Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Techno Nusa Mandiri : Journal of Computing and Information Technology 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 : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 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.
PERFORMANCE ANALYSIS OF K-NN AND SVM IN DIGITAL IMAGE-BASED TEA LEAF DISEASE CLASSIFICATION P.P.P.A.N.W.Fikrul Ilmi R.H Zer; Abdi Rahim Damanik; P.A.M. Zidane R.W.P.P Zer
Jurnal Techno Nusa Mandiri Vol. 23 No. 1 (2026): Techno Nusa Mandiri : Journal of Computing and Information Technology Period o
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/js2snb70

Abstract

Tea is a commodity with high economic value, but it is susceptible to diseases such as Brown Blight, Red Rust, and Red Spider Mite. The manual identification process currently relies on visual observation, which is time-consuming and prone to error. This research aims to analyze the performance of K-NN and SVM algorithms in classifying tea leaf diseases based on digital images. This research utilized a perfectly balanced dataset of 5,000 images. The research methodology involves image preprocessing and classification using 5-Fold, 10-Fold, and 20-Fold Cross-Validation. The results demonstrate that the SVM algorithm consistently outperforms K-NN across all testing scenarios. Specifically, SVM achieved its highest accuracy of 96.6% using 20-Fold Cross-Validation, whereas the highest accuracy for K-NN was 96.1%. The research concludes that SVM provides superior sensitivity and accuracy for identifying tea leaf diseases, offering a viable solution for automated detection systems in the plantation sector
Co-Authors Angela Parhusip Cici Melisa Rizki Panjaitan Dedy Hartama Heru Satria Tambunan Indra Gunawan Lidiya Adeliya Nababan Natasya Pramuda Ananta P.A.M. Zidane R.W.P.P Zer P.P.P.A.N.W.Fikrul Ilmi R.H Zer Sumarno . Surya Darma Syawaluddin Kadafi Parinduri