Article Per Year (5 Year)
p-Index From 2021 - 2026
2.571
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Riau Journal of Computer Science JurTI (JURNAL TEKNOLOGI INFORMASI) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Journal of Computer Networks, Architecture and High Performance Computing Jutsi: Jurnal Teknologi dan Sistem Informasi Jurnal Teknisi Jurnal Pengabdian dan Pengembangan Masyarakat Indonesia Kreativitas Pada Pengabdian Masyarakat (Krepa) Kohesi: Jurnal Sains dan Teknologi
Ramadhan, Muhammad Sabir
Universitas Asahan
Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Economics, Econometrics & Finance Education Energy Engineering Health Professions Languange, Linguistic, Communication & Media Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : JOURNAL OF SCIENCE AND SOCIAL RESEARCH

 1 
IMPLEMENTASI K-MEANS CLUSTERING UNTUK MENGIDENTIFIKASI CALON NASABAH POTENSIAL PADA LEMBAGA KEUANGAN KECIL DAN MENENGAH Alfarisi, Muharram; Ramadhan, Muhammad Sabir
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.v8i3.4094

Abstract

Abstract: This study aims to apply the K-Means clustering algorithm in clustering potential customers at the Dana Mutiara Savings and Loan Cooperative. This method is used to group customer data based on several criteria such as age, occupation, income, marital status, number of dependents, and asset ownership. The results of this clustering will facilitate the cooperative in assessing the eligibility of potential customers for loans and reducing the risk of non-performing loans. This study utilized customer data collected from January to February 2025, using the PHP programming language and MySQL database to build an adaptive information system. The clustering results identified three customer groups: potential, moderately potential, and less potential. The implementation of this system can enhance decision-making efficiency in credit approval processes at the cooperative. Keyword: K-Means; Clustering; Potential Customers; Cooperatives; Data Mining. Abstrak: Penelitian ini bertujuan untuk menerapkan algoritma K-Means clustering dalam mengklaster calon nasabah potensial di Koperasi Simpan Pinjam Dana Mutiara. Metode ini digunakan untuk mengelompokkan data nasabah berdasarkan beberapa kriteria seperti usia, pekerjaan, penghasilan, status perkawinan, jumlah tanggungan, dan kepemilikan aset. Hasil dari klasterisasi ini akan memudahkan pihak koperasi dalam menilai kelayakan calon nasabah untuk mendapatkan pinjaman, serta mengurangi risiko kredit macet. Penelitian ini menggunakan data nasabah yang diperoleh pada periode Januari hingga Februari 2025, dengan menggunakan bahasa pemrograman PHP dan database MySQL untuk membangun sistem informasi yang adaptif. Hasil klasterisasi menunjukkan tiga kelompok nasabah: potensial, cukup potensial, dan kurang potensial. Implementasi sistem ini dapat meningkatkan efisiensi dalam pengambilan keputusan pemberian kredit pada koperasi. Kata kunci: K-Means; Clustering; Calon Nasabah Potensial; Koperasi; Data Mining
PENERAPAN ALGORITMA DECISION TREE UNTUK SISTEM PENDUKUNG KEPUTUSAN DALAM PENGAMBILAN KEPUTUSAN DI KANTOR SEKRETARIAT DPRD Nasution, Aldi; Ramadhan, Muhammad Sabir
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4817

Abstract

Abstract: In a government organization such as the Tanjungbalai City Regional Representative Council (DPRD) Secretariat, the decision-making process is crucial and strategic. Every decision must be based on accurate, objective data, and supported by appropriate analysis to efficiently and effectively address administrative, service, and program planning needs. By implementing the Decision Tree algorithm into a decision support system, the Tanjungbalai City DPRD Secretariat can obtain an analytical model that can help suggest decisions based on historical data and identified patterns. This system is expected to improve accuracy, efficiency, and transparency in decision-making, while reducing the potential for subjectivity and human error. The data used is limited to internal data from the Tanjungbalai City DPRD Secretariat, such as personnel data, attendance, performance appraisals, and relevant administrative data. The purpose of this research is to design and create a decision support system (DSS) application for decision-making within the Tanjungbalai City DPRD Secretariat using the PHP programming language and a MySQL database. Entropy and Gain Calculation Results: The total entropy value is 1.926121, and the information gain indicates the following order of attribute influence: community impact = 1.213688, urgency 0.926121, complexity 0.481291, budget 0.360163, data type 0.104193. Therefore, based on these results, the decision is made if the community impact is Large (Accepted), if the community impact is Medium (Processed), and if the community impact is Small (Postponed or Rejected), depending on other attribute factors. Keywords: Decision Tree Algorithm, Decision Support System, Decision Making, Tanjungbalai City DPRD Secretariat Office. Abstrak: Dalam organisasi pemerintahan seperti Sekretariat Dewan Perwakilan Rakyat Daerah (DPRD) Kota Tanjungbalai, proses pengambilan keputusan merupakan hal yang sangat penting dan strategis. Setiap keputusan yang diambil harus berdasarkan data yang akurat, objektif, serta didukung oleh analisis yang tepat agar mampu menjawab kebutuhan administratif, pelayanan, dan perencanaan program yang efisien dan efektif. Dengan menerapkan algoritma Decision Tree ke dalam sistem pendukung keputusan, Sekretariat DPRD Kota Tanjungbalai dapat memperoleh model analisis yang mampu membantu menyarankan keputusan berdasarkan data historis dan pola yang teridentifikasi. Sistem ini diharapkan dapat meningkatkan akurasi, efisiensi, dan transparansi dalam pengambilan keputusan, sekaligus mengurangi potensi subjektivitas dan kesalahan manusia. Data yang digunakan terbatas pada data internal Sekretariat DPRD Kota Tanjungbalai seperti data kepegawaian, absensi, penilaian kinerja, atau data administratif yang relevan. Tujuan dalam penelitian ini untuk dapat merancang dan membuat aplikasi sistem pendukung keputusan (SPK) dan pengambilan keputusan di lingkungan Sekretariat DPRD Kota Tanjungbalai dengan menggunakan OLS pemrograman PHP dan database MySQL. Hasil Perhitungan Entropy dan Gain Nilai Entropy total sebesar 1.926121 dan perolehan information gain menunjukkan urutan pengaruh atribut sebagai berikut: dampak_masyarakat = 1.213688, urgensi  0.926121 kompleksitas  0.481291, anggaran  0.360163, jenis_data  0.104193. Dengan demikian, Berdasarkan hasil tersebut menghasilkan keputusan Jika dampak_masyarakat = Besar (Diterima), Jika dampak_masyarakat = Sedang (Diproses) dan Jika dampak_masyarakat = Kecil  (Ditunda atau Ditolak), tergantung pada faktor atribut lainnya. Kata Kunci: Algoritma Decision Tree, Sistem Pendukung Keputusan, Pengambilan Keputusan, Kantor Sekretariat DPRD Kota Tanjungbalai.
ANALISIS PENGARUH VARIABEL EKONOMI DAN DEMOGRAFI TERHADAP PERMINTAAN MOBIL MENGGUNAKAN RANDOM FOREST Hasibuan, Annisya Syahputri; Ramadhan, Muhammad Sabir
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4724

Abstract

Abstract: The demand for cars in Indonesia is influenced by various factors, including economic and demographic variables. This study aims to analyze the impact of these variables on car demand using the Random Forest method. This method is chosen for its ability to handle large and complex data, as well as to provide clear interpretations of the contributing variables in the model. The data used in this study includes economic information such as per capita income, inflation rates, and interest rates, as well as demographic data such as age, population size, and urbanization rates. The analysis results indicate that economic variables have a significant impact on car demand, while demographic factors also contribute, albeit in a smaller proportion. This research is expected to provide insights for policymakers and automotive industry players in formulating more effective marketing and production strategies. Keyword: Random Forest, car, demand, economics and demographics. Abstrak: Permintaan mobil di Indonesia dipengaruhi oleh berbagai faktor, termasuk variabel ekonomi dan demografi. Penelitian ini bertujuan untuk menganalisis pengaruh variabel-variabel tersebut terhadap permintaan mobil dengan menggunakan metode Random Forest. Metode ini dipilih karena kemampuannya dalam menangani data besar dan kompleks, serta memberikan interpretasi yang jelas terhadap variabel yang berkontribusi dalam model. Data yang digunakan dalam penelitian ini mencakup informasi ekonomi seperti pendapatan per kapita, tingkat inflasi, dan suku bunga, serta data demografi seperti usia, jumlah penduduk, dan tingkat urbanisasi. Hasil analisis menunjukkan bahwa variabel ekonomi memiliki pengaruh signifikan terhadap permintaan mobil, sementara faktor demografi juga berkontribusi meskipun dalam proporsi yang lebih kecil. Penelitian ini diharapkan dapat memberikan wawasan bagi pemangku kebijakan dan pelaku industri otomotif dalam merumuskan strategi pemasaran dan produksi yang lebih efektif. Kata kunci: Random Forest, permintaan mobil, ekonomi dan demografi.
PENERAPAN METODE FUZZY TOPSISUNTUK EVALUASI KINERJA PUSKESMAS DI KABUPATEN BATU BARA Damanik, Dedek Haryati; Ramadhan, Muhammad Sabir
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4804

Abstract

Abstract: The advancement of information technology has improved efficiency and objectivity in data management, including in the health sector. The performance evaluation of community health centers (Puskesmas) in Batu Bara Regency has so far been conducted manually, making it prone to subjectivity and inaccuracy. This study aims to develop a decision support system using the Fuzzy TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) method to evaluate Puskesmas performance objectively, measurably, and transparently.  The Fuzzy TOPSIS method combines qualitative and quantitative assessments while considering uncertainty and linguistic evaluation. This study employs a quantitative and qualitative approach, using primary data obtained through observation, interviews, and documentation at the Batu Bara District Health Office, as well as secondary data from Puskesmas performance reports. The evaluation criteria consist of eight indicators: quality of health services, completeness of facilities and equipment, performance of health workers, coverage of community health programs, budget efficiency, innovation and service improvement, community satisfaction, and administrative completeness. The results show that the application of Fuzzy TOPSIS produces objective and accurate performance rankings. This system can assist the Batu Bara District Health Office in decision-making and policy formulation to enhance the quality of public health services. Keyword: Fuzzy TOPSIS, Performance Evaluation, Puskesmas, Decision Support System, Batu Bara Regency Abstrak: Kemajuan teknologi informasi telah meningkatkan efisiensi dan objektivitas dalam pengelolaan data, termasuk di bidang kesehatan. Evaluasi kinerja Pusat Kesehatan Masyarakat (Puskesmas) di Kabupaten Batu Bara selama ini masih dilakukan secara manual sehingga rentan terhadap subjektivitas dan ketidaktepatan hasil. Penelitian ini bertujuan mengembangkan sistem pendukung keputusan berbasis metode Fuzzy TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) guna mengevaluasi kinerja Puskesmas secara objektif, terukur, dan transparan. Metode Fuzzy TOPSIS dipilih karena mampu menggabungkan penilaian kualitatif dan kuantitatif dengan mempertimbangkan unsur ketidakpastian serta penilaian linguistik. Penelitian menggunakan pendekatan kuantitatif dan kualitatif, melalui pengumpulan data primer berupa observasi, wawancara, dan dokumentasi di Dinas Kesehatan Kabupaten Batu Bara, serta data sekunder dari laporan kinerja Puskesmas. Kriteria penilaian terdiri dari delapan indikator, yaitu kualitas pelayanan kesehatan, kelengkapan fasilitas dan peralatan, kinerja tenaga kesehatan, cakupan program kesehatan masyarakat, efisiensi anggaran, inovasi layanan, kepuasan masyarakat, dan kelengkapan administrasi. Hasil penelitian menunjukkan bahwa penerapan metode Fuzzy TOPSIS menghasilkan pemeringkatan kinerja Puskesmas secara objektif dan akurat. Sistem ini dapat membantu Dinas Kesehatan Kabupaten Batu Bara dalam pengambilan keputusan serta perumusan kebijakan peningkatan mutu pelayanan kesehatan. Kata kunci: Fuzzy TOPSIS, Evaluasi Kinerja, Puskesmas, Sistem Pendukung Keputusan, Kabupaten Batu Bara 
PENERAPAN METODE K-MEANS CLUSTERING UNTUK PENGELOMPOKKAN EFISIENSI PROSES PRODUKSI CRUDE PALM OIL (CPO) Simamora, Winda Sari Depi; Ramadhan, Muhammad Sabir
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4710

Abstract

Abstract: This study aims to apply the K-Means Clustering algorithm in a data mining approach to classify the production efficiency of Crude Palm Oil (CPO) at PT Asian Agri Tanah Datar. The data used consists of three main parameters: VM (Moisture), Dirt, and FFA (Free Fatty Acid), which serve as indicators of production quality and efficiency. The research uses a quantitative method with data analysis based on the K-Means algorithm. The process includes data preprocessing, determination of the optimal number of clusters using the Elbow Method, application of the K-Means algorithm, and evaluation of clustering results. The findings show that K-Means successfully grouped the production data into three efficiency categories: high, medium, and low, achieving convergence at the second iteration. The developed application, built using PHP and MySQL, effectively automates the clustering process from dataset input to displaying results in tabular form. The first cluster represents the highest efficiency group, while the third cluster indicates low efficiency requiring process improvement. Overall, the implementation of the K-Means Clustering method has proven to assist the company in analyzing and improving CPO production efficiency in a structured, fast, and data-driven manner. Keywords: K-Means Clustering, Data Mining, Production Efficiency, Crude Palm Oil, PHP, MySQL. Abstrak: Penelitian ini bertujuan untuk menerapkan metode data mining dengan algoritma K-Means Clustering dalam mengelompokkan data efisiensi proses produksi Crude Palm Oil (CPO) di PT Asian Agri Tanah Datar. Data yang digunakan meliputi tiga parameter utama yaitu VM (Moisture), Dirt, dan FFA (Free Fatty Acid) yang menjadi indikator kualitas dan efisiensi proses produksi. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan analisis data berbasis algoritma K-Means. Proses penelitian meliputi tahapan preprocessing data, penentuan jumlah cluster optimal menggunakan metode Elbow, penerapan algoritma K-Means, serta evaluasi hasil clustering. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan data produksi menjadi tiga kategori, yaitu efisiensi tinggi, sedang, dan rendah, dengan tingkat konvergensi tercapai pada iterasi kedua. Aplikasi berbasis PHP dan MySQL yang dikembangkan berhasil mengotomatisasi proses pengelompokan data, mulai dari input dataset hingga visualisasi hasil dalam bentuk tabel. Hasil akhir menunjukkan bahwa cluster pertama merupakan kelompok efisiensi tertinggi, sedangkan cluster ketiga menunjukkan efisiensi rendah yang memerlukan perbaikan proses produksi. Secara keseluruhan, penelitian ini menunjukkan bahwa penerapan metode K-Means Clustering dapat membantu pihak perusahaan dalam menganalisis dan meningkatkan efisiensi proses produksi CPO secara cepat, terstruktur, dan berbasis data. Kata kunci: K-Means Clustering, Data Mining, Efisiensi Produksi, Crude Palm Oil, PHP, MySQL.
Co-Authors Ada Udi Firmansyah Alfarisi, Muharram Arianto Chandra Asyahri Hadi Nasyuha Buyung Solihin Hasugian Damanik, Dedek Haryati Fitri, Kurnia Aidila Fransiska, Adelia Ginting, Erika Fahmi Harmayani Hasibuan, Annisya Syahputri Khairil Anwar Marsono Marsono Masyuni Hutasuhut Muhammad Amin Muhammad Zikri Ramadhan Nasution, Aldi Ningrum, Hesti Sulistia Nizwardi Jalinus Nurhadi Putri, Zeini Ardianti Refdinal, Refdinal Ricki Ananda Rumondang, Rumondang Safrian Aswati Simamora, Winda Sari Depi Suriono, Hadi Tambunan, Syafrida Br Uswatun Hasanah Yohanni Syahra