Article Per Year (5 Year)
p-Index From 2021 - 2026
2.147
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Pendidikan Jusikom: Jurnal Sistem Informasi Ilmu Komputer Majalah Ilmiah Kaputama REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer MEANS (Media Informasi Analisa dan Sistem) Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI) Journal of Computer Networks, Architecture and High Performance Computing Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Media Informatika JURNAL TEKNOLOGI INFORMASI & KOMUNIKASI DALAM PENDIDIKAN Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Innovative: Journal Of Social Science Research Jurnal Sistem Informasi dan Teknologi Jaringan Jurnal Pengabdian Masyarakat (Jubdimas)
Hasugian, Penda Sudarto
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
DETEKSI EMOSI SISWA SMKS METHODIST 8 BERBASIS AI UNTUK MEMBANTU DALAM PEMBELAJARAN Panggabean, Erwin; Simanjorang, R. Mahdalena; Apriani, Wira; Sitohang, Amran; Hasugian, Penda Sudarto; Harefa, Jikarni; Arikhifo, Arikhifo
JUBDIMAS ( Jurnal Pengabdian Masyarakat) Vol 4 No 1 (2025): Jurnal Pengabdian Masyarakat, Maret 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/jubdimas.v4i1.383

Abstract

The research conducted through community service aims to develop artificial intelligence (AI)-based software capable of detecting students' emotions at SMKS Methodist 8 in real time, as an effort to support teachers in implementing a more adaptive and responsive learning approach. This system is designed by integrating facial recognition and emotional expression analysis through a camera, which is then processed using the Certainty Factor method to determine the confidence level of the detected emotional classification. This approach allows the system to generate emotional diagnoses with a reliable degree of confidence, based on predefined parameters. Test results have shown that the software is capable of detecting several basic emotions such as happiness, sadness, anger, and neutrality with an adequate level of accuracy. The implementation of this system in classrooms is expected to assist teachers in quickly identifying students’ emotional states, allowing learning strategies to be adjusted accordingly to improve the effectiveness of the learning process. Therefore, this technology offers an innovative solution in supporting the improvement of education quality through an approach that focuses on individual students.
Analisis Dan Deteksi Burnout Pada Kalangan Anak Muda Dengan Algoritma Naïve Bayes Simangunsong, Agustina; Simanjorang, R. Mahdalena; Hasugian, Penda Sudarto; Fitri Amalia; Putri Khairunnisa
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i1.12473

Abstract

Burnout pada anak muda menjadi fenomena yang semakin mengkhawatirkan seiring meningkatnya tekanan akademik, tuntutan pekerjaan, serta intensitas aktivitas digital di era modern. Kondisi ini ditandai oleh kelelahan emosional, depersonalisasi, dan menurunnya pencapaian pribadi yang berdampak langsung pada kesehatan mental dan performa individu. Penelitian ini bertujuan untuk menganalisis tingkat burnout pada kalangan anak muda serta membangun model deteksi otomatis menggunakan algoritma Naïve Bayes. Sebanyak 200 responden berusia 18–30 tahun dilibatkan melalui kuesioner daring berbasis skala Likert, dengan lima variabel utama yaitu Emotional Exhaustion (EE), Depersonalization (DP), Personal Accomplishment (PA), Stres Akademik/Pekerjaan (SA), dan Kualitas Tidur (QT). Proses analisis dilakukan melalui tahapan KDD yang meliputi data cleaning, transformation, data mining, dan evaluation menggunakan metode klasifikasi Naïve Bayes. Hasil penelitian menunjukkan bahwa 55% responden berada pada kategori burnout. Variabel QT Buruk, SA Tinggi, EE Tinggi, DP Tinggi, dan PA Rendah memiliki pengaruh paling signifikan terhadap terbentuknya burnout. Nilai likelihood kelas burnout sebesar 0,08305, jauh lebih tinggi dibandingkan kelas tidak burnout sebesar 0,0000733, sehingga kasus uji diklasifikasikan sebagai burnout. Temuan ini menunjukkan bahwa algoritma Naïve Bayes efektif digunakan sebagai alat deteksi dini burnout pada anak muda serta berpotensi mendukung pengembangan sistem monitoring kesehatan mental.
Penerapan Data Mining Untuk Memprediksi Tren Pasar Dalam Market Base Analysis Dengan Algoritma Fp Growth Simangungsong, Agustina; Rizki Fadila Nasution; Jelita Ananda Putri Br Manjorang; Kristin M. Pardede; Hasugian, Penda Sudarto
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 7 No 1 (2026): Maret
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v7i1.142

Abstract

Perkembangan teknologi informasi mendorong pemanfaatan data dalam jumlah besar untuk menghasilkan informasi yang bermanfaat bagi pengambilan keputusan bisnis. Salah satu teknik yang dapat digunakan adalah data mining dengan pendekatan Market Basket Analysis untuk mengetahui pola pembelian konsumen. Penelitian ini bertujuan untuk menerapkan algoritma FP-Growth dalam memprediksi tren pasar berdasarkan data transaksi penjualan. Data yang digunakan meliputi atribut Transaction ID, jenis produk, jumlah pembelian, dan harga produk. Proses pengolahan data dilakukan menggunakan software RapidMiner melalui tahapan preprocessing data, pembentukan frequent itemset, serta pembentukan association rule. Pada penelitian ini digunakan parameter minimum support sebesar 0,3 dan minimum confidence sebesar 0,8 untuk menghasilkan aturan asosiasi yang relevan. Hasil penelitian menunjukkan bahwa algoritma FP-Growth mampu mengidentifikasi hubungan keterkaitan antar produk secara efektif dan efisien. Beberapa produk memiliki tingkat asosiasi yang tinggi, dimana produk Air Mineral sering muncul sebagai produk pendamping dalam berbagai transaksi pembelian. Hal ini menunjukkan bahwa Air Mineral merupakan salah satu produk dengan tingkat permintaan tinggi di pasar. Penerapan metode ini dapat membantu pelaku usaha dalam menentukan strategi pemasaran, pengelolaan persediaan barang, serta penentuan penempatan produk. Dengan demikian, penerapan data mining menggunakan algoritma FP-Growth dapat digunakan sebagai alat bantu dalam memprediksi tren pasar dan mendukung pengambilan keputusan bisnis berbasis data.
Co-Authors Aispriyani Amallia, Dwi Novia Andika, Dhini Andriani, Santy Arikhifo, Arikhifo Bosker Sinaga Breukelen, Melisa Van Chandra Setiawan, Chandra Erwin Panggabean Eviyanti Br Barus, Eviyanti Br Barus Fitri Amalia Fitri Amalia Ginting, Feryanto Harefa, Jikarni Hutahaean, Harvei Desmon Jelita Ananda Putri Br Manjorang Jijon Raphita Sagala, Jijon Raphita Khairunnisa, Putri Kristin M. Pardede Kumar, Prasanth M, Melia Manurung, Oktaviani MARA UNTUNG RITONGA, MARA UNTUNG Marpaung, Endra Ary Prasasty N, Anisa Nantheni, W.S.Usha Nasution, Rizki Fadila Nuraisana, Nuraisana Putri Khairunnisa Rizki Fadila Nasution Romili Sitanggang, Kristiani Saragih, Diana Sari Muliani Sianipar, Baringin Sihotang, Hengki Tamando Simangungsong, Agustina Simangunsong, Agustina Simangunsong, AgustinaS Simanjorang, R. Magdalena Simanjorang, R. Mahdalena Simbolon, Liber Sinaga, Dedi Candro Parulian Sitohang, Amran SITORUS, IRMA YOLANDA Sulindawaty T, Eliska Tarigan, Devri Wira Apriani