Article Per Year (5 Year)
p-Index From 2020 - 2025
4.173
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Teknik Informatika UNIKA Santo Thomas JIPN (Journal of Informatics Pelita Nusantara) Jurnal Mantik KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Jatilima : Jurnal Multimedia Dan Teknologi Informasi INFOKUM JUKI : Jurnal Komputer dan Informatika MEANS (Media Informasi Analisa dan Sistem) Jurnal Info Sains : Informatika dan Sains Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Jurnal Pengabdian Masyarakat As-salam Ulead : Jurnal E-pengabdian
Alex Rikki
Fakultas Lmu Komputer , Universitas Katolik Santo Thomas
Religion Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Social Sciences Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer

 1 
Perbandingan Peramalan Penerimaan Calon Mahasiswa Baru menggunakan Naïve Bayes dan Support Vector Machine Silitonga, Parasian D.P; Purba, Doni El Rezen; Rikki, Alex
KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Volume 6, Nomor 2, Edisi Oktober 2024
Publisher : UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/kakifikom.v6i2.4335

Abstract

Penelitian ini dilakukan untuk melihat perbandingan peramalan penerimaan calon mahasiswa baru menggunakan Naïve Bayes dan Support Vector Machine. Analisis menunjukkan bahwa model Naïve Bayes menghasilkan akurasi moderat sebesar 50% pada data uji dan memprediksikan jumlah pendaftar tetap berada pada kategori Tinggi dengan estimasi rata-rata sekitar 1542,5. Akurasi yang dihasilkan tergolong cukup rendah, tetapi Naïve Bayes dapat bekerja dengan baik pada prediksi berbasis kategori. Sebaliknya, model SVM yang diterapkan dalam bentuk Support Vector Regression (SVR) juga menunjukkan akurasi 50%, namun memberikan prediksi numerik yang lebih rinci, dengan estimasi jumlah pendaftar tetap sebesar 1883. SVM menunjukkan potensi yang lebih besar dalam menangani data dengan pola tren yang meningkat. Perbandingan antara kedua metode ini menunjukkan bahwa Naïve Bayes lebih cocok untuk prediksi kategori, sedangkan SVM lebih tepat untuk prediksi numerik yang lebih akurat.
Clustering Menggunakan Metode K-Medoids dengan pendekatan Manhattan Distance Siagian, Novriadi Antonius; Rikki, Alex; Simangunsong, Pandi Barita Nauli
KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Volume 6, Nomor 2, Edisi Oktober 2024
Publisher : UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/kakifikom.v6i2.4608

Abstract

Metode K-Medoids dengan pendekatan Manhattan Distance digunakan dalam proses clustering untuk menentukan jumlah kelompok yang optimal. Berdasarkan eval_uasi menggunakan Silhouette Score, hasil menunjukkan bahwa pemilihan jumlah cluster K=2 dan K=3 memberikan performa yang lebih baik dibandingkan dengan jumlah cluster yang lebih besar. Nilai Silhouette Score tertinggi ditemukan pada K=2, yaitu 0.761148, yang mengindikasikan bahwa data dalam cluster memiliki tingkat kemiripan yang tinggi dan terpisah dengan jelas dari cluster lainnya. Sementara itu, pada K=3, nilai Silhouette Score mengalami sedikit penurunan menjadi 0.742137, tetapi masih menunjukkan kualitas pengelompokan yang cukup baik. Ketika jumlah cluster bertambah dari K=4 hingga K=10, nilai Silhouette Score cenderung menurun dan stabil dalam kisaran 0.673 hingga 0.682. Hal ini menunjukkan bahwa menambahkan lebih banyak cluster tidak selalu meningkatkan kualitas pengelompokan. Dari hasil analisis ini, dapat disimpulkan bahwa metode K-Medoids dengan Manhattan Distance bekerja optimal ketika jumlah cluster ditetapkan pada K=2 atau K=3. Dengan jumlah ini, cluster yang terbentuk lebih jelas dan terdefinisi dengan baik.
Implementasi Algoritma K- Means Clustering untuk Mengelompokkan Data Gizi Balita pada Kecamatan Garoga Tapanuli Utara Sitohang, Dody W; Rikki, Alex
KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Vol 1 Nomor 2
Publisher : UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (484.475 KB) | DOI: 10.54367/kakifikom.v1i2.642

Abstract

Kesenjangan taraf kehidupan masyarakat di wilayah Kecamatan Garoga sampai saat ini belum merata, masih banyak masyarakat mengkomsumsi gizi yang kurang baik, sehingga dapat menimbulkan gizi yang kurang baik terhadap bayi yang ada di Kecamatan Garoga. Algoritma data mining yang cukup populer digunakan baik dalam dunia bisnis, akademik, ataupun industri adalah algoritma K-Means. AlgoritmaK-Means clustering merupakan salah satu metode clustering non hirarki yang mempartisi data menjadi beberapa cluster/kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain, Mengelompokkan pola gizi balita dengan Algoritma K-Means memang sangat rumit dan dibutuhkan ketelitian yang sangat tinggi dalam penyesuaiannya dengan menggunakan Software Rapidminer.
Implementasi Data Mining menggunakan Algoritma C-45 pada Data Masyarakat Kecamatan Garoga untuk Menentukan Pola Penerima Beras Raskin Gultom, Juan Prima; Rikki, Alex
KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Vol 2 Nomor 1
Publisher : UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/kakifikom.v2i1.664

Abstract

Kecamatan Garoga memiliki Jumlah Desa Sebanyak 13 desa. Kesenjangan taraf kehidupan masyarakat diwilayah Kecamatan Garoga sampai saat ini belum merata, masih banyak masyarakat miskin. Program bantuan sosial  salah satu komponen program jaminan sosial yang menjadi bentuk expresi tanggung jawab pemerintah, pemerintah daerah yang sangat peduli terhadap kondisi masyarakat yang miskin dan terlantar.Algoritma  C4.5  merupakan algoritma  klasifikasi pohon keputusan yang banyak digunakan karena memiliki kelebihan utama dari algoritma yang lainnya. Tujuan dari penelitian ini untuk mengetahui faktor mana saja yang paling dominan mempengaruhi data masyarakat kecamatan garoga untuk menentukan pola penerima beras raskin dengan tepat dan akurat, sehingga ini menjadi pedoman bagi pihak masyarakat ke depan untuk meningkatkan penerimaan beras raskin bagi masyarakat..
Perancangan Aplikasi Ecommerce UKM Berbasis Android dengan Sistem Pembayaran Payment Gateway Rikki, Alex; Tarigan, Randy Amos
KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Volume 4 Nomor 2
Publisher : UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/kakifikom.v4i2.2576

Abstract

Usaha Kecil dan Menengah disingkat UKM adalah sebuah istilah yang mengacu kepada jenis usaha kecil yang memiliki kekayaan bersih paling banyak Rp 200.000.000 tidak termasuk tanah dan bangunan tempat usaha. Dan usaha yang berdiri sendiri. Dalam melakukan penjualan, pegiat usaha ini menggunakan sistem offline. Setelah jam operasional toko tutup, maka penjualan akan terhenti karena tidak adanya sistem online. Penjualan yang dilakukan di luar jam operasional perusahaan, melalui whatsapp, dan email langsung ke admin penjualan. Pencatatan penjualan dan pengiriman yang dilakukan manual. Sehingga admin penjualan cukup kesulitan untuk menangani satu per satu telepon yang masuk. Melihat latar belakang permasalahan tersebut, dirancang sebuah sistem aplikasi yang dapat membantu meningkatkan dan mempermudah penjualan UKM.
Sistem Informasi Hasil Panen Kelapa Sawit pada Tirta Agung Estate Berbasis Web Pakpahan, Sorang; Sinaga, Sylvia Bernadette; Rikki, Alex; Sagala, Masdiana
KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Volume 5 Nomor 2 Tahun 2023
Publisher : UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/kakifikom.v5i2.3496

Abstract

In the current era of globalization, information technology is advancing rapidly. Computers are equipment created to make human work easier, while achieving progress in both hardware and software production. Tirta Agung Estate really needs an information system that supports and makes it easy to collect data on oil palm harvests. Tirta Agung Estate is a company operating in the plantation sector, especially palm oil, which is based in the city of Palembang and has its address at Jl. Margo Mulyo, District. Bayung Lencir, Musi Banyuasin Regency. Tirta Agung Estate has two work areas, namely in the field and in the factory. So far, harvest data is still recorded manually without using a website. In practice, the recapitulation process is still experiencing delays due to the lack of an integrated and computerized system, so researchers want to design a system that can facilitate ongoing business activities.
Co-Authors Batubara, Muhammad Iqbal Br Ginting, Anirma Kandida Doni El Rezen Purba Ginting, Wasit Gultom, Juan Prima Harianja, Andy Paul Hasugian , Paska Marto Irene Sri Morina Joko Syahputra Jonson S. Siregar Lestari , Febrika Dwi Limrot Imran Purba Marulak Lasron Siahaan Matondang, Zekson Arizona Mhd. Shafwan Koto, Mhd. Shafwan Muhammad Iqbal Nasib Marbun Parasian D.P Silitonga Parasian D.P Silitonga Parasian D.P. Silitonga Petrus Leonardi Marpaung Purba, Doni El Rezen Reni Maria Manalu Romanus Damanik Sagala, Masdiana Sakaria Efrata Ginting Sarma Panggabean Sembiring, Hermansyah Siagian, Novriadi Antonius Siagian, Parulian Siahaan, Azarya N J Silitonga, Parasian D.P Simangunsong, Pandi Barita Nauli sinaga, lotar mateus Sinaga, Nicholas Sinaga, Sylvia Bernadette Sipayung, Sardo P Sipayung, Sardo Pardingotan Sitanggang, Hilsa Kristian Sitohang, Dody W Sitorus, Lamhot Sorang Pakpahan Tanjung, Mansur Tarigan, Randy Amos TONNI LIMBONG