Article Per Year (5 Year)
p-Index From 2021 - 2026
1.405
P-Index
This Author published in this journals
All Journal JISICOM (Journal of Information System, Infomatics and Computing) Journal of Information System, Applied, Management, Accounting and Research Jurnal Media Informatika Jurnal Ilmiah Sistem Informasi Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Pakpahan, Roida
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
Sistem Informasi Monitoring Penyerapan Anggaran Untuk Meningkatkan Kinerja Pegawai Lembaga Pakpahan, Roida; Fitriani, Yuni; Gunawan, Reza Rizky
Journal of Information System, Informatics and Computing Vol 8 No 2 (2024): JISICOM (July-December 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v8i2.1651

Abstract

Kinerja pegawai merupakan salah satu faktor penting dalam mencapai keberhasilan organisasi atau lembaga. Untuk meningkatkan kinerja pegawai, implementasi tehnologi informasi sangat dibutuhkan dalam proses monitoring penyerapan anggaran karena proses monitoring penyerapan anggaran menggunakan data spreadsheet pada Lembaga keuangan akan memperlambat proses kerja para pihak yang berkepentingan dalam menyusun keputusan yang strategis terkait penyerapan anggaran. Penerapan sistem informasi akan mempercepat proses kerja pegawai dengan kuantitas dan kualitas kerja yang tinggi dalam melakukan monitoring penyerapan anggaran. Monitoring dilakukan untuk memantau proses pengawasan terhadap kemajuan penyerapan anggaran dan mengelola masalah serta memastikan bahwa tujuan kegiatan terpenenuhi. Metode pengembangan perangkat lunak dalam penelitian menggunakan model Rapid Application Development. Penelitian ini bertujuan untuk menganalisasi dan memberikan solusi alternatif terkait proses sistem monitoring penyerapan anggaran untuk meningkatkan kinerja pegawai Lembaga. Hasil penelitian menunjukkan dengan adanya sistem informasi yang terintegrasi proses monitoring penyerapan anggaran akan mampu meningkatkan kinerja pegawai karena setiap divisi akan terhubung secara realtime.
Pengaruh Promo Event 6.6 Flash Sale Terhadap Perilaku Konsumtif Mahasiswa Pakpahan, Roida; Febriyanti, Shinta; Berliana, Diva; Esmeralda, Rizqi Nur
Journal of Information System, Applied, Management, Accounting and Research Vol 8 No 1 (2024): JISAMAR (December-February 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisamar.v8i1.1277

Abstract

E-Commerce is the favorite shopping place that is most used by today's people, one of which is students, online shopping is increasingly popular because the shopping process can be done anytime and anywhere. Students are e-Commerce consumers who are vulnerable to consumptive behavior. Event Sale Promos that offer big discounts and other interesting promotions can make students more impulsive in making purchases. The aim of the research is to analyze the influence of the 6.6 flash sale event promo on student consumptive behavior using the purposive sampling method. The research results show that there is a significant influence on changes in the level of student consumptive behavior during the 6.6 flash sale promo event. The ability to control oneself when shopping online is really needed, especially during the 6.6 flash sale promo event, so as not to get caught up in impulsive buying consumer behavior which can be detrimental to students' psychological well-being.
PERANCANGAN SISTEM KLAIM REIMBURSEMENT BERBASIS WEB UNTUK MENINGKATKAN SEMANGAT KERJA KARYAWAN PADA PERUSAHAAN Pakpahan, Roida; Fitriyani, Yuni; Kholik, Abdul
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1916

Abstract

Reimbursement is a replacement of funds made by the company to employees who have incurred personal costs in advance for the benefit of the company. Generally, companies apply a reimbursement system to employees in carrying out their work where employees must pay for their own operational costs and other needs and then these costs will be claimed to the company's finance or human resource development department. In practice, manual reimbursement of operational costs using the reimbursement system takes a long time and this will affect employee morale because it will directly affect the employee's financial condition. With the advancement of technology, the employee reimbursement claim system can be carried out using web-based digital technology where employees can submit claims for costs that have been used online. The purpose of this study is to analyze and provide solutions to the problems of the employee reimbursement claim system which is still done manually. The research method uses the waterfall method. The results of the study show that the web-based employee reimbursement claim system increases the efficiency of the claim process time in the company because employees can submit operational costs that have been incurred in real time. On the other hand, the online reimbursement system can increase employee morale because the replacement of funds that have been used can be processed faster.
Klasifikasi Penyakit Daun Tanaman Berbasis Citra Menggunakan Convolutional Neural Network Data Augmentation Suci, Bintang Dyas; Musfiroh, Musfiroh; Sefriani, Shintia Putriayu; Sumanto, Sumanto; Pakpahan, Roida; Budiawan, Imam
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8894

Abstract

Penelitian ini membahas penerapan Convolutional Neural Network (CNN) yang dikombinasikan dengan teknik augmentasi data untuk klasifikasi penyakit daun tanaman berbasis citra. Permasalahan utama penelitian ini adalah keterbatasan jumlah data latih yang dapat memengaruhi kinerja model klasifikasi. Tujuan penelitian adalah mengevaluasi efektivitas augmentasi data dalam meningkatkan performa model CNN pada dataset berskala terbatas. Dataset yang digunakan adalah Plant Disease Recognition Dataset yang terdiri dari 1.523 citra dengan tiga kelas, yaitu Healthy, Powdery Mildew, dan Rust. Penelitian ini menggunakan metode eksperimen dengan tahapan praproses data, augmentasi data, pelatihan model, serta evaluasi performa yang seluruhnya dilakukan menggunakan Google Colab. Teknik augmentasi yang diterapkan meliputi rotasi, zoom, dan horizontal flip. Hasil penelitian menunjukkan bahwa model CNN mampu mencapai akurasi validasi yang baik, meskipun performa klasifikasi antar kelas masih bervariasi, khususnya pada kelas Rust yang memiliki karakteristik visual kompleks, sebagaimana ditunjukkan melalui confusion matrix dan classification report. Selain itu, penelitian ini mengimplementasikan skema prediksi real-time sebagai proof-of-concept. Secara keseluruhan, hasil penelitian menunjukkan bahwa kombinasi CNN dan augmentasi data efektif untuk klasifikasi penyakit tanaman pada kondisi keterbatasan data dan sumber daya komputasi.
Analisis Klaster Tingkat Stres Generasi Z Berdasarkan Pola Tidur dan Aktivitas Media Sosial Menggunakan Metode K-Means Clustering Putra, Imam Hanif; Nurrahman, Alvin; Saputra, Sabita Abigail; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8898

Abstract

Penelitian ini bertujuan untuk mengidentifikasi pola kecenderungan stres pada Generasi Z melalui analisis klaster berbasis perilaku tidur dan penggunaan media sosial. Data yang digunakan berasal dari dataset kesehatan mental publik tahun 2025 yang terdiri dari 5.000 data responden, dengan dua variabel utama yaitu durasi tidur harian dan lama penggunaan media sosial. Pendekatan kuantitatif eksploratori diterapkan menggunakan metode unsupervised learning, tanpa melibatkan label kelas. Proses analisis dilakukan melalui tahap pembersihan data, normalisasi, dan klasterisasi menggunakan algoritma K-Means yang diimplementasikan pada aplikasi Orange Data Mining. Penentuan jumlah klaster optimal dilakukan dengan evaluasi Silhouette Score, yang menunjukkan bahwa konfigurasi enam klaster memberikan kualitas pemisahan terbaik dibandingkan variasi klaster lainnya. Hasil klasterisasi memperlihatkan perbedaan karakteristik yang jelas antar kelompok, mulai dari individu dengan durasi tidur rendah dan penggunaan media sosial tinggi hingga kelompok dengan pola tidur lebih seimbang dan aktivitas digital lebih terkendali. Temuan ini menunjukkan bahwa kombinasi pola tidur dan intensitas penggunaan media sosial dapat digunakan sebagai indikator awal dalam memetakan potensi stres pada Generasi Z, serta menjadi dasar bagi penelitian lanjutan terkait kesehatan mental berbasis perilaku digital.
Penerapan Algoritma Random Forest Untuk Prediksi Tingkat Stres Dari Aktivitas Media Sosial Umar, Muhammad Hussein; Antony Pangaribuan, Rizky Daud; Primadana, Raihan; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida
Jurnal Media Informatika Vol. 6 No. 6 (2025): Edisi Desember 2025
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i6.7765

Abstract

Penelitian ini bertujuan untuk memprediksi tingkat stres pengguna berdasarkan data numerik yang merepresentasikan perilaku dan kebiasaan sehari-hari, seperti kualitas tidur, durasi penggunaan media sosial, frekuensi olahraga, durasi layar harian, dan indeks kebahagiaan. Pemodelan dilakukan menggunakan algoritma Random Forest melalui workflow pada Orange Data Mining yang mencakup pemuatan dataset, pemilihan atribut, penyesuaian tipe data, pelatihan model, serta evaluasi performa. Pengujian menggunakan Test and Score menunjukkan bahwa Random Forest mampu memberikan performa klasifikasi yang stabil. Visualisasi Bar Plot memperlihatkan distribusi metrik evaluasi yang konsisten, sementara Confusion Matrix menunjukkan bahwa sebagian besar prediksi berada pada kelas medium. Analisis hasil prediksi juga memperkuat kecenderungan model dalam memetakan data ke kategori stres dominan. Secara keseluruhan, penelitian ini menunjukkan bahwa metode Random Forest efektif digunakan untuk deteksi tingkat stres berbasis data numerik perilaku pengguna, serta berpotensi menjadi dasar pengembangan sistem pemantauan kesehatan mental berbasis data.
Prediksi Penyakit Jantung Menggunakan Algoritma Machine Learning Berdasarkan Indikator Kesehatan Karo-Karo, Julkarnaen; Syakir, Adryan Raihan; Raihan, Raihan; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida; Christian, Ade
Jurnal Ilmiah Sistem Informasi Vol. 5 No. 1 (2026): January: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/1tgz3234

Abstract

Penyakit jantung tetap menjadi penyebab utama kematian di seluruh dunia, sehingga menekankan perlunya deteksi dini dan langkah pencegahan aktif melalui pendekatan yang didasarkan pada analisis data. Penelitian ini bertujuan untuk memprediksi kemungkinan terjadinya penyakit jantung dengan memanfaatkan berbagai metode pembelajaran mesin, yang bergantung pada indikator kesehatan seperti nilai tekanan darah, tingkat kolesterol, indeks massa tubuh, serta pengukuran denyut nadi. Penelitian ini menerapkan teknik pembelajaran terawasi, meliputi Regresi Logistik, Pohon Keputusan, Hutan Acak, dan Mesin Vektor Pendukung, untuk mengevaluasi efektivitas masing-masing model dalam menentukan kondisi kesehatan pasien. Data yang digunakan berasal dari repositori kesehatan yang dapat diakses secara gratis, mencakup 303 catatan medis pasien, di mana setiap catatan ditandai oleh 14 atribut kesehatan yang berbeda. Untuk memastikan keandalan data, beberapa langkah pra-pemrosesan diterapkan, seperti normalisasi, seleksi fitur, dan penanganan data yang hilang. Temuan eksperimen mengungkapkan bahwa algoritma Hutan Acak menunjukkan akurasi tertinggi sebesar 92,3%, mengungguli model lainnya dalam aspek presisi, recall, dan skor F1. Hal ini menandakan bahwa metode Hutan Acak unggul dalam mendeteksi pola dan faktor yang memperbesar risiko penyakit jantung. Penelitian ini berkontribusi pada pengembangan sistem diagnostik cerdas, yang dapat mendukung tenaga medis dalam pengambilan keputusan awal yang didasarkan pada bukti kuat. Kesimpulan dari studi ini menyoroti pentingnya memasukkan teknologi pembelajaran mesin ke dalam ekosistem layanan kesehatan digital guna meningkatkan ketepatan diagnosis dan memperbaiki hasil kesehatan pasien.
Implementasi Data Mining Pada Gangguan Tidur Berdasarkan Gaya HidupMenggunakan Metode K-Means Clustering Zalmi, Indah Oktavia; Faatin, Safinah; Yunardus, Yunardus; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida
Jurnal Ilmiah Sistem Informasi Vol. 5 No. 1 (2026): January: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/fvjn4865

Abstract

Gaya hidup sehat (GHS) memiliki peran penting dalam menjaga kesejahteraan fisik dan mental, khususnya pada kalangan mahasiswa dan pekerja. Namun, tren gaya hidup modern yang semakin bersifat sedentari telah secara signifikan meningkatkan risiko munculnya berbagai masalah kesehatan seperti stres, penurunan konsentrasi, obesitas, dan penyakit kronis. Penelitian ini bertujuan untuk mengidentifikasi dan mengelompokkan individu berdasarkan profil gaya hidup dan kualitas tidur mereka menggunakan metode K-Means Clustering. Variabel yang dianalisis mencakup durasi tidur, tingkat stres, aktivitas fisik, indeks massa tubuh (BMI), serta pola gangguan tidur. Analisis dilakukan dengan memanfaatkan dataset Sleep Health and Lifestyle untuk mengungkap pola tersembunyi dalam kebiasaan perilaku dan kesehatan responden. Proses pengelompokan menghasilkan tiga kelompok utama, yaitu: (1) individu dengan gaya hidup sehat optimal yang ditandai dengan tidur yang cukup, pola makan seimbang, dan aktivitas fisik teratur; (2) individu dengan risiko sedang yang memiliki kebiasaan hidup tidak teratur dan tingkat stres menengah; serta (3) individu berisiko tinggi yang dicirikan oleh kualitas tidur yang buruk, stres tinggi, dan kebiasaan hidup yang kurang sehat. Temuan ini menunjukkan bahwa algoritma K-Means efektif dalam mengklasifikasikan individu ke dalam kelompok gaya hidup yang bermakna, sehingga mampu memberikan representasi yang akurat terhadap profil kesehatan populasi. Hasil penelitian ini diharapkan dapat membantu lembaga pendidikan, organisasi kesehatan, dan tempat kerja dalam merancang program promosi kesehatan yang lebih terarah dengan menekankan pengelolaan tidur yang baik, nutrisi seimbang, serta aktivitas fisik rutin untuk meningkatkan kesejahteraan dan produktivitas secara keseluruhan.
Co-Authors Abdul Kholik Ade Christian, Ade Antony Pangaribuan, Rizky Daud Berliana, Diva Esmeralda, Rizqi Nur Faatin, Safinah Fitriyani, Yuni Gunawan, Reza Rizky Imam Budiawan Karo-Karo, Julkarnaen Musfiroh Musfiroh, Musfiroh Nurrahman, Alvin Primadana, Raihan Putra, Imam Hanif Raihan Raihan, Raihan Saputra, Sabita Abigail Sefriani, Shintia Putriayu Shinta Febriyanti, Shinta Suci, Bintang Dyas Sumanto, Sumanto Syakir, Adryan Raihan Umar, Muhammad Hussein Yunardus, Yunardus Yuni Fitriani, Yuni Zalmi, Indah Oktavia