Article Per Year (5 Year)
p-Index From 2021 - 2026
1.006
P-Index
This Author published in this journals
All Journal Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Jurnal Manajemen, Pendidikan dan Ilmu Komputer (JMENDIKKOM)
Abdi Rahim Damanik
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Mathematics Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Sistem Pendukung Keputusan Dalam Pemilihan Sepeda Motor Merk Honda Pada Mahasiswa Dengan Metode Mamdani Syawaluddin Kadafi Parinduri; Abdi Rahim Damanik; Indra Gunawan; Sumarno, Sumarno; Heru Satria Tambunan
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 3 No. 1 (2025): Volume 3 No 1 Tahun 2025
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/y3rjcj17

Abstract

Pengambilan keputusan dalam memilih sepeda motor seringkali menjadi permasalahan bagi konsumen karena banyaknya pilihan yang tersedia dengan berbagai spesifikasi, harga, dan fitur yang ditawarkan. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) yang dapat membantu calon konsumen anak muda ataupun mahasiswa dalam menentukan pilihan sepeda motor dengan merk Honda yang sesuai dengan kebutuhannya. Metode yang digunakan dalam sistem ini adalah logika fuzzy Mamdani, yang mampu menangani ketidakpastian dan subjektivitas dalam pengambilan keputusan. Kriteria yang digunakan meliputi harga, konsumsi bahan bakar, dan kualitas. Hasil pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi yang akurat dan sesuai dengan preferensi pengguna. Dengan adanya sistem ini, diharapkan proses pengambilan keputusan menjadi lebih efektif dan efisien.  
Analisis Sosial dan Ekonomi Kerajinan Bordir Sebagai Warisan Budaya Pematangsiantar Menggunakan Bahasa Python Abdi Rahim Damanik; Surya Darma; Dedy Hartama
Jurnal Manajemen, Pendidikan Dan Ilmu Komputer Vol. 1 No. 1 (2024): JMENDIKKOM Volume 1 No 1 Januari 2024
Publisher : Yayasan Darus Soleh Parung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65309/00pgpd35

Abstract

Kerajinan bordir di Pematangsiantar merupakan bagian integral dari warisan budaya lokal yang kaya. Penelitian ini bertujuan untuk melakukan analisis sosial dan ekonomi terhadap kerajinan bordir sebagai warisan budaya di Pematangsiantar. Metode penelitian yang digunakan adalah kombinasi antara studi literatur, observasi lapangan, dan wawancara mendalam dengan para pengrajin bordir serta pemangku kepentingan terkait. Analisis sosial mencakup identifikasi praktik budaya yang terkait dengan pembuatan bordir, peran perempuan dalam pengembangan kerajinan ini, serta cara bordir menjadi bagian dari identitas budaya masyarakat setempat. Sementara itu, analisis ekonomi mempertimbangkan nilai ekonomi kerajinan bordir dalam perekonomian lokal, dampaknya terhadap penghidupan pengrajin, serta tantangan dan peluang dalam memasarkan produk bordir secara lokal maupun global. Temuan dari penelitian ini menunjukkan bahwa kerajinan bordir di Pematangsiantar tidak hanya memainkan peran penting dalam melestarikan warisan budaya, tetapi juga memiliki potensi ekonomi yang signifikan. Namun, tantangan seperti pemenuhan pasar yang berkelanjutan dan pendidikan generasi muda dalam mempertahankan tradisi bordir perlu ditangani secara serius untuk menjaga keberlanjutan kerajinan ini sebagai warisan budaya yang hidup dan berdaya saing.
Pemetaan Zona Risiko Stunting Menggunakan Algoritma K-Medoids Berbasis Mobile Pada Wilayah Pematangsiantar Salsabila, Sophia; Uci Julya Ningsih; Dewi Santika; Isniar Yaskinah Hutapea; Syalommitha Situmorang; Abdi Rahim Damanik
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 4 No. 1 (2025): Volume 4 No 1 Tahun 2025
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/jb72mw95

Abstract

Stunting merupakan salah satu permasalahan kesehatan yang masih menjadi tantangan di Kota Pematangsiantar, terutama karena proses identifikasi wilayah berisiko masih dilakukan secara manual sehingga analisis data menjadi kurang efektif. Penelitian ini bertujuan untuk mengembangkan aplikasi pemetaan zona risiko stunting berbasis mobile dengan menerapkan algoritma K-Medoids guna mengelompokkan data balita berdasarkan kemiripan karakteristik pertumbuhan. Data yang digunakan meliputi tinggi badan, berat badan, usia, serta indikator lingkungan yang relevan. Proses penelitian meliputi pengumpulan data, perancangan sistem menggunakan UML, implementasi algoritma K-Medoids pada aplikasi Android dengan bahasa pemrograman Java, serta evaluasi fungsionalitas sistem. Hasil penelitian menunjukkan bahwa metode K-Medoids mampu membentuk klaster risiko stunting yang representatif dan stabil, terdiri dari kategori Tidak Risiko, Risiko Rendah, Risiko Tinggi, dan Darurat Stunting. Aplikasi mobile yang dikembangkan juga berhasil menampilkan hasil analisis dan visualisasi peta risiko secara interaktif, sehingga dapat membantu tenaga kesehatan dalam memonitor dan menentukan prioritas intervensi secara lebih cepat dan akurat. Sistem ini diharapkan dapat menjadi pendukung keputusan dalam upaya pencegahan dan penanganan stunting di wilayah Pematangsiantar.
Aplikasi Prediksi Kepadatan Penduduk Menggunakan Decision Tree Anis Dwi Rizky; Abdi Rahim Damanik; Muhammad Deri Andriansyah Situmorang; Ahmad Farhan Lumbangaol; Audyananda; Hotmaida Asima Verawati Simorangkir
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 4 No. 1 (2025): Volume 4 No 1 Tahun 2025
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/7aygeq97

Abstract

The continuous increase in population growth requires an analytical system capable of providing predictive information to support regional development planning. This study aims to develop a population density prediction application using the Decision Tree algorithm by utilizing official population data from the Central Statistics Agency (BPS) covering population and area. The research process is carried out through several stages, namely problem identification, data collection, system design, model implementation, and application evaluation. The Decision Tree algorithm was chosen because it is able to provide a decision tree structure that is easy to interpret and effective for tabular data-based classification. Attribute separation measurements were carried out using the Gini Index, Entropy, and Information Gain to determine the best attribute to form a node. The analysis results show that the population attribute is the most influential variable in determining the density category, with the highest Information Gain of 1.5269. The model produces clear classification rules, such as low density categories for areas with a population of less than 3 million, medium for 3–10 million, and high for more than 10 million people. The application evaluation shows that the system is able to run stably and provides accurate prediction results according to the data pattern. The application developed is expected to assist local governments in monitoring and anticipating changes in population density as a basis for data-driven planning.
APLIKASI  KLASIFIKASI TINGKAT KEMISKINAN WARGA BERBASIS K-MEANS Silvia Hani; Zahra Chaizura; Abdi Rahim Damanik
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 4 No. 1 (2025): Volume 4 No 1 Tahun 2025
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/sy65vc86

Abstract

Pendataan tingkat kemiskinan warga masih banyak dilakukan secara manual sehingga menimbulkan ketidakakuratan dan potensi subjektivitas dalam penentuan kategori kesejahteraan. Penelitian ini bertujuan untuk mengembangkan Aplikasi Klasifikasi Tingkat Kemiskinan Warga Berbasis K-Means yang mampu mengelompokkan warga secara otomatis berdasarkan pendapatan, pengeluaran, dan jumlah aset. Algoritma K-Means digunakan untuk melakukan proses clustering dan menghasilkan tiga kategori tingkat kemiskinan, yaitu Sangat Miskin, Rentan Miskin, dan Mampu. Metode penelitian meliputi identifikasi masalah, pengumpulan data, perancangan sistem, implementasi, dan evaluasi. Hasil pengujian menunjukkan bahwa aplikasi dapat memproses data secara cepat, memberikan hasil klasifikasi yang konsisten, serta meningkatkan objektivitas dibandingkan penilaian manual. Aplikasi ini diharapkan dapat membantu proses pendataan sosial ekonomi warga menjadi lebih akurat dan terstruktur, serta dapat menjadi dasar bagi pengembangan sistem analisis data pada penelitian selanjutnya.
Co-Authors Ahmad Farhan Lumbangaol Angela Parhusip Anis Dwi Rizky Audyananda Cici Melisa Rizki Panjaitan Dedy Hartama Dewi Santika Heru Satria Tambunan Hotmaida Asima Verawati Simorangkir Indra Gunawan Isniar Yaskinah Hutapea Lidiya Adeliya Nababan Muhammad Deri Andriansyah Situmorang Natasya Pramuda Ananta Salsabila, Sophia Silvia Hani Sumarno . Surya Darma Syalommitha Situmorang Syawaluddin Kadafi Parinduri Uci Julya Ningsih Zahra Chaizura