Article Per Year (5 Year)
p-Index From 2021 - 2026
6.745
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 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 Teknik Informatika (JUTIF) 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 Jurnal Teknik Indonesia (JU-TI)
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 : 68 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 68 Documents
Search

 3   4   5   6   7 
Forecasting Analysis of New Student Candidate Admissions Using the Simple Linear Regression Method Sardo Pardingotan Sipayung; Zakarias Situmorang; Zekson Matondang; Masdiana Sagala
Jurnal Teknik Indonesia Vol. 2 No. 02 (2023): Jurnal Teknik Indonesia (JU-TI), Desember 2023
Publisher : SEAN Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58471/ju-ti.v2i02.561

Abstract

The development of science and technology facilitates various aspects of life, including forecasting. Forecasting student enrollment in private universities can maximize the use of resources for services, facilities, infrastructure, and improving human resources. The regression method is used to measure the effect of promotional costs on increasing student enrollment in the future. This forecasting will be valid if an accurate model is used. The results showed the level of accuracy using the MAPE (Mean Absolute Percentage Error) model of 2.229%. However, the level of accuracy can vary each due to differences in data.
Comparative Analysis of SVM and Perceptron Algorithms in Classification of Work Programs Jaka Tirta Samudra; Rika Rosnelly; Zakarias Situmorang
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 22 No. 2 (2023)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v22i2.2479

Abstract

Government agencies are required to mobilize every aspect of publication which is carried out every year which must be accounted for and also carried out for each device that receives it such as assisted villages by utilizing available apbd funds in maximizing work programs designed so that they can be implemented optimally and effectively. by getting the best from all aspects of the work program implementation, of course there are important points in designing an annual work program without exception. data mining itself can help the department of population, family planning, women's empowerment and child protection in analyzing each work program design from before it is implemented onwards to look at various aspects of past data whose grouping is in the form of classification. The purpose of this study is to build a classification model with the addition of a sigmoid activation function that uses svm and perceptron to obtain a comparison value for the accuracy of the algorithm used to obtain the best working program design. The classification results are used to get the best value for classifying the best P2KBP3A work program dataset where it can be seen that the average accuracy value is 87.5%, the f1 value is 82.2%, the precision value is 80.2%, and the recall value is 87.5% so that the final result of the research results obtained a good accuracy value.
Long Short Term Memory and Gradient Boosting Model for One Day Ahead Forecasting of ANTAM Gold Bar Prices Ashari, Annisa; Situmorang, Zakarias; Rosnelly, Rika
Jurnal Teknik Informatika (Jutif) Vol. 7 No. 2 (2026): JUTIF Volume 7, Number 2, April 2026
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2026.7.2.5630

Abstract

This study develops and optimizes a hybrid LSTM-XGBoost forecasting model for daily ANTAM gold bar prices. The model utilizes historical time-series data of ANTAM gold prices, enriched with macroeconomic variables including the USD/IDR exchange rate and Brent oil prices, as well as derived features such as returns, lags, rolling statistics, and calendar effects. The LSTM component captures medium-term sequential patterns from the price series and macroeconomic variables, while the XGBoost component exploits a rich set of tabular features to model nonlinear relationships and volatility dynamics. Both models are trained and tuned separately, then combined through a weighted ensemble scheme in which the optimal weight is selected by minimizing Mean Absolute Percentage Error (MAPE) on the validation set. Experimental results on the test set show that the proposed hybrid model achieves Mean Squared Error (MSE) of 26,891,172.36, Root Mean Squared Error (RMSE) of 16,398.53, MAPE of 0.0058 (approximately 99.42% accuracy), and coefficient of determination \mathbit{R}^\mathbf{2} of 0.9971, outperforming a naïve baseline that assumes “tomorrow’s price equals today’s price”. The optimized LSTM-XGBoost hybrid model proves highly effective for short-term ANTAM gold price forecasting, providing reliable decision support for Indonesian gold market stakeholders.
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.
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.
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.
RANCANG BANGUN SISTEM INFORMASI MANAJEMEN RESTORAN SEAFOOD BERBASIS WEB MENGGUNAKAN METODE WATERFALL Mora Helena Tambunan; Emerson P Malau; Zakarias Situmorang; Alex Rikki Sinaga
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 4 (2026): August 2026 (1)
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i4.7010

Abstract

Restoran Seafood di Pantai Bali Lestari menghadapi inefisiensi operasional akibat tata kelola manual pada pencatatan pesanan di kertas, koordinasi dapur secara verbal, serta rekonsiliasi kasir konvensional yang memicu human error dan bottleneck antrean saat lonjakan wisatawan. Penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Manajemen Restoran terintegrasi berbasis web dengan mengadopsi model rekayasa perangkat lunak Waterfall yang mencakup analisis kebutuhan, perancangan sistem, implementasi, dan pengujian fungsional. Sistem dikembangkan menggunakan PHP dan basis data relasional MySQL yang dimodelkan melalui Unified Modeling Language (UML) serta Entity Relationship Diagram (ERD). Solusi ini mengintegrasikan lima aktor utama (Pelanggan, Kasir, Dapur, Pramusaji, dan Pemilik) dengan fungsionalitas pemesanan berbasis QR Code, multiway payment, pemantauan antrean dapur real-time, hingga rekapitulasi laporan penjualan otomatis. Pengujian sistem menggunakan metode Blackbox Testing menunjukkan seluruh fungsi beroperasi secara valid 100% sesuai spesifikasi kebutuhan. Implementasi sistem ini terbukti mengeliminasi distorsi pencatatan manual, meningkatkan kecepatan transmisi pesanan antarbagian, dan menyajikan transparansi manajerial pada industri kuliner bahari.
PERANCANGAN SISTEM INFORMASI LEARNING ONLINEBERBASIS WEB UNTUK PLATFORM PEMBELAJARAN CODINGINDO PADA FRAMEWORK NODE.JS Devis Wisley Situmorang; Anirma Kandida Ginting; Desinta Purba; Zakarias Situmorang
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 4 (2026): August 2026 (1)
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i4.7053

Abstract

Abstrak: Perkembangan teknologi informasi mendorong transformasi pada bidang pendidikan, khususnya kebutuhan platform pembelajaran pemrograman (coding) yang interaktif dan terstruktur. Penelitian ini bertujuan merancang dan membangun Sistem Informasi Learning Online Berbasis Web untuk Platform Pembelajaran CodingIndo menggunakan framework Node.js dan metode pengembangan Waterfall. Data dikumpulkan melalui observasi, studi literatur, dan pengumpulan dokumen. Perancangan sistem dimodelkan menggunakan Unified Modeling Language (UML) seperti Use Case Diagram, Activity Diagram, Class Diagram, Sequence Diagram, serta Entity Relationship Diagram (ERD). Aplikasi diimplementasikan menggunakan teknologi Node.js, Next.js, TypeScript, Express, Prisma ORM, dan basis data MySQL, serta terintegrasi dengan Midtrans Payment Gateway dan Nodemailer. Sistem melibatkan tiga aktor utama, yaitu Admin, Mentor, dan Peserta (User). Fitur yang dihasilkan mencakup manajemen pengguna, pengelolaan kelas dan sesi, penyampaian materi (teks, video, PDF), sistem kuis otomatis, transaksi pembayaran, penerbitan sertifikat, dan laporan analitik. Pengujian fungsional dilakukan menggunakan pendekatan Black Box Testing yang menunjukkan bahwa seluruh fungsi sistem berjalan sesuai spesifikasi kebutuhan
Co-Authors A F Limas Ptr Abwabul Jinan Adam Sagara Ade Clinton Sitepu Ade Clinton Sitepu Adelina, Mimi Chintya Aditia Rangga Agus Fahmi Limas Putra Alex Rikki Sinaga Alkhairi, Putrama Anirma Kandida Ginting Ashari, Annisa Asrizal Asrizal Asyahri Hadi Nasyuha B. Herawan Hayadi Budi K. Hutasuhut Daim Azhari Parinduri Desi Irfan Desinta Purba Devis Wisley Situmorang Doughlas Pardede Efendi, Syahril Ela Roza Batubara Emerson P Malau 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 Junaidi Junaidi Junerdi Nababan 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 Masri Wahyuni Mawaddah Harahap Mawaddah Harahap, Mawaddah Melda Pita Uli Sitompul Mora Helena Tambunan Muhadi M. Ilyas Gultom Muhammad Mizan Siregar Muhammad Zarlis Muhammad Zarlis, Muhammad 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 Romanus Damanik Roslina, Roslina Rubianto Rubianto Sagala, Masdiana Sartika Mandasari Sembiring, Rahmat Widya Siahaan , Marulak Lasron Sinaga, Novendra Adisaputra Sipayung, Sardo Pardingotan Sri Hartati Sugeng Riyadi Tarigan, Dede Ardian Tulus Tulus Wanayumini Yoppi, Edunal Yuni Franciska Yusfrizal Yusfrizal Yusniar Lubis Yusniar Lubis Yusniar Lubis Zekson Matondang