Article Per Year (5 Year)
p-Index From 2021 - 2026
2.036
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Techno Nusa Mandiri : Journal of Computing and Information Technology SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Minfo Polgan (JMP) JIKTEKS : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Mahkota Informatika
Nababan, Junerdi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : JOURNAL OF SCIENCE AND SOCIAL RESEARCH

 1 
PERBANDINGAN PREDIKSI POLUSI UDARA MENGGUNAKAN LSTM DAN BILSTM Pratama, Andre; Sembiring, Asha; Nababan, Junerdi; Zarkasyi, Muhammad Imam; Rahayu, Novriza
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.v8i3.3596

Abstract

Abstract: Air pollution has become a serious problem in densely populated urban areas such as DKI Jakarta. To mitigate its negative impacts, an accurate air pollution prediction system is necessary. This study compares the performance of two deep learning models, Long Short-Term Memory (LSTM) and Bidirectional Long Short-Term Memory (BiLSTM), in predicting PM10 concentration using air quality data from DKI Jakarta between 2016 and 2019. The research process includes data collection and preprocessing, model training, and model evaluation. Both models were tested with various parameters such as the number of hidden neurons, dropout rate, epochs, and batch size. The results consistently show that BiLSTM outperforms LSTM, achieving lower Root Mean Square Error (RMSE) values across 54 testing scenarios. The best BiLSTM configuration, with 64 hidden neurons, 0.2 dropout rate, 50 epochs, and batch size 16, yielded an RMSE of 9.311401. Meanwhile, the best LSTM configuration, with 128 hidden neurons, 0.1 dropout rate, 100 epochs, and batch size 16, produced an RMSE of 9.330554. The advantage of BiLSTM lies in its ability to process data bidirectionally, making it more effective in capturing temporal patterns for air pollution prediction compared to LSTM. Keywords: air pollution prediction, pollutant, deep learning, LSTM, BiLSTM Abstrak: Pencemaran udara menjadi masalah serius di wilayah perkotaan padat seperti DKI Jakarta. Untuk mengurangi dampak negatifnya, diperlukan sistem prediksi polusi udara yang akurat. Penelitian ini membandingkan performa dua model deep learning, Long Short-Term Memory (LSTM) dan Bidirectional Long Short-Term Memory (BiLSTM), dalam memprediksi konsentrasi PM10 menggunakan data kualitas udara DKI Jakarta tahun 2016-2019. Proses penelitian mencakup pengumpulan dan praproses data, pelatihan model, serta evaluasi model. Kedua model diuji dengan berbagai parameter seperti jumlah hidden neuron, dropout rate, epoch, dan batch size. Hasil menunjukkan BiLSTM lebih unggul secara konsisten dengan nilai Root Mean Square Error (RMSE) lebih rendah melalui 54 skenario pengujian. Konfigurasi terbaik BiLSTM menggunakan 64 hidden neuron, dropout rate 0.2, 50 epoch, dan batch size 16 menghasilkan RMSE 9.311401. Sedangkan konfigurasi LSTM terbaik pada 128 hidden neuron, dropout rate 0.1, 100 epoch, dan batch size 16 menghasilkan RMSE 9.330554. Keunggulan BiLSTM terletak pada kemampuannya memproses data dua arah, sehingga lebih efektif dalam menangkap pola temporal untuk prediksi polusi udara dibandingkan LSTM.  Kata kunci: prediksi polusi udara, polutan, deep learning, LSTM, BiLSTM
PEMANFAATAN AI DALAM PEMBELAJARAN KEWIRAUSAHAAN DIGITAL UNTUK MENINGKATKAN INOVASI MAHASISWA UNIVERSITAS MAHKOTA TRICOM UNGGUL Theodora, Eka Martyna; Nababan, Junerdi; Kusnadi, Kusnadi; Gani, Petrus; Mipo, Mipo
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.v8i3.4009

Abstract

Abstract: This study aims to analyze the effect of the use of artificial intelligence (AI) in digital entrepreneurship learning on increasing student innovation. The background of this study is based on the rapid development of AI technology and its application in higher education, particularly in supporting student creativity and business idea development. This study uses a quantitative approach with the independent variable of AI Utilization and the dependent variable of Student Innovation. The research sample consisted of 60 students of Mahkota Tricom Unggul University selected through a purposive sampling technique. Data collection was conducted through a questionnaire and analyzed using SPSS version 25 with validity and reliability tests, as well as simple linear regression. The results showed that the research instrument was valid and reliable (Cronbach's Alpha X = 0.907; Y = 0.906). The regression results showed that the use of AI had a significant effect on student innovation with an R² value of 0.158 and a significance of p = 0.002. In conclusion, the use of AI has a positive contribution in encouraging student innovation, although some aspects still require a deeper practical approach. These findings can be the basis for the development of an adaptive and innovative technology-based entrepreneurship curriculum. Keywords: AI; entrepreneurship; digital; innovation; learning Abstrak: Penelitian ini bertujuan untuk menganalisis pengaruh pemanfaatan artificial intelligence (AI) dalam pembelajaran kewirausahaan digital terhadap peningkatan inovasi mahasiswa. Latar belakang penelitian ini didasarkan pada perkembangan pesat teknologi AI dan penerapannya dalam pendidikan tinggi, khususnya dalam mendukung kreativitas dan pengembangan ide bisnis mahasiswa. Penelitian ini menggunakan pendekatan kuantitatif dengan variabel independen Pemanfaatan AI dan variabel dependen Inovasi Mahasiswa. Sampel penelitian terdiri dari 60 mahasiswa Universitas Mahkota Tricom Unggul yang dipilih melalui teknik purposive sampling. Pengumpulan data dilakukan melalui kuesioner dan dianalisis menggunakan SPSS versi 25 dengan uji validitas, reliabilitas, serta regresi linear sederhana. Hasil penelitian menunjukkan bahwa instrumen penelitian valid dan reliabel (Cronbach's Alpha X=0.907; Y=0.906). Hasil regresi menunjukkan bahwa pemanfaatan AI berpengaruh signifikan terhadap inovasi mahasiswa dengan nilai R² sebesar 0.158 dan signifikansi p=0.002. Kesimpulannya, pemanfaatan AI memberikan kontribusi positif dalam mendorong inovasi mahasiswa, meskipun sebagian aspek masih memerlukan pendekatan praktis yang lebih dalam. Temuan ini dapat menjadi landasan bagi pengembangan kurikulum kewirausahaan berbasis teknologi yang adaptif dan inovatif. Kata kunci: AI; kewirausahaan; digital; inovasi; pembelajaran
SINERGI BUDAYA DAN TEKNOLOGI DALAM DESAIN WEBSITE KATALOG BATIK BERBASIS E-COMMERCE Sembiring, Asha; Sembiring, Alfan Ramadhan; Nababan, Junerdi; Kusnadi, Kusnadi; Putri, Putri
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 9, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5754

Abstract

Abstract: Batik is a valuable cultural heritage of Indonesia, combining artistic and historical significance. In the digital era, integrating Batik into an online catalog website can enhance cultural promotion and product sales. This study focuses on designing a Batik catalog website that merges traditional cultural values with modern digital technology to create an engaging, user-friendly experience. Using a comparative qualitative approach, several existing Batik catalog websites were analyzed to identify design strengths, weaknesses, and opportunities. Thematic and SWOT analysis were applied to examine visual design, navigation, and interactive features. Findings suggest that an optimal Batik catalog website should balance Batik’s visual aesthetics with functional e-commerce features, provide interactive elements, and ensure responsive purchasing processes. This approach improves user experience while promoting Batik as a cultural product. Keywords: Batik; website catalog; digital design; user experience; cultural heritage Abstrak: Batik merupakan warisan budaya Indonesia yang memiliki nilai seni dan sejarah yang tinggi. Di era digital, integrasi Batik ke dalam website katalog online dapat meningkatkan promosi budaya sekaligus penjualan produk. Penelitian ini bertujuan untuk merancang website katalog Batik yang menggabungkan nilai budaya tradisional dengan teknologi digital modern guna menciptakan pengalaman pengguna yang menarik dan mudah digunakan. Dengan menggunakan pendekatan kualitatif komparatif, beberapa website katalog Batik yang ada dianalisis untuk mengidentifikasi kekuatan, kelemahan, dan peluang desain. Analisis tematik dan SWOT digunakan untuk menilai desain visual, navigasi, serta fitur interaktif. Hasil penelitian menunjukkan bahwa website katalog Batik yang optimal harus mampu menyeimbangkan estetika visual Batik dengan fitur e-commerce yang fungsional, menyediakan elemen interaktif, serta memastikan proses pembelian yang responsif. Pendekatan ini meningkatkan pengalaman pengguna sekaligus mempromosikan Batik sebagai produk budaya. Kata kunci: Batik; katalog website; desain digital; pengalaman pengguna; warisan budaya
ANALISIS PERBANDINGAN RANDOM FOREST DAN KNN PADA KLASIFIKASI PENERIMA MANFAAT PROGRAM MAKAN BERGIZI GRATIS Zarkasyi, Muhammad Imam; Simanjuntak, Peter Jaya Negara; Nababan, Junerdi
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 9, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5753

Abstract

Abstract: The Free Nutritional Meal Program (PMBG) is a government initiative to improve students' nutrition and school attendance. This study evaluates and compares the performance of Random Forest (RF) and K-Nearest Neighbors (KNN) algorithms in classifying students most eligible for PMBG based on socio-economic criteria. The dataset comprises 205 public elementary school students in Medan City, collected via questionnaires. Features include parental income, number of dependents, housing status, asset ownership, and participation in other social aid programs. The data was clustered into three priority groups using K-Means. To address class imbalance, the Synthetic Minority Over-sampling Technique (SMOTE) was applied. Modeling used three data split scenarios (70:30, 80:20, 90:10) and was evaluated with accuracy, precision, recall, F1-score, and cross-validation. Results show that RF consistently outperformed KNN across all scenarios. After SMOTE, both models improved, with Balanced-RF achieving the highest accuracy and F1-score (94%) in the 70:30 split. The combination of RF and SMOTE proves effective for building an objective and accurate priority classification system for PMBG beneficiaries. Keyword: Free Nutritious Meal Program; Random Forest; K-Nearest Neighbors; SMOTE. Abstrak: Program Makan Bergizi Gratis (PMBG) merupakan inisiatif pemerintah yang bertujuan meningkatkan asupan gizi dan mendorong kehadiran siswa di sekolah. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja dua algoritma machine learning, yaitu Random Forest dan K-Nearest Neighbors, dalam mengklasifikasikan siswa yang paling berhak menerima manfaat PMBG berdasarkan kriteria sosial-ekonomi. Dataset yang digunakan terdiri dari 205 siswa Sekolah Dasar Negeri di Kota Medan yang dikumpulkan melalui kuesioner. Fitur yang digunakan meliputi pendapatan orang tua, jumlah tanggungan, status tempat tinggal, kepemilikan aset, dan partisipasi dalam program bantuan sosial lainnya. Dataset yang telah dikumpulkan kemudian dikelompokkan menggunakan algoritma K-Means menjadi tiga klaster prioritas. Untuk mengatasi ketidakseimbangan distribusi data, digunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Pemodelan dilakukan dalam tiga skenario pembagian data (70:30, 80:20, 90:10) dan dievaluasi menggunakan metrik akurasi, presisi, recall, f1-score, dan cross-validation. Hasil penelitian menunjukkan bahwa algoritma Random Forest secara konsisten memberikan kinerja yang lebih unggul dibandingkan KNN pada semua skenario. Setelah penerapan SMOTE, kedua algoritma mengalami peningkatan performa, dengan Random Forest-Balanced mencatat akurasi dan f1-score tertinggi sebesar 94% pada skenario 70:30. Temuan ini menunjukkan bahwa kombinasi Random Forest dan SMOTE merupakan pendekatan yang efektif dan efisien untuk membangun sistem klasifikasi prioritas penerima manfaat PMBG yang objektif dan akurat. Kata kunci: Program Makan Bergizi Gratis; Random Forest; K-Nearest Neighbors; SMOTE
Co-Authors Ahmad Rozy Andre Pratama Asha Sembiring Budi Hasian Daulay Cut Try Utari Edi Faisal Eka Tampubolon Ellanda Purwawijaya Firman Styono Frainskoy Rio Naibaho Gani, Petrus Ginting, Hendro Sutomo Kusnadi Kusnadi Kusnadi Mipo, Mipo Mutiha Aristo Ravel Nidya Banuari Pasaribu, Sutrisno Arianto Pasaribu, Victor Patar Pratama, Andre Putri Putri, Putri Rahayu, Novriza Rambe, Aripin Ravel, Mutiha Aristo Richard Parlindungan Simanjuntak Salsabila, Nadiyah Shofa Sembiring, Alfan Ramadhan Sembiring, Asha Simanjuntak, Peter Jaya Negara Sinaga, Royanti Sutrisno Arianto Pasaribu Syahputra, Dinur Theodora, Eka Martyna Tulus Tulus Vera Wijaya Zakarias Situmorang Zarkasyi, Muhammad Imam Zulfa Hazimah