Article Per Year (5 Year)
p-Index From 2020 - 2025
6.982
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer SEMIRATA 2015 Seminar Nasional Informatika (SEMNASIF) CESS (Journal of Computer Engineering, System and Science) InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika JIKO (Jurnal Informatika dan Komputer) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Teknik Informatika UNIKA Santo Thomas MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Query : Jurnal Sistem Informasi JOURNAL OF SCIENCE AND SOCIAL RESEARCH KOMPUTA : Jurnal Ilmiah Komputer dan Informatika CSRID (Computer Science Research and Its Development Journal) Jurnal Varian Dinasti International Journal of Education Management and Social Science JTIK (Jurnal Teknik Informatika Kaputama) KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Jurnal Tekinkom (Teknik Informasi dan Komputer) Jurnal Teknik Informatika C.I.T. Medicom JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) JUKI : Jurnal Komputer dan Informatika MEANS (Media Informasi Analisa dan Sistem) Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Ipteks Terapan : research of applied science and education Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Jurnal Dinamika Informatika (JDI) Data Sciences Indonesia (DSI) International Journal of Economic, Technology and Social Sciences (Injects) Proceeding of International Conference on Information Science and Technology Innovation (ICoSTEC) Proceeding Of International Conference On Education, Society And Humanity "Journal of Data Science
Zakarias Situmorang
FIKOM, Universitas Katolik Santo Thomas
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 Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 62 Documents Claim Missing Document
Claim Missing Document
Check
Articles

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

 1 
REGRESI LINIER BERGANDA UNTUK MEMPREDIKSI JUMLAH NASABAH Agus Fahmi Limas Putra; Junaidi Junaidi; Zakarias Situmorang; Asyahri Hadi Nasyuha
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 5, No 2 (2022): June 2022
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v5i2.915

Abstract

Industri perbankan merupakan sektor penting dalam pembangunan maupun dalam pemodalan  usaha dan dipandang sebagai inti dari sistem perekonomian. Melihat hal ini, pemerintah melonggarkan aturan-aturan bagi perbankan dan non perbankan baik dari sektor pemerintah ataupun swasta untuk memberikan pinjaman atau bantuan kepada para nasabah atau pelaku UMKM. Banyaknya nasabah-nasabah dalam penyaluran kredit atau perbankan juga akan banyak terjadi masalah – masalah dalam pinjaman ataupun pengembalian pinjaman dana, maka dari itu pihak penyaluran kredit harus siap menghadapi resiko kredit yang bermasalah atau biasa disebut dengan kredit macet. Penelitian ini bertujuan untuk menciptakan suatu sistem berbasis komputerisasi, kemudian dengan diterapkannya sistem tersebut maka hasil yang didapatkan akan benar-benar akurat dan cepat. Diharapkan metode regresi linier berganda ini dapat menyelesaikan  permasalahan dalam menangani atau mengatasi nasabah yang bermasalah sehingga dapat membantu pihak perusahaan untuk memprediksi jumlah kredit macet setiap bulannya.
ALGORITMA C45 DALAM MEMPREDIKSI MINAT CALON MAHASISWA Zakarias Situmorang; Sartika Mandasari; Yuni Franciska; Karina Andriyani; Puji Sari Ramadhan
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.v5i1.809

Abstract

Penelitian ini membahas tentang memprediksi minat calon mahasiswa sebelum mendaftar di program studi yang dituju. Dalam memprediksi minat mahasiswa STMIK Triguna Dharma belum memiliki sebuah sistem yang mampu melakukan prediksi dalam mengetahui minat calon mahasiswa yang akan mendaftar(Haryoto et al., 2021). Untuk menyelesaikan permasalahan tersebut maka dibutuhkan sebuah algoritma yang mampu menghasilkan keputusan tentang minat calon mahasiswa yang akan mendaftar. Berdasarkan penelitian yang telah dilakukan maka diperoleh hasil 4 aturan baru dengan menggunakan kriteria jenis kelamin, minat, jurusan asal sekolah dan hobi. Dengan hasil ini dapat diketahui bahwa algoritma C45 telah terbukti berhasil melakukan analisis terhadap minat calon mahasiswa baru di  STMIK Triguna Dharma.
KOMPARASI RANDOM FOREST DAN LOGISTIC REGRESSION DALAM KLASIFIKASI PENDERITA COVID-19 BERDASARKAN GEJALANYA Ichsan Firmansyah; Jaka Tirta Samudra; Doughlas Pardede; Zakarias Situmorang
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 5, No 3 (2022): October 2022
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v5i3.994

Abstract

Abstract: In data mining, we can use symptoms suffered by patients for a reference in classifying positive and negative Covid-19 patients using data mining. Random Forest and logistic regression are two data mining algorithms with high accuracy, precision, and sensitivity in data classification. This study compares the random forest and the logistic regression algorithm - where we use the lasso and ridge regulations - on classifying positive and negative Covid-19 patients based on their symptoms. From 5434 data used in the data set, the evaluation results show that the random forest algorithm is the best in terms of accuracy, precision, and sensitivity compared to other algorithms, while the logistic regression algorithm with ridge regulation is the worst. The random forest algorithm is the most reliable in classifying patients with positive Covid-19, while the logistic regression algorithm with ridge regulation is the least reliable. Also, the random forest algorithm is the most reliable in classifying patients with negative Covid-19, while the logistic regression algorithm with lasso regulation is the least reliable.Keywords: classification;covid-19;data mining;logistic regression;random forest.Abstrak: Dalam data mining, kita dapat menggunakan gejala yang diderita pasien sebagai acuan dalam mengklasifikasikan pasien positif dan negatif Covid-19 menggunakan data mining. Random forest dan logistic regression adalah dua algoritma data mining yang memiliki akurasi (accuracy), presisi (precision), dan sensitivitas (recall) tinggi dalam klasifikasi data. Penelitian ini membandingkan algoritma random forest dan logistic regression - di mana kami menggunakan regulasi lasso dan ridge - dalam mengklasifikasikan pasien positif dan negatif Covid-19 berdasarkan gejalanya. Dari 5434 data yang digunakan dalam data set, hasil evaluasi menunjukkan bahwa algoritma random forest adalah yang terbaik dalam hal akurasi, presisi, dan sensitivitas dibandingkan dengan algoritma lainnya, sedangkan algoritma logistic regression dengan regulasi ridge adalah yang terburuk. Algoritma random forest paling andal dalam mengklasifikasikan pasien positif Covid-19, sedangkan algoritma logistic regression dengan regulasi ridge merupakan algoritma yang paling tidak tidak dapat diandalkan. Selain itu, algoritma random forest paling andal dalam mengklasifikasikan pasien dengan Covid-19 negatif, sedangkan algoritma logistic regresssion dengan regulasi lasso merupakan yang paling tidak dapat diandalkan.Kata kunci: covid-19;data mining;klasifikasi;logistic regression;random forest.
Co-Authors Adam Sagara Ade Clinton Sitepu Ade Clinton Sitepu Adelina, Mimi Chintya Aditia Rangga Agus Fahmi Limas Putra Alkhairi, Putrama Asrizal Asrizal Asyahri Hadi Nasyuha B. Herawan Hayadi Budi K. Hutasuhut Daim Azhari Parinduri Desi Irfan Doughlas Pardede Efendi, Syahril Ela Roza Batubara Erna Budhiarti Nababan Fazli Nugraha Tambunan Ginting, Emnita Boru Handayani, Meli Hartono Hartono Herman Mawengkang Husein, Alice Erni Ichsan Firmansyah Irwan Daniel Irwan Daniel Ita Juwita Saragih Jaka Tirta Samudra Jaka Tirta Samudra Jaka Tirta Samudra Jaka Tirta Samudra Jazi Eko Istiyanto Jinan, Abwabul Jinan, Abwabul Junaidi Junaidi Karina Andriyani Kelvin Leonardi Kohsasih Khairul Fadhli Margolang Khoirunsyah Dalimunthe Kusuma, Jaka Lestari, Valencya Lewis, Andreas Lubis, Cindy Paramitha Lusi Herlina Siagian M Anggi Rivai Nst Manungkalit, Jupri Maria Claudia Purba Masri Wahyuni Mawaddah Harahap Mawaddah Harahap, Mawaddah Melda Pita Uli Sitompul Muhadi M. Ilyas Gultom Muhammad Mizan Siregar Muhammad Zarlis Muhammad Zarlis, Muhammad Nababan, Junerdi Novendra Adisaputra Sinaga Opim Salim Sitompul P.P.P.A.N.W. Fikrul Ilmi R.H. Zer Pradipta, Muhammad Iqbal Pratiwi, Mariska Putri Puji Sari Ramadhan Purba, Andry Hery Putrama Alkhairi Raden Aris Sugianto Rahmad, Sofyan Retantyo Wardoyo Riandini, Maisarah Ridha Maya Faza Lubis Ridha Maya Faza Lubis Rika Rosnelly Rika Rosnelly Rika Rosnelly Rika Rosnelly Rika Rosnelly Rika Rosnelly, Rika Rimbun Siringoringo, Rimbun Romanus Damanik Roslina, Roslina Rubianto Rubianto Sartika Mandasari Sembiring, Rahmat Widya Sri Hartati Sugeng Riyadi Tarigan, Dede Ardian Tulus Tulus Wanayumini Yoppi, Edunal Yuni Franciska Yusfrizal Yusfrizal Yusniar Lubis Yusniar Lubis Yusniar Lubis