Article Per Year (5 Year)
p-Index From 2021 - 2026
1.993
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JURNAL PENGABDIAN KEPADA MASYARAKAT Sinkron : Jurnal dan Penelitian Teknik Informatika MAJAMATH: Jurnal Matematika dan Pendidikan Matematika Community Development Journal: Jurnal Pengabdian Masyarakat Griya Journal of Mathematics Education and Application MATHunesa: Jurnal Ilmiah Matematika EduMatika: Jurnal MIPA Jurnal Pengabdian Masyarakat Gemilang (JPMG) Jurnal Umum Pengabdian Masyarakat (JUPEMAS)
Panggabean, Suvriadi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Chemistry Computer Science & IT Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Languange, Linguistic, Communication & Media Mathematics Physics Public Health Social Sciences

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

Found 13 Documents
Search

 1   2 
Analisis Probabilistik Untuk Perediksi Cuaca Di Kota Medan Dan Kabupaten Deli Serdang (Menggunakan Metode Rantai Markov) Sianturi, Anju Hamonangan; Br Panjaitan, Esrani Julita; Br Kaban, Friska Adilina; Johana Panggabean, Indah Fabriane; Johana, Nuryusridah Liani; Bangun, Samuel Juliusta; Panggabean, Suvriadi
Griya Journal of Mathematics Education and Application Vol. 5 No. 4 (2025): Desember 2025
Publisher : Pendidikan Matematika FKIP Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/griya.v5i4.970

Abstract

Cuaca merupakan fenomena alam yang sulit diprediksi karena dipengaruhi oleh berbagai variabel yang saling berkaitan. Peramalan cuaca memiliki peranan penting dalam pengambilan keputusan dan perencanaan aktivitas masyarakat sehari hari. Data meteorologi dari BMKG dapat dimanfaatkan untuk menganalisis dan memprediksi kondisi cuaca di masa mendatang. Salah satu metode yang dapat digunakan dalam peramalan cuaca adalah analisis Rantai Markov. Rantai Markov merupakan proses stokastik yang memodelkan sistem dinamis, di mana keadaan di masa depan hanya bergantung pada kondisi saat ini dan dapat dinyatakan dengan persamaan P{Xn+1 = j|X0 = i0 … …, Xn-1 = in-1,Xn = i} = P{Xn+1 = j| Xn == i} . Metode ini menggunakan matriks peluang transisi untuk memperkirakan perubahan keadaan secara metematis. Penelitian ini bertujuan menerapkan model Rantai markov untuk memprediksi cuaca harian di Kabupaten Deli Serdang dan kota medan berdasarkan data BMKG periode 1-30 September 2025. Variabel yang digunakan meliputi kondisi cerah, berawan, hujan ringan, dan hujan. Hasil menunjukkan bahwa di Deli Serdang, peluang hujan ringan mencapai 73% jika sebelumnya cerah, 65,6% jika berawan, dan 99,9% jika sebelumnya hujan ringan. Di Kota Medan, peluang berawan mencapai 77,7% jika sebelumnya cerah dan 99,9% jika sebelumnya berawan. Hasil ini menunjukkan bahwa model Rantai Markov efektif dalam merepresentasikan pola perubahan cuaca secara probabilistik dan akurat untuk peramalan jangka pendek. Kata Kunci: 1; Rantai Markov, 2; Peramalan Cuaca, 3; Probabilitas Transisi, 4; BMKG, 5; Deli Serdang, Kota Medan
PENERAPAN ALGORITMA DECISION TREE DALAM KLASIFIKASI KETERLAMBATAN JAM MASUK KERJA KARYAWAN DENGAN RAPIDMINER Kanaya, Niquita Sepha; Panggabean, Suvriadi
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p451-458

Abstract

Banyak elemen yang berkontribusi, termasuk jarak ke tempat kerja, waktu keberangkatan dan bangun tidur, cuaca, moda transportasi, dan tingkat lalu lintas, menjadi pertimbangan ketika menilai keterlambatan karyawan. Oleh karena itu, untuk mengukur dan meramalkan keterlambatan karyawan, diperlukan pendekatan kategorisasi. Data karyawan dari BPJS Kesehatan Cabang Medan diklasifikasikan dalam penelitian ini dengan menggunakan pendekatan Decision Tree. Data survei, yang meliputi informasi jam bangun, jam berangkat, waktu perjalanan, cuaca, transportasi, dan status keterlambatan, dikumpulkan dari 150 karyawan. Dengan menggunakan metodologi pembagian data pelatihan dan pengujian, program RapidMiner digunakan untuk pemrosesan dan analisis data. Dengan akurasi maksimum 94,00%, temuan akhir dari penelitian ini menunjukkan bahwa algoritma Decision Tree dapat mengkategorikan data secara efektif. Hal ini menunjukkan bahwa, dengan menggunakan data yang diamati, model yang dikembangkan dapat digunakan untuk membantu memprediksi kemungkinan keterlambatan karyawan.
PREDIKSI KELAYAKAN PEMBERIAN KREDIT PADA NASABAH DI KSP BONA MANDIRI JAYA MENGGUNAKAN ALGORITMA DATA MINING C4.5 BR GULTOM, NANCY VERONICA; PANGGABEAN, SUVRIADI
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p37-44

Abstract

Penelitian ini bertujuan untuk membangun model klasifikasi dalam memprediksi kelayakan kredit nasabah ulang di KSP Bona Mandiri Jaya dengan menggunakan algoritma C4.5 dalam data mining. Data yang digunakan berjumlah 114 catatan nasabah tahun 2022, yang mencakup atribut riwayat pinjaman, jaminan, penghasilan bulanan, dan status kelayakan. Metode penelitian menerapkan teknik klasifikasi pohon keputusan dan dievaluasi menggunakan confusion matrix serta validasi split (80% data latih, 20% data uji) dengan bantuan aplikasi Rapid Miner. Hasil penelitian menunjukkan bahwa algoritma C4.5 mampu membentuk pohon keputusan dengan aturan klasifikasi yang mudah dipahami, seperti: JIKA riwayat pinjaman = lancar DAN penghasilan > 500000 MAKA layak. Model menunjukkan performa tinggi dengan akurasi sebesar 98,25%, precision 94,12% untuk kelas tidak layak dan 98,97% untuk kelas layak, serta recall masing-masing sebesar 94,12% dan 98,97%. Model prediktif ini diharapkan dapat membantu petugas kredit dalam membuat keputusan pemberian pinjaman yang lebih objektif, akurat, dan konsisten, serta mengurangi risiko gagal bayar dan mendukung pengelolaan keuangan koperasi yang lebih baik.
Co-Authors Abil Mansyur, Abil Adidtya Perdana, Adidtya Azis, Zainal Bangun, Samuel Juliusta BR GULTOM, NANCY VERONICA Br Kaban, Friska Adilina Br Panjaitan, Esrani Julita Darari, Muhammad Badzlan Dedy Kiswanto Dian Septiana Dly, Revidamurti Felicia Eldora Habibi, Rizki Hermawan Syahputra Hutabarat, Felix John Pardamean Ichwanul Muslim Karo Karo Johana Panggabean, Indah Fabriane Johana, Nuryusridah Liani Kanaya, Niquita Sepha Nurul Maulida Surbakti Pratiwi, Shanty Hanna Sianturi, Anju Hamonangan Simamora, Elmanani Simanullang, Paskah Abadi Siregar, Budi Halomoloan Sri Dewi Tiur Malasari Siregar, Tiur Malasari Tua Halomoan Harahap, Tua Halomoan