Article Per Year (5 Year)
p-Index From 2021 - 2026
2.403
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Journal of Computer Networks, Architecture and High Performance Computing Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Jurnal Ilmiah Teknik Informatika dan Komunikasi Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Intelek Dan Cendikiawan Nusantara Jurnal Intelek Insan Cendikia Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika Sevaka: Hasil Kegiatan Layanan Masyarakat
Irwansyah, Bambang
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Sistem Informasi Absensi Karyawan Berbasis Web di RSUD Perdagangan Sultan Nico Nur'Arsy; Bambang Irwansyah
Jurnal Intelek Insan Cendikia Vol. 3 No. 1 (2026): JANUARI 2026
Publisher : PT. Intelek Cendikiawan Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan merancang dan membangun sistem informasi absensi karyawan berbasis web di RSUD Perdagangan untuk meningkatkan efektivitas pengelolaan data kehadiran. Sistem absensi manual yang sebelumnya digunakan menimbulkan permasalahan seperti keterlambatan rekap data, potensi kesalahan pencatatan, dan kurangnya efisiensi administrasi. Metode pengembangan sistem yang digunakan adalah model waterfall meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem dibangun menggunakan bahasa pemrograman PHP dengan framework Xampp serta basis data MySQL. Fitur utama meliputi halaman login, dashboard admin untuk pengelolaan data karyawan dan laporan absensi, serta dashboard karyawan untuk melakukan presensi secara daring. Hasil implementasi menunjukkan bahwa sistem mampu mempercepat proses pencatatan kehadiran, meningkatkan akurasi data, serta memudahkan pembuatan laporan secara real-time. Dengan demikian, sistem ini dapat mendukung peningkatan kinerja administrasi dan pengelolaan sumber daya manusia di lingkungan rumah sakit, serta membantu proses pengambilan keputusan manajerial berbasis data yang lebih cepat, tepat, dan terstruktur.
IMPLEMENTASI SMART TRASH BIN BERBASIS INTERNET OF THINGS DENGAN INTEGRASI PLATFORM BLYNK UNTUK MONITORING SAMPAH REAL-TIME Santi Kayani Siregar; Bambang Irwansyah
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 2 No. 6 (2025): Desember 2025 - Januari 2026
Publisher : PT. Intelek Cendikiawan Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Permasalahan kebersihan lingkungan masih menjadi isu penting dalam kehidupan sehari-hari, khususnya yang berkaitan dengan pengelolaan sampah rumah tangga. Tempat sampah konvensional umumnya masih memerlukan kontak fisik sehingga berpotensi menjadi media penyebaran bakteri dan virus. Penelitian ini bertujuan merancang dan mengimplementasikan sistem Smart Trash Bin berbasis Internet of Things (IoT) yang mampu bekerja secara otomatis dan dapat dipantau secara real-time melalui platform Blynk. Sistem dikembangkan menggunakan mikrokontroler ESP32 sebagai pusat kendali, sensor ultrasonik HC-SR04 sebagai pendeteksi jarak, motor servo sebagai aktuator pembuka tutup, serta indikator LED sebagai penanda status. Metode yang digunakan meliputi perancangan perangkat keras, pengembangan perangkat lunak, serta pengujian fungsional sistem. Hasil pengujian menunjukkan bahwa sistem mampu membuka dan menutup tutup tempat sampah secara otomatis pada jarak kurang dari 20 cm serta dapat dikendalikan secara manual melalui aplikasi Blynk. Integrasi IoT berjalan dengan baik dan memungkinkan monitoring jarak serta status sistem secara real-time. Implementasi ini membuktikan bahwa Smart Trash Bin berbasis IoT dapat menjadi solusi higienis dan efisien dalam pengelolaan sampah modern.
Sistem Informasi Pengarsipan Surat Keluar Masuk di Kantor Camat Teluk Nibung Kota Tanjungbalai Agrinda Aulia Lubis; Bambang Irwansyah
Merkurius : Jurnal Riset Sistem Informasi dan Teknik Informatika Vol. 3 No. 6 (2025): November: Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/merkurius.v3i6.1255

Abstract

This study describes the development of a web-based Archival Information System aimed at improving the efficiency and accuracy of managing incoming and outgoing correspondence at the Teluk Nibung Sub-District Office in Tanjungbalai City. The system enhances administrative workflows by digitizing key processes, including the receipt, verification, recording, and archiving of incoming letters, as well as the preparation and distribution of outgoing letters. Management of incoming and outgoing documents is handled separately to ensure systematic processing and to reduce errors commonly found in manual administration. Developed using web-based technologies and supported by a MySQL database, the system enables flexible access, automated data storage, and faster document retrieval. The implementation results indicate notable improvements in administrative performance, such as quicker processing times, reduced reliance on paper-based archives, and improved data security. Overall, the system supports the modernization of public sector administration and contributes to more effective, reliable, and sustainable archival management practices at the sub-district office level.
Clustering Karakteristik Pasien RSUD Perdagangan Berdasarkan Intensitas Pelayanan Menggunakan Metode K-Medoids Az Zikri, Mhd Zahir; Irwansyah, Bambang; Saputra, M Yoggi; Rahmat; Agusman, Ridho; Armanda A. R, Kafilano; Marpaung, Nasir Fadillah; Nur'Arsy, Sultan Nico
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 3 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 3 (Januari 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i3.5066

Abstract

Pemanfaatan teknologi informasi dalam bidang kesehatan berperan penting dalam pengelolaan data pasien secara efektif. Rumah sakit menghasilkan data dalam jumlah besar yang menyimpan informasi mengenai karakteristik dan intensitas pelayanan. Penelitian ini bertujuan untuk mengelompokkan pasien RSUD Perdagangan berdasarkan tingkat intensitas pelayanan menggunakan metode K-Medoids. Data yang digunakan berupa data sekunder sebanyak 100 pasien dengan lima variabel utama, yaitu umur, lama rawat inap, jumlah kunjungan per tahun, jumlah tindakan per kunjungan, dan durasi kunjungan. Metode penelitian menggunakan pendekatan kuantitatif dengan teknik data mining melalui tahapan pengumpulan data, pra-pemrosesan, seleksi atribut, normalisasi, serta proses clustering menggunakan algoritma K-Medoids dan jarak Euclidean. Jumlah klaster ditentukan sebanyak tiga, yaitu klaster intensitas pelayanan rendah, sedang, dan tinggi. Hasil penelitian menunjukkan bahwa proses clustering mencapai kondisi konvergen pada iterasi kedua dengan nilai total simpangan yang tidak mengalami perbaikan. Metode K-Medoids terbukti mampu menghasilkan pengelompokan yang stabil dan representatif terhadap kondisi nyata pasien. Hasil pengelompokan ini dapat dimanfaatkan oleh pihak manajemen rumah sakit dalam perencanaan sumber daya, peningkatan mutu pelayanan, serta pengambilan keputusan strategis berbasis data.
ANALISIS TINGKAT KEPARAHAN COVID-19 DI SUATU NEGARA MENGGUNAKAN METODE K-MEDOID CLUSTERING Amelia, Syahputri; Yusri, Eldo; Irwansyah, Bambang; Andira, Ayu; Sukri, Muhammad; Yafi, Muhammad Fauzan; Affandi, Muhammad
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 9, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5787

Abstract

Abstract: This study aims to classify the severity of COVID-19 cases based on patient and region data using the K-Medoid Clustering method. COVID-19 has varying degrees of symptom severity, requiring cluster analysis to identify severity patterns to support decision-making in healthcare resource allocation and policy formulation. The data used included the number of positive cases, recovered cases, deaths, the average age of patients, and comorbidity levels. The results showed that the K-Medoid method was able to effectively cluster the data. In the raw dataset, the percentage of patients not infected with COVID-19 was 62.62%, while the percentage of infected patients was 37.38%. Based on sample characteristics, non-obese patients accounted for 74.54%, obese patients 25.46%, and patients with a combination of obesity and cardiovascular disease 0.57%. Keywords: Covid-19, Severity, K-Medoid Clustering, Data Mining Abstrak: Penelitian ini bertujuan untuk mengelompokkan tingkat keparahan kasus COVID-19 berdasarkan data pasien dan wilayah menggunakan metode K-Medoid Clustering. COVID-19 memiliki variasi tingkat keparahan gejala, sehingga diperlukan analisis klaster untuk mengidentifikasi pola keparahan yang mendukung pengambilan keputusan dalam alokasi sumber daya kesehatan dan perumusan kebijakan. Data yang digunakan meliputi jumlah kasus positif, kasus sembuh, kasus meninggal, usia rata-rata pasien, serta tingkat komorbiditas. Hasil penelitian menunjukkan bahwa metode K-Medoid mampu melakukan pengelompokan data secara efektif. Pada dataset mentah, persentase pasien tidak terjangkit COVID-19 sebesar 62,62%, sedangkan pasien terjangkit sebesar 37,38%. Berdasarkan karakteristik sampel, pasien non-obesitas memiliki persentase 74,54%, pasien obesitas 25,46%, dan pasien dengan kombinasi obesitas serta penyakit kardiovaskular sebesar 0,57%. Kata Kunci : Covid-19, Tingkat Keparahan, K-Medoid Clustering, Data Mining
Penerapan Learning Vector Quantization (LVQ) Untuk Klasifikasi Data Citra Digital Bambang Irwansyah; Delyanti Putri Sitorus; Rezki Abdillah; Rizky Febriansyah; Harry Ardian; Syahrul Syahrul; Ferry Cahyadi; Fahri Finanda Rizki
Jurnal Ilmiah Teknik Informatika dan Komunikasi Vol. 6 No. 1 (2026): Maret : Jurnal Ilmiah Teknik Informatika dan Komunikasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juitik.v6i1.2072

Abstract

The rapid development of information technology has increased the utilization of digital images in various fields, creating a need for classification methods that are accurate and efficient. One method that can be applied to classify numerical data obtained from image feature extraction is Learning Vector Quantization (LVQ). This study aims to implement the LVQ method for digital image classification based on numerical features and to evaluate its performance in terms of accuracy. The data used in this study consist of grayscale digital images that have undergone a feature extraction process and are represented as numerical vectors. The dataset is divided into two classes, namely Class A and Class B. The research stages include data collection, grayscale conversion, feature extraction, LVQ training, and classification testing. The classification results are evaluated using a confusion matrix and accuracy measurement. The experimental results show that the LVQ method successfully classified all test data correctly, achieving an accuracy rate of 100%. These results indicate that Learning Vector Quantization is an effective method with good performance for classifying digital image data based on numerical features.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN SISWA BERDASARKAN NILAI UTS, UAS, DAN TUGAS Irwansyah, Bambang; Daniswara, Daniswara; Handayani, Triana Puspa; Natasya, Nurul; Ardana, Abdul Aziz; Fauzar, Muhammad Fakhri; Hardiansyah, Fajar
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 9, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5758

Abstract

Abstract : This study aims to apply the K-Means Clustering method to analyze and classify students’ academic performance based on Midterm Exam (UTS), Assignments, and Final Exam (UAS) scores at SMK Swasta Kualuh. The main problem faced by the school is the difficulty of analyzing students’ score data manually as the volume of data increases, which requires a more objective and structured approach. This research uses a quantitative approach with data mining techniques through the K-Means algorithm. The data were obtained from students’ academic scores and processed through data cleaning, determination of the number of clusters, distance calculation using Euclidean Distance, and iterative clustering until stable results were achieved. The results show that students were successfully grouped into three clusters: high-performing, average-performing, and low-performing students. The application of the K-Means method provides systematic insights into students’ academic performance and can support schools in making better decisions to improve learning quality. Keywords: K-Means Clustering, Data Mining, Student Performance, Academic Scores, Web. Abstrak : Penelitian ini bertujuan untuk menerapkan metode K-Means Clustering dalam menganalisis dan mengelompokkan prestasi akademik siswa berdasarkan nilai Ujian Tengah Semester (UTS), Tugas, dan Ujian Akhir Semester (UAS) di SMK Swasta Kualuh. Permasalahan yang dihadapi sekolah adalah sulitnya melakukan analisis data nilai siswa secara manual seiring dengan meningkatnya jumlah data, sehingga diperlukan metode yang lebih objektif dan terstruktur. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik data mining menggunakan algoritma K-Means. Data yang digunakan berasal dari nilai akademik siswa yang kemudian diproses melalui tahap pembersihan data, penentuan jumlah klaster, perhitungan jarak menggunakan Euclidean Distance, serta iterasi hingga klaster stabil. Hasil penelitian menunjukkan bahwa data siswa berhasil dikelompokkan ke dalam tiga klaster, yaitu siswa berprestasi tinggi, sedang, dan rendah. Penerapan metode K-Means ini mampu membantu pihak sekolah dalam mengidentifikasi tingkat prestasi siswa secara lebih sistematis dan dapat dijadikan dasar dalam pengambilan keputusan untuk peningkatan kualitas pembelajaran. Kata kunci: K-Means Clustering, Data Mining, Prestasi Siswa, Nilai Akademik, Web.
Co-Authors Affandi, Muhammad Agrinda Aulia Lubis Agusman, Ridho Amelia, Syahputri Apdillah, Dicky Ardana, Abdul Aziz Arinda Faradillah Marpaung Armanda A. R, Kafilano Ayu Andira Az Zikri, Mhd Zahir Azhari, Dea Tiara Daniswara Daniswara, Daniswara Dea Tiara Azhari Dea, Emi Delyanti Putri Sitorus Devi Puspita Sari Dicky Apdilah Dilla Atika Sury Eldo Yusri Fahri Finanda Rizki Fajar Hardiansyah Fauzar, Muhammad Fakhri Ferry Cahyadi Hafiz, Utami Wardah Handayani, Triana Puspa Hardiansyah, Fajar Harmayani Harry Ardian Imam Arifin M. Fikri Gunawan Marpaung, Nasir Fadillah Muhammad Sukri Nabila Nabila, Nabila natasya, nurul Novica Jolyarni Dornik Nur'Arsy, Sultan Nico Nurdiani Rahmat Rahmat Rahmat Reza Fahlevi Rezki Abdillah Riswan Syahputra Damanik Rizky Febriansyah Santi Kayani Siregar Saputra, M Yoggi Septi Nur Selase Siti Ramadani Sultan Nico Nur'Arsy Syahputri Amelia Syahrul Syahrul Yafi, Muhammad Fauzan Yusri, Eldo Zulfaarrahman Zulfaarrahman