Article Per Year (5 Year)
p-Index From 2021 - 2026
2.804
P-Index
This Author published in this journals
All Journal Dinamik J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Building of Informatics, Technology and Science Journal of Applied Data Sciences J-SAKTI (Jurnal Sains Komputer dan Informatika) J-Com (Journal of Computer) Jurnal Informatika dan Teknologi Informasi Jurnal Pengabdian Harapan Bangsa Jurnal Teknologi Ilmu Komputer
Siagian, Yessica
Unknown Affiliation
Aerospace Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Mathematics Mechanical Engineering Social Sciences

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
Metode Topsis Dan Maut Dalam Pemilihan Lokasi Pengelolaan Limbah Siagian, Yessica
Jurnal Informatika dan Teknologi Informasi Vol. 4 No. 1: Mei 2025
Publisher : PT. Bangun Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56854/jt.v4i1.508

Abstract

Sampah merupakan isu global yang berdampak pada banyak hal, termasuk kesehatan lingkungan. Pembentukan bank sampah untuk pengelolaan sampah merupakan salah satu pendekatan pengelolaan sampah. Berkenaan dengan kesejahteraan lingkungan masyarakat, sistem pendukung keputusan mutlak diperlukan dalam hal ini untuk pengelolaan sampah di berbagai lokasi. Dengan membandingkan dua metode, metode Multi-Attribute Utility Theory (MAUT) dan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dan mempertimbangkan berbagai faktor, seperti dampak lingkungan, biaya pengembangan, aksesibilitas, dan kepatuhan terhadap peraturan, penelitian ini bertujuan untuk memungkinkan pengambil keputusan menganalisis pemilihan lokasi yang sesuai untuk fasilitas pengelolaan limbah. Adapun hsil penelitian dari metode ini untuk metode TOPSIS adalah pulau raja diurutan pertama dengan nilai 0,822 sedangkan dengan metode MAUT di urutan pertama yaitu lokasi di kota medan dengan nilai 0,455. Dengan demikian, kebutuhan masyarakat dapat menentukan strategi mana yang dipilih. Strategi MAUT dapat digunakan jika pemilih mempunyai keinginan untuk memikirkan berbagai standar. Meskipun demikian, teknik TOPSIS lebih cocok jika masyarakat berkeinginan untuk memilih lokasi pengelolaan limbah yang skornya mendekati pengaturan terbaik dan terjauh dari pengaturan merugikan.
Sistem Seleksi Pemasok Bahan Bangunan dengan Metode Ahp-Moora Novita, Ine; Siagian, Yessica; Rohminatin, Rohminatin
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10116

Abstract

Senia, bisnis penjualan bahan bangunan seperti semen, keramik, pasir, dan besi, menghadapi kesulitan dalam memilih pemasok terbaik karena keterbatasan informasi dan metode evaluasi yang subjektif. Hal ini menyebabkan pemilihan pemasok yang tidak optimal, seperti pemasok yang sering terlambat mengirimkan barang atau menyediakan bahan berkualitas rendah. Akibatnya, operasional usaha terhambat, biaya meningkat, dan kepercayaan pelanggan menurun. Persaingan ketat di industri ini membuat layanan buruk akibat pemasok yang tidak tepat berisiko membuat pelanggan beralih ke kompetitor. Dengan menerapkan sistem menggunakan Metode Analytic Hierarchy Process (AHP) dan Multi-Objective Optimization by Ratio Analysis (MOORA) pada sistem rekomendasi berbasis website. AHP membantu merangking kriteria dan subkriteria secara sistematis, sementara MOORA efektif dalam menyeleksi alternatif terbaik. Kombinasi kedua metode ini terbukti meningkatkan efisiensi dan akurasi dalam seleksi pemasok, mengurangi waktu evaluasi manual, dan menghindari subjektivitas dalam pengambilan keputusan. Dengan sistem ini, UD. Senia dapat memastikan ketersediaan bahan berkualitas dengan harga kompetitif, menjaga posisi pasar, dan meningkatkan daya saing.
Pelatihan E-Commerce Untuk Pengusaha Kecil dan Menengah Siagian, Yessica; Santoso, Santoso; Febriani, Desi
Jurnal Pengabdian Harapan Bangsa Vol. 3 No. 2: Mei 2025
Publisher : PT. Bangun Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56854/jphb.v3i2.362

Abstract

Keberadaan Usaha Mikro Kecil dan Menengah (UMKM) dalam perekonomian Indonesia mempunyai peran dan potensi yang besar dalam membangun perekonomian nasional maupun sektoral. Namun Jenis Usaha mikro kecil menegah masih kurang di kenal oleh masyarakat luas; sehingga berdampak pada pemasaran produk yang mereka hasilkan. Keterbatasan tersebut merupakan permasalahan yang penting bagi UMKM dalam mengembangkan usahanya. Untuk itu dalam kegiatan pengabdian kepada masyarakat ini akan memberikan pelatihan kepada pelaku UMKM tentang pemasaran, promosi dan pengenalan produk kepada masyarakat melalui media Internet, dengan tujuan membantu para pelaku UMKM di kota Sintang agar lebih memahami E-Commerce. Yang menjadi sasaran program pengabdian masyarakat ini adalah pelaku UMKM di kota Kisaran. Kegiatan Pelatihan dan penyuluhan ini memberikan manfaat bagi masyarakat khususnya para pelaku usaha mikro kecil dan menengah di kota Kisaran. Peserta penyuluhan memahami apa itu E- Commerce yaitu proses pembelian, penjualan produk, jasa dan informasi yang dilakukan secara elektronik dengan melibatkan transfer dana elektronik, sistem manajemen inventory otomatis dan sistem pengumpulan data otomatis yang memanfaatkan jaringan internet komputer. Selain itu para peserta juga mendapatkan pelatihan cara membuat website produk, memberikan pelatihan cara bergabung di Marketplace yang sudah tersedia dan mendesain tampilan produk yang akan dipasarkan
Seleksi Staff IT Dinas Kominfo Asahan Menggunakan Metode Oreste Siagian, Yessica; Zikra Syah , Arridha; Yesputra, Rolly
Jurnal Teknologi Ilmu Komputer Vol. 3 No. 2: Juni 2025
Publisher : PT. Bangun Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56854/jtik.v3i2.355

Abstract

Memilih karyawan yang tepat dan sesuai dengan kriteria perusahaan atau instansi, seperti Dinas Kominfo Asahan, tidaklah mudah. Oleh karena itu, diperlukan seleksi yang cermat terhadap calon staff IT agar perusahaan atau instansi mendapatkan staff IT yang kompeten sesuai dengan bidangnya. Banyaknya pelamar yang datang seringkali menyebabkan perusahaan menghadapi kendala dan kesulitan dalam memilih calon staff IT yang tepat. Proses seleksi ini kerap kali dipengaruhi oleh faktor subjektivitas, yang dapat mengakibatkan terpilihnya karyawan yang kurang kompeten. Untuk mengatasi masalah ini, diperlukan sistem informasi yang dapat membantu perusahaan dalam melakukan seleksi calon staff IT. Sistem ini dikenal dengan nama Sistem Pendukung Keputusan.Pada penelitian ini, digunakan metode Orete berdasarkan beberapa penelitian yang telah dipublikasikan. Metode ini membantu menyusun peringkat calon staff IT yaitu Fani Aryanti Manulang dengan hasil akhir perhitungan menggunakan meode oreste dengan nilai 1,8944.
Stacking Ensemble with SMOTE for Robust Agricultural Commodity Price Prediction under Imbalanced Data Siagian, Yessica; Hutahaean, Jeperson; Mulyani, Neni
Journal of Applied Data Sciences Vol 6, No 4: December 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i4.916

Abstract

The volatility of agricultural commodity prices presents a substantial obstacle in the agribusiness sector, especially in supporting timely and data-driven decision-making. This volatility is primarily caused by the imbalanced distribution of historical price data and the complex, often nonlinear nature of price patterns. To address this challenge, this study proposes a novel predictive modeling approach by integrating Stacking Ensemble Learning and Synthetic Minority Over-sampling Technique (SMOTE). The dataset used in this research consists of 5,558 records and 9 features, sourced from a publicly available Kaggle dataset. The target variable daily price was transformed into three classes: low, medium, and high, using a quartile-based discretization approach to enable multiclass classification. The main objective is to evaluate whether stacking combined with SMOTE can improve model performance compared to baseline models that use individual algorithms. A total of eight models were constructed and compared: four baseline models using SMOTE only, and four stacking models integrating SMOTE. The experimental results demonstrate that the proposed model Decision Tree Regression with Stacking and SMOTE achieved the highest performance, with 98.68% accuracy, an F1-score of 0.9868, Cohen’s Kappa of 0.9803, MCC of 0.9803, ROC-AUC of 0.9995, and a log loss of 0.0529. Other optimized models also performed well, such as Random Forest (98.37% accuracy) and Gradient Boosting (98.56%). In contrast, baseline models such as Linear Regression and Decision Tree without stacking achieved only around 67–68% accuracy, with log loss exceeding 0.97. The key contribution of this study is the empirical evidence that combining stacking and SMOTE significantly enhances classification accuracy and model robustness in imbalanced datasets. The novelty lies in applying a deep learning-optimized stacking framework specifically for agricultural commodity price classification, along with a comprehensive multiclass evaluation, offering new insights for practical implementation in agricultural decision support systems.
Comparative Analysis of Novel Deep Reinforcement Learning Methods for Food Distribution Optimization Hutahaean, Jeperson; Siagian, Yessica; Saputra, Endra
Journal of Applied Data Sciences Vol 6, No 4: December 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i4.956

Abstract

Uneven food distribution across various regions in Indonesia often results in supply-demand imbalances, leading to price surges, stock shortages, and overall market instability. This challenge is compounded by the limitations of conventional distribution systems, which are ill-equipped to respond to rapidly changing market dynamics. In response, this study introduces a novel, AI-driven approach by implementing Deep Reinforcement Learning (DRL) to optimize food distribution policies using real-world data. Specifically, we perform a comparative evaluation of four emerging DRL models—Double Deep Q-Network (Double DQN), Dueling DQN, Proximal Policy Optimization (PPO), and Advantage Actor-Critic (A2C)—to determine their effectiveness in learning adaptive distribution strategies from national food logistics data provided by Indonesia’s Central Bureau of Statistics (BPS). Each model was trained within a custom simulation environment based on the Markov Decision Process (MDP) framework and evaluated using five core performance metrics: cumulative reward, average reward, success rate, sample efficiency, and best reward. The results reveal that A2C consistently outperformed the other models, delivering the highest average reward and most stable training performance, while PPO demonstrated strong efficiency and success rate. These findings underscore the potential of policy-gradient methods—particularly A2C—as robust and intelligent solutions for dynamic food logistics management. This research offers one of the first comparative benchmarks of DRL methods in the food distribution domain and highlights their applicability for future integration into national AI-powered logistics systems.
Bijak Menyikapi Aplikasi Pinjaman Tanpa Agunan Bagi Ibu-Ibu Darmawanita Pada Dinas Lingkungan Hidup Kabupaten Asahan Irawati, Novica; Siagian, Yessica; Sinaga, Hommy Dorthy Ellyany; Syah, Arridha Zikra
Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Vol. 8 No. 1 (2025): Januari 2025
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurdimas.v8i1.3653

Abstract

Personal finance skills are one of the important competencies that young people need to have in facing future economic challenges, given the increasingly complex global financial dynamics and the need to be able to manage resources effectively in order to survive and thrive amid economic uncertainty. However, the level of financial literacy among vocational high school (SMK) students is still relatively low, as reflected in the results of the National Survey on Financial Literacy and Inclusion by OJK (2019) which shows that only 38.03% of Indonesians have adequate financial literacy, including among students. Of the 30 samples used by using the method of sharing, discussion, and case studies on each student, many were still found to be unable to manage their finances. This financial training has succeeded in providing a basic understanding of good financial management to students of SMK Negeri 1 Kisaran. Through the material presented, students can apply the knowledge gained in their daily lives, from managing expenses, saving, to planning for the future.Keywords: financial literacy; financial skills; training vocational high school students Abstrak: Keterampilan keuangan pribadi merupakan salah satu kompetensi penting yang perlu dimiliki oleh generasi muda dalam menghadapi tantangan ekonomi di masa depan, mengingat semakin kompleksnya dinamika keuangan global dan kebutuhan untuk dapat mengelola sumberdaya secara efektif agar dapat bertahan dan berkembangan di tengah ketidakpastian ekonomi. Namun, tingkat literasi keuangan di kalangan siswa sekolah menengah kejuruan (SMK) masih tergolong rendah, sebagaimana tercermin dalam hasil Survei Nasional Literasi dan Inklusi Keuangan oleh OJK (2019) yang menunjukkan bahwa hanya 38,03% masyarakat Indonesia yang memiliki literasi keuangan yang memadai, termasuk di kalangan pelajar. Kegiatan ini dilakukan oleh team dosen universitas royal dimana sampelnya sebanyak 30 orang yang merupakan siswa Sekolah Menengah Kejurusan Negeri 1 Kisaran dalam penyampaian materi digunakan dengan menggunakan metode sharing, diskusi, dan studi kasus pada masing-masing siswa.  Pelatihan keuangan memberikan pemahaman dasar tentang pengelolaan keuangan yang baik kepada siswa SMK Negeri 1 Kisaran. Melalui materi yang disampaikan, siswa dapat menerapkan ilmu yang diperoleh dalam kehidupan sehari-hari, mulai dari mengatur pengeluaran, menabung, hingga merencanakan masa depan.Kata Kunci: Keterampilan keuangan; literasi keuangan; pelatihan siswa SMK, pengelolaan keuangan pribadi 
Sosialisasi Pencegahan Cybercrime Untuk Guru SD Negeri 132408 di Tanjung Balai Selatan Maulina Azmi, Sri Rezki; Siagian, Yessica; Kurniawan, Reza
Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Vol. 8 No. 2 (2025): April 2025
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurdimas.v8i2.3819

Abstract

The advanced innovation has essentially expanded the danger of cybercrime, driving to issues such as personality robbery, work misfortune, and disturbances to basic framework. In the interim, cybercriminals proceed to create modern procedures and methodologies in committing their criminal acts. The reason to depict the degree of cybercrime dangers in Indonesia. Common cyber dangers in Indonesia incorporate malware assaults, refusal of benefit (DoS), dispersed refusal of benefit (DDoS), and phishing. These dangers are frequently exacerbated by a need of mindfulness and instruction almost cybersecurity and constrained requirement of cybercrime laws. In conclusion, cybercrime dangers in Indonesia are right now considered genuine and profoundly unsafe due to their potential to make national issues. The action was carried out through the arrangement of socialization counseling with address and discourse strategies, as well as address and reply with members. Accommodation of fabric within the frame of control point slides that are displayed amid the action and conveyed to instructors as members . Therefore, it is crucial to recognize the importance of understanding these issues cybercrime anticipation socialization has to be passed on to the educator SD Negeri 132408 di Tanjungbalai Selatan. With this preparing, it is trusted that they can gotten to be web clients who can maintain a strategic distance from the potential to ended up culprits or casualties of cyber wrongdoings. Keywords: cybercrime; socialization; prevention  Abstrak: Pengembangan teknologi digital telah secara signifikan meningkatkan risiko cybercrime karena mempengaruhi pencurian identitas, kehilangan tempat kerja, dan infrastruktur kritis. Sementara itu, pelaku cybercrime terus mengembangkan teknologi dan strategi baru untuk inspeksi perilaku kriminal. Ini dilakukan dengan memeriksa dan menganalisis literatur dalam kaitannya dengan dengan cybercrime di Indonesia. Temuan ini menunjukkan bahwa publikasi teknologi dari di Indonesia telah mengambil ancaman terbaru dan dampak pada berbagai aspek kehidupan dan bisnis. Penulis menyimpulkan bahwa cybercrime di Indonesia diklasifikasikan sebagai serius (sangat berbahaya) karena dapat menyebabkan masalah nasional. Kegiatan ini dilakukan dengan pemberian sosialisasi dengan menggunakan metode ceramah dan diskusi, serta bertanya jawab bersama peserta. Bentuk dalam penyampaian materi yaitu slide powerpoint yang dipaparkan dan di edarkan pada saat kegiatan berlangsung.  Oleh karena itu, pemahaman mengenai sosialisasi pencegahan cybercrime sangat penting untuk disampaikan kepada para guru di SD Negeri 132408, Tanjungbalai Selatan. Melalui pelatihan ini, diharapkan mereka dapat menjadi pengguna internet yang lebih bijak dan mampu menghindari risiko sebagai pelaku maupun korban kejahatan cybercrime.Kata kunci: cybercrime; sosialisasi; pencegahan
PENERAPAN ALGORITMA NAIVE BAYES UNTUK PREDIKSI WAKTU TUNGGU ALUMNI MENDAPATKAN PEKERJAAN PADA LEMBAGA PUSAT LAYANAN KARIR STMIK ROYAL Aulia, Tasyia Dita; Siagian, Yessica; Putri, Pristiyanilicia
J-Com (Journal of Computer) Vol. 3 No. 2 (2023): Juli 2023
Publisher : STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/j-com.v3i2.2504

Abstract

Abstract: Getting a job is a goal by graduates after completing their studies. But in this process, getting a job inevitably requires waiting time. If one measure of success in the field of education of a tertiary institution is the number of graduates entering the workforce. So to implement this goal, alumni data is needed that can be used in decision making. Existing tracer study data at the STMIK Royal Career Service Center (LPLK) have not been utilized optimally by the campus. If we dig deeper, we will get some knowledge from this data by applying data mining techniques. Therefore, it is clear that using data mining to predict alumni waiting time is important for a university to determine its strategy. The purpose of this study is to predict the waiting time for alumni to get a job using data mining by applying the Naive Bayes algorithm. Training and testing data were taken from 193 data tracer study alumni of STMIK Royal in 2021 who had graduated and were working. The criteria used to predict alumni waiting time are gender, major, year of entry, year of graduation, GPA, and length of time getting a job. The results of modeling using the Naive Bayes algorithm produce an accuracy of 94%. Keyword: data mining; naive bayes; waiting time  Abstrak: Mendapatkan pekerjaan merupakan tujuan oleh lulusan setelah menyelesaikan studi mereka. Tetapi dalam proses ini, mendapatkan pekerjaan pasti membutuhkan waktu tunggu. Jika salah satu ukuran keberhasilan di bidang pendidikan suatu perguruan tinggi adalah banyaknya lulusan yang masuk ke dunia kerja. Maka untuk menerapkan tujuan itu, maka diperlukan data alumni yang dapat digunakan dalam pengambilan keputusan. Data tracer study yang ada di Lembaga Pusat Layanan Karir (LPLK) STMIK Royal belum dimanfaatkan secara optimal oleh kampus. Jika kita gali lebih dalam, kita akan mendapatkan suatu pengetahuan dari data ini dengan menerapkan teknik data mining. Oleh karena itu, jelas bahwa menggunakan data mining untuk memprediksi waktu tunggu alumni penting bagi suatu perguruan tinggi untuk menentukan strateginya. Tujuan dari penelitian ini adalah untuk memprediksi waktu tunggu alumni mendapatkan pekerjaan  menggunakan data mining dengan menerapkan algoritma naive bayes. Data training dan testing diambil dari 193 data tracer study alumni STMIK Royal tahun 2021 yang sudah lulus dan bekerja. Kriteria yang digunakan untuk memprediksi waktu tunggu kerja alumni yaitu jenis kelamin, jurusan, tahun masuk, tahun lulus, IPK, dan lama mendapatkan pekerjaan. Hasil pemodelan dengan menggunakan algoritma naive bayes menghasilkan akurasi sebesar 94%. Kata Kunci: data mining; naive bayes; waktu tunggu
Co-Authors Abdul Karim Arridha Zikra Syah Aulia, Tasyia Dita Bachtiar Efendi, Bachtiar Efendi Hutagalung, Jhonson Febriani, Desi Fitri Yani Ikhwani, Riska Irawati, Novica Jeperson Hutahaean Kifti, Wan Mariatul M, Desma Erica Maryati Marpaung, Nasrun Meta, Monanda Rio Novita, Ine Putri, Pristiyanilicia Reza Kurniawan Rohminatin, Rohminatin Rolly Yesputra SANTOSO SANTOSO Saputra, Endra Sinaga, Hommy Dorthy Ellyany Sri Rezki Maulina Azmi Zikra Syah , Arridha