar 65,4%, menurunkan tingkat kesalahan pencatatan sebesar 87,8%, mempercepat pembuatan laporan dari 120 menit menjadi 10 menit, serta meningkatkan akurasi data pelanggan dari 78,5% menjadi 98,2%. Evaluasi usability yang dilakukan terhadap [jumlah responden] pengguna internal menghasilkan skor rata-rata SUS sebesar 82,5 dan termasuk dalam kategori sangat baik (excellent). Dengan demikian, digitalisasi manajemen Lyora Laundry melalui sistem informasi berbasis website terbukti membantu meningkatkan efisiensi operasional, akurasi data, dan kualitas layanan kepada pelanggan.
Pelatihan Pembuatan Media Pembelajaran Digital Menggunakan Canva bagi Guru Sekolah Dasar Pandi Barita Nauli Simangunsong; Tuti Andriani; Matias Julyus Fika Sirait; Apriwati Br Barus; Sorang Pakpahan
Jurnal Masyarakat Indonesia (Jumas) Vol. 5 No. 01 (2026): Jurnal Masyarakat Indonesia (Jumas)
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jumas.v5i01.416

Abstract

Perkembangan teknologi digital menuntut guru memiliki kompetensi dalam mengembangkan media pembelajaran yang kreatif dan inovatif. Namun, pemanfaatan aplikasi desain digital, seperti Canva, oleh guru sekolah dasar masih belum optimal sehingga diperlukan kegiatan pelatihan yang mampu meningkatkan kompetensi digital guru. Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk meningkatkan kompetensi guru sekolah dasar dalam merancang media pembelajaran digital menggunakan Canva. Metode yang digunakan adalah participatory training yang meliputi analisis kebutuhan, pre-test, sosialisasi dan pelatihan, praktik pembuatan media pembelajaran, pendampingan, presentasi hasil, post-test, dan evaluasi program. Evaluasi dilakukan melalui pre-test, post-test, observasi, dokumentasi, dan kuesioner kepuasan peserta. Hasil kegiatan menunjukkan bahwa guru mampu memahami dan memanfaatkan berbagai fitur Canva untuk menghasilkan media pembelajaran berupa presentasi, poster edukasi, infografis, dan lembar kerja peserta didik (LKPD) yang sesuai dengan kebutuhan pembelajaran. Selain itu, pelatihan memberikan peningkatan pengetahuan, keterampilan, dan kepercayaan diri guru dalam mengintegrasikan teknologi digital ke dalam proses pembelajaran. Dengan demikian, pelatihan Canva menjadi salah satu strategi yang efektif untuk meningkatkan kompetensi digital guru serta mendukung terciptanya pembelajaran yang lebih kreatif, interaktif, dan berkualitas di sekolah dasar.
Analisis Keamanan SSH dengan Menggunakan Algoritma ECDSA pada Server Debian Lotar Mateus Sinaga; Pandi Barita Nauli Simangunsong
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 5 (2026): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i5.2146

Abstract

Dalam era digital yang semakin kompleks, kebutuhan akan koneksi jarak jauh yang aman menjadi prioritas utama dalam pengelolaan sistem. Penelitian ini mengkaji implementasi dan evaluasi autentikasi Secure Shell (SSH) menggunakan algoritma Elliptic Curve Digital Signature Algorithm (ECDSA) pada sistem operasi Debian. Metode penelitian yang digunakan adalah studi kasus eksperimental dalam lingkungan jaringan lokal yang dikendalikan oleh router MikroTik, dengan pengujian pada sisi server dan client, serta simulasi ancaman keamanan. Hasil penelitian menunjukkan bahwa penggunaan autentikasi berbasis kunci publik ECDSA berhasil mengeliminasi kebutuhan password, mencegah serangan brute force, dan menjaga integritas koneksi melalui enkripsi yang kuat. Audit konfigurasi menunjukkan bahwa server menggunakan kurva NIST P-521, yang meskipun aman secara teknis, masih menimbulkan diskusi terkait transparansi kriptografi. Simulasi sniffing membuktikan bahwa komunikasi melalui SSH terenkripsi secara menyeluruh, tanpa kebocoran data sensitif. Dengan demikian, autentikasi SSH berbasis ECDSA terbukti sebagai pendekatan yang efektif dan layak diterapkan untuk meningkatkan keamanan koneksi jarak jauh, dengan catatan evaluasi algoritma secara berkala tetap diperlukan untuk menjawab tantangan keamanan yang terus berkembang.
Classification of Product Review Sentiment Using Naive Bayes and Support Vector Machine Algorithms Pandi Barita Nauli Simangunsong; Matias Julyus Fika Sirait; Tuti Andriani
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 5 (2026): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i5.2166

Abstract

This review synthesizes research on "Theoretical comparison of Naïve Bayes and Support Vector Machine for sentiment classification of product reviews" to address inconsistencies in algorithm performance and applicability across diverse datasets. The review aimed to evaluate theoretical foundations and practical implementations of both algorithms, benchmark classification metrics, analyze factors influencing performance, assess handling of neutral sentiments, and examine ensemble model efficacy. A systematic analysis of studies from Southeast Asia and related regions was conducted, focusing on supervised learning approaches with varied preprocessing and evaluation metrics. Findings indicate that Support Vector Machine generally achieves higher accuracy, precision, and recall across balanced and large datasets, while Naïve Bayes offers superior computational efficiency and recall in specific contexts. Preprocessing techniques and dataset characteristics significantly affect both algorithms’ robustness, with Support Vector Machine demonstrating greater adaptability to data variability and neutral sentiment classification. Hybrid and ensemble models combining Naïve Bayes and Support Vector Machine consistently improve classification accuracy and robustness but incur higher computational costs and remain underexplored. These results underscore the necessity of context-specific algorithm selection and optimization in sentiment analysis. The review highlights theoretical and practical implications for deploying machine learning classifiers in product review sentiment tasks, emphasizing the balance between accuracy, efficiency, and scalability within resource and data constraints.
Optimized MobileNetV2 for Tomato Leaf Disease Classification Using AutoAugment, AdamW, and Cosine Annealing Learning Rate Pandi Barita Nauli Simangunsong; Tuti Andriani; Matias Julyus Fika Sirait
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 07 (2026): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i07.2636

Abstract

Tomato leaf diseases pose a significant challenge to agricultural productivity, as delayed or inaccurate disease identification can substantially reduce crop yield and quality. Recent advances in deep learning have demonstrated considerable potential for automated plant disease classification; however, many existing approaches rely heavily on transfer learning and computationally intensive convolutional neural network (CNN) architectures. This study proposes an optimized MobileNetV2 framework trained entirely from scratch for tomato leaf disease classification by integrating AutoAugment for automated data augmentation, the AdamW optimizer for effective parameter optimization, and a Cosine Annealing Learning Rate scheduler to achieve stable model convergence. Experiments were conducted using the PlantVillage tomato leaf dataset comprising ten disease categories, including healthy leaves. The proposed model was trained for 50 epochs without employing pre-trained ImageNet weights. Experimental results demonstrated stable convergence, with the training loss decreasing from 1.5569 to 0.5543 and the validation loss decreasing from 2.5431 to 0.5754, indicating good generalization performance without significant overfitting. The proposed framework achieved a best validation accuracy of 92.89%, with 92.95% precision, 92.89% recall, and an F1-score of 92.87%. These findings indicate that the integration of AutoAugment, AdamW, and Cosine Annealing effectively enhances the learning capability of MobileNetV2 even without transfer learning. The proposed approach provides a lightweight and computationally efficient solution suitable for deployment on resource-constrained devices, making it a promising alternative for real-time tomato leaf disease diagnosis in smart agriculture applications.
Co-Authors Alex Rikki Amin, Muhammad Apriwati Barus Apriwati Br Barus furqan Lotar Mateus Sinaga Matias Julyus Fika Sirait Matias Julyus Fika Sirait Matias Julyus Fika Sirait Pristiwanto Sardo Pardingotan Sipayung Siagian, Novriadi Antonius Sorang Pakpahan Syahrial Sitorus Tuti Andriani Tuti Andriani