Garuda - Garba Rujukan Digital

Analysis of Public Interest in Telkomsel Cards Using the Decision Tree Method Cantika, Putri Talia; Yanris, Gomal Juni; Hasibuan, Mila Nirmala Sari
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 2 (2023): Research Article, Volume 7 Issue 2 April, 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i2.12371

SIM card (Subscriber Identification Module) card is a physical electronic device that is the integrated circuit of the internet. Sim cards are used by the public as a place to store quotas for internet, phone calls and SMS. There are many types of SIM cards that are used by the public, such as Telkomsel cards, XL cards, Exis cards and Smartfren cards. There are some people who are interested and use Telkomsel cards, because the network is good. But there are some people who don't use Telkomsel cards, because the quota price is quite expensive. Therefore, the Penlus will make research about people's interest in Telkomsel cards. This study aims to determine the amount of public interest in the Telkomsel card. To conduct this research, the authors used 42 community data which would be classified using the decision tree method. The data used by the author was obtained by distributing a questionnaire to the public. After classifying using the decision tree method, the result is that the people who are interested in the Telkomsel card are 33 people who are interested in the Telkomsel card (for the representation results it is 78.5%) and the results obtained are that the people who are not interested in the Telkomsel card are 9 people (for its representation results of 21.4%). From the results of the study, many people are interested in Telkomsel cards, even though the internet, call and SMS quota prices are quite expensive.

Implementation of Data Mining for Data Classification of Visitor Satisfaction Levels Arfi Pratama, Hubban; Yanris, Gomal Juni; Hasibuan, Mila Nirmala Sari
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 3 (2023): Article Research Volume 7 Issue 3, July 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i3.12674

An amusement park is a location or place that can provide a special attraction to the public. This is because in amusement parks there is lots of entertainment provided. But not all amusement parks are liked by visitors, usually because the location is still not good enough. Therefore the authors make a study of the level of visitor satisfaction. This research was made so that the writer can determine whether or not the number of visitors is satisfied at the amusement park. To conduct this research, the authors used 2 methods with a classification model in data mining. The methods used are the K-Nearest Neighbor (kNN) method and the Naïve Bayes method. Study this is done using 100 visitor data. The classification results obtained from both methods give the same results. The results obtained were 77 satisfied visitor data at amusement parks and 23 dissatisfied visitors at amusement parks. The result of the two methods used is that many visitors are satisfied with the amusement park. The accuracy results obtained are also very good. This means that these two methods are very suitable to be used as a method with a classification model. The conclusion is that the amusement park has beauty and a great location that can give attraction to visitors. With this research it can be a reference that the K-Nearest Neighbor (kNN) method and the Naïve Bayes method are very suitable for carrying out a data classification.

Penerapan Natural Language Processing dalam Pembuatan Aplikasi Penerjemah Bahasa Melayu Dialek Panai – Bahasa Indonesia Dar, Muhammad Halmi; Hasibuan, Mila Nirmala Sari; Nasution, Fitri Aini
Jurnal Informatika Vol 11, No 3 (2023): INFORMATIKA
Publisher : Fakultas Sains & Teknologi, Universitas Labuhanbatu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36987/informatika.v11i3.5887

The Panai dialect of Malay is the mother tongue used by the speaking community in four sub-districts in Labuhanbatu Regency. The reduced number of native speakers who are skilled in the Panai Malay dialect can threaten the sustainability of this language. Efforts to preserve the Panai Malay dialect must be made to avoid extinction. One way that can be done is to document vocabulary in the form of a translator application. This study aims to create an application translator for the Panai-Indonesian dialect of Malay by applying natural language processing. As for the potential users of this application, they are the people of Labuhanbatu in general, especially those in the four sub-districts previously described. The stages of the research method used were: requirement analysis, design, implementation, testing, and maintenance. This research focuses on technology for improving information and communication technology content in the context of local wisdom (culture and language) in Indonesia. The focus of this research is in line with the Strategic Plan (RENSTRA) of Labuhanbatu University, which covers the fields of information and communication technology and cultural arts. From the results of this study, it is hoped that local wisdom in Labuhanbatu Regency will be maintained as social capital for the resilience of the Indonesian nation.

Penerapan Metode KNN untuk Menentukan Minat Calon Mahasiswa Riyanto, Tiara; Yanris, Gomal Juni; Hasibuan, Mila Nirmala Sari
Jurnal Informatika Vol 12, No 3: INFORMATIKA
Publisher : Fakultas Sains & Teknologi, Universitas Labuhanbatu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36987/informatika.v12i3.6153

This study focuses on the implementation of data mining to determine the interests of prospective male and female students in the Informatics Management Department using the K-Nearest Neighbors (KNN) method. The analysis process is carried out through the Knowledge Discovery in Databases (KDD) stages, which include data selection, pre-processing, transformation, data mining, and pattern evaluation. The KDD stage ensures that the data used has been prepared and processed properly to produce an accurate and relevant model. The KNN method is used to classify sample data consisting of 82 prospective male and female students. The results of this study indicate that 63 out of 82 prospective students are interested in the Informatics Management Department, while 19 other prospective students are not interested. This classification process shows that the KNN method is able to identify the interests of prospective students with a high level of accuracy, providing useful information for universities in understanding the preferences of their prospective students. Evaluation of the research results using two evaluation tools, namely Test and Score and Confusion Matrix, showed perfect results with an accuracy of 100%. Both of these evaluation tools are consistent in assessing the performance of the KNN model, confirming that this model works very well in classifying prospective student interests. In conclusion, the KNN method is proven to be effective and reliable in determining prospective students' interest in the Informatics Management Department, providing a strong foundation for similar applications in the future.

Implementasi Deep Learning Untuk Menentukan Harga Buah Sawit Manurung, Romtika; Sihombing, Volvo; Hasibuan, Mila Nirmala Sari
Jurnal Informatika Vol 12, No 3: INFORMATIKA
Publisher : Fakultas Sains & Teknologi, Universitas Labuhanbatu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36987/informatika.v12i3.6029

This study aims to analyze the price of palm oil using Convolutional Neural Network (CNN) method in deep learning. CNN was chosen for its ability to process complex data and recognize patterns from diverse data. The stages of research include data analysis, data pre-processing, predictive model design for CNN method, CNN classification model prediction results, CNN method evaluation, and CNN method evaluation results. This study aims to produce a model that can predict the price of oil palm with high accuracy, based on data covering a variety of characteristics of farmers and the quality of oil palm crops. Prediction results were conducted using data from 50 oil palm farmers. From the prediction, as many as 23 data farmers get a price of IDR 2,300, 13 other farmers get a price of IDR 2,000, and the remaining 14 data farmers get a price of IDR 1,800. The results of this prediction are based on data from farmers and the quality of oil palm crops they grow and produce. By utilizing the CNN method, the model can capture various factors that affect the price of palm oil, including the quality of palm fruit and agricultural conditions. Evaluation of the CNN method showed very good results, with almost perfect accuracy. This method managed to predict palm oil prices very precisely, showing that CNN can be an effective tool in the analysis of palm oil prices. The results of this evaluation confirmed that the CNN method can be relied upon to provide accurate predictions, helping farmers and palm oil industry players in determining prices that are in accordance with the quality and condition of the crop.

Mengoptimalkan Keamanan Jaringan Memanfaatkan Kecerdasan Buatan Untuk Meningkatkan Deteksi Dan Respon Ancaman Sinaga, Novica Handayani; Irmayani, Deci; Hasibuan, Mila Nirmala Sari
Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI) Vol. 7 No. 2 (2024): Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI)
Publisher : Utility Project Solution

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

Keamanan jaringan merupakan aspek krusial dalam era digital saat ini, di mana ancaman terhadap sistem informasi semakin kompleks dan beragam. Penelitian ini bertujuan untuk mengoptimalkan keamanan jaringan dengan memanfaatkan kecerdasan buatan (AI) guna meningkatkan deteksi dan respons terhadap ancaman. Metode yang digunakan meliputi analisis data besar-besaran untuk mengidentifikasi pola perilaku yang mencurigakan dan penerapan algoritma AI untuk mendeteksi ancaman secara real-time. Penelitian ini mengintegrasikan teknik-teknik AI seperti machine learning dan neural networks untuk mengembangkan sistem yang mampu belajar dari pola serangan yang baru dan tidak diketahui sebelumnya. Hasil dari penelitian ini menunjukkan bahwa integrasi kecerdasan buatan dalam sistem keamanan jaringan dapat signifikan meningkatkan efisiensi dan efektivitas dalam menghadapi ancaman cyber. AI memungkinkan sistem untuk secara proaktif mengidentifikasi dan merespons ancaman dengan lebih cepat daripada pendekatan konvensional yang mengandalkan aturan-aturan statis. Dengan memanfaatkan kemampuan AI dalam menganalisis data secara mendalam dan mendeteksi anomali, organisasi dapat mengurangi risiko keamanan secara substansial. Implikasi dari temuan ini adalah pentingnya adopsi teknologi AI dalam strategi keamanan IT untuk mengantisipasi dan merespons secara cepat terhadap ancaman yang terus berkembang. Studi ini memberikan kontribusi penting dalam mengarahkan pengembangan teknologi keamanan jaringan menuju perlindungan yang lebih proaktif dan adaptif di masa depan. Secara keseluruhan, penelitian ini menegaskan bahwa kecerdasan buatan bukan hanya menjadi pilihan, tetapi kebutuhan mendesak dalam menghadapi tantangan keamanan yang semakin kompleks di era digital saat ini. Dengan terus mengembangkan dan mengintegrasikan teknologi AI dalam sistem keamanan jaringan, organisasi dapat meningkatkan tingkat keamanan mereka secara keseluruhan, menjaga integritas data, dan menjaga kelancaran operasi mereka dalam lingkungan yang semakin terhubung dan rentan terhadap serangan cyber

Mengoptimalkan Keamanan Jaringan: Memanfaatkan Kecerdasan Buatan Untuk Meningkatkan Deteksi Dan Respon Ancaman Sinaga, Novica Handayani; Irmayani, Deci; Hasibuan, Mila Nirmala Sari
Jurnal Media Informatika Vol. 5 No. 2 (2024): Jurnal Media Informatika
Publisher : Jurnal Media Informatika

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

Keamanan jaringan merupakan aspek krusial dalam era digital saat ini, di mana ancaman terhadap sistem informasi semakin kompleks dan beragam. Penelitian ini bertujuan untuk mengoptimalkan keamanan jaringan dengan memanfaatkan kecerdasan buatan (AI) guna meningkatkan deteksi dan respons terhadap ancaman. Metode yang digunakan meliputi analisis data besar-besaran untuk mengidentifikasi pola perilaku yang mencurigakan dan penerapan algoritma AI untuk mendeteksi ancaman secara real-time. Penelitian ini mengintegrasikan teknik-teknik AI seperti machine learning dan neural networks untuk mengembangkan sistem yang mampu belajar dari pola serangan yang baru dan tidak diketahui sebelumnya. Hasil dari penelitian ini menunjukkan bahwa integrasi kecerdasan buatan dalam sistem keamanan jaringan dapat signifikan meningkatkan efisiensi dan efektivitas dalam menghadapi ancaman cyber. AI memungkinkan sistem untuk secara proaktif mengidentifikasi dan merespons ancaman dengan lebih cepat daripada pendekatan konvensional yang mengandalkan aturan-aturan statis. Dengan memanfaatkan kemampuan AI dalam menganalisis data secara mendalam dan mendeteksi anomali, organisasi dapat mengurangi risiko keamanan secara substansial. Implikasi dari temuan ini adalah pentingnya adopsi teknologi AI dalam strategi keamanan IT untuk mengantisipasi dan merespons secara cepat terhadap ancaman yang terus berkembang. Studi ini memberikan kontribusi penting dalam mengarahkan pengembangan teknologi keamanan jaringan menuju perlindungan yang lebih proaktif dan adaptif di masa depan. Secara keseluruhan, penelitian ini menegaskan bahwa kecerdasan buatan bukan hanya menjadi pilihan, tetapi kebutuhan mendesak dalam menghadapi tantangan keamanan yang semakin kompleks di era digital saat ini. Dengan terus mengembangkan dan mengintegrasikan teknologi AI dalam sistem keamanan jaringan, organisasi dapat meningkatkan tingkat keamanan mereka secara keseluruhan, menjaga integritas data, dan menjaga kelancaran operasi mereka dalam lingkungan yang semakin terhubung dan rentan terhadap serangan cyber.

PEMANFAATAN TANAMAN HERBAL DALAM BENTUK SARANG SEDUH SEHAT DI SMA NEGERI 2 RANTAU SELATAN Sadina, Icha Dzulfahani; Ahra, Ahra; Rahayu, Puji; Hasibuan, Mila Nirmala Sari
JURNAL PKM IKA BINA EN PABOLO Vol 5, No 2: PENGABDIAN KEPADA MASYARAKAT | JULI 2025
Publisher : IKA BINA EN PABOLO : PENGABDIAN KEPADA MASYARAKAT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36987/ikabinaenpabolo.v5i2.7310

Ketergantungan terhadap obat-obatan yang berlebihan dapat memberikan dampak negatif bagi kesehatan, seperti kasus gagal ginjal akut akibat kandungan berbahaya dalam obat baik tablet maupun sirup. Untuk mengatasi hal ini, program pengabdian masyarakat dilakukan oleh mahasiswa PPL dari PPG Calon Guru Universitas Labuhan Batu (ULB) Gelombang 2 Tahun 2024 di SMA Negeri 2 Rantau Selatan melalui pemanfaatan tanaman apotek hidup menjadi minuman herbal. Program ini bertujuan untuk meningkatkan kesadaran akan pentingnya tanaman obat tradisional sebagai alternatif yang aman dan alami. Kegiatan dilaksanakan melalui penyuluhan, praktik penanaman tanaman obat seperti jahe, kunyit, dan sereh, serta pembuatan produk minuman herbal berbentuk teh seduh. Hasil kegiatan menunjukkan bahwa siswa mampu memahami manfaat tanaman obat, terlibat aktif dalam proses penanaman dan pengolahan, serta menghasilkan produk herbal yang bermanfaat untuk meningkatkan daya tahan tubuh. Program ini berhasil mendorong gaya hidup sehat di lingkungan sekolah dan mengurangi ketergantungan terhadap obat kimia.Kata kunci: Apotek hidup, tanaman obat, minuman herbal, kesehatan, sekolah Excessive dependence on drugs can have negative impacts on health, such as cases of acute kidney failure due to dangerous ingredients in drugs, both tablets and syrups. To overcome this, a community service program was carried out by students of PPG Prajabatan Universitas Labuhan Batu (ULB) through the utilization of living pharmacy plants into herbal drinks. This program aims to increase awareness of the importance of traditional medicinal plants as a safe and natural alternative. Activities are carried out through counseling, practicing planting medicinal plants such as ginger, turmeric, and lemongrass, and making herbal drink products in the form of brewed tea. The results of the activities showed that students were able to understand the benefits of medicinal plants, were actively involved in the planting and processing process, and produced herbal products that were useful for increasing endurance. This program succeeded in encouraging a healthy lifestyle in the school environment and reducing dependence on chemical drugs. Keywords: Living pharmacy, medicinal plants, herbal drinks, health, school

Model Data Mining untuk Perancangan Aplikasi Diagnostik Inflammatory Liver Disease Siahaan, Rahma Aulia; Nasution, Marnis; Hasibuan, Mila Nirmala Sari
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 1 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/jtiust.v6i1.1277

Hati merupakan organ vital bagi manusia. Penyakit hati adalah gangguan pada setiap fungsi hati.Diagnosis dini penyakit hati sangat penting agar dapat diobati dan diobati dengan cepat. Di bidang medis, mendiagnosis penyakit radang hati menjadi hal yang agak sulit dilakukan. Namun, ada catatan medis yang menyimpan gejala pasien. Hal ini tentunya sangat menguntungkan bagi tenaga medis atau dokter. Mereka dapat menggunakan catatan medis sebelumnya sebagai bahan untuk membuat keputusan tentang diagnosis penyakit pasien. Teknik analisis manual konvensional yang selama ini digunakan sudah tidak efektif lagi untuk diagnosis. Seiring dengan perkembangan sistem berbasis pengetahuan medis, tuntutan penggunaan sistem pengetahuan berbasis komputer sebagai teknik analisis dalam mendiagnosis penyakit menjadi semakin penting. Dalam studi ini, peneliti akan menerapkan dan membandingkan beberapa metode klasifikasi data mining, antara lain algoritma C4.5, NaÃ¯ve Bayes, dan k-Nearest Neighbor untuk mendiagnosis penyakit radang hati, kemudian membandingkan mana dari ketiga metode tersebut yang paling akurat. Berdasarkan hasil pengukuran performansi ketiga model menggunakan metode Cross Validation, Confusion Matrix dan ROC Curve, diketahui bahwa metode C4.5 merupakan metode terbaik dengan akurasi 70,99% dan under the curva (AUC). ) nilai 0,950, kemudian metode k-Nearest Neighbor dengan akurasi 67,19% dan nilai under the curve (AUC) 0,873, kemudian metode nave Bayes dengan tingkat akurasi 66,14% dan nilai under the curve (AUC) sebesar 0,742. kemudian bandingkan mana dari ketiga metode tersebut yang paling akurat. Berdasarkan hasil pengukuran performansi ketiga model menggunakan metode Cross Validation, Confusion Matrix dan ROC Curve, diketahui bahwa metode C4.5 merupakan metode terbaik dengan akurasi 70,99% dan under the curva (AUC). ) nilai 0,950, kemudian metode k-Nearest Neighbor dengan akurasi 67,19% dan nilai under the curve (AUC) 0,873, kemudian metode nave Bayes dengan tingkat akurasi 66,14% dan nilai under the curve (AUC) sebesar 0,742. kemudian bandingkan mana dari ketiga metode tersebut yang paling akurat. Berdasarkan hasil pengukuran performansi ketiga model menggunakan metode Cross Validation, Confusion Matrix dan ROC Curve, diketahui bahwa metode C4.5 merupakan metode terbaik dengan akurasi 70,99% dan under the curva (AUC). ) nilai 0,950, kemudian metode k-Nearest Neighbor dengan akurasi 67,19% dan nilai under the curve (AUC) 0,873, kemudian metode nave Bayes dengan tingkat akurasi 66,14% dan nilai under the curve (AUC) sebesar 0,742.

Aturan Asosiasi untuk Analisis Data Penjualan Produk Menggunakan Algoritma Apriori Ichlas, Al; Munthe, Ibnu Rasyid; Hasibuan, Mila Nirmala Sari
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 1 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/jtiust.v6i1.1280

Untuk meningkatkan transaksi penjualan, perusahaan harus mampu bersaing dengan pesaing lainnya sehingga diperlukan strategi yang tepat dalam menjalankan proses penjualan yang dilakukan. Selain strategi pemasaran, perusahaan harus mampu menganalisis produk yang dijual berdasarkan jumlah penjualan yang telah terjadi sehingga perusahaan dapat melihat produk mana yang lebih dominan diminati konsumen sehingga perusahaan dapat menentukan penjualan yang lebih efektif. strategi. PT. Surya Indah City adalah perusahaan yang bergerak di bidang penjualan berbagai macam pakaian dan aksesoris. Dalam upaya meningkatkan penjualan produknya, diperlukan suatu analisis untuk dapat meningkatkan pendapatan perusahaan dengan memanfaatkan data transaksi penjualan yang dimilikinya. Untuk menganalisis hubungan antara produk pakaian dan aksesoris yang lebih dominan dijual dengan produk pakaian dan aksesoris lainnya yang tersedia, digunakan algoritma data mining yaitu algoritma apriori. Dengan bantuan aplikasi tanagra untuk melakukan proses perhitungan, produk dominan yang diminati konsumen dapat ditentukan. Dengan menggunakan dua variabel yang memenuhi support dan minimum confidence maka dapat disimpulkan bahwa produk yang paling banyak terjual adalah dari jenis pakaian yaitu baju dan celana. Disimpulkan bahwa hasil aturan asosiasi akhir diketahui, jika Anda membeli kemeja, Anda akan membeli celana dengan dukungan 50% dan kepercayaan 75%. Jika Anda membeli celana, Anda akan membeli pakaian dengan dukungan 50% dan kepercayaan 85%. Dengan bantuan aplikasi tanagra untuk melakukan proses perhitungan, produk dominan yang diminati konsumen dapat ditentukan. Dengan menggunakan dua variabel yang memenuhi support dan minimum confidence maka dapat disimpulkan bahwa produk yang paling banyak terjual adalah dari jenis pakaian yaitu baju dan celana. Disimpulkan bahwa hasil aturan asosiasi akhir diketahui, jika Anda membeli kemeja, Anda akan membeli celana dengan dukungan 50% dan kepercayaan 75%. Jika Anda membeli celana, Anda akan membeli pakaian dengan dukungan 50% dan kepercayaan 85%. Dengan bantuan aplikasi tanagra untuk melakukan proses perhitungan, produk dominan yang diminati konsumen dapat ditentukan. Dengan menggunakan dua variabel yang memenuhi support dan minimum confidence maka dapat disimpulkan bahwa produk yang paling banyak terjual adalah dari jenis pakaian yaitu baju dan celana. Disimpulkan bahwa hasil aturan asosiasi akhir diketahui, jika Anda membeli kemeja, Anda akan membeli celana dengan dukungan 50% dan kepercayaan 75%. Jika Anda membeli celana, Anda akan membeli pakaian dengan dukungan 50% dan kepercayaan 85%. Disimpulkan bahwa hasil aturan asosiasi akhir diketahui, jika Anda membeli kemeja, Anda akan membeli celana dengan dukungan 50% dan kepercayaan 75%. Jika Anda membeli celana, Anda akan membeli pakaian dengan dukungan 50% dan kepercayaan 85%. Disimpulkan bahwa hasil aturan asosiasi akhir diketahui, jika Anda membeli kemeja, Anda akan membeli celana dengan dukungan 50% dan kepercayaan 75%. Jika Anda membeli celana, Anda akan membeli pakaian dengan dukungan 50% dan kepercayaan 85%.

Title

Found 23 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 23 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 23 Documents
Search