Article Per Year (5 Year)
p-Index From 2021 - 2026
5.684
P-Index
This Author published in this journals
All Journal Riau Journal of Computer Science JURNAL INSTEK (Informatika Sains dan Teknologi) JURTEKSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Building of Informatics, Technology and Science Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) Jurnal Computer Science and Information Technology (CoSciTech) Jutsi: Jurnal Teknologi dan Sistem Informasi J-Com (Journal of Computer) Jurnal Ipteks Terapan : research of applied science and education Jurnal Komtekinfo Jurnal Bangun Abdimas Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Journal Of Indonesian Social Society Jurnal Pengabdian Harapan Bangsa Jurnal Teknologi Ilmu Komputer Jurnal Ilmiah Multidisiplin Nusantara The Indonesian Journal of Computer Science
Rolly Yesputra
Sekolah Tinggi Manajemen Informatika Dan Komputer Royal
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : JOURNAL OF SCIENCE AND SOCIAL RESEARCH

 1 
PEMILIHAN KAIN BERKUALITAS DENGAN METODE SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE PADA SISTEM PENDUKUNG KEPUTUSAN Nasrun Marpaung; Andri Nata; Rolly Yesputra
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 5, No 1 (2022): February 2022
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v5i1.815

Abstract

Kain merupakan bahan dasar dalam pembuatan pakaian. Dalam pembuatan pakaian terutama baju dengan kualitas yang baik tentunya membutuhkan bahan dasar yang baik pula. Sehingga pakaian yang dipakai memberikan kenyamanan bagi pemakainya. Rizky  Tailor merupakan salah satu usaha yang bergerak dibidang konveksi yang memproduksi pakaian berupa jas, kaos, baju olahraga, jaket kampus dan lainnya. Permasalahan yang terjadi pada Rizky Tailor adalah sulitnya menentukan kualitas bahan dasar yang akan diolah menjadi pakaian sesuai dengan permintaan konsumen. Dalam menentukan kualitas yang baik tidak cukup atas dasar rekomendasi pemilik konveksi, terkadang terdapat ketidakpercayaan konsumen, sehingga memilih bahan sesuai dengan yang mereka mau tetapi tanpa pengetahuan kualitas kain. Hal ini tentunya berdampak pada masa pemakaian yang menyebabkan ketidakpuasan konsumen kedepannya. Dalam penelitian ini untuk menentukan kualitas kain diguanakan metode SMART pada sistem pendukung keputusan yang menghasilkan keputusan menjadi pilihan alternatif bagi konsumen. Dengan adanya sistem ini dapat membantu konsumen dalam memilih jenis kain dengan cepat dan baik tanpa adanya keraguan. 
PENGEMBANGAN DAN IMPLEMENTASI SISTEM KEAMANAN BERBASIS IOT UNTUK PEMANTAUAN MURID TAMAN KANAK - KANAK PERSPEKTIF ONTOLOGI, EPISTEMOLOGI, DAN HEURISTIK Yesputra, Rolly
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 1 (2025): February 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i1.2482

Abstract

Abstract: The advancement of the Internet of Things (IoT) and Radio Frequency Identification (RFID) technologies offers significant opportunities to enhance security in educational environments, particularly at the kindergarten level. This research aims to develop and implement an IoT-based security system that leverages RFID technology to monitor students in real time. The system is designed to provide quick and accurate information to parents and schools regarding the movement and location of students, especially in emergencies or security threats. This study adopts three philosophical perspectives: ontology, epistemology, and heuristics. The ontological perspective examines the existence of students as digital entities represented by RFID data connected to the IoT network. The epistemological perspective focuses on the reliability and validity of the data in accurately and consistently determining students’ locations, including an analysis of technical limitations such as signal interference and RFID reading errors. The heuristic perspective evaluates the decision-making process during system development, including feedback-based iterations from end users to improve system efficiency and effectiveness. The research findings indicate that the developed system is capable of providing real-time student monitoring with a high degree of accuracy, as well as enhancing parents’ and schools’ confidence in student safety. This philosophical approach provides in-depth insights into the role of technology in education and child safety, as well as how technology can be effectively integrated into modern educational environments. Keywords: IoT, Student Security System, Ontology, Epistemology, Heuristics Abstrak: Perkembangan teknologi Internet of Things (IoT) dan Radio Frequency Identification (RFID) membuka peluang signifikan dalam meningkatkan keamanan di lingkungan pendidikan, khususnya pada tingkat taman kanak-kanak. Penelitian ini bertujuan untuk mengembangkan dan menerapkan sistem keamanan berbasis IoT yang memanfaatkan teknologi RFID guna memantau siswa secara real-time. Sistem ini dirancang untuk memberikan informasi yang cepat dan akurat kepada orang tua dan pihak sekolah terkait pergerakan dan lokasi siswa, terutama dalam situasi darurat atau ancaman keamanan. Pendekatan penelitian ini mencakup tiga perspektif filosofis: ontologi, epistemologi, dan heuristik. Perspektif ontologis mengkaji keberadaan siswa sebagai entitas digital yang diwakili oleh data RFID yang terhubung ke jaringan IoT. Perspektif epistemologis berfokus pada keandalan dan validitas data dalam menentukan lokasi siswa secara akurat dan konsisten, termasuk analisis keterbatasan teknis seperti gangguan sinyal dan kesalahan pembacaan RFID. Perspektif heuristik mengevaluasi proses pengambilan keputusan selama pengembangan sistem, termasuk iterasi berbasis umpan balik dari pengguna akhir untuk meningkatkan efisiensi dan efektivitas sistem. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu memberikan pemantauan siswa secara real-time dengan tingkat akurasi tinggi, serta meningkatkan kepercayaan orang tua dan pihak sekolah terhadap keselamatan siswa. Pendekatan filosofis ini memberikan wawasan mendalam tentang peran teknologi dalam pendidikan dan keamanan anak, serta bagaimana teknologi dapat diintegrasikan secara efektif dalam lingkungan pendidikan modern..Kata kunci: IoT, Sistem Keamanan Siswa, Ontologi, Epistemologi, Heuristika.
STACKING ENSEMBLE MODEL MACHINE LEARNING DETEKSI DINI RISIKO KESEHATAN MENTAL DI LINGKUNGAN PENDIDIKAN Putri, Lia Umbari; Yesputra, Rolly; Prayogi, Satria Yudha; Marpaung, Nasrun
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4147

Abstract

Abstract: Mental health issues such as depression are prevalent among students and significantly impact both academic performance and psychological well-being. While machine learning techniques have been widely employed to predict mental health conditions, single-model approaches often suffer from limited generalizability and interpretability. This study proposes a Stacked Ensemble Learning framework that integrates three heterogeneous base classifiersLogistic Regression (LR), Support Vector Machine (SVM) with RBF kernel, and Random Forest (RF)combined with a meta-learner to enhance the accuracy and robustness of depression prediction among students. Experiments were conducted on a large-scale student mental health dataset comprising 27,901 records, with preprocessing steps including feature standardization, class balancing using SMOTE, and stratified cross-validation. Performance evaluation utilized Confusion Matrix, F1-Score, Recall, Precision, and the Area Under the ROC Curve (AUC-ROC). The proposed ensemble model achieved a classification accuracy of 84%, an AUC of 0.911, and an average precision of 0.89, consistently outperforming individual baseline classifiers. These results validate that combining margin-based, non-linear, and tree-based models can yield more reliable and interpretable predictions. The proposed architecture presents a promising and explainable tool for early detection of mental health issues within educational settings.Keywords: depression detection; student mental health; ensemble learning;machine learning.Abstrak: Permasalahan kesehatan mental seperti depresi kerap dialami oleh siswa dan berdampak pada performa akademik serta kesejahteraan psikologis mereka. Meskipun pendekatan pembelajaran mesin telah banyak digunakan untuk prediksi kondisi ini, model tunggal kerap menghadapi keterbatasan dalam hal generalisasi dan interpretabilitas. Studi ini mengusulkan kerangka kerja Stacking Ensemble Learning yang mengintegrasikan tiga model dasarLogistic Regression (LR), Support Vector Machine (SVM) dengan kernel RBF, dan Random Forest (RF)yang dikombinasikan dengan meta-learner untuk meningkatkan akurasi dan stabilitas prediksi depresi pada siswa. Eksperimen dilakukan pada dataset berskala besar yang mencakup 27.901 entri, dengan penerapan preprocessing, standardisasi, penyeimbangan kelas menggunakan SMOTE, dan validasi silang stratifikasi. Evaluasi performa menggunakan metrik Confusion Matrix, F1-Score, Recall, Precision, serta AUC-ROC Curve. Hasil menunjukkan bahwa model ansambel yang diusulkan mencapai akurasi 84%, AUC 0,911, dan rata-rata precision 0,905, yang secara konsisten melampaui performa model individual. Temuan ini menegaskan bahwa kombinasi antara model berbasis margin, non-linear, dan pohon keputusan mampu menghasilkan prediksi yang lebih andal dan dapat dijelaskan, sehingga potensial untuk diimplementasikan dalam sistem pemantauan kesehatan mental berbasis institusi pendidikan.Kata kunci: deteksi depresi, kesehatan mental siswa, stacking ensemble, machine learning.
Co-Authors Abda Abda Adela Fitri Afdhal Syafinur Afdhal Syafnur afrisawati, Afrisawati Ahmad Ariandi Andri Nata Andy Sapta Ariandi, Ahmad Arridha Zikra Syah Awanda Sari, Windi Chan, Zulfira Elisa Dalimunthe, Roni Dewi Maharani Edi Kurniawan Endra Saputra Fifi Safitri Fitri, Adela Gultom, Karyawaty Guntur Maha Putra Hanafi Asnan Ibnu Mardhotillah Indah Purnama Sari Jeperson Hutahaean Jhonson Efendi Hutagalung Karyawaty Gultom Laina Tussifah Lia Umbari Putri Lia, Lia Umbari Putri M Rizky Pratama Marpaung, Nasrun Masri Wahyuni Muhammad Amin Nasrun Marpaung Nasution, Akmal Novita Pasha Nur Adha Rini Nuriadi Manurung Putri, Lia Umbari Rika Nofitri Risnawati Risnawati Risnawati Risnawati Rohminatin Rohminatin Rohminatin, Rohminatin Roni Dalimunthe Sahren Santoso Santoso Sapta, Andy Satria Yudha Prayogi Siagian, Yessica Sitorus Pane, Siti Fatimah Sri Ayu Rizky Sri Maharani Sudarmin Sudarmin Sudarmin Sudarmin Sutan Hirmansyah Siregar Suwati Suwati Syartika Anggraini Titin, Tri Wanti USWATUN HASANAH Uswatun Hasanah William Ramdhan Zikra Syah , Arridha Zulfira Elisa Chan