Article Per Year (5 Year)
p-Index From 2020 - 2025
1.77
P-Index
This Author published in this journals
All Journal Jusikom: Jurnal Sistem Informasi Ilmu Komputer
Sinurat, Stiven Hamonangan
Unknown Affiliation
Decision Sciences, Operations Research & Management

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Analisis Rasio Persepsi Konsumen Pada Kualitas Pelayanan Ojek Online Dengan Metode Service Quality Harmaja, Okta Jaya; Farrona, Rio; Siringo Ringo, Jaka Tomi Ronaldo; Hutasoit, Leo Nardo; Sinurat, Stiven Hamonangan; Indra, Evta
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 5 No. 2 (2022): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2220

Abstract

Untuk memenuhi aktivitas masyarakat yang beragam apalagi dengan jalanan kota-kota besar yang sangat padat dan sering terjadi kemacetan, membuat masyarakat malas menggunakan transportasi pribadi, dengan adanya transportasi online tentunya akan lebih praktis dan mampu memberikan kemudahan bagi masyarakat sebagai alat penunjang dalam membantu aktivitasnya. Metode Servqual merupakan metode yang digunakan untuk mengukur kualitas layanan dari atribut masing-masing dimensi, sehingga akan diperoleh nilai gap (kesenjangan) yang merupakam selisih antara persepsi konsumen terhadap layanan yang telah diterima dengan harapan terhadap yang akan diterima. Dalam perhitungan perbandingan kualitas pelayanan ojek online melalui kusioner sebanyak 130 responden, didapat hasil bahwa dari keempat Ojek Online yang diteliti Grab menempati posisi pertama dengan nilai persentase sebesar 25,56% posisi kedua ditempati oleh Gojek dengan nilai persentase sebesar 25,45% posisi ketiga ditempati oleh Maxim dengan nilai persentase 24,55% dan diposisi keempat ditempati oleh In-Driver dengan nilai persentase 24,43%.    
Analisis perbandingan sentimen Corona Virus Disease-2019 (Covid19) pada Twitter Menggunakan Metode Logistic Regression Dan Support Vector Machine (SVM) Kelvin, Kelvin; Banjarnahor, Jepri; -, Evta Indra; NK Nababan, Marlince; Sinurat, Stiven Hamonangan
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 5 No. 2 (2022): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2365

Abstract

Melihat perkembangan twitter tersebut maka twitter menjadi salah satu media yang dapat digunakan untuk melakukan analisis sentimen terhadap bebagai topik. Penelitian ini melakukan suatu analisis sentimen terhadap bahasan yang saat ini sering menjadi trending topic di twitter yaitu “CoronaVirus Disease-2019 (covid19)”. Penyebaran virus ini juga langsung dibicarakan oleh banyak kalangan masyarakat twitter, saat ini virus corona tengah menjadi perhatian dunia internasional. Banyaknya jumlah angka korban dan cepatnya penularan virus membuat masyarakat khawatir dan muncul berbagai opini tentang virus corona, Opini inilah yang kemudian di analisa untuk diketahui polaritasnya dengan analisis sentimen. Metode yang digunakan adalah Logistic Regression dan Support Vector Machine (SVM) dimana SVM memiliki nilai akurasi 91,15% dalam data test sedangkan metode Logistic Regression mendapatkan nilai akurasi sebanyak 87,68% dalam data test.
ANALISIS BIG DATA DENGAN METODE EXPLORATORY DATA ANALYSIS (EDA) DAN METODE VISUALISASI MENGGUNAKAN JUPYTER NOTEBOOK Radhi, Muhammad; Amalia, Amalia; Sitompul, Daniel Ryan Hamonangan; Sinurat, Stiven Hamonangan; Indra, Evta
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 4 No. 2 (2021): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v4i2.2475

Abstract

Dengan adanya kebutuhan akan informasi dari data yang digunakan dalam kegiatan bisnis, maka perlu dilakukan eksplorasi data untuk mengetahui informasi tersebut. Dalam proses eksplorasi data dapat dilakukan dengan menggunakan grafik, sedangkan dalam penggunaan grafik tersebut dapat berguna untuk mengidentifikasi pola-pola yang ada pada data. Penelitian ini dilakukan dengan tujuan untuk memperoleh informasi dari hasil eksplorasi data dengan menggunakan data penjualan barang elektronik dalam memperoleh informasi sebagai bahan pertimbangan dalam merencanakan strategi peningkatan usaha. Bahwa dalam penjualan barang elektronik dari bulan januari 2019 – desember 2019 yang paling banyak terjual adalah baterai AAA(4 packs) sedangkan barang yang paling sedikit terjual adalah LG Dryer. Dan untuk produk elektronik yang paling mahal terjual sepanjang bulan januari – desember adalah Macbook Pro Laptop dengan kisaran harga sebesar 1750 dolar.
PREDIKSI HARGA MOBIL MENGGUNAKAN ALGORITMA REGRESSI DENGAN HYPER-PARAMETER TUNING Amalia, Amalia; Radhi, Muhammad; Sinurat, Stiven Hamonangan; Sitompul, Daniel Ryan Hamonangan; Indra, Evta
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 4 No. 2 (2021): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v4i2.2479

Abstract

Seiring dengan bertumbuhnya tingkat aktivitas dan bisnis, mobil kini menjadi salah satu kebutuhan masyarakat. Dengan meningkatnya minat masyarakat terhadap mobil bekas, banyak orang berencana untuk memulai bisnis showroom mobil bekas. Masalah yang sering dihadapi pengusaha showroom adalah penetapan harga mobil bekas dengan tepat. Salah satu cara untuk melakukan prediksi harga adalah menggunakan metode Machine Learning. Untuk membuat prediksi harga yang lebih akurat dan memiliki nilai akurasi yang lebih tinggi, penelitian ini bertujuan untuk membuat sebuah model machine learning menggunakan algoritma regressi dengan bantuan hyper-parameter tuning untuk meningkatkan tingkat akurasi dari model yang dibuat dengan konfigurasi default. Model Machine Learning yang dibuat memiliki nilai yang berbeda, namun pada penelitian ini dipakai model Gradient Boost Regression yang memiliki nilai akurasi model sebesar 97% (setelah tuning) untuk melakukan prediksi. Dalam pencobaan prediksi, didapat nilai akurasi prediksi sebesar 80% dari 5 percobaan yang telah dilakukan.
PREDIKSI WATER QUALITY INDEX (WQI) MENGGUNAKAN ALGORITMA REGRESSI DENGAN HYPER-PARAMETER TUNING Radhi, Muhammad; Amalia, Amalia; Sinurat, Stiven Hamonangan; Sitompul, Daniel Ryan Hamonangan; Indra, Evta
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 5 No. 1 (2021): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v5i1.2492

Abstract

Air merupakan salah satu sumber daya alam esensial untuk kelangsungan hidup seluruh makhluk hidup di dunia ini. Kita memerlukan air untuk kebutuhan kita sehari-hari, begitu juga dengan tanaman dan hewan yang memerlukan air untuk kelangsungan hidupnya. Indeks Kualitas Air (Water Quality Index/WQI) merupakan satuan untuk mengetahui apakah air dapat dinyatakan layak minum (Potable) atau tidak. Pada penelitian ini, untuk membuat prediksi nilai WQI lebih akurat dan memiliki tingkat akurasi model yang lebih tinggi, dirancang sebuah algoritma regresi yang kemudian akan dikonfigurasi kembali dengan tuning algoritma. Model machine learning yang telah dibuat memiliki nilai yang berbeda, namun pada penelitian ini telah ditentukan bahwasanya model Linear Regression yang dipakai sebagai model utama karena memiliki nilai R2 lebih tinggi (0.9965 / 96,5%). Sesuai dengan hasil plotting dari Linear Regression, data diprediksi dengan baik dan persebaran data masih berdekatan dengan prediksi model (robust).
Comparison of Classification Algorithm in Predicting Stroke Disease Hutabarat, Fenna Kemala; Sitompul, Daniel Ryan Hamonangan; Sinurat, Stiven Hamonangan; Situmorang, Andreas; Ruben, Ruben; Ziegel, Dennis Jusuf; Indra, Evta
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 6 No. 1 (2022): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v6i1.2714

Abstract

ABSTRAK- To prevent stroke, we need a way to predict whether someone has had a stroke through medical parameters. With the influence of technology in the medical world, stroke can be predicted using the Data Science method, which starts with Data Acquisition, Data Cleaning, Exploratory Data Analysis, Preprocessing, and the last stage is Model Building. Based on the model that has been made, it is concluded that the algorithm with the best performance, in this case, is XGBoost with a precision value of 0.9, a recall value of 0.95, an f1 value of 0.92, and a ROC-AUC value of 0.978 after receiving five folds of cross-validation. With these results, the model created can be used to make predictions in real-time. Kata kunci : Machine Learning, Logistic Regression, Random Forest, XGBoost, Stroke
Comparative Analysis of Indonesian Text Mining News Online Classification Using the K-Nearest Neighbor and Random Forest Algorithm Sihombing, Oloan; Sitorus, Sarah Tri Yosepha; Indra, Evta; Sinurat, Stiven Hamonangan; Juanta, Palma
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 6 No. 1 (2022): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v6i1.2824

Abstract

The rapid development of internet technology today makes many news media grow pretty rapidly. Newspaper companies have utilized internet technology to spread the latest news online through online mass media. Hundreds of thousands of stories are written and published daily on online-based Indonesian news portals, making it difficult for readers to find the news topics they want to read. In making it easier for readers to find the news they are looking for, news needs to be classified according to its respective categories, such as education, current news, finance, and sports. So to classify categories, a text classification method is needed or often called Text Mining. Text mining is a data mining classification technique for processing text using a computer to produce helpful text analysis. In this study, a comparison of 2 methods for developing texts was carried out to get accuracy above 80%.
COMPARISON OF CLASSIFICATION ALGORITHM IN CLASSIFYING AIRLINE PASSENGER SATISFACTION Indra, Evta; Suwanto, Jacky; Sitompul, Daniel Ryan Hamonangan; Sinurat, Stiven Hamonangan; Situmorang, Andreas; Ruben, Ruben; Ziegel, Dennis Jusuf
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 6 No. 1 (2022): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v6i1.2848

Abstract

In order to revive the airline industry, which is being hit by the current recession, it is essential to restore passenger confidence in airlines by improving the services provided by airlines. With the influence of technology in all industrial fields, airlines can now use Machine Learning to find the essential points that can make passengers feel satisfied with airline services and classify passenger satisfaction. This study presents the making of Machine Learning models starting from Data Acquisition, Data Cleaning, Exploratory Data Analysis, Preprocessing, and Model Building. It is concluded that Random Forest is the best algorithm used in this case study, with an F1 accuracy score of 89.4, ROC-AUC score of 0.90, and a shorter modeling period than other algorithms used in this study.
Laptop Price Prediction with Machine Learning Using Regression Algorithm Siburian, Astri Dahlia; Sitompul, Daniel Ryan Hamonangan; Sinurat, Stiven Hamonangan; Situmorang, Andreas; Ruben, Ruben; Ziegel, Dennis Jusuf; Indra, Evta
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 6 No. 1 (2022): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v6i1.2850

Abstract

Since the COVID-19 pandemic, many activities are now carried out in a Work From Home (WFH) manner. According to data from the Central Statistics Agency (BPS) of East Java, in 2021, large and medium-sized enterprises (UMB) who choose to work WFH partially are 32.37%, and overall WFH is 2.24% (BPS East Java, 2021 ). With this percentage of 32.37%, many people need a work device (in this case, a laptop) that can boost their productivity during WFH. WFH players must have laptops with specifications that match their needs to encourage productivity. To prevent buying laptops at overpriced prices, a way to predict laptop prices is needed based on the specified specifications. This study presents a Machine Learning model from data acquisition (Data Acquisition), Data Cleaning, and Feature Engineering for the Pre-Processing, Exploratory Data Analysis stages to modeling based on regression algorithms. After the model is made, the highest accuracy result is 92.77%, namely the XGBoost algorithm. With this high accuracy value, the model created can predict laptop prices with a minimum accuracy above 80%.
THE USE OF DATA AUGMENTATION AND EXPLORATORY DATA ANALYSIS IN ENHANCING IMAGE FEATURES ON APPLE LEAF DISEASE DATASET Rifaldo, Rifaldo; Sitompul, Daniel Ryan Hamonangan; Sinurat, Stiven Hamonangan; Situmorang, Andreas; Rahmad, Julfikar; Ziegel, Dennis Jusuf; Indra, Evta
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 6 No. 2 (2023): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v6i2.3438

Abstract

Apples are an essential commodity produced in Batu City, Malang. In 2017, Batu City, Malang, produced 19.1 tons of apples, while in 2018, Batu City, Malang, produced 15.9 tons of apples. It can be concluded that the decline in the number of apple harvests in Batu City, Malang. With the influence of technology in agriculture, the influence of technology can be used to detect diseases on leaves to overcome the decrease in the number of harvests. With the Image Augmentation method used in this study, the existing dataset can have 6x more features. So that the healthy category, which previously had 516 image features, now has 3096 image features, the scab category, which previously had 592 image features, now has 3552 image features and the rust category, which previously had 622 image features, now has 3732 image features. With a dataset with 3000 image features, the model to be made can have a higher accuracy value. The model can be said to be sturdy/sturdy/good, or the model to be made can carry out the classification process with a good level of accuracy.
Co-Authors -, Evta Indra Amalia Amalia Banjarnahor, Jepri Fahmi, Mohammad Irfan Farrona, Rio Hutabarat, Fenna Kemala Hutasoit, Leo Nardo Indra, Evta Juanta, Palma Kelvin Kelvin NK Nababan, Marlince Okta Jaya Harmaja Oloan Sihombing, Oloan Rahmad, Julfikar Rifaldo, Rifaldo Ruben Ruben, Ruben Siburian, Astri Dahlia Siringo Ringo, Jaka Tomi Ronaldo Sitompul, Daniel Ryan Hamonangan Sitorus, Sarah Tri Yosepha Situmorang, Andreas Solly Aryza Suwanto, Jacky Wijaya, Malvin Luckianto Ziegel, Dennis Jusuf