Article Per Year (5 Year)
p-Index From 2020 - 2025
1.578
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Sistem Komputer dan Informatika (JSON) Teknika Data Sciences Indonesia (DSI) Bulletin of Engineering Science, Technology and Industry
Yennimar
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Physics

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Model Prediksi Dengan Machine Learning Terhadap Keberhasilan Mahasiswa Dalam Pembelajaran Online Yennimar; Manihuruk, Rohni Endetta; Br Hotang, Etis Landya
Sinkron : jurnal dan penelitian teknik informatika Vol. 5 No. 2B (2021): Article Research October 2021
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v6i1.11095

Abstract

The learning system during the Covid-19 pandemic was carried out online, online learning had a negative impact and a positive impact. The impact given can affect the success of student learning. The success of learning is the main thing that must be achieved by students. From the success of learning, it can be seen that the online learning process is going well or not. To determine the success rate of online learning, testing is carried out by applying a neural network algorithm. Neural network algorithms are used because they can solve complex problems related to prediction. This research is expected to help lecturers or campus parties to create better online learning. In this study using student grade data for Academic Year 2018/2019 and Academic Year 2019/2020, data testing using Rapidminer software and operator cross validation. In testing the Academic Year 2018/2019 and Academic Year 2019/2020 value data using 700 training cycles, 0.4 momentum, 0.2 learning rate and hidden layer 2. The level of accuracy obtained in the 2018/2019 student grade data is 95, 55% and Academic Year 2019/2020 which is 93.17%. From the test results, it was found that the accuracy rate of Academic Year 2018/2019 is higher than Academic Year 2019/2020, so the success rate in Academic Year 2018/2019 before the pandemic is better than the success rate in Academic Year 2019/2020 after the pandemic.
Sentiment Analysis of Indonesia Covid-19 Vaccine on Twitter Using Naïve Bayes Classifier Muhammad Ridho; Amir Mahmud Husein; Yennimar; Vivian Benita Halawa; Nova Anjelia Pasaribu; Suraj Kumar
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.2959

Abstract

Analisis sentimen merupakan suatu teknik untuk menggali informasi berupa pandangan (sentimen) seseorang terhadap suatu isu atau peristiwa. Analisis sentimen dapat dilakukan pada media sosial Twitter dengan memanfaatkan Tweet dari pengguna dengan menghasilkan klasifikasi berupa penilaian positif, negatif atau netral. Salah satu topik yang bisa dianalisis adalah program vaksinasi COVID-19. Dengan banyaknya jenis atau merek dagang pada vaksin, hal ini menimbulkan permasalahan terkait dengan beragamnya opini masyarakat terhadap vaksin tersebut. Penelitian ini bertujuan untuk mengetahui keakuratan metode yang digunakan terhadap hasil klasifikasi pada analisis sentimen masyarakat mengenai vaksin di media sosial Twitter. Metode yang digunakan dalam penelitian ini adalah Naive Bayes Classifier. Penerapan metode ini digunakan pada dataset yang diperoleh dengan melakukan crawling pada data tweet terkait topik vaksin covid-19. Jumlah dataset yang berhasil diperoleh sebanyak 8000+ tweet mulai tanggal 15 hingga 24 Desember dengan proses pengambilan manual karena keterbatasan pengambilan tweet. Hasil akurasi metode Naive Bayes Classifier sebesar 0,93 (93%) dengan perolehan klasifikasi jumlah tweet berlabel positif 2275 (60,2%), negatif 201 (5,3%), dan netral 1304 (34,5%). ). Berdasarkan akurasi tinggi yang dihasilkan dari penerapan metode NBC pada penelitian ini, maka metode NBC sangat dipertimbangkan untuk mengklasifikasikan label untuk analisis sentimen pada topik vaksin covid-19.
Pembuatan Aplikasi Absensi Berbasis Website Pada POLDA Sumatera Utara Zizwan Putra, Adya; Amir Mahmud Husein; Yennimar; Rico Aldinata Tarigan
Data Sciences Indonesia (DSI) Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i1.2802

Abstract

Perkembangan teknologi dan penyebaran informasi menjadi semakin cepat berbagai aspek kehidupan, baik aspek sosial, politik, budaya, pendidikan dan pekerjaan. Perkembangan ini membuat banyak kegiatan operasional perusahaan yang menjadi lebih efisien dan efektif, salah satunya adalah kegiatan pencatatan kehadiran (absensi). Absensi menjadi salah satu aspek utama penilaian terkait ketaatan kehadiran dan kedisiplinan karyawan pada saat jam kerja. Hal ini dikarenakan absensi dapat mempengaruhi kinerja karyawan khususnya di Polda Sumatera Utara. Di Polda Sumatera Utara, sistem absensi sudah menggunakan mesin fingerprint. Namun, detektor pada mesin fingerprint seringkali mengalami masalah sehingga karyawan harus melakukan fingerprint berulang-ulang agar sidik jari dapat dikenali sensorPenelitian ini menggunakan berbagai metode yaitu metode pengamatan secara langsung terhadap kegiatan-kegiatan yang dilakukan di Polda Sumatera Utara, wawancara dengan karyawan Polda Sumatera Utara yang berkaitan langsung dengan masalah yang diteliti dan Jurnal yang berhubungan dengan penelitian yang dilakukan. Diharapkan aplikasi yang dirancang dapat menjadi solusi yang efektif dalam penyelesaian permasalahan yang dihadapi oleh Polda Sumatera Utara terutama dalam kegiatan absensi karyawan. Pengujian pada aplikasi kehadiran karyawan dilakukan agar dapat memastikan bahwa aplikasi dapat berjalan dengan baik dan tidak ada debugging pada sistem.Aplikasi kehadiran karyawan dirancang dengan model waterfall melalui empat tahapan yang dilakukan yaitu analisis kebutuhan, desain antarmuka pengguna, implementasi aplikasi, dan pengujian aplikasi, Melalui aplikasi ini, pihak Polda Sumatera Utara dapat melakukan mencatat, memeriksa, mengubah dan menyusun laporan kehadiran karyawan berbasis website, Penambahan karyawan, pengubahan data user, beserta pengunduhan laporan dalam aplikasi ini hanya dapat dilakukan oleh admin untuk menghindari kebocoran data yang terkait dengan aplikasi tersebut.
Implementation of Support Vector Machine Algorithm for Heart Disease Risk Identification Using Signal Electrocardiogram Shiddik, Fahriza; Bagas Andhika; Yennimar; Grisela Sangap Damayanti Saragih; Gabriella Br. Surbakti
Sinkron : jurnal dan penelitian teknik informatika Vol. 9 No. 2 (2025): Research Articles April 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v9i2.14642

Abstract

: In the medical world, one of the biggest contributors to death in the world is heart disease. Early detection of the risk of heart disease can increase the chances of recovery and reduce mortality. This research applies the Support Vector Machine (SVM) algorithm to identify the risk of heart disease using Electrocardiogram Signals. The ECG data used was taken from a public database that contained a record of information on the electrical activity of the heart of patients with various heart health conditions. The Support Vector Machine algorithm is applied to classify ECG signals into 2 main classes, namely normal conditions and at-risk conditions. Several methods in data processing, including data normalization and feature selection are used to improve the accuracy and success of the model. The results of the evaluation with this method resulted in accuracy, precision, recall and also F1-score showed that the modeling of this algorithm produced a fairly good classification, with an accuracy of more than 90% in the identification of heart disease risk. This study shows the potential use of this algorithm in automatically detecting the risk of heart disease based on ECG signals, which can be a tool in medical diagnosis. The results show that implementing the SVM strategi with the RBF kernel appears to be a very easy execution when compared to the direct part. An important component that affects the adequacy of an SVM strategy is the parameters of the section and the way the information is handled.
Implementation of Blockchain Technology for Image Plagiarism Detection Using DCT, AES128, and SHA-1 Algorithms Duran, Filbert; Leonardo; Shickhem; Yennimar
Teknika Vol. 14 No. 1 (2025): March 2025
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v14i1.1205

Abstract

Plagiarism encompasses the act of appropriating high-quality user-generated content as if it were one's own intellectual property. Image plagiarism can be conceptualized as a broader category that encompasses the challenges of detecting copied images. Identifying instances of plagiarism is of paramount importance not only for graphic designers, professional photographers, and bloggers but also for publishing entities and legal practitioners seeking to uncover unauthorized reproductions of their creations. In addressing this issue, the implementation of blockchain technology presents a viable solution. Fundamentally more than just a collection of interconnected blocks, blockchain is characterized by the systematic recording of digital signatures or hashes of each block. Blockchain is essentially more than just a collection of interconnected blocks; it is characterized by the systematic recording of a digital signature or hash of each block. To generate the hash, cryptographic methods can be applied. This study aims to develop a web-based application that is adept at detecting image plagiarism through the application of blockchain technology. Images submitted by users will undergo plagiarism detection by an application that uses blockchain methodology. This study applies the DCT method to extract features from images, then uses the AES-128 and SHA-1 methods to generate blockchain. The results of this study are in the form of a website that can be used to detect image plagiarism. From the results of the tests carried out, it was obtained that the combination of the DCT, AES-128 and SHA-1 methods can detect image plagiarism with an accuracy of 100%. This means that the combination of these methods can be applied to carry out the process of detecting image plagiarism with a very high level of accuracy.
Pembuatan Aplikasi Absensi Berbasis Website Pada POLDA Sumatera Utara Zizwan Putra, Adya; Amir Mahmud Husein; Yennimar; Rico Aldinata Tarigan
Data Sciences Indonesia (DSI) Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, June 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i1.2802

Abstract

Perkembangan teknologi dan penyebaran informasi menjadi semakin cepat berbagai aspek kehidupan, baik aspek sosial, politik, budaya, pendidikan dan pekerjaan. Perkembangan ini membuat banyak kegiatan operasional perusahaan yang menjadi lebih efisien dan efektif, salah satunya adalah kegiatan pencatatan kehadiran (absensi). Absensi menjadi salah satu aspek utama penilaian terkait ketaatan kehadiran dan kedisiplinan karyawan pada saat jam kerja. Hal ini dikarenakan absensi dapat mempengaruhi kinerja karyawan khususnya di Polda Sumatera Utara. Di Polda Sumatera Utara, sistem absensi sudah menggunakan mesin fingerprint. Namun, detektor pada mesin fingerprint seringkali mengalami masalah sehingga karyawan harus melakukan fingerprint berulang-ulang agar sidik jari dapat dikenali sensorPenelitian ini menggunakan berbagai metode yaitu metode pengamatan secara langsung terhadap kegiatan-kegiatan yang dilakukan di Polda Sumatera Utara, wawancara dengan karyawan Polda Sumatera Utara yang berkaitan langsung dengan masalah yang diteliti dan Jurnal yang berhubungan dengan penelitian yang dilakukan. Diharapkan aplikasi yang dirancang dapat menjadi solusi yang efektif dalam penyelesaian permasalahan yang dihadapi oleh Polda Sumatera Utara terutama dalam kegiatan absensi karyawan. Pengujian pada aplikasi kehadiran karyawan dilakukan agar dapat memastikan bahwa aplikasi dapat berjalan dengan baik dan tidak ada debugging pada sistem.Aplikasi kehadiran karyawan dirancang dengan model waterfall melalui empat tahapan yang dilakukan yaitu analisis kebutuhan, desain antarmuka pengguna, implementasi aplikasi, dan pengujian aplikasi, Melalui aplikasi ini, pihak Polda Sumatera Utara dapat melakukan mencatat, memeriksa, mengubah dan menyusun laporan kehadiran karyawan berbasis website, Penambahan karyawan, pengubahan data user, beserta pengunduhan laporan dalam aplikasi ini hanya dapat dilakukan oleh admin untuk menghindari kebocoran data yang terkait dengan aplikasi tersebut.
Sentiment Analysis of Indonesia Covid-19 Vaccine on Twitter Using Naïve Bayes Classifier Muhammad Ridho; Amir Mahmud Husein; Yennimar; Vivian Benita Halawa; Nova Anjelia Pasaribu; Suraj Kumar
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.2959

Abstract

Analisis sentimen merupakan suatu teknik untuk menggali informasi berupa pandangan (sentimen) seseorang terhadap suatu isu atau peristiwa. Analisis sentimen dapat dilakukan pada media sosial Twitter dengan memanfaatkan Tweet dari pengguna dengan menghasilkan klasifikasi berupa penilaian positif, negatif atau netral. Salah satu topik yang bisa dianalisis adalah program vaksinasi COVID-19. Dengan banyaknya jenis atau merek dagang pada vaksin, hal ini menimbulkan permasalahan terkait dengan beragamnya opini masyarakat terhadap vaksin tersebut. Penelitian ini bertujuan untuk mengetahui keakuratan metode yang digunakan terhadap hasil klasifikasi pada analisis sentimen masyarakat mengenai vaksin di media sosial Twitter. Metode yang digunakan dalam penelitian ini adalah Naive Bayes Classifier. Penerapan metode ini digunakan pada dataset yang diperoleh dengan melakukan crawling pada data tweet terkait topik vaksin covid-19. Jumlah dataset yang berhasil diperoleh sebanyak 8000+ tweet mulai tanggal 15 hingga 24 Desember dengan proses pengambilan manual karena keterbatasan pengambilan tweet. Hasil akurasi metode Naive Bayes Classifier sebesar 0,93 (93%) dengan perolehan klasifikasi jumlah tweet berlabel positif 2275 (60,2%), negatif 201 (5,3%), dan netral 1304 (34,5%). ). Berdasarkan akurasi tinggi yang dihasilkan dari penerapan metode NBC pada penelitian ini, maka metode NBC sangat dipertimbangkan untuk mengklasifikasikan label untuk analisis sentimen pada topik vaksin covid-19.
COMPARISON OF K-NEAREST NEIGHBOR ALGORITHM AND SUPPORT VECTOR MACHINE IN CLASSIFICATION ARRHYTHMIA IN ECG SIGNALS Yennimar; Julfan Farman Zebua; Wikesyah Putri Sitorus; Yans YMP Situmorang; Juilo Diamond Sitepu
Bulletin of Engineering Science, Technology and Industry Vol. 2 No. 3 (2024): September
Publisher : PT. Radja Intercontinental Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59733/besti.v2i3.56

Abstract

Heart disease is one of the biggest causes of death in Indonesia, one of which is arrhythmia, which is a heart rhythm disturbance or a pattern of rapid changes in normal heart rate. Early detection of arrhythmias is very important in reducing the risk of death. In this study, a machine learning approach was used to classify arrhythmias through ECG signal analysis using the K-Nearest Neighbor (K-NN) and Support Vector Machine (SVM) algorithms. The research results show that the K-NN algorithm managed to achieve an accuracy of 82.61%, while the SVM algorithm achieved an accuracy of 79.35%. This shows that the K-NN algorithm has better performance than SVM in the classification of arrhythmia diseases from ECG signals. With higher accuracy, K-NN can identify arrhythmias more precisely, which is very important in the context of early detection. Accurate early detection allows for quicker and more appropriate medical intervention, thereby reducing the risk of serious complications and death. Implementing a K-NN-based early arrhythmia detection system can be an effective solution to be implemented on a wider scale, such as in hospitals or clinics. With this technology, medical personnel can more quickly and accurately diagnose arrhythmias, so that treatment can be carried out earlier. This is very important considering the high death rate due to heart disease in Indonesia. Overall, this study makes an important contribution to the development of an effective early detection system for arrhythmias. By using the K-NN algorithm which has proven to be more accurate, it is hoped that this system can help reduce the death rate due to heart disease in Indonesia. Additionally, further research is needed to continue improving the accuracy and effectiveness of these systems, as well as to explore the potential use of other machine learning algorithms in the medical field.
Implementasi Algoritma Naïve Bayes dalam Identifikasi Kejang Epilepsi dengan Menggunakan Sinyal EEG Napitupulu, Agrifa Insani; Dhanny Rukmana Manday; William Owen Wijaya; Yennimar; Mardi Turnip
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8990

Abstract

Epilepsi merupakan gangguan neurologis kronis yang ditandai dengan aktivitas listrik abnormal di otak, yang dapat dideteksi melalui sinyal elektroensefalogram (EEG). Deteksi dini epilepsi sangat penting untuk mencegah dampak yang lebih serius terhadap kesehatan penderita. Penelitian ini bertujuan untuk mengklasifikasikan kondisi epileptik dan non-epileptik berdasarkan data EEG menggunakan algoritma Naive Bayes. Dataset yang digunakan berasal dari Kaggle dan terdiri dari 11.500 sampel sinyal EEG dengan 178 fitur numerik. Data mengalami tahap pra-pemrosesan berupa binarisasi label, normalisasi, serta reduksi dimensi menggunakan Principal Component Analysis (PCA). Selanjutnya, dilakukan pelatihan dan pengujian model Gaussian Naive Bayes dengan proporsi data latih dan uji sebesar 80:20. Hasil evaluasi menunjukkan bahwa algoritma Naive Bayes mampu memberikan performa yang baik dengan akurasi sebesar 96%, precision dan recall masing-masing sebesar 90% untuk kelas epileptik, serta nilai F1-score sebesar 90%. Temuan ini mengindikasikan bahwa model ini cukup andal dan efisien untuk klasifikasi sinyal EEG, meskipun dengan keterbatasan asumsi independensi antar fitur. Dengan demikian, algoritma Naive Bayes dapat menjadi solusi awal dalam pengembangan sistem deteksi dini epilepsi berbasis machine learning.
Co-Authors Amir Mahmud Husein Bagas Andhika Br Hotang, Etis Landya Dhanny Rukmana Manday Duran, Filbert Gabriella Br. Surbakti Grisela Sangap Damayanti Saragih Juilo Diamond Sitepu Julfan Farman Zebua Leonardo Manihuruk, Rohni Endetta Mardi Turnip Muhammad Ridho Napitupulu, Agrifa Insani Nova Anjelia Pasaribu Rico Aldinata Tarigan Shickhem Shiddik, Fahriza Suraj Kumar Vivian Benita Halawa Wikesyah Putri Sitorus William Owen Wijaya Yans YMP Situmorang Zizwan Putra, Adya